目標跟蹤數據融合平臺系統的開發分析

黃勇

摘 要 本論文的主要內容圍繞目標跟蹤數據融合平臺系統的開發所需的技術來展開討論。特別是重點分析一些定位準確，濾波性能好并且程序中使用到的算法。本論文的主要工作，就是利用已有的數學模型，對實際跟蹤目標的過程做一個模擬。定位的實現過程通常是：用單個運動的觀測站對輻射源進行連續的測量，在獲得一定量的定位信息積累的基礎上，進行適當的數據處理以獲取輻射源目標的定位數據。幾何學原理定位，并結合非線性濾波所獲得的對固定和運動輻射源的快速高精度定位和跟蹤。本文采用了KF（Kalman Filter，卡爾曼濾波算法）的實現方式，然后還探究了距離角度算法的實現方式，以這兩種方式進行濾波定位跟蹤的模擬。

關鍵詞 無源定位 卡爾曼濾波算法模型 距離角度算法 仿真模擬

中圖分類號：TP3 文獻標識碼：A

0前言

與傳統的有源雷達技術相比較，無源定位跟蹤技術自身不發射電磁波而且探測距離遠，所以它在現代電子偵察戰中扮演著越來越重要的角色。本系統就是采用無源定位跟蹤技術在西南交大就學期間以畢業設計形式完成。現代電子偵察相關算法層出不窮，但算法各有優劣。本系統是用不同算法如卡爾曼濾波算法、距離角度算法等對無緣定位技術進行仿真模擬，以確定不同算法的優劣。本文主要是對目標跟蹤數據融合平臺系統開發所需的技術進行剖析，也對開發系統中所遇的問題以及解決方法進行講解。

1緒論

1.1研究的背景和意義

在現代戰爭的信息戰、電子戰環境中，使用快速高精度、高識別率的無源被動定位跟蹤技術作戰場監視、遠程精確打擊已成為一種重要的技術方向和發展趨勢。單站無源定位與跟蹤技術對于C4ISR系統中的空載、星載、艦載電子偵察監視以及發射導彈攻擊預警機、航空母艦以及地面雷達的初始瞄準具有重要的價值，應用范圍廣。

1.2國內外發展情況

1.2.1國外的發展情況

國外在單站定位方面早就展開了研究，通過查看國外發表的眾多文獻資料，我們可以知道國外已經在進行關于單站定位系統的試飛試驗和工程應用。下面我們介紹國外一些在這種理念下開發的產品。

（1）“沉默的哨兵”

“沉默哨兵”的核心是“無源相控定位技術”。該系統廣泛采用了仿生學的原理，參考蒼蠅360度“復眼”的構造，設計師將四面尺寸在2.5米左右的天線安裝在固定雷達站基座上，每面探測范圍均為120度，合在一處則可實現全方位全天候目標監視。其有效作用距離達220km，方位覆蓋60啊？60埃鑰罩心勘甑畝ㄎ瘓扔氬捎枚嗌俑鯰V信號或FM廣播信號有關。

（2）英國防御研究局（DERA）的無源跟蹤探測定位系統

英國DERA正在開展研究的無源探測定位系統也是一種雙基系統，它利用英國BBC的TV發射機發射的TV信號進行對空中目標的探測和定位。該系統采用了與美國“沉默的哨兵”系統完全不同的探測定位技術，即快速傅里葉變換（FFT）加卡爾曼濾波器和擴展卡爾曼濾波器技術。

系統主要由一對8單元Yagi-Uda天線、下變頻單元和VXI數字HF接收機等硬件組成。系統在1997年2月進行了三次試驗，當時其天線置于18m高的移動塔上，系統距TV發射臺100余千米，能探測260km遠的目標。

1.2.2國內的發展情況

國內單站無源定位技術的理論基礎研究是從 1994 年底開始的，國防科技大學的孫仲康教授領導著大批研究人員從事精確制導技術、無源定位技術的研究，總體來說，國內的研究已經完成了這項技術理論和方法的基礎研究，并開始著手深入研究參數的測量、定位濾波算法等。通過近 40 多年的努力，我國在這一領域得到了長足發展，許多先進的圖像處理與模式識別方法被應用到這個領域，并研制了一些實際的系統。在國內的研究機構中，中國科學院北京自動化研究所模式識別國家重點實驗室對交通場景的視覺監控、人的運動視覺監控和行為模式識別等方面進行了深入研究，分別提出了基于三維線性模型定位、基于擴展卡爾曼濾波器的車輛跟蹤算法、基于步態的遠距離身份識別、對目標運動軌跡和行為特征學習的模糊自組織神經網絡學習算法等，在視覺監控研究中處于領先地位。

1.3開發平臺和目標平臺

1.3.1開發平臺

Windows 7操作系統；

1.3.2 目標平臺

因為本系統的最終成品為演示仿真系統，因此不需要真正的物理傳感器。系統會通過軟件模擬，最終運行環境為：

硬件要求：

CPU：500MHZ以上

硬盤：5GB以上

內存：128M以上

運行環境：

Windows 7/XP及以上版本，Java Runtime Environment，IE4.0以上，Netscape4.0以上。

1.4開發工具簡介

1.4.1 Visual C++ 6.0

VC++6.0是Microsoft公司推出的一個基于Windows系統平臺、可視化的集成開發環境，它的源程序按C++語言的要求編寫，并加入了微軟提供的功能強大的MFC（Microsoft Foundation Class）類庫。

1.4.2數學運算工具matlab

MATLAB是由美國mathworks公司發布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態系統的建模和仿真等諸多強大功能集成在一個易于使用的視窗環境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，并在很大程度上擺脫了傳統非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。

1.4.3 Matlab和VC++接口設計

因為本系統的數學模型計算方面非常繁瑣，為了減輕工作負擔，我們采用專業的數學運算引擎matlab來計算模型處理的那部分，這樣就必須用到VC和matlab方面的交互。MATLAB包括數學函數和工具箱函數，MCC已經將編寫的函數進行編譯，可以遵循MCC編譯后的VC++文件語言規則直接在VC++中使用。

2系統模塊分析

2.1傳感器管理

在本仿真系統中，為了最大程序的模擬真實的跟蹤過程，系統允許用戶設置傳感器在坐標中的位置。因為在現實世界坐標系中，很有可能多個傳感器在不同的地方，一個范圍內協同工作，但本系統中暫不考慮多站的情況。真實系統中還應該可以調整傳感器的掃描頻率（采樣頻率）等參數。通過該管理模塊能夠對傳感器相關參數做出相應的修改，使其能夠通過不同方式接受信號。其包括對傳感器橫坐標、縱坐標及其傳感器布局等管理。

2.2目標管理

在本模塊中用戶可以設置目標的真實值以模擬我們本應該通過傳感器所得到的帶噪聲的數據，所以允許用戶輸入的首先應該是目標的真實速度和坐標，但是實際中我們不可能知道真實的坐標值，所以不能使用這組數據計算，這組數據的用途應該是模擬添加了噪聲的到達時間差和到達角的數據值，因為傳感器是無源的，被動的接收外來的數據，我們只能得到這些數據。通過目標管理模塊對目標相關參數做出相應的修改，使其能夠按照預期結果飛行。包括目標坐標、目標飛行速度、目標飛行方向、目標類型、目標飛行家速度、目標飛行持續時間等進行相應的更改。

2.3算法管理

現軍事上電子偵察所用算法很多，不同算法抗噪力不同，其準確率也有所不同。該模塊是為了簡單模擬一些算法，通過該模塊對目標算法進行相應的選擇，使其能夠按照不同算法進行相關測量，得到對應的結果。包括對kalman算法、距離角度算法及其他相關算法進行相應的管理。

2.4性能分析

本系統另一個重要的功能就是研究算法的精度，為了更好的體現算法的精度，我們給出了比較濾波后的值和我們預先知道的真實值之間的誤差的方法。再對誤差比較及相關參數進一步做出相關的性能分析。該功能實現是通過系統性能分析模塊對不同算法測試目標得到的結果進行一定的分析比較，能夠通過比較，得到理想的效果，得到相對最優算法，并得出分析相關性能分析結果。

3系統用到的定位算法

3.1卡爾曼濾波器算法

簡單來說，卡爾曼濾波器是一個最優化自回歸數據處理算法。對于解決很大部分的問題，他是最優，效率最高甚至是最有用的。他的廣泛應用已經超過30年，包括機器人導航，控制，傳感器數據融合甚至在軍事方面的雷達系統以及導彈追蹤等等。近來更被應用于計算機圖像處理，例如頭臉識別，圖像分割，圖像邊緣檢測等等。

由于在直角坐標系下的測量方程是一個非線性的方程，因此須采用非線性濾波方法。單站無源定位中傳統的非線性濾波方法是擴展的卡爾曼濾波（Extended KF，EKF）方法，即用泰勒級數將非線性函數展開后線性化，然后利用卡爾曼濾波算法，獲得較好的性能。但是由于EKF具有依賴于初始狀態估計的缺點，并且協方差易出現病態，導致濾波定位結果不穩定。為此許多研究工作開始致力于研究更加穩定的算法。Aidala提出修正極坐標條件下的只測角定位濾波算法，即采用修正極坐標系和EKF算法對輻射源進行定位，改進了估計系統的穩定性，但是這樣相對運動的狀態方程就變成了一個非線性方程。

EKF算法和UKF（Unscented KF）通稱為基于參數方法的濾波算法。EKF算法和UKF算法都是假設后驗概率分布為高斯分布，對目標進行定位和跟蹤是典型的動態系統狀態估計問題，在模型滿足高斯線性條件下，卡爾曼濾波器可獲得最好的跟蹤效果。但在諸如純角度跟蹤的運動模型中，線性、高斯假設條件常常不能滿足，EKF算法將出現濾波精度下降和發散現象。Gordon等提出一種非參數化的濾波算法粒子濾波（Particle Filter，PF）。粒子濾波算法能解決非線性，非高斯問題。將Gordon等提出的粒子濾波方法應用到純角度跟蹤問題中，獲得了較好的跟蹤精度。隨后，多目標跟蹤與傳感器管理問題也被研究出來。粒子濾波用于目標跟蹤的成果表明，粒子濾波能較好地處理測量斷續、群目標跟蹤、雷達跟蹤多路徑等傳統難題，因此它是目標跟蹤中非線性問題的數學支撐工具之一。

但是傳統的粒子濾波算法存在退化現象，克服退化現象有兩條途徑：一是通過重采樣，一是通過選擇更好的參考分布。一個最直觀的改善參考分布的方法是融合入當前的觀測數據。盡管不同的Kalman濾波方法的性能不同，但是它們都有把當前觀測數據融合進參考分布的能力。因此考慮在樣本產生后，利用Kalman濾波方法，先用本拍的量測對樣本進行更新，然后再進行重采樣。例如可以使用EKF對每個粒子點進行局部線性化來完成樣本更新，這種方法稱之為EKPF。而利用UKF算法對每個粒子點進行樣本更新則稱之為UPF算法。

3.2距離角度算法

類似雷達定位，主要通過目標的兩個信息——距離和角度來進行對目標位置、速度等相關信息進行確定。在此我們簡單介紹相關測量方法。

（1）測量交叉定位法：通過機載貨地面單站的移動，在不同位置多次測量方位，利用方位線的交叉實現定位：或者通過空載或者地面固定多站的測角系統所測得的指向交會來實現定位。

（2）距離差測量法：實際上就是時差測量法，它是通過處理三站或更多個測量站采集到的信號到達時間測量數據進行定位的。時差測量誤差會影響輻射源定位的誤差。對脈沖信號而言，時差車輛的誤差主要受測量信道帶寬的影響。帶寬越寬，誤差越小，所以高精度的時差測量系統采用最好窄脈沖。

（3）測向/測時差混合定位法：是將多站無源測向定位和測時差定位相結合的一種定位方法，即可保證時差定位的高精度，又可利用方位角度信息消除定位的模糊性。

本系統的距離角度算法采用測向/測時差混合定位法，可選擇三角布局，或者四角布局。

4本系統詳細設計步驟簡介

步驟一：做好架構設計

在設計前，必須先設計好主框架，做到胸有成圖的程度。對各模塊間的關系有個初步認識，對模塊間相互聯系的設計模式初步的確定。

步驟二：對系統觸發所用到的對話框類進行編寫

目標管理模塊中需要設置目標相關參數，則需要建立繼承CDialg的CAddTarDlg和CSetTarDlg類，對應分別是添加新目標類和設置已有目標的速度等相關參數的類。

傳感器管理模塊中，需要建立繼承CDialg的CSetSenDld類，此類是添加傳感器，以及修改已有傳感器的坐標等相關參數。

算法管理模塊中，這需要添加繼承CDialg的CArithmSelectDlg類，此類作用是選擇算法，并選擇三角布局或者四角布局等布局方式等。

性能分析模塊中需要添加繼承CDialg的CProfilerDlg類，此類作用是對相關算法進行繪圖，與實際軌跡做比較，得出最優算法。

步驟三：為類建立聯系

在視圖類CTargetTrackingView中添加目標管理、傳感器管理、算法管理、性能分析、運行等菜單選項，并添加對應的屬性變量，如CAddTarDlg類的adlg、CSetTarDlg類的dlg、CSetSenDlg類的sdlg、CProfilerDlg類的pd、CArithmSelectDlg類的asd。最后添加對應的觸發函數OnAddTar、OnSetTar、OnSetSen、OnProfiler、OnArithmSelect、OnRun。

步驟四：完成后臺處理

完成CTargetTrackingView相關觸發函數代碼的編寫，并對其OnDraw函數進行完善，由于繪圖需要適時刷新則需要定時器，添加定時器，并完成默認回調函數OnTimer。完成相關繪圖任務，如畫性能分析圖、算法比較圖。

步驟五：調試并完善

完成代碼編寫后需要對代碼進行測試，并對代碼進行相應的完善。

5系統中相關問題以及解決方案

問題一：程序重繪使用invalidate函數進行重繪，屏幕出現閃爍

解決方案：

（1）禁止背景刷新，對OnEraseBkgnd函數進行修改，直接返回true；

（2）縮小重畫區域，使用invalidaterect函數進行重繪；

（3）先畫到緩存區，再從緩存區一次性畫到目標區（雙緩沖）。

問題二：在VC中調用MATLAB出現問題

解決方案：

（1）方法一是調用Matlab引擎；

（2）方法二是調用Matlab中M函數轉化成的dll文件；

（3）方法三是調用Matlab中M函數轉化成c語言的函數。

參考文獻

[1] 趙新會. 作戰能力與作戰效能的概念開發[A]. 軍隊建設與軍事系統工程[C]第一版，2002：1383-3851.

[2] 孫珠峰，潘應華. 基于卡爾曼濾波的目標機動判別研究[J ] . 海軍航空工程學院學報，2001 （4） ：449-451.

[3] 孫仲康，周一宇，何黎星. 單多基地有源無源定位技術[M]. 國防工業出版社，1996.

[4] 趙濤. 單站無源定位系統接收機的設計與實現[J]. 上海交通大學碩士學位論文，2008.

[5] 徐瑞恩. 作戰理論基本概念：戰斗力、作戰能力和作戰效能量度[J]. 軍事運籌與決策，2002：1158-1701