基于JPDA的智能船舶多源信息融合技術研究

范新剛，管日升

(上海船舶電子設備研究所，上海 201108)

0 引 言

當前，在民用和軍用領域對智能船舶需求日益迫切，而船舶智能化、無人化是智能船舶技術的主要研究方向[4]，智能船舶為了達到無人化和智能化，在智能船舶平臺中會配置多個或多種傳感器，例如避碰聲吶、紅外光電設備、導航雷達、AIS系統、GPS/北斗等來實現自主航行的安全性和可靠性。然而如何處理多個或多種傳感器上傳的互補信息和冗余信息來消除或減少冗余信息以及降低信息的模糊性，是本文的關鍵問題[6]。

本文采用智能船舶多源信息融合技術，使用目標位置特性和運動特性雙跟蹤門限的聯合概率數據關聯算法（JPDA）減少落入跟蹤門內的冗余信息，并在信息處理過程中采用極大似然估計法對多個或多種傳感器上傳的船舶自身運動參數、周圍靜態環境信息、它船參數、海洋環境信息和岸基指控信息等進行同源劃分，來降低聯合概率數據關聯算法（JPDA）的計算量[5]，最終實現對多傳感器信息的高質量融合估計，為智能船舶航運實時提供決策和控制信息，保障智能船舶自主航行的安全性和可靠性。

1 智能船舶多源信息融合技術

1.1 改進傳統JPDA算法的必要性

傳統的聯合概率數據關聯算法（JPDA）對單一傳感器和多目標跟蹤的處理效果較好，本文的智能船舶平臺配置了包括避碰聲吶、紅外光電設備、導航雷達、AIS系統等多個或多種傳感器，每個傳感器都可能得到多個目標信息。在本文中的智能船舶多傳感器、多目標跟蹤的環境下，采用傳統的JPDA算法主要存在計算量太大問題[7]。在探測到大量的目標信息出現在跟蹤波門的相交區域內，并且這些目標信息可能對應多個傳感器，造成了多個傳感器的探測信息源于同一個目標，最終導致有效的關聯事件數量與探測目標數量呈指數增長，運算過程中的計算量也會呈指數增長甚至造成計算量的爆炸[5]。

本文為了解決智能船舶多傳感器、多目標跟蹤的環境下多傳感器多目標導致的計算量太大問題，采用基于位置信息的跟蹤門1和基于運行特性的跟蹤門2的雙跟蹤門設計思路，把目標的位置特性和運動特性結合起來，從而有效地限制關聯門出現的冗余信息，并將智能船舶的避碰聲吶、紅外光電設備、導航雷達、AIS系統等多種傳感器上傳的信息進行同源劃分，減少關聯事件數量，降低了目標和探測數據之間的關聯概率事件，從而達到降低 JPDA算法計算量的目的。

1.2 改進的JPDA算法設計

聯合概率數據關聯算法（JPDA）具體設計內容如下：算法假設存在M個目標，其算法方程和變量描述為：

式中：A為目標變量；C為測量變量；M，N為已知的矩陣量；X和Y為相對獨立的變量，其中X為零均值的狀態噪聲變量，Y為零均值的探測噪聲向量；t為i時刻探測到的目標。

定義i時刻目標t的關聯區域為：

設i時刻的有效信息為n（i）個，記為Ci,1,Ci,2,···,，i時刻的有效信息集為值落入跟蹤門限內時，多個檢測目標可能會出現在相交區域，聯合概率數據關聯算法（JPDA）計算每一個檢測目標信息與第一個探測值相關聯的概率。設為在i時刻的所有聯合事件值的集合，h表示 θ (i)中元素的數量，在設1,2,···,m(i)，表示測量值j與目標t關聯的事件。

依據全概率公式和JPDA相關的計算公式，可以得到目標在i時刻的濾波值為：

本文中的JPDA算法采用基于位置信息的跟蹤門1和基于運行特性的跟蹤門2的雙跟蹤門設計思路，跟蹤門設計過程中，除了考慮目標位置特性外，還考慮了運動方向等運行特性，把目標的位置特性和運動特性結合起來，從而有效地限制關聯門出現的冗余信息，降低了目標和探測數據之間的關聯概率事件，降低了 JPDA 計算量的目的[9]。

基于位置信息的跟蹤門1，在i時刻以目標t的位置預測數據中心所建立的跟蹤門1的體積為Vt(i)=?MγM/2|Wt(i)|1/2，其中自由度為M，

本文中的傳感器為避碰聲吶、紅外光電設備、導航雷達、AIS系統等，可以提供目標運動方向或速度等運行狀態相關的數據，故可在跟蹤門1的基礎上，引入速度特性。假設i時刻目標t的預測運動方向為θ和β，并且是落入跟蹤門1區域內的一個有效回波探測目標，公式如下：

依據雙跟蹤門設計思路，降低落入跟蹤門限交叉區域內的目標信息與傳感器源的關聯事件，本文根據傳感器的集合進行極大似然法的同源劃分，首先明確哪些探測目標值是哪個傳感器探測的，即多傳感器對多目標探測的同源分劃。本文采用了極大似然估計法來解決這個問題[5]。

設在i時刻，在N個傳感器對Q個目標的探測集合ZN中，每一傳感器有mn（n=1，2，…，N）個探測結果。記i時探測結果集合為：

對某一{目標的探測信息集}合為：

Γli=Z1i1,Z2i2,...,ZNiN，其中i=1，…，Q，表示Q個目標集合，這就構成ZN個劃分，共有L個可能分劃集合，i=0，l=0時，為假目標集合。

1.3 智能船舶多傳感器信息流設計

本文的智能船舶接收本船避碰聲吶、測深聲吶、光電傳感器、導航雷達、AIS系統、GPS/北斗等傳感器發送的航行數據和設備信息，以及接入岸基中心外部信息，通過自動感知和獲得船舶自身位置、航速、航向等船舶運動參數，水深、港口設施、危險區等靜態環境信息，它船位置、航速、航向等目標參數以及風、波、浪、涌、潮、氣象等海洋環境信息和數據，結合智能化電子海圖，為智能船舶航運實時提供決策和控制信息，以使智能船舶航行過程更加安全、可靠。

智能船舶獲取雷達光電、避碰聲吶、AIS等實時數據，實現實時監測目標的動態信息，通過本文的JPDA多源信息融合技術，解決傳感器空間覆蓋區域中的冗余信息，對各類傳感器同步控制和協同探測，克服多種或多個傳感器的應用環境、作用距離、目標識別能力不同等問題[1]，通過采用信息優化技術、數據轉換技術、數據相關技術、態勢分析評估技術和融合推理技術，實現在航線選擇、船舶避讓等方面的優化，生成正確的航行決策[2–3]。智能船舶多傳感器信息流設計框圖如圖1所示。

圖 1 智能船舶多傳感器信息流設計框圖Fig. 1 Intelligent multi-sensor information flow design block diagram of the ship

本文智能船舶多傳感器信息處理原理框圖如圖2所示。

圖 2 多傳感器信息處理原理框圖Fig. 2 Multi-sensor information processing principle block diagram

2 仿真設計與結果分析

為進一步驗證本文提出的JPDA算法有效性和可行性，采用Matlab（版本號R2015b）軟件進行仿真試驗驗證，采用2個水下目標（目標M和目標N）進行模擬，2個目標都是勻速直線運動，探測水下目標的傳感器選用避碰聲吶，傳感器測距標準差均為10 m，傳感器的虛警概率為0.01，落入跟蹤門限檢測概率為0.85，對應正確量測目標落入跟蹤門1的概率為0.99，對應正確量測目標落入跟蹤門2的概率為0.99，各個傳感器的掃描周期為1 s。仿真結果如圖3～圖5所示。

圖 3 目標實際航跡仿真圖Fig. 3 Target track simulation diagram

圖 4 目標雜波和估計位置航跡圖Fig. 4 Goals clutter and the estimated position track diagram

圖 5 目標探值與估計值誤差分析圖Fig. 5 Target error analysis diagram agent and estimated values

其中圖3為在上述設定條件下，仿真2個真實目標M，N的實際運動航跡和實時位置，實線2為目標M航跡，實線1為目標N航跡。圖4為避碰聲吶探測到目標M和目標N的雜波和估計位置，可見算法對雜波的處理效果還是比較明顯，線1虛點為目標M雜波航跡，線2虛點為目標N雜波航跡，線1實線為目標M估計位置航跡，線2實線為目標N估計位置航跡。圖5為2個目標的位置探測值與位置估計值誤差分布顯示。由此仿真結果可知，驗證了本文采用此算法的可行性。

3 結 語

本文主要介紹智能船舶的發展前景，智能船舶多源信息融合技術是智能船舶集成系統的關鍵核心技術之一[1]，描述了基于改進的聯合概率數據關聯算法（JPDA）的智能船舶多源信息融合技術，詳細分析了JPDA算法模型，提出了智能船舶多傳感器、多目標跟蹤的環境下多傳感器多目標導致的計算量太大問題，并給出了解決方法。基于位置信息的跟蹤門1和基于運行特性的跟蹤門2的雙跟蹤門設計，把目標的位置特性和運動特性結合起來，從而有效地限制關聯門出現的冗余信息，以實現并增強智能船舶自主航行的安全性和可靠性，最后采用Matlab（版本號R2015b）軟件進行模擬驗證仿真，對仿真結果給出分析，驗證了本文提出JPDA算法的有效性和可行性，本文對多傳感器融合設計和智能船舶集成系統設計方面具有一定借鑒意義。