基于多源信息融合的聲吶目標(biāo)非威脅度評估方法

周 彬, 王 慶, 權(quán)恒恒

?

基于多源信息融合的聲吶目標(biāo)非威脅度評估方法

周 彬, 王 慶, 權(quán)恒恒

(1. 聲吶技術(shù)重點實驗室, 浙江 杭州, 310023; 2. 杭州應(yīng)用聲學(xué)研究所, 浙江 杭州, 310023)

多源信息融合能夠擴展聲吶系統(tǒng)的探測范圍, 提高目標(biāo)識別的可靠性和魯棒性。文中針對聲吶目標(biāo)探測中使用全頻譜特征信息進(jìn)行目標(biāo)關(guān)聯(lián)所需傳輸帶寬大, 目標(biāo)威脅度判別的先驗概率不確定, 無法在概率論框架內(nèi)進(jìn)行融合處理等問題, 提出了一種基于多源信息融合的聲吶目標(biāo)非威脅度評估方法。該方法以低頻聲吶目標(biāo)作為威脅目標(biāo)的排除對象, 結(jié)合高頻陣、非聲傳感器等輸出的目標(biāo)信息, 通過對多源信息預(yù)處理、目標(biāo)航跡關(guān)聯(lián)以及關(guān)聯(lián)信息融合等進(jìn)行低頻聲吶目標(biāo)的非威脅度評估, 達(dá)到排除非威脅目標(biāo)、提高警戒效率的目的。在目標(biāo)航跡關(guān)聯(lián)中, 提出了一種改進(jìn)的灰色關(guān)聯(lián)算法, 能夠區(qū)分2個航跡變化趨勢一致但相距較遠(yuǎn)的不同目標(biāo)。在缺乏威脅目標(biāo)判別先驗概率條件下, 針對概率論方法不能有效應(yīng)用于信息融合處理的問題, 提出了基于Dempster-Shafer證據(jù)理論的多源信息融合方法, 給出了非威脅目標(biāo)可信度。最后利用低頻陣、高頻陣及自動識別系統(tǒng)(AIS)等多源信息的海試數(shù)據(jù)驗證了文中方法的可行性。

聲吶目標(biāo)探測; 多源信息融合; 非威脅度評估方法; 灰色關(guān)聯(lián)算法; Dempster-Shafer證據(jù)理論

0 引言

信息融合是一種多層次、多方面的信息處理過程, 包括對多源數(shù)據(jù)進(jìn)行檢測、相關(guān)、組合和估計, 從而提高狀態(tài)和身份估計的精度, 以及對戰(zhàn)場態(tài)勢和威脅的重要程度進(jìn)行適時完整的評價[1-4]。在聲吶目標(biāo)探測領(lǐng)域, 相對單陣聲吶, 多維度(空間、時間)多特征(頻率、電磁性)的聲與非聲傳感器信息融合, 能夠擴展聲吶系統(tǒng)的探測范圍, 提高目標(biāo)識別的可靠性和魯棒性。分布式、多基地等聲吶探測技術(shù)研究是當(dāng)前聲吶信息融合領(lǐng)域的研究熱點[5-6]。其中單個艦艇平臺同樣可以利用平臺上安裝的不同類型的聲吶基陣(艏端陣、舷側(cè)陣、拖曳陣等)以及非聲系統(tǒng)(自動識別系統(tǒng)(automatic identification system, AIS)、雷達(dá)、磁探儀等)給出的目標(biāo)信息進(jìn)行信息融合, 對威脅目標(biāo)進(jìn)行評估, 排除非威脅目標(biāo), 提高警戒效率。

針對單平臺的多源信息融合, 主要處理流程包括多源信息預(yù)處理、目標(biāo)航跡關(guān)聯(lián)、關(guān)聯(lián)信息融合三部分。已有處理手段存在以下問題: 預(yù)處理環(huán)節(jié)針對多源信息的異類、稀疏性、粒度等因素缺乏有效的數(shù)據(jù)整理及管理手段; 目標(biāo)航跡關(guān)聯(lián)所需的頻譜特征信息量大, 無法滿足實時傳輸?shù)墓こ虘?yīng)用條件[7]; 目前已有的基于灰色理論的目標(biāo)航跡關(guān)聯(lián)技術(shù)不能區(qū)分2個運動趨勢相似但方位相距較遠(yuǎn)的目標(biāo)[8-9]; 威脅目標(biāo)判別的先驗概率不確定, 無法在概率論框架內(nèi)進(jìn)行融合處理[10-11]等。針對上述問題, 文中提出一種基于多源信息融合的聲吶目標(biāo)非威脅度評估方法, 針對低頻聲吶目標(biāo)威脅度評估的需求, 計算低頻聲吶目標(biāo)與AIS、高頻聲吶目標(biāo)的關(guān)聯(lián)程度, 排除非威脅目標(biāo), 形成一套基于多源信息融合的聲吶目標(biāo)非威脅度評估方法。

1 基于信息融合的聲吶目標(biāo)非威脅度評估

具有低頻能量特征的聲吶目標(biāo)是水下探測的主要目標(biāo)之一。文中以低頻聲吶基陣檢測輸出的低頻聲吶目標(biāo)作為威脅目標(biāo)的排除對象, 結(jié)合高頻陣、非聲傳感器等輸出的目標(biāo)信息, 提出基于多源信息融合的聲吶目標(biāo)非威脅度評估方法, 進(jìn)行多源信息融合, 評估低頻聲吶目標(biāo)的威脅度。該方法處理流程如圖1所示, 輸入信息包括艏端陣、舷側(cè)陣、拖曳陣等聲學(xué)傳感器信息以及雷達(dá)、AIS、磁探儀等非聲傳感器信息, 經(jīng)過信息預(yù)處理、目標(biāo)關(guān)聯(lián)及信息融合等處理, 最后進(jìn)行威脅度評估, 給出目標(biāo)非威脅度。

圖中, 信息預(yù)處理主要針對異類信息、不同粒度信息及不完整信息進(jìn)行預(yù)處理。如AIS給出的目標(biāo)有些處于無動力漂浮狀態(tài), 無法被聲吶所探測, 因而需在關(guān)聯(lián)前對AIS目標(biāo)進(jìn)行篩選, 比如剔除船速低且船艏向雜亂無序的目標(biāo)。目標(biāo)關(guān)聯(lián)模塊主要基于目標(biāo)方位信息, 如果將目標(biāo)頻譜特征信息引入關(guān)聯(lián)模塊, 大容量的信息傳輸與處理均不適用于工程應(yīng)用, 因此, 純方位關(guān)聯(lián)仍是目前主流方位關(guān)聯(lián)方法。文中以低頻陣輸出目標(biāo)作為聲吶主要威脅目標(biāo), 使用改進(jìn)的目標(biāo)航跡灰色關(guān)聯(lián)分析技術(shù), 將高頻陣目標(biāo)、AIS目標(biāo)等與之進(jìn)行基于方位的目標(biāo)關(guān)聯(lián), 最后將關(guān)聯(lián)結(jié)果作為多源信息輸入信息融合模塊, 開展基于Dempster-Shafer(D-S)證據(jù)理論的多源信息融合, 評估低頻聲吶目標(biāo)的非威脅度, 以達(dá)到排除非威脅目標(biāo), 提高警戒效率的目的。

2 改進(jìn)的目標(biāo)航跡灰色關(guān)聯(lián)分析技術(shù)

3 基于D-S證據(jù)理論的多源信息融合技術(shù)

在AIS中找到對應(yīng)相關(guān)聯(lián)的低頻聲吶目標(biāo)很可能是非威脅水面目標(biāo), 并可通過目標(biāo)的關(guān)聯(lián)度大致給出非威脅目標(biāo)的概率。比如當(dāng)目標(biāo)關(guān)聯(lián)度是1時, 可判斷為非威脅目標(biāo)的概率也設(shè)置為1。但沒有得到關(guān)聯(lián)或者關(guān)聯(lián)度為0的低頻目標(biāo), 判斷為非威脅目標(biāo)的概率并不等于0, 也不能簡單設(shè)置為0.5或其他某一參數(shù)。這類無法給出先驗概率的不確定性估計問題無法在概率論框架內(nèi)進(jìn)行處理。針對這一問題, 文中使用證據(jù)理論進(jìn)行非威脅度評估。證據(jù)理論是對概率論的進(jìn)一步擴充, 能夠?qū)⒓僭O(shè)的先驗概率空間映射到基于觀測的假設(shè)后驗概率空間, 克服絕大多數(shù)估計理論中需要先驗知識這一不利因素, 并利用D-S合成公式進(jìn)行多源信息融合, 得到更加準(zhǔn)確的估計值。

利用D-S合成公式得到

從式(7)可得, 當(dāng)其中任意一個證據(jù)以可信度1判定目標(biāo)為非威脅目標(biāo)時, 融合后依然以可信度1判定該目標(biāo)為非威脅目標(biāo)。但上述信息缺乏判定聲吶目標(biāo)為威脅目標(biāo)的直接證據(jù), 因而在沒有更多信息源的情況下, 無法直接給出目標(biāo)威脅程度的BPA函數(shù), 但可以將非威脅程度進(jìn)行倒序排列, 得到低頻聲吶目標(biāo)的威脅程度排序。

4 試驗驗證

利用某次海試數(shù)據(jù)驗證所提聲吶目標(biāo)非威脅度評估方法, 試驗時長1 h, 多源輸入信息包括低頻陣、高頻陣的空間能量譜以及AIS的目標(biāo)信息。首先對AIS目標(biāo)信息進(jìn)行預(yù)處理, 得到最終有效的目標(biāo)數(shù)據(jù)如圖2所示。

圖2 自動識別系統(tǒng)預(yù)處理所得目標(biāo)航跡

圖中, 橫軸為相對本船方位(與聲吶輸出同一方位坐標(biāo)系)。通過對低頻陣和高頻陣的輸出空間能量譜進(jìn)行目標(biāo)跟蹤, 得到各自的目標(biāo)航跡, 如圖3(a)、(b)所示。其中低頻陣目標(biāo)12個, 高頻陣目標(biāo)5個(包括本平臺拖船噪聲)。

以低頻9#目標(biāo)與高頻目標(biāo)的關(guān)聯(lián)為列, 分析改進(jìn)前后2種方法的關(guān)聯(lián)結(jié)果, 如表1所示。可以看出, 低頻9#目標(biāo)與高頻5#目標(biāo)運動趨勢一致, 但相距很遠(yuǎn), 此時原方法關(guān)聯(lián)度趨近于1, 而改進(jìn)后的方法可以得到正確的關(guān)聯(lián)結(jié)果。

表1 9#低頻目標(biāo)與高頻目標(biāo)的關(guān)聯(lián)結(jié)果列表

利用改進(jìn)的目標(biāo)航跡灰色關(guān)聯(lián)分析方法分別進(jìn)行低頻陣與高頻陣的目標(biāo)關(guān)聯(lián)以及低頻陣與AIS的目標(biāo)關(guān)聯(lián)。圖4(a)、(b)分別給出了1#低頻

陣目標(biāo)與所有高頻陣和AIS目標(biāo)隨時間變化的歸一化關(guān)聯(lián)度。可以看出, 低頻陣的1#目標(biāo)與AIS上的4#目標(biāo)以及高頻陣上的5#目標(biāo)強關(guān)聯(lián)。

最后利用基于D-S證據(jù)理論的多源信息融合技術(shù)得到目標(biāo)非威脅度BPA值如表2所示, 可以排除4個非威脅度接近1的目標(biāo)(5#、7#、9#、10#), 如果對所有的低頻目標(biāo)按照威脅度進(jìn)行排列, 則3#、4#、6#、11#、12#目標(biāo)排在前列, 因而后續(xù)目標(biāo)識別可以主要針對這5個目標(biāo), 實際上海試中的12#目標(biāo)為威脅目標(biāo)的模擬聲源, 是主要威脅目標(biāo)之一。所以通過基于多源信息融合的聲吶目標(biāo)非威脅度評估排除了非威脅目標(biāo), 提高了警戒效率。

表2 非威脅度列表

5 結(jié)束語

以低頻聲吶基陣檢測輸出的低頻聲吶目標(biāo)作為威脅目標(biāo)的排除對象, 結(jié)合高頻陣、非聲傳感器等輸出的目標(biāo)信息, 提出一種基于多源信息融合的聲吶目標(biāo)非威脅度評估方法, 改進(jìn)了基于灰色關(guān)聯(lián)分析的目標(biāo)航跡關(guān)聯(lián)算法。該方法可區(qū)分2個航跡變化趨勢一致但相距較遠(yuǎn)的不同目標(biāo)。利用基于D-S證據(jù)理論的多源信息融合方法, 給出了非威脅目標(biāo)可信度, 并利用低頻陣、高頻陣、AIS等多源信息的海試數(shù)據(jù)驗證了文中所提方法, 其中海試數(shù)據(jù)處理暫未考慮處理過程的實時性, 后續(xù)將根據(jù)實際工程需求進(jìn)一步開展相關(guān)技術(shù)研究。

[1] 韓崇昭, 朱洪艷, 段戰(zhàn)勝. 多源信息融合[M]. 北京: 清華大學(xué)出版社, 2010.

[2] 何友, 王國宏, 彭應(yīng)寧, 等. 多傳感器信息融合與應(yīng)用[M]. 北京: 電子工業(yè)出版社, 2000.

[3] Raffaele G, Parastoo A, Hassan G, et al. Multi-sensor Fusion in Body Sensor Networks: State-of-the-art and Res- earch Challenges[J]. Information Fusion, 2017, 35: 68-80.

[4] Reda B, Didier C, Thanh-Long N, et al. Multi-sensor Inf- ormation Fusion: Combination of Fuzzy Systems and Evidence Theory Approaches in Color Recognition for the NAO Humanoid Robot[J]. Robotics and Autonomous Sy- stems, 2018, 100: 302-316.

[5] 孫偉, 葛軼洲, 原玉婷, 等. 分布式檢測融合在被動聲吶浮標(biāo)中的應(yīng)用[J]. 通信對抗, 2016, 35(3): 23-27.

Sun Wei, Ge Yi-zhou, Yuan Yu-ting, et al. Distributed De- tection Fusion Used on Passive SonoBuoy[J]. Communication Countermeasures, 2016, 35(3): 23-27.

[6] 呂琳. 未來反潛戰(zhàn)中的多基地聲吶作戰(zhàn)[J]. 電子世界, 2018(4): 109-111.

[7] 王杰貴, 羅景青. 基于多目標(biāo)多特征信息融合數(shù)據(jù)關(guān)聯(lián)的無源跟蹤方法[J]. 電子學(xué)報, 2004, 32(6): 1013-1016.

Wang Jie-gui, Luo Jing-qing. Passive Tracking Based on Data Association with Information Fusion of Multi-Fea- ture and Multi-Target[J]. Acta Electronica Sinica, 2004, 32(6): 1013-1016.

[8] 孫啟臣, 郭偉震, 閆倩倩, 等. 一種基于灰關(guān)聯(lián)分析的多目標(biāo)跟蹤算法[J], 魯東大學(xué)學(xué)報, 2017, 33(1): 20- 25.

Sun Qi-chen, Guo Wei-zhen, Yan Qian-qian, et al. A Multi-target Tracking Algorithm Based on Grey Relational Analysis[J]. Ludong University Journal(Natural Science Edition), 2017, 33(1): 20-25.

[9] 孫偉, 尚金濤, 朱鯤. 一種新的多目標(biāo)融合關(guān)聯(lián)算法[J]. 聲學(xué)與電子工程, 2016(3): 1-3.

[10] 康健, 李一兵, 林云, 等. 基于證據(jù)理論的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法[J]. 系統(tǒng)工程與電子技術(shù), 2013, 35(8): 1620-1626.

Kang Jian, Li Yi-bing, Lin Yun, et al. Joint Probability Data Association Algorithm Based on Evidence Theory[J]. Systems Engineering and Electronics, 2013, 35(8): 1620- 1626.

[11] 薛昌友, 李東鑫, 馬暄, 等. 基于D-S證據(jù)理論的潛艇多源信息融合系統(tǒng)[J]. 艦船電子工程, 2008, 28(11): 27- 30.

Xue Chang-you, Li Dong-xin, Ma Xuan, et al. Multi-Re- sources Data Fusion System of Submarine Based on D-S Evidential Reasoning[J]. Ship Electronic Engineering, 2008, 28 (11): 27-30.

Non-Threatening Degree Assessment Method of Sonar Targets Based on Multi-Source Information Fusion

ZHOU Bin, WANG Qing, QUAN Heng-heng

(1. Science and Technology on Sonar Laboratory, Hangzhou 310023, China; 2. Hangzhou Applied Acoustics Research Institute, Hangzhou 310023, China)

Multi-source information fusion can expand the detection range of a sonar system and improve the reliability and robustness of target recognition. To solve the problems of large transmission bandwidth, uncertain priori probability of target threatening degree discrimination, and inability to perform fusion processing within the framework of probability theory in the sonar target association using full spectrum feature information, a non-threatening degree assessment method for sonar targets based on multi-source information fusion is proposed in this paper. The method takes low- frequency sonar target as the exclusion of threatening target, combines the target information output from high-frequency array and non-acoustic sensor, and performs non-threatening degree assessment of low-frequency sonar target through multi-source information preprocessing, target track association, and association information fusion, so as to eliminate non-threatening targets and improve alert efficiency. For target track association, an improved gray association algorithm is proposed, which can distinguish two different targets with the same track change trend but far away from each other. In the absence of a priori probability of threatening target discrimination, a multi-source information fusion method based on Dempster-Shafer evidence theory is proposed to solve the problem that probability theory cannot be effectively applied to information fusion processing, and the credibility of non-threatening targets is given. The proposed method is verified by sea trial data of multi-source information, including low-frequency array data, high-frequency array data and automatic identification system(AIS) data.

sonar target detection; multi-source information fusion; non-threatening degree assessment method; grey association algorithm; Dempster-Shafer(D-S) evidence theory

TJ67; TB566

A

2096-3920(2018)05-0439-05

10.11993/j.issn.2096-3920.2018.05.010

2018-08-05;

2016-12-18.

中國科協(xié)青年人才托舉工程第三屆(2017~2019年度)項目資助(2017QNRC001).

周 彬(1986-), 男, 博士, 高級工程師, 主要研究方向為水聲陣列信號處理技術(shù).

周彬,王慶,權(quán)恒恒.基于多源信息融合的聲吶目標(biāo)非威脅度評估方法[J].水下無人系統(tǒng)學(xué)報,2018, 26(5): 439-443.

(責(zé)任編輯: 楊力軍)