多傳感器多目標信息融合方法

專利名稱：多傳感器多目標信息融合方法
技術領域：
本發明涉及一種多傳感器多目標信息融合方法，是一種智能化機動目標狀態精確估計與跟蹤方法，用于智能交通、機器人、航空電子、反彈道導彈防御和精確制導等系統的機動目標高精度定位與預測，屬于智能信息處理技術領域。
IIF是一門關于最佳協同利用多傳感器觀測數據并最大程度地提煉出被探測多目標和環境最大信息量的綜合學科。它是一種涉及多信息源探測、相關、跟蹤、識別與分類的自動智能決策過程，是人和其他生物系統的感知功能在復雜系統工程中的再現。正是由于IIF系統本身所具有的良好的性能魯棒性，廣闊的時空覆蓋區域，優良的目標分辨能力，良好的故障容錯和系統重構能力，卓越的探測性能以及較高的量測維數等特點愈來愈受到人們的青睞和高度重視。IIF理論已廣泛應用于空中交通管制、海港監控、機器人視覺、自然資源遙感、氣象預報、探傷及裝配等。因此，各發達國家都把它作為重大科技專題，組織力量，重點研究。
二十多年來，國外在多傳感器多目標信息融合領域已取得很多成果。在傳感器研制方面，已經形成具有不同量測維數和不同工作特點的主被動傳感器產品，其中典型產品有監視與成像雷達(包括激光雷達、合成孔徑雷達、旁視雷達)、紅外搜索跟蹤與圖像傳感器、光電傳感器、電子支援測量傳感器、聲納和全球定位系統等；在信息融合系統結構設計方面，已經提出基于同一運動平臺的集中式、傳感器級和混合式結構，以及基于空間分布的集中式和分布式結構；在檢測信息融合方面，已經提出了分布貝葉斯檢測法、N-P準則、分布序貫檢測方法和神經網絡法等。在狀態信息融合方面，已經提出軌跡分裂法、高斯和法、整數規劃法、多假設法、聯合概率數據關聯法(JPDA)和分散估計方法等；在目標識別與分類方面，已經提出Bayes法，Dempster-Shafer推理法、聚類分析法、K階最近鄰法和線性判別法等；在環境評價方面，已經提出期望樣板法、性能模型法和基于黑板結構的專家系統方法等。上述信息融合理論和方法已具有相當高的理論水平，有些已付諸應用。在國內，包括清華大學、沈陽自動化研究所以及信息產業部29所等單位也相繼在多傳感器信息融合方面開始進行研究，并在機器人研究等方面取得了一些成果。
總的說來，雖然從八十年代以來信息融合理論的研究已經提出有關理論并有很大發展，但由于受到傳統計算理論和方法的困擾，對非平衡復雜環境下的多傳感器多目標信息融合這一難題還沒有很好解決，其主要原因是目標機動特性的非重復性、環境和雜波的強烈隨機性、目標量測的高度模糊性、先驗信息的有限利用、有限的數據庫和知識庫構造經驗以及計算負荷存在的嚴重組合爆炸現象等，這些均向現代多傳感器信息融合系統提出了嚴峻的挑戰。
傳統的信息處理、統計檢測和人工智能等方法已經不能獲得IIF問題的完整解。如果環境和目標以已知的有限形式變化時，基于規則的專家系統方法可能有效，但是目前的人工智能系統，由于對某些假設具有較大的靈敏性，常常表現出脆弱的魯棒性能，尤其當環境和目標以未知的形式變化時，傳統方法已經顯得無能為力，迫切需要發展新的理論和工具。
為實現這樣的目的，本發明所提出的多傳感器多目標信息融合方法，包括四個步驟內容檢測信息融合、狀態信息融合、特征信息融合和決策信息融合。1.檢測信息融合在各個分布式傳感器的局部檢測中，由不同檢測器對目標源檢測并各自進行同類傳感器之間的融合，除獲得判決結果外，同時提供此次判決的置信度，共同組成判決數據結構，信息融合中心采用D-S推理算法對各類不同檢測融合結果作進一步融合，并將上一個時刻融合中心的決策結果反饋給融合中心與下一時刻的局部檢測結果進行時間和空間融合，從而實現不同傳感器檢測融合；2.狀態信息融合綜合利用主動傳感器對多目標的距離信息和被動傳感器的高精度方位信息，形成類主動被動式狀態跟蹤，多目標跟蹤模塊在對其跟蹤處理后將濾波值傳給信息融合中心，由信息融合中心基于神經網絡和模糊神經網絡分別進行分布多傳感器融合方法對多目標狀態信息進行融合，從而為主被動傳感器的狀態信息融合提供了一種可行的方法。3.特征信息融合采用了分布式時空融合結構，基于模糊神經網絡對多傳感器量測信息、環境信息和專家語言信息進行綜合，其結果為特征信息融合各傳感器判決結果的加權系數，依據各傳感器的量測和加權系數首先進行時間序列上的特征融合，再根據各傳感器的時間信息融合結果進行空間融合，實現特征信息的穩健融合；4.決策信息融合根據系統效能建立系統的性能指標，針對某時刻各傳感器所獲得的信息，首先進行相關信息預處理，即根據先驗信息選取與決策融合相關的集合，然后作為神經網絡的輸入，神經網絡則根據其網絡結構輸出一個決策值，基于這個決策值，模擬任務平臺的行為，內容涉及威脅判斷、角色確定和機動控制等，同時計算系統效能，并反饋給神經網絡，神經網絡根據反饋進行網絡訓練，直至效能達到最大，得到的神經網絡結構為最優決策準則。
本發明在研究基于聯接機制的多傳感器智能信息融合機理的基礎上，建立了分布式集成化多傳感器信息融合理論體系，極大的擴大傳感器的覆蓋范圍。在檢測方面可提高系統的探測概率、降低虛警概率，在狀態估計方面可提高系統的估計精度以及估計的穩健性，在目標識別方面可提高識別的正確概率，在決策方面提供一個更加合理可行的決策算法，從而為現代多傳感器系統提供更先進的智能技術。
由于多傳感器信息融合的巨大效能，它在許多方面都找到了應用領域，如目標檢測、戰術警告和防御系統、機器人、遙感、組合導航與復合制導、制造系統、設備監控以及疾病診斷等。這些系統所共有的特點是系統所處的環境具有很強的不確定性，并且系統通過多類傳感器得到大量不同的信息數據。在這種情況下，對于充分利用各類信息，提高系統性能，本發明的信息融合方法將起到很重要的作用。
需要特別指出，IIF技術已成為現代多傳感器系統向高度集成化、自動化和智能化發展的一個重要方向，是現代智能信息處理系統的重要處理部分和應用基礎。因此，研究并應用IIF理論和方法，對改進和提高現代電子信息系統的整體技術性能，必將發揮重大作用。
如

圖1所示，針對環境信息，不同分布的傳感器首先進行對環境進行檢測以檢測目標的存在。檢測信息融合系統針對各傳感器的檢測結果進行融合以決定是否是目標。如果是目標，則分別進行狀態跟蹤和特征提取。狀態信息融合系統和特征信息融合系統分別就各傳感器的跟蹤狀態和基于特征矢量的識別結果進行融合，進而得到相對精確的狀態參數和準確的識別結果。決策信息融合系統則針對上述多目標參數，考慮環境信息的影響，進行整體系統的決策融合，從而為下一步行動提供有利的決策。
圖2為本發明的檢測信息融合系統結構示意圖。
如圖2所示，檢測信息融合系統包括分布式傳感器和融合中心兩部分。首先m類不同檢測器某一時刻對目標源檢測并各自進行同類傳感器之間的融合獲得判決結果和可信度。信息融合中心采用D-S推理算法對m類不同檢測融合結果作更進一步的融合，同時將前一時刻的融合結果反饋回來，再進行下一時刻時間上的融合。這種時空融合結構不僅適合于不同類傳感器之間的融合而且將大大保證檢測融合結果的正確性。
圖3為本發明狀態信息融合系統結構示意圖。
如圖3所示，狀態信息融合系統包括主動傳感器目標跟蹤、被動傳感器目標跟蹤和串并聯狀態信息融合三部分。主動傳感器對多目標進行距離和俯仰、方位測量。被動傳感器對同樣的目標進行俯仰和方位的測量。多目標跟蹤模塊在對其跟蹤處理后將濾波值傳給信息融合中心，信息融合中心基于串并聯結構對距離、俯仰和方位信息進行融合。這樣既可為后續的系統提供距離信息，又可提供高精度的俯仰和方位信息。
圖4為本發明的特征信息融合系統結構示意圖。
如圖4所示，本發明采用基于D-S推理方法和模糊神經網絡分布式多傳感器智能特征信息融合結構，此結構利用多傳感器量測信息、環境信息和專家語言信息進行智能時空信息融合。首先環境傳感器通過模糊神經網絡將環境加權信息提供作為各傳感器量測的加權系數。依據各傳感器的量測和加權系數首先進行時間序列上的特征融合，空間信息融合根據各傳感器的時間信息融合結果進行空間融合。它主要有兩個特點其一是利用模糊神經網絡技術把系統環境信息和專家語言信息引入融合系統，使系統能夠利用環境信息和專家知識，以提高系統的抗干擾能力，增強系統容錯能力。例如，當環境發生變化時，某傳感器的性能急劇下降；或者由于某種原因，而使某傳感器發生故障時，融合系統就可以利用環境信息和專家語言信息通過模糊神經網絡修正各個傳感器的修正系數，通過這種方法來有選擇地利用各個傳感器的信息，以使融合系統具有更強的抗干擾能力和容錯能力。其二是采用了分布式時空融合結構，即對每一個量測傳感器的量測信息首先進行時間融合，然后再把每個傳感器的時間融合結果再次進行空間融合。這種結構把融合計算分布在各個結點上，有效地提高了整個融合系統的計算速度，并且增強了系統的魯棒性。
圖5為本發明的決策信息融合系統結構示意圖。
如圖5所示，決策信息融合系統包括信息預處理、神經網絡融合、任務完成平臺以及效能計算。針對某時刻各傳感器所獲得的信息，首先進行相關信息預處理，即根據先驗信息選取與決策融合相關的集合，然后作為神經網絡的輸入，神經網絡則根據其網絡結構輸出一個決策值，基于這個決策值，模擬任務平臺的行為，注意此時雙方進行動態對策，不失一般性假設雙方均進行最優對策。同時計算系統效能，并反饋給神經網絡，神經網絡根據反饋進行網絡訓練，直至效能達到最大。此時神經網絡的網絡結構便為最終決策準則。
圖6為本發明實施例航空綜合火控系統結構示意圖。
如圖6所示，測量傳感器將測得的目標和本機位置、姿態送入火控系統，從而計算出瞄準誤差，相對幾何關系模型計算輸出目標相對于飛機的運動狀態，饋給火控系統，還計算跟蹤誤差并輸出給駕駛員判斷一這里用開火邏輯；指導駕駛員通過操縱機構操縱飛機減少瞄準誤差，直至滿足武器系統開火條件，實現對敵攻擊。效能用于對此次空戰進行評定。
圖7航空電子綜合火控系統仿真流程7為圖6的細化結果。
圖8為攻擊機和目標三維空間運動軌跡示意圖。
圖8中給出了對目標進行測量濾波，進而進行攻擊的1∶2的空戰過程軌跡示意圖。攻擊機能很好地跟蹤并完成對兩目標的攻擊，此次仿真成功地完成了對目標攻擊任務。在t＝154秒后，目標1進入攻擊機的導彈非逃避區被擊毀，擊毀概率為0.6，即目標1的生存概率減至0.4。
航空電子綜合火控系統仿真結構航空綜合火控系統涉及范圍很廣，不僅包括敵我兩機信息，火控工作方式的計算，飛行員的訓練程度，還涉及到飛機的飛行品質及操縱性能等。因此，它是一個復雜的大系統，主要包括機載雷達跟蹤系統、火控系統、慣導及大氣機、駕駛員一操縱系統和機載武器系統等，其原理結構圖如圖5所示。這些模型的差別很大，有較簡單的相對幾何模型，也有用微分方程(線性與非線性)所建立的模型。對這樣一個復雜系統的各子系統模型進行有效的組織管理和測試，以及最后使之成為可靠運行的綜合系統的模型，提高整個綜合系統最基本的子模型的運算精度和運行速度不失為一種有效的方法。
具體融合過程為1.檢測融合首先利用D-S進行證據合成，即 其中 它表達了兩條證據間的沖突性信息。在得到基本概率分配函數的基礎上，可以得到每一個命題的確信函數和可能函數。把此過程在時間和空間上反復使用便可以得到相應的時間和空間融合結果。2.狀態融合主動傳感器采用“當前”統計模型及自適應算法對其量測x1＝[RΛx1Λy1]進行濾波，得x^1=[R^Λ^x1Λ^y1]]]>。 和被動傳感器的量測x2＝[Λx2Λy2]一起輸給串聯狀態信息融合系統進行融合。具體而言①構造距離通道殘差 的濾波方程，從而對殘差進行二次濾波以提高距離估計精度。②利用殘差二次濾波后的距離通道值建立角通道的當前統計模型，采用自適應算法對x2進行濾波。通過令x^1=[Λ^x1Λ^y1]]]>作為x2濾波的預測值，從而保證角通道濾波的精度和可靠度。所以，串聯狀態信息融合系統輸出為距離通道 角通道 x2。每個傳感器分別處理其量測后并送給融合節點處理。融合節點融合處理后將結果反饋給每個傳感器。
(1)距離通道采用串聯狀態信息融合的殘差濾波算法。
(2)角通道采用下列狀態信息融合算法。
根據JPDA，傳感器i對目標t的估計為x^k/ki,t=E{xkt|zi,k}=Σj=0mkx^k/k,ji,tβk,ji,t.]]>其中x^k/k,ji,t=x^k/k-1i,t+Wki,t(zk,ji-Hkix^k/k-1i,t).]]>=pk/k-1i,tki,tHkiT[Hkipk/k-1i,tHkiT+Rki]-1.]]>pk/ki,t=βk,0i,tpk/k-1i,t+Σj=0mkβk,ji,tpk/k,ji,t+Σj=0mkβk,ji,t[xk/k,ji,txk/k,ji,tT-x^k/k,ji,tx^k/k,ji,tT]]]>βk,jl,t=p{θk,ji,t|zi,k}=1cΣθkl,t··Σθki,t··Σθks,tP{θkl|Zl,k,Yl,k}··P{θki|Zi,k,Yi,k}··]]>P{θks|Zs,k,Ys,k}γ(θkl··θkt··θks)]]>P{θki|Zi,k,Yi,k}=1c1(p0)min(n,m)-m0Πj:wj,t=1pij,t]]>ma為在此可行事件 中所檢測到的目標數。 P0i,t=λ(1-pD)=P0]]>其中λ為雜波密度，PD為檢測概率。γ(θk1,θk2)=Πj=1T{(detPk/k-1tj)1/2(detSktj)1/2(detPk1i,tj)1/2(detPk2,tj)1/2exp(-12)[x^k1,tjTPk1,tj-1x^k1,tj]]>+x^k2,tjTPk2,tj-1x^k2,tj-x^k/k-1tjTPk/k-1tj-1x^k/k-1tj-x^ktjTSktj-1x^ktj]}]]>Sktj=[Pk1,tj-1+Pk2,tj-1-Pk/k-1tj-1]-1]]>x^ktj=Sktj[Pk1,tj-1x^k1,tj+Pk2,tj-1x^k2,tj-Pk/k-1tj-1x^k/k-1tj]]]> 最后融合估計為x^k/kt=Σj=0mk1Σl=0mk2x^k/k,j,ltβk,j,lt]]>Pk/kt=βk,0,0tPk/k-1t+Σj=0l=0mk1Σj=l≠0mk2βk,j,ltPk/k,j,lt+Σj=0mk1Σl=0mk2βk,j,lt[x^k/k,j,ltx^k/k,j,ltT-x^k/ktx^k/ktT]]]>融合估計的聯合假設事件總數為N=Πi=1SΠt=1Tmki]]>其中 為傳感器的有效回波，i＝0，1..，S為分布式系統的傳感器個數，t＝1，2，..，T為目標個數。3.特征融合融合系統首先從環境傳感器得到環境信息Xe＝(x1，x2，…，xn)，主要包括兩項目標至傳感器的距離和當時的天氣狀況。另外系統還要得到語言信息Xv＝(x1，x2，…，xn)，主要包括指揮員根據當時情況對每個傳感器的信任程度。把兩類信息組合在一起規一化后，便得到一新的向量XI＝(x1，x2，x3)，此向量即作為模糊神經網絡的輸入，網絡把輸入的各向量映射為各傳感器的修正系數k1，k2，…，kn。
另外，系統從多個量測傳感器得到多個量測信息Is1，Is2，…，Isn，其中，任一量測信息Ii都由兩部分組成量測命題Si和量測命題Si的置信值mi。對量測信息Ii修正就是對量測命題Si的置信值mi的修正，可用mi′=mi×ki]]>計算，然后，對M＝(m1，m2，…，mn)一組傳感器同時得到的信息進行規一化，就得到了修正后的量測信息 ，進而采用D-S推理進行證據合成。隨著遞推步數的增加，某一命題A支持性概率Bel和可能性概率Pl滿足下式時，系統便可做出特征融合決策。
Bel(A)＝Pls(A)＞Pt式中Pt為決策門限。4.決策融合首先建立系統效能，它是預期一個系統滿足一組特定任務要求的程度的量度，是系統可用性、可信性與固有能力的函數。即系統效能為E＝A·D·C。其中分別代表系統效能、可用度向量、可信度矩陣和固有能力向量。
首先分析并列出決策融合的各影響因子，包括目標位置角評估因子、目標進入角評估因子以及距離評估因子的分析，并將其作為神經網絡的輸入，輸出為態勢的評估值。將該評估值納入整個系統的效能評估中，以尋求最優的系統效能。此時的神經網絡權值即為決策融合各影響因子的最優加權系數。仿真結果設攻擊機p(pursuer)是一架裝備有空空導彈的高推重比戰斗機，敵機e(evader)是兩架企圖以高速低空突防的被攻擊目標，兩類飛機的基本結構參數如表1所示。并設綜合系統各參數值為Vmax＝555m/s，Kp＝1，TN＝2，TL＝1，ts＝0.5，α＝0.1；ωr，ωx，ny，μ的值由火控模型計算而得，其中ωx、μ的計算模型在整個仿真時間內不變，ωr，ny的計算公式則按照討論予以變化，以提高攻擊性能，攻擊機的操縱原則為矩心操縱。戰術空空導彈的開火邏輯為最大允許攻擊范圍d＝20000m，最大允許瞄準誤差δ＝1°，最小鎖定時間ΔT＝5s。
模擬目標1的初始條件為x＝40000m，h＝1000m，y＝10000m，初速V0＝300m/s，俯仰角γ＝0°，方位角χ＝180°。
模擬目標2的初始條件為x＝40000m，h＝1000m，y＝8000m，初速V0＝300m/s，俯仰角γ＝0°，方位角χ＝180°攻擊機的初始條件為x＝400m，h＝6000m，y＝10000m，初速V0＝260m/s，俯仰角γ＝0°，方位角χ＝0°表1攻擊機和目標的性能參數 本發明針對多目標跟蹤與攻擊這一背景，按照大系統理論的原則和方法，從控制系統大回路的角度，以作戰效能為基礎對航空綜合火控系統進行全面仿真分析。為了保證系統作戰效能的提高，本發明的信息融合方法在綜合系統設計、性能評定和產品定型中發揮十分重要的作用，既可對現有飛機的攻擊能力作出評價，又可為新型航空綜合火控系統的設計提出技術要求，為新一代航空電子綜合火控系統及其子系統的頂層設計提供理論依據。
權利要求
1.一種多傳感器多目標信息融合方法，其特征在于包括以下四個步驟1)檢測信息融合在各個分布式傳感器的局部檢測中，由不同檢測器對目標源檢測并各自進行同類傳感器之間的融合，除獲得判決結果外，同時提供此次判決的置信度，共同組成判決數據結構，信息融合中心采用D-S推理算法對各類不同檢測融合結果作進一步融合，并將上一個時刻融合中心的決策結果反饋給融合中心與下一時刻的局部檢測結果進行時間和空間融合，實現不同傳感器檢測融合；2)狀態信息融合綜合利用主動傳感器對多目標的距離信息和被動傳感器的高精度方位信息形成類主動被動式狀態跟蹤，多目標跟蹤模塊在對其跟蹤處理后將濾波值傳給信息融合中心，由信息融合中心基于神經網絡和模糊神經網絡分別進行分布多傳感器融合方法對多目標狀態信息進行融合；3)特征信息融合采用了分布式時空融合結構，基于模糊神經網絡對多傳感器量測信息、環境信息和專家語言信息進行綜合，其結果為特征信息融合各傳感器判決結果的加權系數，依據各傳感器的量測和加權系數首先進行時間序列上的特征融合，再根據各傳感器的時間信息融合結果進行空間融合，實現特征信息的穩健融合；4)決策信息融合根據系統效能建立系統的性能指標，針對某時刻各傳感器所獲得的信息，首先進行相關信息預處理，即根據先驗信息選取與決策融合相關的集合，然后作為神經網絡的輸入，神經網絡則根據其網絡結構輸出一個決策值，基于這個決策值，模擬任務平臺的行為，內容涉及威脅判斷、角色確定和機動控制等，同時計算系統效能，并反饋給神經網絡，神經網絡根據反饋進行網絡訓練，直至效能達到最大，得到的神經網絡結構為最優決策準則。
全文摘要
一種多傳感器多目標信息融合方法,不同分布的傳感器首先對環境進行檢測以檢測目標的存在,檢測信息融合系統針對各傳感器的檢測結果進行融合,進而對目標進行狀態跟蹤和特征提取,狀態信息融合系統和特征信息融合系統分別就各傳感器的跟蹤狀態和特征矢量識別結果進行融合,進而得到相對精確的狀態參數和準確的識別結果,決策信息融合系統則進行整體系統的決策融合,為下一步行動提供有利的決策。本發明建立了分布式集成化多傳感器信息融合理論體系,可提高系統的探測概率、估計精度及識別概率,提供更加合理可行的決策算法。本發明可用于智能交通、機器人、航空電子、反彈道導彈防御和精確制導等系統的機動目標高精度定位與預測。
文檔編號G01D21/02GK1389710SQ02136098
公開日2003年1月8日 申請日期2002年7月18日 優先權日2002年7月18日
發明者敬忠良, 李建勛 申請人:上海交通大學