一种多平台声纳信息集中式融合处理方法
阅读说明：本技术 一种多平台声纳信息集中式融合处理方法 (Multi-platform sonar information centralized fusion processing method ) 是由 卢术平 陈芳香 丁烽 李然威 于 2020-12-04 设计创作，主要内容包括：本发明提供了一种多平台声纳信息集中式融合处理方法,本发明涉及多基地声纳信息处理领域,特别是指面向跨平台多基地声纳系统的水下探测数据协同检测、多目标跟踪处理的方法。该方法通过将多平台声纳各自处理的接触级信息传输到融合中心,进行集中式融合检测处理,然后对融合量测信息进行多目标跟踪处理,形成统一的水下多目标运动态势。该方法不仅能够有效进行多平台声纳信息的集中式融合处理,形成统一多目标运动态势,而且能够改善单平台的定位误差和航迹检测概率等性能。(The invention provides a centralized fusion processing method for multi-platform sonar information, relates to the field of multi-base sonar information processing, and particularly relates to a method for collaborative detection and multi-target tracking processing of underwater detection data for a cross-platform multi-base sonar system. The method comprises the steps of transmitting contact level information processed by a plurality of platforms respectively to a fusion center, carrying out centralized fusion detection processing, and then carrying out multi-target tracking processing on fusion measurement information to form a unified underwater multi-target motion situation. The method not only can effectively perform centralized fusion processing on the multi-platform sonar information to form a unified multi-target motion situation, but also can improve the performances of single platform, such as positioning error, track detection probability and the like.)
技术领域
本发明涉及多基地声纳信息处理领域，主要是一种多平台声纳信息集中式融合处理方法。
背景技术
传统主战反潜水面舰主要依赖自身声纳系统的主被动探测模式。对于主动声纳，由于目标潜艇“蝶型”声反射效应，其回波强度受入射角影响很大，此外，主动声纳的大功率声源导致其很容易暴露给敌方潜艇；对于被动声纳，虽然有较好的隐蔽性，但随着安静型潜艇声隐身技术的发展，有效探测距离受到很大限制。而多艘水面舰艇组成的反潜编队通过多个发射-接收组合协同对水下态势进行探测，在反潜方面有很多优势：
1)多节点能够提高目标数据率；
2)增加有效探测距离/探测范围；
3)多角度照射提升整体目标检测性能；
4)多节点协作可增加战略复杂度、部分节点只作接收可增强编队隐蔽性；
5)多节点数据提升定位跟踪精度；
6)此外，相互协作也能减少互干扰、填补量程内盲区、增加抗干扰能力、降低多平台间决策不确定性等。
多平台声纳系统由多个发射源与多个接收阵组成多发-收节点。根据数据融合专家David L.Hall等的研究，数据融合处理架构可以简单划分为集中式、分布式和混合式。集中式融合旨在将较为原始的探测数据传输到融合中心，以避免局部传感器过度数据处理，尽量保留原始数据信息。但同时，会带来通信传输需求大和数据时空同步要求高等问题。而分布式融合是将局部传感器数据处理后的状态和识别参数传输到融合中心，进行全局优化处理，显然该方式传输到融合中心的信息损失最大。而混合式兼具集中式和分布式的特点。当前，针对多平台声纳间的协同数据融合处理问题，很多研究是关于分布式架构，然而，针对集中式架构的协同处理研究相对较少。
2007年前后，NURC中心开发了一套基于分布式架构的多基地声纳稳定融合和跟踪算法，该算法采用了分布式多假设跟踪器(Distributed Multi-Hypothesis Tracker,DMHT)，首先将每个MHT模块的航迹数据送到航迹融合中心模块，融合中心模块采用MHT处理，该方法能够实时形成航迹文件。2009年，F.Ehlers等提出了采用集中式融合处理方法，将每个节点的检测后数据进行不同方式的检测融合，依据不同检测器的可靠性(虚警概率、漏检概率)对不同检测器设置权重，然后加权求和判断点迹是否为目标，最后使用MHT跟踪模块进行处理。然而，该方法中假设已知虚警概率和漏检概率，而实际场景中，二者很难提前准确预置。2015年开始，F.Meyer等提出了基于置信传播(Belief Propagation,BP)的分布式多传感器多目标贝叶斯跟踪算法，该算法具有低计算复杂度和可扩展性(计算复杂度是目标个数的平方、与传感器数量和量测个数成线性关系)，后应用于多基地声纳探测领域。2019年，哈尔滨工程大学殷敬伟团队提出了基于GM-PHD(Gaussian MixtureProbability Hypothesis Density)的分布式异步融合方法，结果表明该方法在运算速度上比传统MHT和JPDA(Joint Probability Data Association)有较大优势。
可见，上述面向多平台声纳协同信息处理的研究多集中于分布式架构，主要原因在于分布式架构对通信需求(包括无线通信和水声通信等)较低，且融合架构开发，但集中式融合架构下能够利用更多的量测信息，融合中心获取的信息损失小。此外，F.Ehlers等提出采用集中式融合处理方法中融合检测算法不利于工程实现，后续跟踪处理也只是使用了MHT，而目标运动模型假设为匀速直线，不利于机动水下目标的跟踪处理。
发明内容
本发明的目的在于克服现有技术存在的不足，而提供一种多平台声纳信息集中式融合处理方法，特别是指面向跨平台多基地声纳系统的水下探测数据协同检测、多目标跟踪处理的方法，可用于实现多平台声纳系统数据的集中式融合处理，形成统一目标运动态势。
本发明的目的是通过如下技术方案来完成的。为了构建稳健的多平台声纳系统协同数据处理架构，本发明专利提供了一种多平台声纳信息集中式融合处理方法，该方法首先将各接收平台获取的接触级量测数据传输到融合中心节点，然后进行集中式恒虚警融合检测处理，再利用基于交互多模型的多假设跟踪处理，获取水下实时多目标运动态势。该方法实现了多平台声纳系统数据的集中式融合处理，形成统一目标运动态势，且对比单平台声纳，改善了目标融合误差和融合目标航迹检测概率。具体包括如下步骤：
步骤1：假设多平台声纳系统组成M个发-收节点，每个发-收节点接收数据后进行平方律检波处理；
步骤2：针对每个发-收节点m,m∈[1,M]在第k,k∈{1,2,…}帧(或ping)的检波数据，进行距离维局部单元平均恒虚警(Cell Averaging Constant False Alarm Ratio,CA-CFAR)检测处理，设置检测门限为T、待检测单元个数为N，则针对第i个量测值xi，其检测器结构如下所示：
则节点m在第k帧量测xi的检测结果记为：
步骤3：针对多平台声纳系统的第k帧探测，将所有M个节点的过门限检测后接触级数据传输到融合中心C。
步骤4：以融合中心C为坐标原点建立笛卡尔坐标系，首先依次将第m个节点的接收节点位置映射到新建笛卡尔坐标系
其中，和分别表示第k帧时第m个节点接收节点相对于融合中心C的距离和指北方位。
步骤5：依次将第m个节点的所有量测数据进行统一坐标转换，进而获得以C为原点的统一量测坐标
其中，ri m(k)和分别表示第k帧时第m个节点第i个量测相对于本接收中心的距离和指北方位。
步骤6：假设M个收发节点的探测范围分别为Fm,m∈[1,…,M]，针对第k帧时所有量测，如果量测位于第m个收发节点探测范围内，则加1，依次统计各量测位于探测范围内的收发节集合Ωi(k)∈[1,…,M]和个数和为Mi(k)∈[1,…,M]。
步骤7：针对所有量测单元统计M个收发节点中已检测到该位置的收发节点个数
步骤8：针对所有量测单元进行融合检测判决：
其中，符号表示向上取整。
步骤9：针对过融合检测量测，进行融合，形成融合量测
步骤10：针对过检测融合量测，进行交互多模型多假设跟踪处理，首先进行初始化，设置最大速度vmax，关联波门参数λ，假设周期为T，假设运动模型数量为η，初始模型概率矩阵为U，模型互转移概率矩阵为P，对于每个运动模型n＝1,…,η，目标状态转移矩阵Fn，观测矩阵Hn，过程噪声协方差矩阵为Qn，多假设约减层数为N。
步骤11：如果k＝1，进行多假设跟踪航迹初始化，将每个量测假设为起始航迹，航迹状态为其中，[·]H表示共轭转置，初始航迹值设为零，各运动模型下的初始状态
步骤12：如果k>1，针对每条假设航迹j＝1,2,…,Jk-1(Jk-1表示k-1帧处理后的假设航迹条数)，进行状态预测，利用k-1时刻目标运动状态，分别预测η个运动模型下目标的第k帧预测状态
预测量测
一步预测状态估计误差协方差矩阵
以及新息协方差矩阵
步骤13：如果k>1，进行量测-航迹关联，针对第k帧中每个融合量测i与第k-1帧中每条假设航迹j进行关联判决，如果满足
其中(·)'表示矩阵的逆，则判决第i量测与第j个航迹为关联量测-航迹对。此外，针对每条航迹更新其航迹值，如果在第k帧关联上量测，则航迹值加a，即Vj＝Vj+a，否则减少b，即Vj＝Vj-b。
步骤14：如果k>1，对于关联量测-航迹对，进行目标航迹状态估计更新，首先计算每个运动模型n＝1,…,η，对应的目标状态估计：
然后计算多模型下目标状态估计：
其中，表示第j条航迹第k帧第n个模型的概率，其计算公式为：
其中，pij表示第i个模型与第j个模型间的转移概率，为模型互转移概率矩阵为P的元素。
步骤15：如果k>N，进行假设航迹删除约减处理，设置航迹删除的航迹值门限为Vlow，对于航迹值小于Vlow的假设航迹，删除；此外，针对第k帧中所有假设航迹，当在k-N帧中存在共同关联一个量测的多个假设航迹时，保留最大航迹值对应的航迹，删除其余所有假设航迹。
步骤16：根据航迹值大小排序，输出第k帧多目标航迹状态；
步骤17：随着多平台探测帧数的增加，令k＝k+1，不断重复步骤2～16，实时输出多目标运动态势。
本发明的有益效果为：本发明专利可应用于舰-舰、舰-潜、舰-浮标、浮标-浮标等多种形式的多平台主动声纳信息融合处理，形成多平台声纳水下统一多目标运动态势，能够改善声纳系统的目标定位精度和提升航迹检测概率。该方法一方面提供了一种实现多平台声纳系统数据集中式融合处理的方法，形成统一多目标运动态势，另一方面，对比单平台声纳，该方法能够改善目标融合误差和融合目标航迹检测概率。
附图说明
图1为多平台声纳信息集中式融合处理方法流程框图。
图2为模拟的多平台声纳水下多目标探测场景示意图，其中包括三个水面舰：接收舰1、接收舰2、发射-接收舰3，两个运动目标：目标1和目标2。
图3为多平台声纳集中式融合处理后形成的统一多目标运动态势图，可见，目标1和目标2融合跟踪航迹完整。
图4为不同SNR(信噪比)下，多平台声纳与单平台声纳对目标探测处理的误差效果图，可见，多平台声纳通过多个收发节点的融合处理改善了目标定位误差精度。
图5为不同SNR下，多平台声纳系统与单平台声纳的航迹检测概率对比图，可见，多平台的航迹检测概率整体优于单平台，说明多平台声纳系统能够提升航迹检测概率。
具体实施方式
下面，将对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
参见附图1，本发明实施例提供了一种多平台声纳信息集中式融合处理方法，不仅能够有效进行多平台声纳信息的集中式融合处理，形成统一多目标运动态势，而且能够改善单平台的定位误差和航迹检测概率等性能。该方法典型具体实施步骤如下：
步骤1：假设多平台声纳系统由2个接收舰和1个同时发-收舰构成，组成1发3收，M＝3个发-收节点，每个发-收节点接收数据后进行平方律检波处理；
步骤2：针对每个发-收节点m,m∈[1,M]在第k,k∈{1,2,…}帧(或ping)的检波数据，进行距离维局部单元平均恒虚警(Cell Averaging Constant False Alarm Ratio,CA-CFAR)检测处理，设置检测门限为T，可设为T＝10dB、待检测单元个数为N，可设为N＝100，则针对第i个量测值xi，其检测器结构如下所示：
则节点m在第k帧量测xi的检测结果记为：
步骤3：针对多平台声纳系统的第k帧探测，将所有M个节点的过门限检测后接触级数据传输到融合中心C。
步骤4：以融合中心C为坐标原点建立笛卡尔坐标系，首先依次将第m个节点的接收节点位置映射到新建笛卡尔坐标系
其中，和分别表示第k帧时第m个节点接收节点相对于融合中心C的距离和指北方位。
步骤5：依次将第m个节点的所有量测数据进行统一坐标转换，进而获得以C为原点的统一量测坐标
其中，ri m(k)和分别表示第k帧时第m个节点第i个量测相对于本接收中心的距离和指北方位。
步骤6：假设M个收发节点的探测范围分别为Fm,m∈[1,…,M]，针对第k帧时所有量测，如果量测位于第m个收发节点探测范围内，则加1，依次统计各量测位于探测范围内的收发节集合Ωi(k)∈[1,…,M]以及个数和为Mi(k)∈[1,…,M]。
步骤7：针对所有量测单元统计M个收发节点中已检测到该位置的收发节点个数
步骤8：针对所有量测单元进行融合检测判决：
其中，符号表示向上取整。
步骤9：针对过融合检测量测，进行融合，形成融合量测
步骤10：针对过检测融合量测，进行交互多模型多假设跟踪处理，首先进行初始化，设置最大速度vmax，可设为vmax＝20m/s，关联波门参数λ＝9.2，假设周期为T＝42s，假设运动模型数量为η＝3，分别为匀速直线运动、左转弯运动、右转弯运动等模型，初始模型概率矩阵为U＝[0.6,0.2,0.2]H，模型互转移概率矩阵为对于每个运动模型n＝1,…,η，目标状态转移矩阵 观测矩阵过程噪声协方差矩阵为Qn，多假设约减层数为N＝3。
步骤11：如果k＝1，进行多假设跟踪航迹初始化，将每个量测假设为起始航迹，航迹状态为其中，[·]H表示共轭转置，初始航迹值设为零，各运动模型下的初始状态
步骤12：如果k>1，针对每条假设航迹j＝1,2,…,Jk-1(Jk-1表示k-1帧处理后的假设航迹条数)，进行状态预测，利用k-1时刻目标运动状态，分别预测η个运动模型下目标的第k帧预测状态
预测量测
一步预测状态估计误差协方差矩阵
以及新息协方差矩阵
步骤13：如果k>1，进行量测-航迹关联，针对第k帧中每个融合量测i与第k-1帧中每条假设航迹j进行关联判决，如果满足
其中(·)'表示矩阵的逆，则判决第i量测与第j个航迹为关联量测-航迹对。此外，针对每条航迹更新其航迹值，如果在第k帧关联上量测，则航迹值加a＝4，即Vj＝Vj+a，否则减少b＝3，即Vj＝Vj-b。
步骤14：如果k>1，对于关联量测-航迹对，进行目标航迹状态估计更新，首先计算每个运动模型n＝1,…,η，对应的目标状态估计：
然后计算多模型下目标状态估计：
其中，表示第j条航迹第k帧第n个模型的概率，其计算公式为：
其中，pij表示第i个模型与第j个模型间的转移概率，为模型互转移概率矩阵为P的元素。
步骤15：如果k>N，进行假设航迹删除约减处理，设置航迹删除的航迹值门限为Vlow＝-5，对于航迹值小于Vlow的假设航迹，删除；此外，针对第k帧中所有假设航迹，当在k-N帧中存在共同关联一个量测的多个假设航迹时，保留最大航迹值对应的航迹，删除其余所有假设航迹。
步骤16：根据航迹值大小排序，输出第k帧多目标航迹状态；
步骤17：随着多平台探测帧数的增加，令k＝k+1，不断重复步骤2～16，实时输出多目标运动态势。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明揭露的范围内，可轻易想到的变化或者替换，都应该涵盖在本发明的保护范围内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种无人机超声立体成像模型系统