內容鍵要:論文將數據融合技術用于海圖作業標繪臺的設計，解決了海圖作業標繪臺實時標繪本艦和多目標航跡從而進行態勢估計。文中對海圖作業標繪臺發展狀況進行了簡單介紹，并介紹了數據融合技術的應用背景、常用算法及研究內容，設計了相關模型，并具體論述了多目標檢測和多目標跟蹤技術在海圖作業標繪臺中應用。

關鍵詞:海圖作業標繪臺 數據融合 多傳感器

海圖作業標繪臺是艦船導航系統和戰斗航海系統中的主要配套設備之一，既有圖紙式海圖繪圖，又有電子海圖顯示。它既有傳統繪圖的特點，又有現代新型電子顯示直觀、清晰的特點。其主要用途是根據多種傳感器(如慣性導航系統、北斗系統、GPS、勞蘭C、雷達)提供的信息，以及其它的導航設備提供的信息，在海圖上自動連續地繪制出船舶航行的航跡并作出標記。海圖作業標繪臺的應用，不僅具有重要的軍事作用，而且因為海圖作業標繪臺的所繪制航線的導航和戰場態勢估計功能，使航海人員非常直觀的了解到己船位置和他船位置，以便于實施戰術機動和進行軍事打擊。

目前，我國研制的海圖作業標繪臺繪制單目標航跡已較成熟，但實時繪制多目標航跡還未實現，其相關理論和技術方面的文獻還不多，在國內至今尚未見到有文獻將數據融合技術應用到海圖作業標繪臺。論文提出了數據融合技術在海圖作業標繪臺信息處理中的應用研究，實時處理來自多傳感器的信息，進行多目標檢測、分類及跟蹤，對分析戰場態勢和戰術機動具有重要意義。

1數據融合應用描述

數據融合最早出現于上世紀70年代，并作為一門獨立的技術在軍事領域受到了特別的青睞。在現代軍事C3I(指揮、控制、通訊與情報)作戰系統中，目標的機動性和武器殺傷力增強，要求盡早地探測和識別目標，以實現盡量長的預警時間。由于威脅平臺的多樣化和密集型，較低的可觀測性(即隱蔽性)以及目標對抗措施的先進性，使得單傳感器提供的信息無法滿足作戰要求，必須對多傳感器提供的觀測數據進行數據融合處理，獲取目標狀態估計、目標屬性、行為意圖、態勢評估、威脅分析、火力控制、精確制導、電子對抗、作戰模擬、輔助決策等作戰信息。為了更好地進行戰場數字化建設，解決我軍、友軍和敵軍戰場態勢信息的獲取、處理、存儲、管理與發布，因此將多傳感器數據融合應用到海圖作業標繪臺的設計中具有重要意義。

2數據融合算法

數據融合中心的融合方法從理論上可分為隨機類方法和人工智能技術方法其算法主要有四種:

(1)基于模型的數據融合算法(如基于kalman濾波，包括標準Kalman濾波、擴展kalman濾波以及模糊kalman濾波等)。主要以估計理論為基礎，首先建立融合對象的狀態空間模型，然后利用各類估計理論的方法進行估計以完成數據融合的任務。

(2)基于統計理論的數據融合算法(如Bayesian)。以統計理論為基礎通過反復迭代運算以實現融合。

(3)基于知識的人工智能方法(小波分析理論、模糊集合理論、神經網絡、粗集理論和支持向量機等)。以產生式規則為理論基礎產生式規則可用符號表示物體特征和相應的傳感器信息之間的關系。

(4)基于信息理論的融合算法。以近幾年發展起來的信息理論為基礎具有較高的智能化程度。

常用的數據融合方法及特性如表1所示。通常所用的方法依具體的應用而定并且各種方法之間具有互補性。實際上將兩種或兩種以上的算法組合進行多傳感器數據融合。

表1常用的數據融合算法比較

3海圖作業標繪臺的數據融合方案的設計

數據融合的功能模型可以分為兩級:第一級主要進行信息處理，得到數值結果(如:位置、速度、目標類型等);。第二級主要進行符號處理，得到更抽象的結果(如:威脅、趨勢、目的等)。探測、關聯、估計和分類功能構成了數據融合的核心。具體的說:多傳感器的數據融合系統必須具有以下的主要功能:傳感器信息協調管理;多傳感器數據優化合成;多傳感器協調管理。

海圖作業標繪臺利用多傳感器(慣導系統、雷達、聲吶、北斗、GPS、浮標)，信息涉及多級別、多方面、多層次信息的檢測、關聯、估計、綜合，并獲取目標狀態與特征估計以及態勢和威脅評估的多級自動處理過程。利用計算機獲取多個傳感器數據并在一定的條件下加以自動分析、綜合，以完成所需的估計和決策，進行信息處理，從而給指戰員提供決策信息。

系統融合中心部分采用的是分布式融合處理的系統模式，在系統中每一個傳感器基于自己的局域探測獨立地完成決策任務這些被處理過的局域信息送到融合中心構成融合中心的觀察向量。

U=(u1，u2，…un) (1)

4目標檢測的數據融合

戰場目標識別的準確與及時，對后面的勢態評估和威脅估計有重要的意義，也是在戰爭中取勝的關鍵。

隨著現代戰爭的發展，如安靜型潛艇的出現，給水下目標探測提出了新的挑戰也使該課題仍是研究的一個熱點。雖然多傳感器融合檢測技術已經較為成熟，但是，將這種技術應用于海上環境的文獻較少，國內的一些學者嘗試性地借鑒了已有的融合檢測技術用來探測水面和水下目標信號。檢測系統一般采用分布式的融合機制，即各傳感器基于自己的觀測值，對目標存在與否進行判決，而后，將判決結果送至融合中心。在融合中心，按照Neyman-Pearson準則，將N個局部判決結果進行融合，即

(2)

式中:u為融合之后的全局判決結果;t為系統門限值;g為隨機化因子常量;L(u)為似然比函數。

當d(u)=1時判決目標出現，否則，目標未出現。相對于這種硬判決方法，隨后發展了一種軟判決方法，即將各傳感器的判決進行加權運算，權值的大小由該傳感器的“可信度”決定。

這種分布式檢測融合機制由于不需要將每個傳感器的原始測量數據傳輸至融合中心，而只傳送判決結果，所以，可以在很大程度上降低系統的通信壓力，減小了融合中心的計算負荷，提高了系統的運作效率。但是，也應該看到，由于假設每個傳感器的測量值是獨立的，即每個傳感器只基于自身的測量值得到判決，而不考慮與其他傳感器的相關性系統未能有效地利用各傳感器的信息，這樣，可能會增大系統誤差。

5目標跟蹤的數據融合

目標跟蹤技術中的融合問題，最關鍵步驟是數據關聯，即確定哪些測量值用來更新各個軌跡，同時，舍棄其余的測量值。用于數據關聯的方法很多，大體上可以分為幾類:一類是基于kalman濾波關聯方法，主要包括概率數據關聯(Probabilistic Data Association，PDA)和聯合概率數據關聯(Joint Probabilistic Data Association，JPDA)等;另一類為多元假設跟蹤(Multiple Hypothesis Tracking)方法，該類方法被視作理論上解決多目標跟蹤的最好方法;最后一類為相互作用多元模型方法(Interacting Multiple Model)，適用于目標運動有多種模式的情況。但是，后兩類方法都需要大量的運算，因而，應用中受到局限。這里，僅介紹基于Kalman濾波的數據關聯方法。PDA是→種經典的數據關聯方法，在雜波環境下仍具有很好的跟蹤性能，后來的許多方法都是以該方法為基礎的。首先，給出假設模型

X(k)=F（k，k-1)X(k-1)+U(k-1)        (3)

Z(k)=H(k)X(k-1)+W(k-1) (4)

方程(3)為目標狀態模型，X(k)為系統在時刻k時的狀態，F(k，k-1)為前后兩時刻的轉換矩陣。方程(4)為測量模型;H(k)為觀測矩陣。這里，U(k)和W(k)是相互獨立的零均值白噪聲序列，并且，方差已知。目標狀態的更新由下式得到

（5）

（6）

（7）

式中: 為目標的預測狀態; 為根據當前測量值得到的更新狀態;K(k)為系統的kalman增益;V(k)為聯合殘差bj為第j個有效測量來源舌-目標的概率;Vj為每個測量值與估計值的殘差。

由于PDA方法利用了所有的可能測量值，所以，精度較高，但僅適用于單個目標跟蹤的情況，隨后產生的JPDA則可以解決多個目標的跟蹤問題。JPDA的基本思想與PDA相似，不同之處在于它令軌跡i與觀測值j關聯的概率等于所有聯合事件q(k)的概率和

（8）

式中: 為一個二元變量，表明聯合事件。q(k)中是否包含軌跡i與觀測值j關聯的信息。

基于標準JPDA方法，又產生了一系列改進方法，如去藕JPDA、模糊數據關聯等，都能在一定程度上提高跟蹤效率，降低計算量。另外，多種關聯方法聯合運用，如相互作用多元模型方法與JPDA濾波器的聯合，也有望提高跟蹤精度和效率。

6結束語

數據融合技術在海圖作業標繪臺信息處理中作用越來越重要。發達國家在這方面的投入很大，水平較高，我國起步較晚，又因系統結構復雜，目前的研究成果還只是一個算法框架，需要結合實際應用背景作進一步深入研究。因此，要加大投入，刻苦鉆研，以迅速提高我們的水平。

作者：孟凡彬 郝燕玲 周衛東  來源：航海技術