反馈信息数据融合算法在实时数据处理中的应用✴

李 莉

(92941部队96分队,辽宁葫芦岛 125000)

0 引 言

在导弹试验任务中,雷达主要用于测量目标的距离,光测设备主要用于测量目标的角度[1],因此在实时数据处理过程中,需要对两种设备的测量数据进行实时融合,这样可以充分利用雷测和光测设备的互补性,使测控系统目标跟踪方面更智能化,提高系统的抗干扰能力.但在实际融合过程中,由于光测设备存在最佳作用距离的问题,需要对其测量数据进行实时预判,以提高测控系统的跟踪精度[2].本文主要探讨将带反馈信息的数据融合算法应用于实时数据处理中光测数据的预判,其融合原理如图1所示.

图1 带反馈信息的数据融合算法Fig.1 Feedback information with data fusion algorithm

该方法首先把滤波后的光测数据进行异步数据融合处理,使其与滤波后雷测数据在时间上达到同步,然后再进行一步数据融合,并将一步融合获得的预测估计及其协方差阵作为下一步光测数据的预判依据,如果光测数据偏离该依据,并超过设定的误差限,则此步光测数据将被剔除,从而实现对光测设备最佳测量数据的自动筛选和准确融合.

1 带反馈信息的同步融合算法

对于同步后的雷测数据和光测数据,采用带反馈信息的融合算法进行同步融合[3].设目标状态方程为

式中:V(k)是零均值高斯白噪声的过程噪声,协方差阵为Q(k);G(k)为输入矩阵.

雷测和光测数据的测量方程为[4]

式中:W(k)为零均值高斯白噪声,且相互独立;Ri(k)是协方差矩阵,假设V(k)与W(k)相互独立,且有

假定雷测为1,光测为2.

1.1 无反馈信息雷测设备局部状态估计

在无反馈信息雷测设备局部状态估计中,目标状态可以完全由雷测设备获取[5],假设数据处理中心的全局状态与雷测设备获得的目标状态向量一致,则无反馈信息雷测设备的局部状态估计为

式中:

1.2 引入反馈数据信息的光测设备目标局部状态估计

由于光测设备一般仅用于获得目标的角度信息,且存在最佳作用距离的问题[6],所以光测设备的局部估计必然会存在系统的动态误差.如果在数据融合处理过程中,将第一步雷测设备数据融合获得的目标距离状态估计和协方差作为光测数据的预判依据,自动筛选最佳的光测数据进行数据同步融合,可以提高光测设备的跟踪精度.同时,在数据融合过程中解决数据融合处理中心采用的全局状态空间和光测设备使用的局部目标状态空间的转换问题[7],有效的方法是引入空间转移矩阵T,实现全局状态向量向局部状态向量转换,其公式如下

式中:

式中:^XF(k|k)为k时刻全局状态估计;^XF(k|k-1)为k时刻一步预测状态估计;PF(k|k)为k时刻协方差矩阵;PF(k|k-1)为k时刻预测协方差矩阵.

1.3 数据融合获得的状态估计

对雷测设备和光测设备跟踪测量得到的目标的状态轨迹数据进行融合处理,得到目标的融合航迹[9].这里设

则光测设备的局部估计在融合中心融合得到的全局最优估计为

式中:

根据公式(16)可以在数据融合处理中心获得跟踪目标的最佳状态估计[10].

2 试验验证

在仿真实验中,目标的初始位置为(2 km,1.5 km),初始速度为(350 m/s,250 m/s),雷达扫描周期为T=2 s,光测设备的测量误差的均方差:σα=0.037 rad,σe=0.025 rad,雷测设备的测量误差的均方差

公式(16)计算获得目标最佳状态估计的误差如图2和图3所示.

图2 y轴位置的均方差Fig.2 y-axis location of the MSE

图3 x轴位置的均方差Fig.3 x-axis location of the MSE

仿真表明:将一步目标状态预估计信息反馈给光测设备作为预判量,可有效改善光测设备的跟踪性能.同时,在数据融合处理中心对光测设备的测量数据进行修正,可有效提高目标状态的估计精度.

3 结 论

通过分析和仿真验证:带反馈信息的数据融合算法可以预判光测设备的最佳数据范围,减小光测设备的局部目标状态跟踪误差,可快速对目标实施跟踪与定位,而且数据融合获得的目标状态估计均方误差远小于单个设备局部状态估计的均方误差,提高了目标跟踪精度.

[1]何友,熊伟.带反馈分布式不同维传感器状态估计技术[J].宇航学报,2006,24(6):32-34.

He you,Xiong Wei.State estimation techniques for radars with different observation dimension in one distributed data fusion system with feedback information[J].Journal of Astronautics,2006,24(6):32-34.(in Chinese)

[2]关欣,何友,衣晓.带反馈信息的纯方位水下分布式融合算法[J].系统仿真学报,2003,15(7):17-19.

Guan Xin,He you,YiXiao.Bearings-only underwater distributed fusion algorithm with feedback information[J].Journalof System Simulation,2003,15(7):17-19.(in Chinese)

[3]Shetty S,Alouani A T.A multisensor tracking system with an imagebase maneuvering detector[J].IEEE Trans on Aerospace and Electronic System,1996,32(1):167-185.

[4]BlairW D,Rice T R.Asynchronous data fusion for target tracking with a multi-tasking Radar and optical sensor[J].Acquistion,Tracking and Pointing,SPIE,1991,1482:234-245.

[5]Miller K S,Leskiw D M.Nonliner estimation with radar observations[J].IEEE Transactions on Aerospace and Electronic Systems,1982,ASE-18,192-200.

[6]Lerro D,Bar-Shalom Y.Tracking with debiased consistent converte measurements versus EKF[J].IEEE Transactions on Aerospace and Electronic Systems,1993,39:1015-1022.

[7]唐飞岳,吴炜,陈明刚,等.带反馈的无线传感器网络实时数据融合策略[J].计算机工程与设计,2011(2):23-25.Tang Feiyue,Wu Ye,Chen Minggang,et al.Faceback realtime data aggregation strategy in WSN[J].Computer Engineering and Design,2011(2):23-25.(in Chinese)

[8]邵伟,孟秋池,龚丹丹,等.多传感器数据融合与航迹预测[J].数学的实践与认识,2010(15):32-34.

Shao Wei,Meng Qiuchi,Gong Dandan.et al.Date combination and track prediction by multiple sensors[J].Mathematics in Practice and Theory,2010(15):32-34.(in Chinese)

[9]刘同明,夏祖勋,解洪成.数据融合技术及其应用[M].北京:国防工业出版社,2000.

[10]Blair W D,Rice T R,McDole B S.Leastsquares approach to asynchronous data fusion[J].SP IE A cquisition,Tracking,and Pointing,1992,1697:130-139.