（信息与通信工程专业论文）基于星载异类传感器的舰船编队目标数据关联方法研究.pdf

国防科学技术大学研究生院硕士学位论文 摘要 由于对海面舰船编队目标侦察定位和识别的重要性以及星载侦察技术手段的 优越性，采用星载侦察手段对海面舰船编队目标进侦察定位和识别可有效的掌握 战场制信息权。而对编队目标进行有效跟踪识别的前提是确定不同量测、不同目 标之间的对应关系，即数据关联。本文基于此背景，针对星载异类传感器对目标 侦察定位精度差异较大、编队目标发生运动以及所获取目标数据较少而无法建立 目标运动模型等因素所导致的传统的关联方法不可用这一特殊情况，进行了编队 目标数据关联方法的研究，取得了如下研究成果。 从分析舰船编队目标运动特点及星载侦察手段对目标定位特点入手，提出了 利用精度差异较大的目标位置信息及编队运动特点构造编队目标结构特征进行层 次化匹配的目标数据关联方法；针对星载异类侦察手段所获取的目标属性的差异 性，在目标属性识别空间不一致且属性差异较大的条件下，提出了基于目标属性 特征的目标数据关联方法；针对星载侦察手段所获取的目标位置和属性特征的互 补性，为进一步改善星载光学成像侦察和电子侦察的目标关联性能，提出了组合 利用目标结构特征和属性特征的数据关联方法：在星载异类传感器能获取编队目 标多帧序列数据的假设下，提出了利用编队结构特征与属性特征组合更新k a l m a n 滤波观测值的编队目标序列数据关联匹配方法。在文中，基于实际问题特点，对 以上方法进行了不同场景的仿真实验，验证了以上关联方法在复杂环境下的有效 性。 主题词：星载光学成像侦察与电子侦察舰船编队数据关联编队结构 目标属性相似性度量d s 证据理论k a l m a n 滤波 第i 页 国防科学技术大学研究生院硕士学位论文 a b s t r a c t b e c a u s eo ft h es u p e r i o r i t yo fu s i n gs p a c e b o m eo p t i c a li m a g i n gr e c o n n m s s a n c ea n d s p a c e b o m ee l e c t r o n i cr e c o n n a i s s a n c et om o n i t o rt h et a r g e t s ，a n dt h ei m p o r t a n c e t o s u r v e i l l a n c et h es h i pf o r m a t i o n ，u s i n gs p a c e b o r n er e c o n n a i s s a n c ei n s t r u m e n t a l i t yt o m o n i t o rt h es h i pf o r m a t i o ni sh e l p f u lt ol o c a t e da n di d e n t i f yt h es h i p sa m o n gt h es h i p f o r m a t i o na n dg r a s pt h em a s t e r yo ft h ei n f o r m a t i o n t h ep r e c o n d i t i o no fl o c a t e da n d i d e n t i f yt h et a r g e t s i st of i n do u tt h er e l a t i o n s h i pb e t w e e nt h e t a r g e t sa n dt h e m e a s u r e m e n t ，t h i sc m l e dd a t aa s s o c i a t i o n b a s e do nt h i sb a c k g r o u n d ，t h em a i nr e s e a r c h o ft h i sd i s s e r t a t i o ni st h ed a t aa s s o c i a t i o na l g o r i t h mi nt h es i t u a t i o nt h a tt h el o c a t i o n p r e c i s i o no fd i f f e r e n ts e n s o r sa r ee n t i r e l yd i f f e r e n tt h a tc a l ln o tu s i n gt h et r a d i t i o n a l a s s o c i a t i o na l g o r i t h m t h i sd i s s e r t a t i o nm a d et h ef o l l o w i n gf i n d i n g s i no r d e rt ou s i n gt h et a r g e tl o c a t i o ni n f o r m a t i o nw i t hg r e a td i f f e r e n c ei np r e c i s i o n ， b a s e do nt h et r a i to ff o r m a t i o nm o v e m e n t ，d e f i n et h es i m i l a r i t ym e a s u r eb a s e do nt h e f o r m a t i o ns t r u c t u r a lc h a r a c t e r i s t i ct os o l v et h ed a t aa s s o c i a t i o np r o b l e m ；i nt h es i t u a t i o n t h a tt h et a r g e ta t t r i b u t ei n f o r m a t i o no b t a i nb yh e t e r o g e n e o u ss e n s o r sa r ei nd i f f e r e n t f e a t u r es p a c e ，c o n s t r u c tt h es i m i l a r i t ym e a s u r et os o l v et h ed a t aa s s o c i a t i o np r o b l e mb y u s i n gt h ea t t r i b u t ei n f o r m a t i o n ；b e c a u s et h et a r g e t sa t t r i b u t ei n f o r m a t i o na n dt h et a r g e t s l o c a t i o ni n f o r m a t i o na r e t o t a l l yd i f f e r e n t ，i n o r d e rt o i m p r o v e t h ea s s o c i a t i o n p e r f o r m a n c e ，p u tf o r w a r dt h es i m i l a r i t ym e a s u r eb yu s i n gt h o s ei n f o r m a t i o n ；w h e nw e o b t a i n e dt h es e q u e n c ed a t a ，w ec a nu s et h ek a l m a nf i l t e ri nd a t aa s s o c i a t i o n i nt h i s d i s s e r t a t i o nw eu s et h ef o r m a t i o ns t r u c t u r a lc h a r a c t e r i s t i ca n dt h et a r g e ta t t r i b u t e i n f o r m a t i o nt ou p d a t et h ek a l m a nf i l t e ri n p u tv a l u et oi m p r o v et h ed a t aa s s o c i a t i o n p e r f o r m a n c e i nt h i sa r t i c l e ，b a s e do nt h er e a ls i t u a t i o na n dt h ec h a r a c t e r i s t i co ft h e a c t u a l p r o b l e m ，c o n s t r u c t d i f f e r e n ts c e n a r i o si ns i m u l a t i o n ，t h er e s u l ts h o w st h e e f f e c t i v eo ft h ea l g o r i t h m s k e yw o r d s ：s p a c e b o r n eo p t i c a li m a g i n or e c o n n a i s s a n c ea n ds p a c e b o r n e e l e c t r o n i cr e c o n n a i s s a n c e s h i pf o r m a t i o n d a t aa s s o c i a t i o ns t r u c t u r a l c h a r a c t e r i s t i co ff o r m a t i o n t a r g e ta t t r i b u t es i m i l a r i t ym e a s u r e d s t h e o r yo fe v i d e n c e k a l m a nf i l t e r 第i i 页 国防科学技术大学研究生院硕士学位论文 表2 1 表2 2 表2 3 表2 4 表2 5 表2 6 表2 7 表2 8 表3 1 表3 2 表3 3 表3 4 表3 5 表3 6 表3 7 表3 8 表3 9 表3 1 0 表3 1 l 表3 1 2 表3 1 3 表3 1 4 表 目录 弓= 2 0 0 m 且无目标漏检测时的关联正确率比较2 0 c e p c = l k m 且无目标漏检测时的关联正确率比较2 1 c e p c = 2 0 0 m 且电子侦察存在目标漏检测时的关联正确率比较2 1 c e g = l k m 且电子侦察存在目标漏检测时的关联正确率比较2 2 c e g = 2 0 0 m 且两种传感器都存在目标漏检测时的关联正确率比较2 2 c e p c = l k m 且两种传感器都存在目标漏检测时的关联正确率比较2 3 p = 2 0 0 m 且电子侦察对3 号目标漏检测时的关联正确率比较2 5 c 缉= 1 o n 且电子侦察对3 号目标漏检测时的关联正确率比较2 5 无同类目标且光学成像尺寸偏差为1 0 时的关联正确率比较3 7 无同类目标且光学成像尺寸偏差为2 0 时的关联正确率比较3 7 有同类目标且光学成像尺寸偏差为1 0 时的关联正确率比较3 7 有同类目标且光学成像尺寸偏差为2 0 时的关联正确率比较3 8 a 僻= 2 0 0 m 时结构特征与属性特征组合关联正确率比较4 0 c e p c = l k m 时结构特征与属性特征组合关联正确率比较4 0 光学成像侦察序列结构特征关联正确率比较4 3 光学成像侦察序列结构特征与属性特征关联正确率比较4 4 电子侦察序列结构特征关联正确率比较4 4 电子侦察序列结构特征与属性特征关联正确率比较4 4 c e p c = 2 0 0 m 时异类传感器序列结构特征关联正确率比较4 5 c e p c = l k m 时异类传感器序列结构特征关联正确率比较4 5 c e p c = 2 0 0 m 时异类传感器序列结构特征与属性特征关联正确率比较4 6 c e p c = l k m 时异类传感器序列结构特征与属性特征关联正确率比较4 6 第1 i l 页 国防科学技术大学研究生院硕士学位论文 图3 4 图3 5 图3 6 图a 一1 图a 2 图b 1 图目录 星载传感器目标定位示意图：7 星载传感器目标定位模型误差分析示意图1 0 编队目标局部结构特征示意图1 2 编队目标全局结构特征示意图1 3 局部一全局匹配算法中目标局部结构特征示意图1 4 舰船编队目标位置关系示意图1 7 无目标漏检测时目标位置关系示意图1 8 电子侦察对舰船目标漏检测时目标位置关系示意图1 9 两类传感器对不同目标漏检测旦编队护动时目标位置关系示意图2 0 c e p 大小与关联匹配算法关联正确率关系图2 4 电子侦察对3 号目标漏检测时目标位置关系示意图2 5 光学成像侦察与电子侦察目标分类识别精度示意图2 8 电子侦察目标识别关系转换示意图3 0 信号参数梯形隶属度模糊函数示意图3 6 编队各目标类别与初始位置示意图3 9 舰船编队目标位置示意图3 9 异类传感器目标运动位置序列示意图4 3 目标所张地心角示意图5 5 目标到星下点的弧长示意图5 5 矩阵的加权二分图表示5 7 第1 v 页 1 2 3 4 5 6 7 8 9 1 1 1 2 3 2 2 2 2 2 2 2 2 2 2 2 3 3 3图图图图图图图图图图图图图图 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他入已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示谢意。 学位论文题目： 学位论文作者签名：是日期：二8 年1 1 月垮日学位论文作者签名：冬日期：二8 年月垮日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文作者签名：堕是日期：2 鲫8 年1 1 月府日 作者指导教师签名： 墨才主日期：2 卯8 年j 1 月j 5 日 国防科学技术大学研究生院硕士学位论文 第一章绪论 1 1 课题背景及选题依据 在现代信息化条件下的作战中，对海面舰船编队目标的侦察定位与识别越来 越被世界各国所重视。受现有技术水平等实际情况的限制，使用陆基或海基传感 器对海面舰船编队目标进行监控已无法满足现代作战的需求。随着空间技术的飞 速发展和运用，使用星载侦察手段能够快速、准确的获取所要监视区域中目标的 相关信息，实现对区域的立体监控。且星载侦察手段具有侦察监视范围大，提供 的信息迅速、可靠、可长期反复侦察与监视，不受国界的限制，可以提供近乎实 时的信息以满足特殊时刻的紧急需求等相对于其它侦察与监视手段所无法比拟的 优点。因此，应用星载侦察手段对海面舰船编队目标进行侦察定位和识别受到了 世界各国的广泛关注i l 】。 常用的星载侦察手段有星载光学成像侦察和星载电子侦察。星载光学成像侦 察通过获取成像区域光学图像来进行目标侦察，具有定位、分辨精度高，直观和 处理简单等优点，但存在易受天气影响、覆盖区域狭小、目标截获概率低等缺点【2 羽。 星载电子侦察通过对目标所发射无线电信号的搜索、截获、识别、定位和分析来 进行目标侦察，具有全天候、覆盖区域广、目标截获概率高等优点，但也存在定 位、分辨精度低，不具有直观性等缺剧7 0o 】。 ， 由于传感器特性的原因，这两种星载侦察手段所获取的数据从不同角度共同 刻画了目标在全电磁频谱上的不同特性，在多种层次上具有显著的互补性。将这 两者的数据进行有机的组合使用，可以发挥各自的优点，显著的提高目标的定位 精度和识别准确度，有效的提高对监视区域的时间和空间覆盖率，增强对战场战 略环境以及战场战术环境的监视能力【lo 】。 在应用星载光学成像传感器和星载电子侦察传感器对海面舰船编队目标进行 跟踪识别时，由于这两种传感器在传感器特性上的显著差异以及舰船编队中目标 数量多、种类多的影响，受实际环境及传感器自身性能的制约，在目标数据获取 过程中不可避免的会引入各种测量误差( 测量噪声) 。正因为传感器观测过程和 多目标跟踪环境中存在的各种不确定性以及随机性，破坏了量测与目标之间一一 对应的关系，因此，在这种情况下必须采用数据关联技术来确定多目标、多量测 间的对应关系 11 - 1 4 j 。 所谓数据关联，即确定传感器所获得的目标量测信息与目标之间对应关系的 过程，它是目标跟踪识别问题中最核心也是最重要的内容之一【l n 。任何目标跟踪 识别算法的应用都是以正确的目标数据关联结果为前提的，关联结果的不同，将 第1 页 国防科学技术大学研究生院硕士学位论文 会导致目标识别及跟踪结果出现巨大的差异，在多传感器多目标跟踪识别系统中 尤为! z n 止l t l 5 - 1 7 1 。由于目标数据关联的重要性，研究星载异类传感器对舰船编队目 标的数据关联问题，不仅能够确定不同量测与不同目标之间的对应关系，获取不 同目标间的区分度量，更是组合利用具有互补特性的异类传感器数据进行目标识 别跟踪的前提。 如上所述，研究星载光学成像侦察和电子侦察的目标数据关联问题能够显著 的提升天基侦察传感器对海面舰船编队目标的监视能力，提高对海面目标自j 监视 定位精度与识别准确度，对于提高我国对海空目标的监测能力有着重要的现实意 义和价值 1o ，1 8 】。本文正是围绕星载光学成像侦察与电子侦察对海面编队目标的数 据关联问题而展开研究的。 1 2 国内外研究现状 在多传感器多目标跟踪信息融合系统研究中，数据关联问题是最为重要和最 为困难的问题之一。从2 0 世纪7 0 年代起，国内外研究者对其进行了广泛的研究， 发表了大量的相关研究论文，提出了多种关联和融合方法，在这方面的研究以美 国处于领先地位。到2 0 世纪9 0 年代初，美国己研制出数十个数据融合系统，如“多 传感器多平台跟踪情报相关处理系统”、“海洋监视融合专家系统”、“雷达与e s m 情报关联系统”等。我国的相应研究在2 0 世纪8 0 年代末才开始被重视起来，经过 2 0 多年的发展，取得了一大批的理论研究成果，出版了一系列的学术专著，并开 发了各种舰载、机载多传感器信息融合系鲥1 3 】。 由于军事上的敏感性，对星载光学成像侦察和电子侦察的海面舰船编队目标 数据关联问题的相关研究少见文献。因此，在进行星载光学成像侦察和电子侦察 的编队目标数据关联方法的研究时，只能借鉴其它相似问题的研究成果。 目标位置关联是最基本的目标关联方法，利用目标位置信息进行关联的相关 研究是最早提出来的，也是最为成熟。 利用目标的位置信息进行目标的关联匹配源于1 9 6 4 年s i t t l e r 提出的轨迹分裂 算法【l 外，该算法在进行目标关联时，每当获取新的目标位置数据后，即将已有的 目标航迹分裂为相应数目的新航迹，计算每一新航迹的似然函数后进行门限判决， 但该算法的提出是在k a l m a n 滤波技术普遍应用之前，是很不完善的。1 9 7 5 年， p s m i t h 等应用k a l m a n 滤波计算，对轨迹分裂算法进行了完善，该方法的优点是 考虑了航迹的历史累积效应，且有航迹的起始与消亡机理，缺点是计算量较大， 当量测杂波密集时，整体的关联性能较差。 在常用的数据关联方法之中，最为简单可行的是s i n g e r 等在1 9 7 1 年所提出的 最近邻方法( n e a r e s tn e i g h b o r 法) 2 0 , 2 1 】，该方法以目标与量测回波之间的统计距 第2 页 国防科学技术大学研究生院硕士学位论文 离作为关联判别准则，其主要思想是将两帧数据中距离最近的信号判断为同一目 标所产生的。n n 法具有计算量小、易于实现等优点，但n n 法只是一种局部最优 的判别算法，该方法在杂波稀疏的情况下关联匹配性能较好，但当杂波密集时， 在关联波门内出现多个回波时，关联匹配性能迅速下降。且n n 法只适用于精度 差别较小的同质传感器数据的目标相关，对于精度差别较大的传感器所获取的数 据进行关联则可能会导致严重的误判。全局最近邻数据关联算法( c 数据关联 方法) 是为了达到全局上总体代价最小而对n n 法进行的改进，其主要思想是通 过计算两帧数据中所有目标间的相互距离，通过求解唯一的最优目标匹配来使得 总体距离最小【l 引。这两种采用n n 思想的算法并不适用于关联门内回波交叉严重 的情况，因为离目标最近的回波未必是来自目标的，这在传感器精度及数据采样 时间间隔较大而导致目标定位值出现严重交错时是不适用的。 b a r - s h a l o m 和j a f f e r 提出了概率数据关联方法( p d a 法) 【2 2 】以改善使用n n 法进行关联时关联门内有多回波情况下可能出现的误关联。p d a 法认为凡是有效 回波都有可能源自目标，只不过属于目标的概率不同。p d a 法通过大量的相关计 算给出各回波的加权系数，以其加权和进行目标状态更新。p d a 法可以取得很好 的关联性能，但是后验概率的计算却十分的复杂，且在目标密集时容易产生误配 或跟丢。该方法的缺点是仅适用于单目标和多目标是分散的孤立状况，且不具有 航迹起始与消亡的机理。 为了适应密集多目标的跟踪环境，随后b a r s h a l o m 对p d a 算法进行了推广， 于1 9 7 5 年提出了联合概率数据关联方法( j f d a 法) 【2 3 1 ，它不需要任何关于目标 和杂波的先验信息，是目前进行目标跟踪关联最理想的方法之一，但存在有计算 开销随着目标数目的增加而指数增长等缺点。 以上所提出的基于目标位置量测信息的目标关联算法，多是基于传感器对目 标密集采样的情况下，而采用星载传感器对目标区域进行侦察时，不同传感器对 目标区域采样时间间隔较大，编队目标的运动状态和位置可能已经发生了较大变 动；且不同传感器在目标定位精度上的差异可达数个量级【1 0 1 。因此，单纯的利用 目标的位置信息进行编队目标的关联匹配面临诸多问题。 针对星载传感器稀疏采样的特点，考虑到目标的某些属性特征对时间和运动 不敏感的特点，应用目标的属性特征进行目标间的关联匹配正受到研究者越来越 多的关注。但是受多目标跟踪识别系统中同类型目标的影响，单纯的利用目标的 属性特征进行多目标数据关联的相关研究尚不多见。目标属性特征的应用多见于 目标的组合识别与分类相关研究之中。最常用的方法是根据最大隶属度原则进行 关联判别。此外，在目标属性数据关联中也采用聚类关联算法( 硬聚类、模糊聚 类) 、相似性系数法、d s 证据理论及多假设检验法来利用目标的属性特征进行且 第3 页 国防科学技术大学研究生院硕士学位论文 标的关联匹配判别3 ，1 4 ，1 7 l 引。 由于目标位置信息和目标属性所具有的互补性，如何充分利用所获取的目标 位置信息和属性特征，构造基于位置信息和属性特征的关联判别函数，进一步改 善异类传感器对目标的关联匹配和跟踪识别能力，正越来越被相关研究者所重视， 相关文献也有所见。但当前利用目标位置信息和属性特征进行数据关联的相关研 究大多是在目标运动状态信息可用的情况下，以运动状态信息对目标航迹的滤波 和预测为主，首先采用各类滤波方法形成多条可能的目标航迹，继而采用概率或 模糊手段计算不同观测的目标属性特征的相似度，用以修正采用位置及运动状态 信息进行目标关联的结果。在数据帧数较少，无法获取目标运动状态的情况下， 组合利用目标位置信息及属性特征的关联方法鲜有所见。目前常用的在目标运动 信息已知情况下的目标关联方法有基于证据理论的目标位置和属性的关联融合方 法【2 4 1 ，是在p d a 方法的框架下，采用d s 证据理论的推理方法，对目标位置回波 信息进行加权融合，计算回波的属性关联概率。此外还有利用目标位置的k a l m a n 滤波和属性特征的组合关联方法、利用目标属性特征的多假设关联方法以及利用 b a y e s 理论的目标异类信息组合关联方法等【2 5 。孙】。 由于数据关联技术在多传感器多目标跟踪技术中的重要作用以及其所面临的 诸多问题，一直是研究的重点和难点，各类相关研究成果不断涌现。 1 3 本文研究内容及安排 本文在前人研究的基础上，基于使用星载光学成像传感器以及星载电子侦察 传感器对海面舰船编队目标进行监测跟踪这一背景来展开舰船编队目标的数据关 联方法研究。主要针对星载异类传感器对目标侦察定位精度差异较大、编队目标 发生运动以及所获取目标数据较少而无法建立目标运动模型等因素所导致的传统 的关联方法不可用这一特殊情况，针对舰船编队结构的稳定性以及目标属性的运 动不变性，提出了应用编队结构特征及目标属性特征进行目标数据关联的方法。 同时，考虑到星载侦察技术手段的进步，假设星载传感器在特定过境时间内获取 了感兴趣区域的连续多帧数据，进行了基于异类传感器序列数据的目标数据关联 方法研究。并针对问题的实际特点构建了若干典型仿真场景进行仿真实验。 论文具体研究内容与取得的研究进展如下： ( 1 ) 针对星载光学成像侦察与星载电子侦察这两种侦察手段在目标定位精度 和目标检测概率上存在的显著差异以及由于传惑器采样时间间隔较大而引夕。的编 队目标运动的影响，提出了利用舰船编队目标位置信息和编队运动特点来构造编 队目标结构特征进行层次化匹配的目标数据关联方法。 ( 2 ) 提出了利用识别精度及识别层次不致的异类传感器属性数据进行目标 第4 页 国防科学技术大学研究生院硕士学位论文 数据关联的方法，在此基础上，研究了基于编队目标结构特征与属性特征的目标 数据关联方法。 ( 3 ) 在前面研究的基础上以及传感器能获取编队目标多帧序列数据的假设 下，考虑可从序列数据中获取目标运动特征这一特点，提出了利用编队目标结构 特征与属性特征关联更新k a l m a n 滤波观测值的基于序列数据多元特征的异类传感 器数据关联方法。 论文具体内容安排如下： 第二章，介绍了星载传感器的目标侦察定位特点，提出了基于编队目标结构 特征层次化匹配的目标数据关联方法。 第三章，研究了基于目标属性特征的目标数据关联方法，提出了基于编队目 标结构特征与属性特征的目标数据关联算法，提出了在异类传感器能够获取多帧 序列数据情况下的目标数据关联算法。 第四章，结束语，对工作进行了总结与展望。 最后是致谢、参考文献和附录。 第5 页 国防科学技术大学研究生院硕士学位论文 第二章基于编队结构特征的舰船编队目标数据关联方法 2 1 引言 星载光学成像侦察和星载电子侦察这两种侦察手段的监视范围、定位方式及 定位精度存在很大的差异。光学成像侦察的目标定位精度一般在百米公里量级； 而电子侦察的目标定位精度多在公里几十公里量级【l o 】。一般来说，星载传感器观 测采样的时间分辨率较低，不同传感器采样数据的时间间隔会比较大【5 】。在这个采 样间隔时间内舰船编队目标的运动状态可能会发生较大的变动，目标的位置信息 也会发生较大的变化。与此同时，由于外界环境因素的干扰和传感器自身特性等 原因，不同类型的星载传感器对目标的检测概率也存在着较大的差异。 在这种特殊的背景下，直接使用星载传感器所获取的目标位置数据进行目标 间的关联匹配是不现实的，会由于不同类型的星载传感器对目标定位精度的较大 差异、传感器采样时间间隔内目标发生较大机动以及各类传感器对目标检测概率 的不一致等原因而导致严重的目标漏匹配或误匹配等情况。但就海面舰船编队中 的舰船目标的数据关联而言，由于舰船编队往往是为执行一定的任务使命而编成 的，在执行任务期间，不同编队成员所组成的编队图形以及编队成员在图形中的 相对位置关系会保持稳定 2 9 , 3 0 】，因而可以采用舰船编队目标的这一相对稳定的特 征进行目标的关联匹配。 编队目标所构成的编队图形往往不是几何学中的典型图形，所以从总体上进 行编队结构的比较和匹配是很困难的 3 1 1 。因此，在采用编队目标的结构特征进行 目标的关联匹配时，将每一个目标看成是编队整体图形特征的描述点，以该点为 基准，构造出相应的对平移、旋转、比例变换等几何变换具有不变性的特征，由 这些特征描述点所构造的特征即是目标编队中相应目标的结构特征。 本章从编队图形匹配这一角度出发，在层次化关联匹配的思路下，提出了对 编队目标结构特征描述的不同方法，以适应不同的环境和计算要求。最后从实际 问题特点出发，针对各类传感器对目标的定位精度存在较大差异、检测概率不一 致以及目标发生较大机动等特点提出了多个不同的仿真场景，将本章所提出基于 编队目标拓扑结构特征的目标数据关联算法与传统的基于目标位置信息的数据关 联方法进行对比，证实了本章所提出的关联方法在复杂环境下的有效性。 2 2 星载传感器目标定位原理及其误差分析 光学成像侦察卫星使用c c d 或者胶片来获取所侦察区域的光学图像，通过从 第6 页 国防科学技术大学研究生院硕士学位论文 所获取的光学图像上提取目标的相对位置信息来进行目标的侦察定位，而电子侦 察卫星则通过获取所截获电子信号的到达方位角信息来进行相应目标位置信息的 测量。以星载光学成像侦察卫星对目标的定位为例，分析星载传感器对目标定位 的原理及相应误差。 2 2 1 星载传感器目标定位原理 一股来说，光学成像侦察卫星所拍摄图片的覆盖范围大小是己知的，其成像 分辨率也是一定的，并且此时卫星的星下点位置也是可以获得的，因此由图像信 息和星下点位置可以较方便的获取目标的经纬度、距离、角度等位置信息【2 , 4 , 5 】。 假设已获取了某一目标区域的光学图像，根据该图像对目标进行定位。首先 从图像上获取目标点到成像时刻控制点( 成像时星下点) 的图像距离d ( 米) ，在 已知图像的分辨率为s ( 米象素) ，图像上单点象素大小为m ( 米象素) 的情况 下，目标到控制点的实际距离为： s ：占一d ( 2 1 ) m 如果已知卫星的轨道高度日，由图像所计算出的目标点与星下点的实际距离 s 以及相对于星下点的坐标值( x ，y ) = ( a x ，a y ) 。则由图2 1 可以求得目标r 相对于 卫星的方位角口和俯仰角。 s ：厢 ( 2 2 ) a ： 上 (3arctan23 )a = 二 ( ) x = a r c t 姐万s 图2 1 星载传感器目标定位示意图 ( 2 4 ) 第7 页 国防科学技术大学研究生院硕士学位论文 若已知地球半径为如，卫星轨道倾角i ，星下点0 1 的经纬度为( k ，磊) 以及所 求得的方位角口和俯仰角，由附录a 推导，可以按照如下公式计算星下点的大 地方位角、目标点的地理经度和纬度坐标( 易，露) ： 7 7 = a r c s i n ( 警s i n 舻 ( 2 5 ) = + a r c s i n ( 要) ( 2 6 ) o u 5 0 8 磊= a r c s i n ( s i n 菇c o s l + c o s 蟊s i nr c o s 口i ) ( 2 7 ) 址：a r c c o s c o s r - s i n 6 s s i n 6 r ) ( 2 8 ) c o s 6 sc o s 弼 l r = k 一缸 ( 2 9 ) 2 2 2 星载传感器目标定位误差分析 在上面所使用的光学成像目标经纬度定位模型中，采用的是极坐标系，而从 光学图像中获取的是目标相对于星下点的直角坐标值。设由传感器所获取的目标 位置信息为：( h ，x ，y ) ，满足日= 皿+ 擅，x = x z + 出，y = y z + 砂，其中h ，x ，y 为 测量值，皿，t ，咒为真实值，d h ，d x ，d y 为误差，方差为靠，口：。进行坐标转 换后有： h = h( 2 1 0 ) 口：2 u r c t a n 上( 2 1 1 ) 9 - - - - a r c s i n 堑兰：z ： ( 2 1 2 ) 对式( 2 1 0 ) ( 2 1 2 ) 求微分后得到相应的定位误差为： d 口= f i i ；7 ：f d ( 考) = y 万d x - x d y 卵= 南d ( 孕 = b ( 丽x d x + y d y 一早f f + y 2 d h ) 对由式( 2 7 ) 和( 2 9 ) 求解所得到的目标点的地理经度和纬度坐标( 岛，4 ) 求 国防科学技术大学研究生院硕士学位论文 微分，有： d 磊= 1 亏亍雩二焉 ( c o s 磊c o sr 一s i n 蠡s i nr c o s ) d 瓦 1 一( s i n 磊c o s r + c o s 磊s i n r c o s a s ) 2 。 - ( s i n6 ss i nr 一c o s6 sc o sr c o sa s ) d q c o s6 ss i nr ls i na s d o t s 码一焉磊一1 1 + 面丽嚣焉赢) 2 一百五手丽s m s r l n s m 。a s s ，n7 7c 。s 口s ) 。( 一( s i i l 蟊c o s q + c o s 磊s i nr c o sa s ) d 蟊 + ( 一c o s 蟊s i n r 一s i n 蟊c o s7 c o s a s ) d r i + s i n 磊s i n r s i n a s ) d a s 】 ( 2 1 5 ) 由以上成像误差的分析可以看出，光学成像定位误差主要是受地球曲率、卫 星星下点经纬度误差以及光学成像分辨率的影响。 相对于星载光学成像侦察的目标定位而言，由于电子侦察卫星能够直接获取 目标所发射信号相对于卫星的方位角口、俯仰角，在卫星轨道高度日己知的情 况下，则进行目标地理经纬度坐标的求解时不用再进行相应目标方位、俯仰角的 转换求解。 前面的定位计算是基于可以将星载侦察传感器所覆盖的地球表面看成平面的 假设下，亦即忽略了地球表面曲率以及高度差的影响。在传感器侦察覆盖范围较 小的情况下，可以忽略该项建模误差的影响，当侦测目标距离星下点位置较远时， 该项建模误差就会影响到定位精度的，是要对该误差进行分析考虑的。 对建模误差考虑如下：实际的目标和卫星及其星下点位置关系图2 2 所示，卫 星星下点和目标点之间存在一个高度差，此时由原公式计算得到的目标坐标是假 设星下点与目标点处于等高的平面内，通过计算所得到的目标的相对位置存在较 大的误差。 如果卫星能够直接测量出卫星到目标的距离r ，那么，从减少定位误差考虑 应该选用下面公式计算目标相对于卫星的位置，而不应该利用卫星高度信息月来 求解转换坐标。 p = 心n 夕c 。s 口 y ”= r s i n l 3 s i n 口 ( 2 1 6 ) l z n = r 2 一x 一y “一h 第9 页 ) 一，_=l， m 比一 2 一晤 ( 口一幻s一，显c n刁一虹 n 一s晕i 峨 叩一嗡堕吣 墅印 s 一 竺蟊 s s竺啷 国防科学技术大学研究生院硕士学位论文 h d ， 酗二 夕 心己 如 屯 厂 户 移 彳 习 y 图2 2 星载传感器目标定位模型误差分析示意图 2 3 基于编队结构特征的数据关联方法 在进行目标的关联匹配时，首要问题是寻找或构造对不同目标的不同观测具 有显著区分性，对同一目标的不同观测具有较高相似性的关联特征。基于此问题， 本节考虑舰船编队方式的运动不变性，采用层次化关联匹配的思想来寻找具有显 著区分性且对各类环境具有良好适应性的编队拓扑结构特征。针对星载传感器目 标侦察定位特点以及海面舰船编队的编成特点和运动特性，考虑外在不同环境的 影响及计算代价要求，给出了不同的目标拓扑结构特征构造方法，在此基础上给 出了寻找最优关联匹配的求解方法。 2 3 1 编队目标拓扑结构特征的表示 由于海面舰船编队所组成编队图形在任务期间的相对稳定性，因此可以采用 图形特征表示和匹配的方法来进行编队中目标的编队结构拓扑特征表示与匹配。 但是由编队目标所组成的舰船编队图形往往不是几何学中的典型图形，且由于传 感器对目标漏检测等原因的存在，因而从总体上进行目标编队图形的比较和匹配 是非常困难的。 如果将整个编队看成一个整体图形的话，那其中的每一个编队目标就是这个 整体图形中所对应的特征点。因而在采用目标编队的拓扑结构特征进行编队目标 的关联匹配时，可以通过提取不同编队目标所对应的特征点在编队图形中的拓扑 结构特征来进行目标间的关联匹配。考虑到舰船编队的运动特性，因而所提取的 第1 0 页 国防科学技术大学研究生院硕士学位论文 图形拓扑结构特征必须要对编队的平移、转向、距离等比例缩放等运动具有不变 性，且这种特征要对异类传感器误差及目标定位精度的差异有良好的适应性，并 且从计算量上考虑，其拓扑结构特征还应便于提取计算和匹配运算【3 2 1 。 常用的图形关联匹配算法可以归结于两个框架：基于图形结构特征的方法与 基于图形特征矢量的统计方法，以及两者的结合方法【3 3 3 9 1 。基于图形结构特征的 匹配方法指的是利用图形的局部结构特征，如图形中相应特征点所对应的图形的 边、角、分支点、交点等，作为相应的特征矢量来进行图形的匹配。统计的方法 指的是从图形中提取一组图形的全局特征，并用相应的方法建立起这些特征的度 量矩阵来进行图形的关联匹配。常用的全局特征有图形整体的几何特征，如图形 的面积、周长、结构中心等。图形的全局特征的提取较为容易，但它不能精确的 描述图形中相应特征点之间的具体几何关系。 2 3 1 1 编队目标局部特征的表示 编队目标的局部特征可由目标所对应的编队图形中相应的特征点之间的关系 表示。在求解目标相应局部特征时，由于编队图形的可分性，以具体特征点作为 参照点，总是可以将编队图形划分为若干个三角形，而编队中的每一个目标都对 应着编队图形中的一个顶点，因此以编队目标所对应的特征点为顶点构造三角形， 可以用这些三角形的特征来表示该目标的局部结构特征。这种特征独立于编队整 体参考坐标系，具有平移和旋转不变性。 选取距离某目标最近的两个目标，与当前目标一起构造特征三角形。若不同 传感器探测到的是同一个目标，则通过上述方法构造的两个特征三角形应该是相 似的。应用边一角一边定理，三角形的相似性等价于比较该目标点到最近两目标点 的距离和夹角构成的矢量的相似性。 如图2 3 所示，以光学成像侦察所获取的编队中的第i 个目标e 为例，目标c ! f 在编队图形中的编队局部拓扑结构特征量表示为： g = ( ，口q ，i c , ) 待l ，m ( 2 1 7 ) 其中口q 为目标c 在编队图形中所对应的顶角，和，q 为距离目标e 最近的两个 目标到e 的两条边长。星载电子侦察所获取编队目标中相应目标的局部拓扑结构 特征也由类似的方法表示。 第1 1 页 国防科学技术大学研究生院硕士学位论文 图2 3 编队目标局部结构特征示意图 由相同的求取方法，假设星载电子侦察传感器e 所获取的编队目标，的编队局 部结构特征量为： e ，= ( 广川，口“，占7 ) 。，= l ，阼 ( 2 1 8 ) 以上所提的只是一种具体的目标局部结构特征的表示方法，选择不同的参照 点构造不同的三角形即可得到不同的局部结构特征。在采用目标局部结构特征进 行目标相似度的比较时，亦即比较所得到的特征矢量c i 和e ，的相似度。进行特征 比较时，要注意相应特征分量在数值和量纲上的差异。 2 3 1 2 编队目标全局特征的表示 目标的全局特征是在对编队图形全局几何关系进行统计的基础上构造表示 的，首要问题是通过统计计算求得相应的全局特征的参照点，在得到特征参照点 的基础上，进行全局特征的求取和转换。 对于所获取的目标编队图形，一个显见的参照点就是图形的重心位置，以图 形的重心位置为参照点，求解目标的全局特征。以光学成像侦察为例，假设所获 取的图像经数据处理和目标提取后，一共获取了m 个目标的相应位置信息，忽略 其属性特征，表示为e ，i m ，其中盒= ( 曼c f ，夕q ) 表示为经坐标转换后光学侦察传 感器所获取的第f 个目标的位置信息。同理假设电子侦察传感器一共获取了门个目 标的相应位置信息，表示为雪，j 刀，其中舍，= ( 妒，多弓) 。 对光学成像传感器所获取的所有目标的位置求取重心位置，表示为： c = ( ，y c ) ( ：1 9 ) 其中2 去善量g ，y c2 去善夕q ，如图2 4 中所示，以所求取的编队目标的重心位 置为全局结构特征参照点，假设已知编队的运动方向为水平向右，定义目标的全 局结构特征为： e = ( r c j ，t 9 c , y i = 1 ，m( 2 2 0 第1 2 页 国防科学技术大学研究生院硕士学位论文 其中r q 为目标c