摘  要： 多傳感器跟蹤系統(tǒng)通常采用集中式或分布式結(jié)構(gòu),。據(jù)報(bào)告分析，在混合架構(gòu)設(shè)計(jì)下的多傳感器追蹤系統(tǒng),，融合中心將可以直接訪(fǎng)問(wèn)傳感器數(shù)據(jù),。混合式架構(gòu)的多傳感器跟蹤系統(tǒng),，首先進(jìn)行航跡關(guān)聯(lián)（T2TA）,，然后利用中央跟蹤器實(shí)現(xiàn)測(cè)量值融合，這樣航跡關(guān)聯(lián)和測(cè)量值融合可同時(shí)獲得最佳性能,。此外,，在滑動(dòng)窗口下實(shí)行的T2TA結(jié)合了航跡估計(jì)和分布式壓縮測(cè)量的功能，可形成混合檢驗(yàn)的數(shù)據(jù),。仿真實(shí)驗(yàn)證明,，所提出的基于混合檢驗(yàn)的T2TA是混和架構(gòu)的多傳感器跟蹤系統(tǒng)的理想解決方案。

　　關(guān)鍵詞： 目標(biāo)跟蹤,；航跡關(guān)聯(lián),；航跡融合；假設(shè)檢驗(yàn),；混合架構(gòu)

0 引言

　　采用多傳感器進(jìn)行目標(biāo)跟蹤比采用單一傳感器性能更好,，因?yàn)樗哂懈玫目梢曅浴⒏嗟难a(bǔ)充信息等[1-3],。跟蹤數(shù)據(jù)的融合通常有兩種方法：一種是集中式觀測(cè)融合（CMF）,，由中央跟蹤器對(duì)航跡關(guān)聯(lián)（M2TA）和跟蹤更新進(jìn)行測(cè)量值計(jì)算；另一種是航跡融合（T2TF）,，即將局部跟蹤系統(tǒng)中的傳感器航跡在執(zhí)行航跡關(guān)聯(lián)后,，融合形成系統(tǒng)航跡。集中式觀測(cè)融合（CMF）方法被認(rèn)為擁有最理想的跟蹤效果,，但由于通信協(xié)議和通信組織的限制[1,，3，4],，航跡融合（T2TF）在眾多實(shí)際系統(tǒng)中被經(jīng)常采用,。

　　本文討論融合中心可對(duì)傳感器數(shù)據(jù)進(jìn)行直接訪(fǎng)問(wèn)的多傳感器跟蹤系統(tǒng)。為了同時(shí)提高關(guān)聯(lián)與融合的精度，本文更偏向于采用混合融合架構(gòu),，而不是采用CMF或者T2TF,。所提出的混合融合設(shè)計(jì)，首先執(zhí)行T2TA操作,，然后使用中央跟蹤器實(shí)現(xiàn)測(cè)量值融合。而且在滑動(dòng)窗口下實(shí)行T2TA時(shí),，可以利用多重掃描數(shù)據(jù)提高關(guān)聯(lián)的精度,。由于多重掃描跟蹤數(shù)據(jù)具有時(shí)間關(guān)聯(lián)性[5]，傳統(tǒng)的滑動(dòng)窗口T2TA會(huì)導(dǎo)致跟蹤性能下降,，文獻(xiàn)[3]給出了此問(wèn)題的一個(gè)精確的解決方案,。本文解決方案是在白噪聲的假設(shè)下，利用與時(shí)間無(wú)關(guān)的航跡估計(jì)和分布式壓縮的混合檢驗(yàn)統(tǒng)計(jì)數(shù)據(jù),。

1 多傳感器跟蹤的混合構(gòu)架

　　多傳感器跟蹤裝置的設(shè)計(jì)目的是：（1）在帶寬和無(wú)線(xiàn)信道的限制下,，降低傳感器節(jié)點(diǎn)與融合中心之間的數(shù)據(jù)通信量[6]；（2）提高關(guān)聯(lián)與融合的精度,。融合中心擁有足夠強(qiáng)大的計(jì)算能力,，所以并不需要過(guò)多關(guān)注。本文設(shè)計(jì)的混合結(jié)構(gòu)的多傳感器跟蹤裝置如圖1所示,。不同傳感器的測(cè)量值會(huì)周期性地發(fā)送給融合中心進(jìn)行處理,。需要注意的是，每個(gè)傳感器的測(cè)量值可能來(lái)自于幾個(gè)已經(jīng)被局部M2TA編入索引的目標(biāo),。這些被索引的測(cè)量值作為局部航跡已經(jīng)有了相同的序列編號(hào),，并被命名為局部航跡測(cè)量序列。

　　中央站進(jìn)行數(shù)據(jù)融合包括三個(gè)步驟：預(yù)跟蹤,、航跡關(guān)聯(lián)和CMF,。在預(yù)跟蹤環(huán)節(jié)中，每個(gè)傳感器測(cè)量的局部航跡測(cè)量序列將重新濾波產(chǎn)生局部航跡,。在航跡關(guān)聯(lián)環(huán)節(jié),，不同跟蹤器的待定航跡對(duì)將被關(guān)聯(lián)起來(lái)，以判定它們是否屬于單一的假定目標(biāo),。一旦一對(duì)航跡被關(guān)聯(lián),，測(cè)量序列產(chǎn)生的相應(yīng)航跡也會(huì)被同時(shí)關(guān)聯(lián)。從航跡關(guān)聯(lián)模塊到中心跟蹤裝置模塊的關(guān)聯(lián)過(guò)程如圖1所示,，通過(guò)使用中央跟蹤器融合來(lái)自于不同跟蹤器關(guān)聯(lián)的測(cè)量序列,，從而形成系統(tǒng)航跡。此混合處理架構(gòu)具有三大優(yōu)勢(shì),，將在下文詳細(xì)列出,。

　　1.1 傳輸傳感器測(cè)量值通信流量小

　　多傳感器跟蹤系統(tǒng)的每個(gè)跟蹤器在球面坐標(biāo)系下測(cè)量值為。規(guī)定用測(cè)量誤差的標(biāo)準(zhǔn)偏差（r，,，ε）來(lái)表示跟蹤器的精度,，標(biāo)準(zhǔn)偏差通常是常數(shù)并可在融合中心提前設(shè)置。這就意味著在每個(gè)通信周期中,，發(fā)送傳感器測(cè)量值的流量只包含三個(gè)元素,。如果是傳感器航跡，還包括航跡估計(jì)和它的協(xié)方差,。在三維坐標(biāo)跟蹤的情況下,，航跡估計(jì)至少包括位置估計(jì)和速率估計(jì)，是6種元素的向量,。相應(yīng)的協(xié)方差是36個(gè)元素的6維矩陣,。因此，在每個(gè)通信周期內(nèi)的總流量將會(huì)上升至42個(gè)元素,。盡管傳感器航跡代替?zhèn)鞲衅鳒y(cè)量值輸入至融合中心可在一個(gè)較低的速率下進(jìn)行,，但是通常情況下這樣并不能節(jié)省通信流量。這就是在設(shè)計(jì)的多傳感器跟蹤系統(tǒng)中選擇將傳送傳感器測(cè)量值輸入到融合中心的原因,。

　　1.2 卓越的關(guān)聯(lián)性能

　　卓越的關(guān)聯(lián)性能通過(guò)兩種方式來(lái)實(shí)現(xiàn)：（1）采用T2TA來(lái)替代M2TA,，因?yàn)楹桔E估計(jì)通常比測(cè)量值更為精準(zhǔn)；（2）采用滑動(dòng)窗口測(cè)試方法,，其相比于只使用兩條待定傳感器航跡現(xiàn)有數(shù)據(jù)的單次測(cè)試擁有更出色的關(guān)聯(lián)性能,。傳統(tǒng)的滑動(dòng)窗口檢驗(yàn)T2TA運(yùn)用了圖2所示的多重掃描航跡估計(jì)，例如：m1=5用于計(jì)算檢驗(yàn)統(tǒng)計(jì)量的掃描數(shù)據(jù),。假設(shè)航跡估計(jì)和為n1維向量,，估測(cè)誤差服從高斯分布，則下列統(tǒng)計(jì)檢驗(yàn)量Ck應(yīng)遵循n=m1n1,，卡方檢驗(yàn)自由度為?字n2[4-5],。

　　其中，Tij=Pi+Pj-Pij-Pji,，Pi和Pj為和的估計(jì)誤差協(xié)方差,，Pij=[Pji]T為它們的互協(xié)方差。

　　進(jìn)行滑動(dòng)窗口性能檢驗(yàn)時(shí),，主要使用了圖3所示的航跡估計(jì)和分布式壓縮測(cè)量z,。壓縮測(cè)量值z(mì)為m2=4時(shí)分布式掃描測(cè)量值的樣本均值，分布式掃描測(cè)量值與白噪聲測(cè)量假設(shè)下的并不相關(guān),，但卻與分布式航跡估計(jì)在關(guān)聯(lián)方面擁有等效的特征信息,。假設(shè)航跡估量和為n1維向量，壓縮測(cè)量值z(mì)i和zj為n2維向量,，并假定測(cè)量誤差和估測(cè)誤差呈高斯分布,，則下列的統(tǒng)計(jì)檢驗(yàn)量Dk應(yīng)遵循n=n1n2,，卡方檢驗(yàn)自由度為。

　　1.3 最佳的融合性能

　　CMF方法首次被用于將來(lái)自不同傳感器的關(guān)聯(lián)測(cè)量值作為輸入的中央跟蹤器（如圖1所示,，融合中心內(nèi)航跡關(guān)聯(lián)區(qū)塊的輸出信息也作為了中央跟蹤器的輸入）,，并利用這種融合觀測(cè)來(lái)估計(jì)狀態(tài)向量。CMF方法相比于航跡狀態(tài)融合方法,，如航跡融合方法（T2TF）[3,，9]，擁有更卓越的融合性能,。T2TF算法的一種特殊形式——信息矩陣融合（IMF）[10-11],，在融合中心全速運(yùn)行時(shí)可與CMF達(dá)到同等的效果。然而,，一旦如文獻(xiàn)[12]中所描述的，當(dāng)融合中心低速運(yùn)行時(shí),，它便會(huì)出現(xiàn)不一致性甚至是嚴(yán)重的偏差,。在此，混合架構(gòu)設(shè)計(jì)的多傳感器跟蹤系統(tǒng)的中央跟蹤器采用CMF方法,。需要強(qiáng)調(diào)的是雖然CMF被用于跟蹤中心,，但航跡估計(jì)通常比測(cè)量值更為準(zhǔn)確，所以在關(guān)聯(lián)方面還是應(yīng)采用T2TA來(lái)替代M2TA,。

2 仿真實(shí)驗(yàn)

　　仿真實(shí)驗(yàn)針對(duì)提出的混合檢驗(yàn)方法T2TA進(jìn)行重點(diǎn)研究,，采用了以下的仿真場(chǎng)景將其與傳統(tǒng)的T2TA方法進(jìn)行對(duì)比。

　　場(chǎng)景1：兩個(gè)雷達(dá)同時(shí)跟蹤同一個(gè)目標(biāo)：目標(biāo)1,。場(chǎng)景1被設(shè)計(jì)用來(lái)評(píng)估正確關(guān)聯(lián)概率（Probability of Correct Association,，PCA）。文獻(xiàn)[5,，13]對(duì)PCA的定義如下：正確地將兩條來(lái)自單一目標(biāo)的傳感器航跡判定為來(lái)自同一目標(biāo)的概率,。

　　場(chǎng)景2：兩個(gè)雷達(dá)分別跟蹤兩個(gè)不同的目標(biāo)：目標(biāo)1和目標(biāo)2，目標(biāo)相距?駐y≈50 m,。場(chǎng)景2被設(shè)計(jì)用來(lái)評(píng)估錯(cuò)誤關(guān)聯(lián)率（Probability of False Association,，PFA）。同樣地,，文獻(xiàn)[5,，12]對(duì)PFA的定義：錯(cuò)誤地將來(lái)自?xún)蓚€(gè)不同目標(biāo)的傳感器航跡認(rèn)定為來(lái)自同一目標(biāo)的概率。

　　根據(jù)下列方程式,，建立如圖4所示的笛卡爾坐標(biāo),。

　　目標(biāo)1：

　　x1（k）=18 000-200k+vx（k）

　　y1（k）=10 000-100k+vy（k）

　　z1（k）=3 000+vz（k）

　　目標(biāo)2：

　　x2（k）=18 000-200k+vx（k）

　　y2（k）=10 000-100k+y+vy（k）

　　z2（k）=3 000+vz（k）

　　整個(gè)過(guò)程中，噪聲vx（k）,，vy（k）,，vz（k）都服從N（0,，22）分布。而且在所有的場(chǎng)景中,，雷達(dá)站均設(shè)置在笛卡爾坐標(biāo)系的原點(diǎn),，并以T=2 s的采樣間隔利用60組球面掃描測(cè)量值跟蹤目標(biāo)。雷達(dá)測(cè)量誤差的標(biāo)準(zhǔn)差為：,。

　　圖5~圖7所示的仿真結(jié)果都是通過(guò)500次的相關(guān)檢驗(yàn)得到,，滑動(dòng)窗口檢驗(yàn)也采用了5項(xiàng)傳感器掃描的數(shù)據(jù)。關(guān)聯(lián)測(cè)試的顯著水平被設(shè)定為95%,，這意味著正確關(guān)聯(lián)率應(yīng)達(dá)到95%,。由圖5可知，單次檢驗(yàn)和混合檢驗(yàn)在PCA方面具有不相上下的競(jìng)爭(zhēng)力,，其PCA值都非常接近95%,。但是，滑動(dòng)窗口檢驗(yàn)由于航跡與時(shí)間相關(guān),，其PCA值只有75%左右,。圖6中，混合檢驗(yàn)的PFA明顯要比單次測(cè)試更佳,?；瑒?dòng)窗口測(cè)試雖然擁有最低的PFA，但考慮到其PCA為最低,，因此其整體效果并未達(dá)到理想要求,。將滑動(dòng)窗口檢驗(yàn)的判決門(mén)檻提高以令其PCA提升至95%，但與此同時(shí)它的PFA會(huì)如圖7所示變得比混合測(cè)試更糟糕,。綜上所述,，從整體上看，本文所提出的混合檢驗(yàn)設(shè)計(jì)具備最令人滿(mǎn)意的關(guān)聯(lián)性能,。

3 結(jié)論

　　當(dāng)融合中心可直接訪(fǎng)問(wèn)傳感器數(shù)據(jù)時(shí),，本文提出的基于混合檢驗(yàn)的T2TA混合架構(gòu)多傳感器跟蹤系統(tǒng)，是獲得較低的流量需求以及優(yōu)越的關(guān)聯(lián)和融合性能的一種理想的解決方案,。

　　參考文獻(xiàn)

　　[1] CHONG C Y,， CHANG K C， MORI  S,，et al. Architectures and algorithms for track association and fusion[J]. IEEE Magazine on Aerospace and Electronic Systems,， 2000，15（1）：5-13.

　　[2] SCALA B,， FARINA A. Choosing a track association method[J]. Information Fusion,， 2002，3（2）：119-133.

　　[3] TIAN X,， BAR-SHALOM Y. Track-to-track fusion configurations and association in a sliding window[J]. Journal of Advances in Information Fusion,， 2009,，4（2）：146-165.

　　[4] HE Y， ZHANG J W. New track correlation algorithms in a multisensor data fusion system[J]. IEEE Tran. on Aerospace and Electronic Systems,， 2006,，42（4）：1359-1371.

　　[5] MEI W， SHAN G L. Performance of a multiscan track-to-track association technique[J]. Signal Processing,， 2005,，85（1）：15-22.

　　[6] 秦杰,，楊洋,，熊娟，等.FBAR傳感器信號(hào)處理電路的設(shè)計(jì)[J].微型機(jī)與應(yīng)用,，2013,，32（6）：22-24.

　　[7] LERRO D,， BAR-SHALOM Y. Tracking with debiased consistent converted measurements versus EKF[J]. IEEE Trans. on Aerospace and Electronic Systems， 1993,，29（3）：1015-1022.

　　[8] MEI W,， BAR-SHALOM Y. Unbiased Kalman filter using converted measurements： revisit[C]. Proc. of SPIE Conference on Signal and Data Processing of Small Targets， USA,， San Diego， 2009：74450u：1-74450u：9.

　　[9] ROECKER J A,， MCGILLEM C D. Comparison of two-senosr tracking methods based on state vector fusion and measurement fusion[J]. IEEE Trans. on Aerospace and Electronic Systems,，1988 24（4）： 447-449.

　　[10] CHONG C Y， MORI S,， CHANG K C. Distributed multitarget multisensor tracking[M]. MA： Artech House,， 1990.

　　[11] CHANG K C， SAHA R K,， BAR-SHALOM Y. On optimal track-to-track fusion[J]. IEEE Trans. on Aerospace and Electronic Systems,， 1997，33（4）：1271-1276.

　　[12] CHANG K C,， TIAN Z,， SAHA R. Performance evaluation of track fusion with information matrix filter[J]. IEEE Trans. on Aerospace and Electronic Systems，2002,，38（2）：455-466.

　　[13] WANG G H,， MAO S Y， HE Y. Analytical performance evaluation of association of active and passive tracks for airborne sensors[J]. Signal Processing,，2003,，83（5）：973-981.