中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2024 , Vol. 46 >Issue 6: 43 - 48

DOI: https://doi.org/10.3969/j.issn.1673-3819.2024.06.008

多模态信息融合

一种分布式一体化传感器异步纯方位跟踪管理方法

  • 张炜 1 ,
  • 杨秋 1, 2, 3 ,
  • 李昊 1
展开
  • 1 电磁空间安全全国重点实验室, 成都 610036
  • 2 电子科技大学信息与通信工程学院, 成都 611731
  • 3 中国人民解放军95786部队, 成都 614000

张 炜(1986—),男,博士研究生,高级工程师,研究方向为综合电子对抗。

杨 秋(1986—),男,博士研究生,高级工程师。

Copy editor: 胡前进

收稿日期: 2023-11-23

  修回日期: 2024-03-06

  网络出版日期: 2024-11-26

收起

Asynchronous bearing only tracking management approach in distributed multi-function integrated sensors

  • ZHANG Wei 1 ,
  • YANG Qiu 1, 2, 3 ,
  • LI Hao 1
Expand
  • 1 National Key Laboratory of Electromagnetic Space Security, Chengdu 610036, China
  • 2 School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China
  • 3 Unit 95786 of PLA, Chengdu 614000, China

Received date: 2023-11-23

  Revised date: 2024-03-06

  Online published: 2024-11-26

Fold

摘要

针对分布式多功能一体化传感器角度交叉定位跟踪任务,提出一种基于分布式平台异步纯方位信息的跟踪管理方法。分布式多功能系统每个跟踪周期只需一个多功能一体化传感器切换为电子支援措施模式,用于更新辐射源目标的角度量测信息,而其他多功能传感器仍然工作于原计划的工作模式和工作任务。相比于传统角度交叉定位跟踪方法,提出的异步纯方位跟踪管理方法可以提高分布式一体化系统同时侦察、干扰、探测等多功能的能力,以便应对复杂作战环境。

关键词： 多功能传感器; 纯方位跟踪; 信息增量

本文引用格式

张炜 , 杨秋 , 李昊 . 一种分布式一体化传感器异步纯方位跟踪管理方法[J]. 指挥控制与仿真, 2024 , 46(6) : 43 -48 . DOI: 10.3969/j.issn.1673-3819.2024.06.008

Abstract

For multi-platform bearings-only cross location and tracking problem in distributed multi-function sensors, a target tracking management method based on asynchronous bearing only is proposed. The distributed multi-function system requires only one integrated sensor to switch to electronic support measure (ESM) mode within each tracking cycle to update the angle measurement information of target radiation source, while the other integrated sensors still work in the original planned mode and task. Compared with traditional cross location tracking method, the proposed asynchronous bearing only tracking method can improve the capability of the distributed integrated system with multiple functions such as reconnaissance, jamming and active detection at the same time in order to cope with the complex combat environment.

Key words： multi-function sensor; bearing only tracking; information gain

无源侦察系统对辐射源目标进行定位跟踪时,由于单站获得的角度测量是一个不完全位置观测,若采用扩展卡尔曼滤波完成航迹跟踪,会导致滤波发散,只能提供不稳定的定位跟踪结果。实际应用中一般利用多站分布式传感器同步获得的角度、时差或者频差等信息进行定位跟踪[1⇓-3]。
当利用分布式多平台传感器获取的角度信息对辐射源目标进行交叉定位跟踪时,研究人员需要利用多个传感器节点的同步角度量测进行协同定位。多功能一体化传感器具备侦察、干扰和探测(侦干探)等功能[4⇓-6]。分布式一体化系统能够同时运行多功能来应对高威胁目标,如图1所示。分布式一体化传感器的交叉定位需要各个一体化传感器中断当前的工作任务和计划,然后同时工作于侦察模式对目标进行测角。这种基于同步纯方位的定位跟踪方式限制了分布式一体化传感器系统的同时多功能工作能力,不满足对高危险目标和复杂电磁环境的侦干探等同时多功能的能力需求[7-8]。
图1 分布式一体化传感器多功能同时运行示意图

Fig.1 The diagram of multi-function simultaneous operation in distributed multi-function sensors

针对传统角度交叉定位跟踪方法限制了分布式一体化系统的同时多功能能力的问题,本文提出一种基于分布式一体化传感器异步纯方位的目标跟踪管理方法。该方法在每个跟踪周期内仅利用一个一体化传感器对辐射源实际量测更新跟踪方程,然后下一时刻用另一个一体化传感器对目标量测更新目标跟踪结果。由于每次更新跟踪轨迹时只需要一个一体化传感器对目标进行侦察测角,并不需要所有分布式一体化传感器都工作于侦察测角模式,也就是其他一体化传感器不需要中断原有计划中的工作任务,更利于分布式一体化传感器发挥侦干探等同时多功能,提高了系统应对复杂作战环境的能力。

1 分布式多功能一体化传感器异步纯方位跟踪方法

1.1 传统多平台角度交叉定位方法

测向交叉定位利用侦察设备测得的多条方位线进行辐射源目标定位,也称为三角定位法。
假设有N个平台同时观测辐射源目标,则有下式[9]
x=xi+ricos θiy=yi+risin θi,i=1,2,…,N
其中,(x,y)为辐射源的位置,(xi,yi)为第i个平台的位置,ri为辐射源到第i个平台的距离。
对上式进行等式变换,并写为矩阵形式
-x1sin θ1+y1cos θ1︙-xNsin θN+yNcos θN= -sin θ1cos θ1︙︙-sin θNcos θNxy
令:
H= -sin θ1cos θ1︙︙-sin θNcos θN    α= -x1sin θ1+y1cos θ1︙-xNsin θN+yNcos θN
根据最小二乘法,可得目标位置解为
xy=[HTH]-1HTα
在多平台协同交叉定位过程中,使用多个一体化传感器的ESM功能所测得的辐射源方位信息,在各一体化传感器位置和辐射源位置满足定位原理条件下,采用最小二乘法实现了对辐射源目标的快速定位。基于多平台ESM测角的交叉定位不需要主动辐射电磁波,是一种重要的射频隐身探测方法[10]。

1.2 分布式一体化传感器异步纯方位定位跟踪原理

假设作战方有多个一体化传感器分布在不同位置,每个传感器都具备侦察测角能力。如果对某辐射源已经建立了航迹起始,每个跟踪周期仅用某一个传感器对目标量测,下一个跟踪周期又用另一个传感器对目标量测,即每次跟踪过程中依据跟踪资源管理方法仅选择一个一体化传感器对目标进行角度量测更新跟踪方程。
分布式一体化传感器系统每次用不同平台传感器对辐射源量测跟踪,相比单平台纯方位跟踪有了更多的信息,辐射源目标运动是可观测的。
设目标的离散状态方程表示为
X(k+1)=F(k)X(k)+V(k)
式中,X(k)为状态向量;F(k)为状态转移矩阵;V(k)是零均值、协方差为Q(k)的高斯白噪声向量。
对于平台i,考虑非线性量测方程为
Zi(k)=h[k,X(k)]+Wi(k)
式中,Zi(k)为量测向量;h(k)为非线性量测矩阵;W(k)是零均值、协方差为R(k)的高斯白噪声向量。
ESM只能直接测量目标的角度,考虑一维角度测量,其测量方程为
θi=arctan y(k)-yi(k)x(k)-xi(k)+vi(k)
在辐射源目标起始航迹后,平台i测量辐射源目标相对于平台自身的角度θi,将角度信息、测量时间、平台自身位置信息(xi,yi)传送给融合中心,由融合中心采用滤波算法对目标进行跟踪滤波;下一时刻,依据跟踪资源管理方法选择平台j完成对目标辐射源的角度测量,并将量测信息传送给融合中心进行滤波更新位置信息。
分布式一体化传感器异步纯方位定位跟踪原理如图2所示,简述如下:
图2 分布式传感器异步纯方位跟踪原理

Fig.2 The principle of asynchronous bearing only tracking approach in distributed multi-function sensors

1) 通过有源探测或者多平台角度交叉定位获得目标初始位置,开始起始航迹;
2) 融合中心制定对辐射源目标异步纯方位跟踪管理方法;
3) k时刻由平台i对辐射源目标进行量测,并传送量测结果及平台本身位置信息给融合中心,由融合中心完成对辐射源目标的滤波跟踪;
4) k+1时刻由平台j对辐射源目标进行量测,并传送量测结果及平台本身位置信息给融合中心,由融合中心完成对辐射源目标的滤波跟踪;
5) 每次融合中心依据异步纯方位跟踪管理方法,仅选择一个传感器资源完成对目标的实际量测。

2 基于信息增量的异步纯方位跟踪资源管理方法

本文介绍一种基于信息增量的异步纯方位跟踪资源管理方法,用观测前后目标状态的概率密度的变化来计算信息熵的变化,根据最大化信息增量准则对传感器资源进行科学合理的分配。

2.1 传感器资源分配中的信息增量

信息增量可以由观测前后协方差的变化得出[11⇓-13]。对于机动目标跟踪来说,对其状态估计向量定义为X^(k+1|k),预测误差协方差定义为P(k+1|k),目标状态概率密度函数为
q(X)= 12πP(k+1k)‖exp(-(X- X^(k+1|k))TP-1(k+1|k)(X- X^(k+1|k)))
则信息熵为
H(q(X))=-∫q(X)lnq(X)dx= 12ln(2πe‖P(k+1|k)‖)
量测后目标状态估计为X^(k+1|k+1),估计误差协方差为P(k+1|k+1),目标状态概率密度函数为
p(X)= 12πP(k+1k+1)‖exp(-(X- X^(k+1|k+1))TP-1(k+1|k+1)(X- X^(k+1|k+1)))
同理可得信息熵为
H(p(X))=-∫p(X)lnp(X)dx= 12ln(2πe‖P(k+1|k+1)‖)
则量测的信息增量为[13]
I[q(t);p(t)]=H(q(X))-H(p(X))= 12ln P(k+1k)‖P(k+1k+1)‖

2.2 基于信息增量的异步纯方位定位跟踪资源分配管理

对传感器资源进行合理的管理,可以达到提高跟踪精度、增强系统灵活性及降低传感器使用代价等优化系统整体性能的目的[14-15]。在多传感器跟踪资源分配管理中,目标通过不同传感器可得到不同的信息增量。选取使目标对应最大信息增量的分配方式,信息增量越大,代表该传感器能够消除更多的目标状态不确定性,采用其对应的传感器量测跟踪,目标航迹更加精细,跟踪精度更加准确[11]。
以每次观测获取的信息增量最大为优化原则,建立基于信息增量的异步纯方位跟踪的传感器管理算法。若分布式一体化传感器组网系统中每一时刻只允许选择一个一体化传感器进行角度量测,当采用基于信息增量的传感器管理方法寻找k时刻为目标带来最多信息增量的传感器jk,目标函数可描述为
jk= argmax[I[q(t);p(t)]]jkj∈m
其中,[I[q(t);p(t)]]jk 为k时刻传感器j的信息增量;m为网络中传感器总数;jk为k时刻所选出的最佳传感器。
本文设计的基于信息增量的分布式一体化传感器异步纯方位跟踪管理方法实施流程如图3所示。
图3 分布式传感器异步纯方位跟踪流程

Fig.3 The flow chart of asynchronous bearing only tracking approach

2.3 分布式一体化传感器异步纯方位定位跟踪算法

由于ESM是被动侦收对方辐射信号,用于滤波的量测只有角度估计信息,这里给出基于扩展卡尔曼滤波的一体化传感器异步纯方位序贯滤波跟踪算法,具体流程如下:
步骤1 滤波初始阶段,一体化系统开启有源探测功能或者利用多站交叉测向起始航迹、滤波初始化,得到初始X^(2|2)和初始协方差P(2|2)。
步骤2 利用状态估计进行外推,得到一步预测值
X^(k|k-1)=F(k-1) X^(k-1|k-1)
预测协方差
P(k|k-1)=F(k-1)P(k-1|k-1⒣F(k-1)T+Q(k)
步骤3 如果下一时刻量测为平台i的无源量测,则量测预测值为
θi(k|k-1)=arctan y^(k|k-1)-yi(k)x^(k|k-1)-xi(k)
步骤4 对应的量测矩阵为
H(k)= ∂h(X(k))∂X(k)  X(k)=X^(k|k-1)= -y^(k|k-1)-yir^xy2 ,0,x^(k|k-1)-xir^xy2 ,0
式中,

r^xy=(x^(k|k-1)-xi)2+(y^(k|k-1)-yi)2,其中x^(k|k-1),y^(k|k-1)分别是k-1时刻目标的预测坐标位置。

步骤5 可以得到状态更新和协方差更新。
增益为
K(k|k-1)=P(k|k-1)H(k)T[H(k)P(k|k-1)H(k)T+R(k)]T
状态更新方程:
X^(k|k)=X(k|k-1)+K(k){Zi(k)-h[k, X^(k|k-1)]}
协方差更新方程:
P(k|k)=[I-K(k)H(k)]P(k|k-1)
式中
Zi(k)=θi(k), h[k, X^(k|k-1)]=θi(k|k-1)
步骤6 下一时刻,依据基于信息增量的异步纯方位跟踪资源管理方法切换量测平台,重复以上步骤。
这样就得到了基于扩展卡尔曼序贯滤波的分布式一体化传感器异步纯方位定位跟踪的一个滤波循环,如此循环下去,就可以完成辐射源目标的航迹跟踪。本文只采用了扩展卡尔曼滤波方法,后续研究中还可以采用基于随机有限集理论的分布式多目标跟踪研究成果[16⇓-18],进一步提高所提方法的跟踪效果。

3 仿真分析

假设作战方3个一体化传感器位于(0 km,0 km)、(20 km,0 km)、(50 km,0 km),目标初始位置(31 km,150 km)。在0~300 s内,目标平台沿X和Y方向速度(50,200)m/s匀速运动;301~400 s内,目标平台以转弯率0. 02进行左转弯运动;401~600 s内,目标平台进行匀速直线运动。
设置一体化系统有源探测的距离噪声均方差为100 m,角度噪声均方差为0.09°;一体化系统的有源和无源的采样间隔均为0.5 s。
参与仿真的算法如下所述:
1) 有源探测跟踪,传感器1对目标进行有源探测跟踪。
2) 单独无源跟踪,传感器2利用纯角度信息跟踪滤波。
3) 传统交叉定位,3个传感器协同测角跟踪滤波。
4) 本文所提的异步纯方位跟踪,每个跟踪周期选择一个传感器平台对辐射源进行无源测角跟踪。
假设传感器1的有源探测和无源量测之间不存在资源冲突,传感器1的有源探测只用于更新有源跟踪航迹,而无源量测用于更新交叉定位和所提方法的跟踪航迹。
图4显示了基于信息增量的异步纯方位跟踪资源管理方法在每个跟踪周期分配给目标的传感器资源。从图4中可以看到,基于信息增量的跟踪管理方法初始阶段主要选择2号传感器,后续跟踪阶段主要是轮流选择传感器1和传感器3。这是因为传感器1、传感器3与目标的观测几何区别最大,即目标所获得的信息量最大,相应的跟踪误差最小。
图4 基于信息增量选择的侦察测角平台序号

Fig.4 The selected sensor based on information gain

图5显示了不同跟踪方法的航迹跟踪结果,图6和图7分别显示了不同跟踪方法的距离和速度跟踪误差。从仿真结果可以看出,本文提出的异步纯方位跟踪方法可以实现对机动目标的稳定跟踪,而且跟踪效果与多平台角度交叉定位跟踪方法相似。但是本文所提方法每个跟踪周期仅需要一个传感器开启侦察测角模式,其他传感器可以继续执行原有工作计划,如有源探测、干扰、通信等,保留了分布式一体化系统的同时多功能能力。
图5 跟踪轨迹结果

Fig.5 Tracking result of proposed method

图6 位置跟踪误差结果

Fig.6 The position tracking error of proposed method

图7 速度跟踪误差结果

Fig.7 The velocity tracking error of proposed method

4 结束语

传统角度交叉定位跟踪方法需要多个传感器同时工作于电子侦察模式,不利于分布式一体化系统保持多功能同时存在的能力。本文提出了一种基于信息增量的异步纯方位跟踪管理方法,每个跟踪周期内仅需要一个多功能一体化传感器切换为电子侦察模式,而其他一体化传感器仍保持原有工作任务。本文所提异步纯方位跟踪方法具有与传统角度交叉定位跟踪方法相似的目标跟踪性能,但是保留了分布式一体化系统同时侦察、干扰、探测等多功能能力,便于应对复杂的作战环境。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
吴癸周, 郭福成, 张敏. 信号直接定位技术综述[J]. 雷达学报, 2020, 9(6): 998-1 013.

WU G Z, GUO F C, ZHANG M. Direct position determination: an overview[J]. Journal of Radars, 2020, 9(6): 998-1 013.

[2]
ZHANG S W, STAUDINGER E, JOST T, et al. Distributed direct localization suitable for dense networks[J]. IEEE Transactions on Aerospace and Electronic Systems, 2020, 56(2): 1 209-1 227.

[3]
HU D X, HUANG Z, CHEN X, et al. A moving source localization method using TDOA, FDOA and Doppler rate measurements[J]. IEICE Transactions on Communications, 2016, 99(3): 758-766.

[4]
TAVIK G, THOMAS N M. The multi-function electronic warfare (MFEW) advanced development model[R]. Washington: Naval Research Laboratory, 2009: 157-159.

[5]
王龙涛, 王苗, 王丽颖. 舰载综合射频系统对空作战资源调度模型构建[J]. 指挥控制与仿真, 2022, 44(4): 112-117.

DOI

WANG L T, WANG M, WANG L Y. Construction of resource scheduling model for air combat of shipborne integrated RF system[J]. Command Control & Simulation, 2022, 44(4): 112-117.

[6]
MOO P W, DIFILIPPO D J. Multi-function RF systems for naval platforms[J]. Sensors, 2018, 18(7): 2 076.

[7]
王玉珏, 杨心武, 刘佳丽. 舰载多功能一体化系统设计关键因素分析[J]. 舰船电子工程, 2021, 41(3): 17-23.

WANG Y J, YANG X W, LIU J L. Key factors analysis of shipborne multi-function integrated system design[J]. Ship Electronic Engineering, 2021, 41(3): 17-23.

[8]
王龙涛. 基于威胁判断的舰载多传感器射频保障优先度研究[J]. 兵器装备工程学报, 2019, 40(11): 79-82, 126.

WANG L T. Research on priority degree of radio frequency support for shipborne multi-sensor based on threat judgment[J]. Journal of Ordnance Equipment Engineering, 2019, 40(11): 79-82, 126.

[9]
吴巍, 王国宏, 薛冰. 多传感器协同管理与辐射控制技术[M]. 北京: 国防工业出版社, 2019: 277-279.

WU W, WANG G H, XUE B. Multi-sensor synergistic management and radiation control technology[M]. Beijing: National Defense Industry Press, 2019: 277-279.

[10]
时晨光, 董璟, 周建江, 等. 飞行器射频隐身技术研究综述[J]. 系统工程与电子技术, 2021, 43(6): 1 452-1 467.

SHI C G, DONG J, ZHOU J J, et al. Overview of aircraft radio frequency stealth technology[J]. Systems Engineering and Electronics, 2021, 43(6): 1 452-1 467.

[11]
王学佼. 机载平台多机动目标协同跟踪中传感器管理算法研究[D]. 哈尔滨: 哈尔滨工程大学, 2017.

WANG X J. Research on sensor management algorithm for multi-maneuvering target collaborative traking in airborne platform[D]. Harbin:Harbin Engineering University, 2017.

[12]
赵猛. 分布式多传感器组网协同跟踪方法研究[D]. 杭州: 杭州电子科技大学, 2017.

ZHAO M. Research on cooperative tracking method for distributed multi-sensor network[D]. Hangzhou: Hangzhou Dianzi University, 2017.

[13]
李彬彬, 冯新喜, 王朝英, 等. 基于信息增量的多被动传感器资源分配算法[J]. 系统工程与电子技术, 2012, 34(3): 502-507.

LI B B, FENG X X, WANG Z Y, et al. Multi-passive sensors resource allocation algorithm based on information gain[J]. Systems Engineering and Electronics, 2012, 34(3): 502-507.

DOI

[14]
LIU C Y, DI K Y, LI T C, et al. A sensor selection approach to maneuvering target tracking based on trajectory function of time[J]. EURASIP Journal on Advances in Signal Processing, 2022, 2022(1): 72.

[15]
安雷, 李召瑞, 吉兵. 辐射风险和多目标跟踪精度约束下的传感器调度方法[J]. 现代防御技术, 2021, 49(6): 62-73, 89.

AN L, LI Z R, JI B. Sensor scheduling method under radiation risk and multi-target tracking accuracy constraints[J]. Modern Defence Technology, 2021, 49(6): 62-73, 89.

[16]
DA K, LI T C, ZHU Y F, et al. Recent advances in multi-sensor multi-target tracking using random finite set[J]. Frontiers of Information Technology & Electronic Engineering, 2021, 22(1): 5-24.

[17]
达凯, 杨烨, 朱永锋, 等. 视场非完全重叠的分布式雷达多目标跟踪方法[J]. 雷达学报, 2022, 11(3): 459-468.

DA K, YANG Y, ZHU Y F, et al. Multi-target tracking using distributed radar with partially overlapping fields of views[J]. Journal of Radars, 2022, 11(3): 459-468.

[18]
段苛苛, 邰滢滢. 视野有限的传感器网络中分布式多目标跟踪[J]. 信号处理, 2020, 36(8): 1 344-1 351.

DUAN K K, TAI Y Y. Distributed multi-target tracking in sensor network with limited field of view[J]. Journal of Signal Processing, 2020, 36(8): 1 344-1 351.

Options
文章导航

/

〈 〉