宋緒棟, 蔚 婧, 李曉花, 李亞安

?

基于純方位角測量的水下目標(biāo)被動跟蹤技術(shù)

宋緒棟1, 蔚 婧2, 李曉花2, 李亞安2

(1 中國人民解放軍91388部隊, 廣東 湛江, 524022; 2. 西北工業(yè)大學(xué) 航海學(xué)院, 陜西 西安, 710072)

水下目標(biāo)的被動跟蹤技術(shù)在軍事上具有重要的應(yīng)用價值, 為了解決基于純方位角測量的水下目標(biāo)被動跟蹤技術(shù)在實際應(yīng)用中的問題, 研究了幾種適合于單、雙觀測站的水下目標(biāo)被動跟蹤算法。分別對偽線性估計算法、擴展卡爾曼濾波算法、無跡卡爾曼濾波算法在不同參數(shù)情況下的性能進行了詳細的仿真與分析。仿真結(jié)果表明, 靜止單觀測站雖不能獲得目標(biāo)的完全觀測, 但是在具有一定先驗信息的情況下, 偽線性估計算法也可以實現(xiàn)對目標(biāo)軌跡的估計; 雙觀測站可以獲得對目標(biāo)的完全觀測, 并且在觀測方程嚴(yán)重非線性的情況下, 無跡卡爾曼濾波方法的性能要優(yōu)于擴展卡爾曼濾波方法。仿真結(jié)果對工程應(yīng)用具有重要的參考價值。

水下目標(biāo); 純方位目標(biāo)跟蹤; 偽線性估計; 擴展卡爾曼濾波; 無跡卡爾曼濾波

0 引言

根據(jù)跟蹤系統(tǒng)獲得量測數(shù)據(jù)的方式不同, 目標(biāo)跟蹤可以分為主動式與被動式[1]。主動式跟蹤主要由主動雷達或聲納獲取目標(biāo)相對于觀測器之間的距離和相對方位角。這種觀測方式跟蹤目標(biāo)精確, 處理速度快, 但往往由于自身向外發(fā)射信號, 因而很容易被敵方獲知觀測器的具體位置, 在軍事上具有很大劣勢[2]。被動式跟蹤一般由被動雷達、聲納或者通過紅外來獲得目標(biāo)相對于觀測器之間的方位角, 通過解算而獲得目標(biāo)的狀態(tài)值。這種觀測方式由于是被動的接收信號, 因此具有很強的隱蔽性, 但由于觀測量的減少導(dǎo)致目標(biāo)的跟蹤精度和收斂程度都有所降低, 這種跟蹤方式應(yīng)用于軍事領(lǐng)域, 往往能夠給予敵方目標(biāo)出其不意的毀滅性打擊[3]。

水下目標(biāo)的被動定位和跟蹤技術(shù)源于魚雷、潛艇等武器的隱蔽進攻, 通過被動傳感器測量到的目標(biāo)信息確定目標(biāo)的運動參數(shù), 如位置、速度和加速度等。這種方式對魚雷、潛艇等自主式攻擊性武器來說極其重要。

近年來, 基于純方位角測量的水下目標(biāo)跟蹤問題一直是研究的熱點和難點, 目前常用的方法有多種, 如偽線性估計器[4](pseudo-linear estimator, PLE), 擴展卡爾曼濾波(extended Kalman filter, EKF), 無跡卡爾曼濾波(unscented Kalman filter, UKF)等。本文從實際工程應(yīng)用的角度出發(fā), 針對單觀測站和雙觀測站兩種情況, 對以上幾種可行方案進行了詳細分析, 通過仿真試驗得出各種方案在不同應(yīng)用環(huán)境下的優(yōu)劣, 旨在為下一步工程應(yīng)用提供參考。

1 系統(tǒng)模型

圖1 目標(biāo)與觀測站的幾何關(guān)系示意圖

Fig. 1 Geometric relationship of sonar systems and target

2 單站純方位偽線性估計算法

對純方位目標(biāo)跟蹤問題的大量研究表明, 利用靜止單站所測量的目標(biāo)方位信息, 不可能同時解算出目標(biāo)的距離、航向及速度等全部參數(shù), 即由于存在“距離模糊”, 系統(tǒng)是不完全可觀測的[5]。但是, 在目前實際的軍事應(yīng)用中, 傳感器網(wǎng)絡(luò)還沒有建立的情況下, 不能同時利用多個觀測站對目標(biāo)進行跟蹤, 因此, 基于單觀測站的純方位目標(biāo)跟蹤方法肩負著極其重要的責(zé)任。若進一步對目標(biāo)具有一定的先驗知識, 如通過前期目標(biāo)識別已經(jīng)知道目標(biāo)的型號及速度, 則可通過先驗知識對目標(biāo)參數(shù)進行解算, 實現(xiàn)完全觀測。

對式(3)作擬線性處理, 得

定義

可得偽測量方程

對于靜止或者非機動單站, 雖然不能實現(xiàn)對目標(biāo)的完全觀測, 但是可以獲得目標(biāo)的航向, 以及目標(biāo)與觀測站的初始距離與目標(biāo)速度的比值。這在工程實踐中也具有重要的實際意義, 在對目標(biāo)速度有一定先驗知識的情況下, 即可獲得對目標(biāo)的粗略跟蹤, 實現(xiàn)進行隱蔽打擊的目的。

3 雙站純方位目標(biāo)跟蹤方法

對于勻速直線運動的目標(biāo), 利用多個被動傳感器組成傳感器網(wǎng)絡(luò)能在較廣泛的區(qū)域內(nèi)實現(xiàn)對目標(biāo)的角度跟蹤, 配合適當(dāng)?shù)男畔⑷诤纤惴? 可以實現(xiàn)對目標(biāo)的完全觀測。這里將以比較實際的雙觀測站為例進行分析。

3.1 擴展卡爾曼濾波方法

在模型滿足高斯線性條件下, 典型的卡爾曼濾波可獲得線性無偏的最小方差估計[6-7]。但是在實際應(yīng)用中, 線性、高斯等假設(shè)條件常常不能滿足要求, 出現(xiàn)濾波精度下降和發(fā)散的現(xiàn)象。EKF就是為了克服狀態(tài)方程的非線性問題, 將其在狀態(tài)的濾波值附近進行泰勒級數(shù)展開, 得到線性化后的狀態(tài)方程, 進而采用卡爾曼濾波方法進行處理。

假設(shè)系統(tǒng)模型可表示為

EKF方法是解決非線性濾波問題比較經(jīng)典的方法, 但是由于弱可觀測條件下測量模型的非線性, 可能會產(chǎn)生濾波過程的發(fā)散現(xiàn)象。

3.2 無跡卡爾曼濾波方法

為了改善非線性問題的濾波效果, Julier等人提出了采用UKF方法對非線性問題進行濾波估計[8-10]。該方法在處理狀態(tài)方程時, 首先進行無跡變換, 然后使用變換后的狀態(tài)變量進行濾波, 以減小估計誤差。其濾波效果在復(fù)雜的非線性系統(tǒng)下, 要明顯優(yōu)于EKF。

離散非線性系統(tǒng)可以描述為

該方法的簡要步驟如下。

2) 計算權(quán)值

3) 計算sigma采樣點的狀態(tài)向量

4) 時間更新

5) 量測更新

在UKF算法中, 最重要的問題是確定sigma點采樣策略, 也就是確定sigma采樣的個數(shù)、位置及相應(yīng)的權(quán)值。目前已有的采樣策略有對稱采樣, 最小偏度單形采樣, 超球體單形采樣等[11]。

4 仿真結(jié)果與分析

為了更加細致地分析上述幾種方法在不同場合的性能, 本節(jié)進行了大量計算機仿真, 旨在通過試驗得出一般性規(guī)律, 為今后的工程實際應(yīng)用提供必要的參考。

4.1 靜止單站情況(試驗1)

由于基于純方位信息的靜止單站無法獲得對目標(biāo)的完全觀測, 因此, 仿真給出了目標(biāo)的初始距離與目標(biāo)速度的比值。

圖2中實線表示真實值, 虛線表示估計值, 圓圈為觀測站位置。目標(biāo)的航跡圖中, 虛線為具有目標(biāo)先驗速度的情況下, 對目標(biāo)航跡的估計。圖3給出了單站靜止PLE方法的估計誤差。

4.2 靜止雙站情況(試驗2)

試驗參數(shù): 運動目標(biāo)參數(shù)同試驗1, 2個觀測站分別位于(0, 0), (0, 500)。

圖4中, 2個圓圈表示2個靜止觀測站的位置, 實線為目標(biāo)真實軌跡, 虛線表示EKF方法估計所得目標(biāo)軌跡, 點劃線表示UKF方法估計所得目標(biāo)軌跡, 這2條曲線基本重合。

圖5為所估計各參數(shù)分量與真實值之間的誤差, 表1給出了其估計方差。

圖2 單站靜止PLE方法估計結(jié)果

圖3 單站靜止PLE方法估計誤差

圖4 雙觀測站靜止時UKF與EKF目標(biāo)軌跡估計

圖5 雙觀測站靜止時UKF與EKF估計誤差

表1 雙觀測站靜止時EKF與UKF方法估計方差

4.3 運動雙站情況(試驗3)

試驗參數(shù): 運動目標(biāo)參數(shù)同試驗1, 2個觀測站分別位于(0, 0), (0, 500), 2個觀測站均以10 kn的速度沿軸正向運動。

圖6中, 2個圓圈表示2個觀測站的初始位置, 實線為目標(biāo)真實軌跡。與圖4相似, UKF(點劃線)和EKF(虛線)這2種方法估計得到的目標(biāo)軌跡基本重合。圖7給出了所估計各參數(shù)分量與真實值之間的誤差, 表2給出了其估計方差。可以看出, UKF方法的方差要小于EKF方法的方差。

圖6 雙觀測站運動時UKF與EKF目標(biāo)軌跡估計

圖7 雙觀測站運動時UKF與EKF估計誤差

表2 雙觀測站運動時EKF與UKF方法估計方差

5 結(jié)束語

基于純方位角測量的水下目標(biāo)被動跟蹤方法在軍事上具有重要的應(yīng)用價值, 研究了3種便于工程實用的方法: PLE方法、EKF方法和UKF方法。其中, PLE方法具有計算簡單, 無需初值的優(yōu)點, 在目標(biāo)不可完全觀測的情況下, 它可以獲得目標(biāo)初始距離與速度的比值, 在具有速度先驗知識的情況下, 也可以實現(xiàn)對目標(biāo)軌跡的估計。雙觀測站可以實現(xiàn)對目標(biāo)的完全觀測, 分別對雙觀測站靜止和運動2種情況進行了仿真分析, 結(jié)果表明, EKF方法和UKF方法均能較準(zhǔn)確地估計目標(biāo)軌跡, 并且UKF方法性能要略優(yōu)于EKF方法。仿真結(jié)果對工程實際應(yīng)用具有一定的參考價值。

[1] 嚴(yán)衛(wèi)生, 高磊, 張礴, 等. 水下目標(biāo)跟蹤技術(shù)[J]. 火力與指揮控制, 2000, 25(2): 2-6.

Yan Wei-sheng, Gao Lei, Zhang Bo, et al. Underwater Target Tracking[J]. Fire Control & Command Control, 2000, 25 (2): 2-6.

[2] 周宏仁, 敬忠良, 王培德. 機動目標(biāo)跟蹤[M]. 北京: 國防工業(yè)出版社, 1991.

[3] Song T L. Observability of Target Tracking with Bearing-only Measurements[J]. IEEE Transactions on Aerospace and Electronics Systems, 1996, 32(4): 1468-1471.

[4] Aidala V J. Kalman Filter Behavior in Bearings-only Tracking Applications[J]. IEEE Transactions on Aerospace and Electronics Systems, 1979, 15(1): 29-39.

[5] 孫仲康, 周一宇, 何黎星. 單基地有源無源定位技術(shù)[M]. 1版. 北京: 國防工業(yè)出版社, 1996.

[6] Konrad R, Rolf U. The Extended Kalman Filter as an Exponential Observer for Nonlinear Systems[J]. IEEE Transactions on Signal Processing, 1999, 47(8): 2324-2328.

[7] Simon J J, Jeffrey K U. A New Method for the Nonlinear Transformation of Means and Covariances in Filters and Estimators[J]. IEEE Transactions on Automatic Control, 2000, 45(3): 477-482.

[8] Dini D H, Mandic D P, Julier S J. A Widely Linear Complex Unscented Kalman Filter[J]. Signal Processing Letters, 2011, 18(11): 623-626.

[9] 高劍, 徐德民, 嚴(yán)衛(wèi)生, 等. 無跡卡爾曼濾波及其在三維水下目標(biāo)跟蹤系統(tǒng)中的應(yīng)用[J]. 船舶工程, 2005, 27(3): 24-28. Gao Jian, Xu De-min, Yan Wei-sheng, et al. UKF and Its Application to 3-D Underwater Target Tracking System[J]. Ship Engineering, 2005, 27(3): 24-28.

[10] Valverde G, Terzija V. Unscented Kalman Filter for Power System Dynamic State Estimation[J]. IET Generation, Tran- smission & Distribution, 2011, 5(1)：29-37.

[11] 楊峰, 潘泉, 梁彥, 等. 多源信息空間配準(zhǔn)中的UT變換采樣策略研究[J]. 系統(tǒng)仿真學(xué)報, 2006, 18(3):15-20. Yang Feng, Pan Quan, Liang Yan, et al. Research on Sampling Strategies of UT Transformation for Space Alignment of Distributed Multi-sensor Information[J]. Journal of System Simulation, 2006, 18(3): 15-20.

Passive Underwater Target Tracking Based on Bearings-Only Angle Measurement

SONG Xu-dong1, YU Jing2, LI Xiao-hua2, LI Ya-an2

(1.91338thUnit, The people′s Liberation Army of China, Zhanjiang 524022, China; 2. College of Marine Engineering, Northwestern Polytechnical University, Xi′an 710072, China )

In regard to actual application of passive underwater target tracking technology based on bearings-only angle measurement, several algorithms for monostatic and bistatic sonar systems, i.e. the pseudo-linear estimation (PLE), the extended Kalman filter (EKF), and the unscented Kalman filter (UKF), are discussed, and their performances are simulated with different parameters, respectively. Simulation results illustrate that: 1) The nonmoving monostatic sonar system can not obtain all-around observation of target, but when prior information of the target velocity is available the trajectory of the target can be acquired by using the PLE algorithm; 2) The bistatic sonar system can achieve all-around observation of target, and the performance of the UKF is better than that of the EKF when the observation equation is very nonlinear.

underwater target; bearings-only target tracking; pseudo-linear estimation(PLE); extended Kalman filter(EKF); unscented Kalman filter(UKF)

TJ630.34;TN953

A

1673-1948(2012)05-0353-06

2012-01-06;

2012-04-19.

國家自然科學(xué)基金資助項目(51179158).

宋緒棟(1968-), 男, 高級工程師, 主要從事魚雷靶標(biāo)總體技術(shù)研究.

(責(zé)任編輯: 楊力軍)