面向低空监视的多源信息融合技术关键问题研究

高 龙， 康美玲

(上海航天技术研究院， 上海 201109)

面向低空监视的多源信息融合技术关键问题研究

高 龙， 康美玲

(上海航天技术研究院， 上海 201109)

针对通用航空逐级开放、低空空域“低小慢”目标的监管需求，结合低空雷达网预研项目背景，提出用多源信息融合技术解决低空空域监视问题，分析面向低空空域监视的多源信息融合技术遇到的关键问题，给出有效解决途径，并对其应用前景进行探讨。

低空监视； 低空雷达； 多源信息融合

0 引言

随着通用航空的逐步开放，低空空域目标监视将面临目标飞行高度低、雷达散射截面(RCS)小、种类、速度多样化，监视区域复杂化的趋势，多源异构传感器监视网络因其具有优于单传感器的诸多优点而备受关注。

多源信息融合技术是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术，被广泛应用于军事和民用领域。目前，能被大多数研究者接受的有关信息融合的定义，是由美国三军组织实验室理事联合会JDL(Joint Directors of Laboratories)从军事应用角度提出的[1-3]。

多源信息融合是指用于包含多个(或多类)传感器(或信息源)系统的一种信息处理方法。Walz将多源信息融合定义：通过对多个传感器产生的数据或信息进行监测、组合设计、关联等多级操作，从而得到关于观测环境或目标的精确状态、身份估计以及完整、及时的态势评估的过程[4]。

在低空空域领域的多源信息融合指将来源于不同体制、不同功能和不同频率的低空空域监视设备(如地面雷达、ADS-B监视设备、多基站协同监视雷达、红外、光电探测等)的监视数据通过预处理、人工智能、过程优化等多技术综合运用，实现信息共享、整体探测、协同作战及体系对抗，提高探测性能、情报质量、抗干扰性能，实现高可靠性的低空空域监视，向用户提供通用、连续、及时、完整、准确的一体化低空空情信息，满足对低空空域“低小慢”目标的探测要求[5-7]。

资源管理是多源信息融合系统中的一个反馈控制环节。其核心问题就是依据一定的最优准则，建立易于量化的目标函数，通过优化目标函数选定要工作的传感器及其工作模式或工作参数。目前解决途经主要有三种，分别是基于规划论、信息论和神经网络的方法。Malhotra,LiuXianxing,Wasburn等人在规划论领域提出了基于效用函数的资源管理方法[8-11]；McIntyre等在信息论方向提出使用混合熵分辨力信息函数解决资源管理分配问题[12-14]；而在神经网络方向，主要有Mplina Lopez等提出基于知识推理和模糊决策理论[15]，本文不再赘述。

本文依托低空雷达网预研项目需求背景，围绕多元信息融合方法，探讨在低空空域监视中需要解决的关键问题。

1 多源信息融合模型

关于信息融合模型，由JDL数据融合组织首先提出，其后几经修改，形成面向信息融合结果的模型，如图1所示，该模型正被越来越多的实际工程系统所采用。构建JDL信息融合模型的目的是促进系统管理人员、理论研究者、设计人员、评估人员相互之间更好地沟通和理解，从而使得整个系统的设计、开发和实施过程得以高效顺利地进行。

该处理模型中，包括以下几种处理过程。

第一级处理是目标评估(Object Assessment)，如图2所示，主要功能包括数据配准、数据关联、目标位置和运动学参数估计，以及属性参数估计、身份估计等，其结果为更高级别的融合过程提供辅助决策信息。

第二级处理态势评估(Situation Assessment)问题，是对整个态势的抽象和评定。其中，态势抽象就是根据不完整的数据集构造一个综合的态势表示，从而产生实体之间一个相互联系的解释；态势评定则关系到对产生观测数据和时间态势的表示和理解。态势评定的输入包括时间检测、态势估计以及为态势评定所生成的一组假设等；态势评定的输出在理论上是所考虑的各种假设的条件概率。在军事领域，态势评估是指评价实体之间的相互关系，包括敌我双方兵力结构和使用特点，是对战场上战斗力量分配情况的评价过程。

第三级处理是影响评估(Impact Assessment)问题，它将当前态势映射到未来，对参与者设想或预测行为的影响进行评估。在军事领域指威胁估计(Threat Assessment)，是一种多层视图处理过程，用于有效地扼制敌方进攻的风险程度。威胁估计包括通过汇集技术和军事数据库数据比对，对我军受敌人攻击的脆弱性、作战事件出现程度和可能性进行估计，并对敌方作战企图给出指示和告警。

第四级处理是过程评估(Process Assessment)，它是更高级的处理阶段。通过建立一定的优化指标，对整个融合过程进行实时监控与评价，从而实现多传感器自适应信息获取和处理、资源最优分配，最终提高整个实时系统的性能。对过程评估研究的关键主要集中在如何对系统特定任务目标以及限制条件进行建模和优化，以平衡有限的系统资源。

2 多源信息融合技术的关键问题

按照信息融合模型处理过程，多源信息融合技术可划分为以下三个级别：数据级、特征级以及决策级，其中涉及到数学、信息论、统计学、决策论等多个学科进行交互综合处理，按照融合级别划分，需要解决以下关键问题。

2.1 空时校准

多传感器信息融合系统一般由多个异类传感器组成，异类多传感器较之单传感器或同类传感器，其提供的信息更具有多样性和互补性，但由于每个传感器提供的观测数据都在各自的参考框架内，导致产生的异类数据在时间上不同步，空间坐标系不相同，数据率不一致以及测量维数不匹配，使得信息融合处理存在困难。所以在对各传感器传输的信息进行处理前，必须先将它们变换到同一个参考框架中，并对传感器位置误差、观测误差和坐标转换的固有误差进行修正。

空间校准指将各传感器上报的、以各传感器为中心的极坐标数据进行坐标变换，使之在一个统一的坐标系下进行处理。在进行坐标变换时，如果系统覆盖区域很大，由于地球曲率的影响，坐标有畸变误差，会导致观测目标分裂。坐标变换对准一般将以各传感器为中心的极坐标数据转换到地理经纬度坐标系，最后统一到以融合或数据处理中心为原点的坐标系实现。

对于时间校准，一般通过外推和内插的方法进行，根据t′,t″时刻的观测位置与融合时刻ti的时间差，将多个传感器的异步测量数据转换为ti时刻的同步数据，便于进一步数据处理[6]。校准公式为

(1)

2.2 基于低空空域特性的杂波抑制

对于低空空域，观测背景中大部分物体(如草地、树林、建筑物等)是非刚性的，因此其边缘回波具有一定的随机特性，经过背景差分的雷达图像中，除动目标外，边缘残留了大量的杂波，且强度一般较高，给小弱动目标的检测带来一定困难。由于低空空域具有强地杂波、“低小慢”观测目标的特性，若采用传统的全局或局部阈值分割法[7]，会引入大量的杂波，为下一步跟踪算法带来过重的负担，严重影响数据处理效率，所以需要采取符合低空杂波、目标空域分布特性的杂波抑制方法。

在低空空域中，目标一般出现在相对独立的空间内，其邻域没有背景信息；杂波则分布在背景边缘，空域分布特征明显，即使其灰度值强于目标，仍然可与目标相区别。因此，采用的目标检测窗口如图3所示。

由式(2)计算Nout×Nout和Nin×Nin之间的阴影区域像素平均灰度值D(i,j,k)表示第k帧图像中待检测像素的坐标值。

(2)

式中：Mout、Min分别代表外侧、外侧矩形框内的像素灰度值之和，由下式计算：

(3)

(4)

式中：G(·)是原始雷达图像中像素的灰度值。当设定相应阀值S，得出一个像素点属于杂波或目标的判断公式：

(5)

目标像素为1，杂波像素为0。

2.3 数据关联及数据融合

由于多传感器的观测数据在空间域、时间域和粒度级别不同，需要判断来源于不同传感器的观测数据是否属于同一目标源。数据关联及融合可以定义为这样一个过程：把来自不同传感器和信息源的数据和信息加以联合、相关和组织，以获得探测目标的精确状态和属性估计，以便对战场态势、威胁和重要程度的适时综合评估。它主要包括两大部分：融合关联和融合跟踪。目前，解决融合关联和融合跟踪所采用的方法主要有加权法、修正法、序贯法、最近邻域法和K邻域法、分布式JP-DA法、统计聚类法、经典分配法、多假设跟踪法等。这些航迹关联方法，如果从数学的角度看，属于统计学方法。

在低空空域，当目标密集，且机动目标较多，探测环境复杂时，若系统包含有较大的传感器校准及转换和延迟误差，要判断来自2个局部节点的航迹是否属于同一个目标是很困难的，统计学方法有时不能满足要求，容易导致错关联、漏关联。由于在航迹关联判决中，航迹实际上存在着较大的模糊性，而这种模糊性可以用隶属度函数来描述2个航迹的相似程度，所以就产生了模糊数学的方法。其中，模糊聚类数据关联法是一种新近的模糊数学方法，它利用观测数据的不确定性(即模糊性)把在某一时刻t得到的n个测量数据分配给m个航迹。从模糊聚类的观点看，如果在某一时刻能把各传感器的测量数据进行正确聚类，就可以知道在该时刻该观测空间出现的目标数,从而实现数据的正确关联和融合。

图4采用3个不同类型的一次雷达，观测2个平行直线航路目标，进行30次蒙特卡洛后得到的仿真结果，其中图(a)为极坐标系下3个雷达与目标的位置关系，图(b)为2个平行直线航路目标的运动轨迹放大图。

经过模糊聚类算法，得出观测目标位置误差和速度估计误差以及关联得到的平均目标数分布图以及平均关联错误概率。

由图5可以看出，经数据融合后的目标位置和速度误差，均小于3个雷达中的最小误差，说明经融合后的系统探测精度优于单传感器探测精度。

3 多源信息融合技术在低空空域监视中的应用及前景分析

多源信息融合技术在低空空域监视领域具有广泛的应用前景，可以在舰艇编队电子信息、核心区域防空防御、军民两用空中交通管理等系统的低空监视防御领域发挥重大作用。

3.1 海上舰艇编队电子信息系统

编队电子信息系统对从卫星、预警飞机、电子战斗机、反潜巡逻机、GPS、上级、本编队及友邻编队等有源和无源探测系统所获取的多批次、多层次目标信息进行汇集、分类、相关处理，指挥协调编队中的有源干扰和无源设备，实施雷达、通讯、水声、光电侦察和对抗；并通过多源信息融合技术进行数据融合，生成对低空监视的综合态势，提供给指挥决策和武器分配中心。

3.2 核心区域低空保卫防御系统

由于目前作战对象拥有大量的先进空袭兵器，作战样式日趋现代化，具有很强的预警指挥、电子对抗、隐形突防和远程精确打击能力，使得在核心区域低空防空作战中，反导、反隐形、反干扰、反低空等问题更加突出。应对这些挑战，单单依靠某几部或者某几种传感器难以胜任，必须把一次雷达、二次雷达、红外传感器、ESM电子侦察、光学探测、声探测等多元监视信息综合利用，采用多源信息融合技术，发挥多源传感器各自优势，形成及时、统一、通用、准确的态势，与防空武器系统协同工作，完成核心区域的低空防御防空任务。

3.3 军民两用低空雷达网空管系统

随着通用航空低空空域的逐步开放，需要掌握低空空域监视的有效手段，加强空中交通管理。很多中小型民航机场没有监视设备，缺乏有效地监视手段，目前我国民用机场低空探测手段基本上依赖于一次、二次雷达探测网，其他辅助探测手段稀少，且情报综合效率依然较低，手段较为单一，覆盖范围有限，这给飞行安全带来严重的隐患。要解决上述问题，除提高单传感器的探测性能外，更重要的是实现多源探测信息包括地面一次雷达、二次雷达、ADS监视雷达、多基站协同监视雷达、浮空平台雷达等情报的信息融合，综合采用多源信息，提供综合空中态势，加强对低空领域的监视和管制。

4 结束语

本文根据通用航空逐级开放、低空空域“低小慢”目标监管的实际需求，在低空雷达网预研项目背景下，提出了利用多源信息融合技术解决低空空域监视问题。本文分析了面向低空空域监视的多源信息融合技术遇到的关键问题，给出了有效解决途径，并对其应用前景进行了探讨。

[1] White F E. Data Fusion Lexicon[C]. Joint Directors of Laboratories, Technical Panel for C3,Data Fusion Sub-panel, San Diego,CA,USA,Naval Ocean Systems Center： 1987：1107-1115.

[2] White F E. A Model for Data Fusion[C]. In:Proc,1st National Symposium on Sensor Fusion.Orlando,FL,1988，2(4)：5-8.

[3] Steinberg A N, Bowman C L, White F E. Revisions to the JDL Data Fusion Model[C]. In Sensor Fusion: Architectures, Algorithms, and Applications, Proceedings of the SPIE. Orlando: Florida,1999: 430-441.

[4] 韩崇昭. 多源信息融合[M]. 北京：清华大学出版社， 2006: 381-384.

[5] 王浩,谭琳. 多传感器信息融合研究概述[J]. 硅谷, 2012，(3):479-490.

[6] 姚磊，姚景顺. 基于最优融合估计的雷达组网数据处理[J]. 火力与指挥控制, 2004(29):240-246.

[7] 陈唯实,宁焕生. 利用一次雷达实现低空空域的安全监视[J]. 北京航空航天大学学报， 2012， 38(02): 143-148.

[8] David A Castanon. Approximate Dynamic Programming for Sensor Management[C]. In: Proceedings of the 36th IEEE Conference on Decision and Control, 1997,(2):1202-1207.

[9] David A Castanon. Optimal Search Strategies in Dynamic Hy-pothesis Testing[J]. IEEE Trans. on System, Man and Cyber-netics, 1995, 25(7): 1130-1138.

[10] Liu Xianxing, Pan Quan,Zhang Hongcai, et al. Study on Algorithm of Sensor Management Based on Functions of Efficiency and Waste[J]. Chinese Journal of Aeronautics, 2000,13(1): 39-44.

[11] Wasburn R, Chao A, Casta Aon D, et al.Stochastic Dynamic Programming for Far2sighted Sensor Man-agement[C]. In:1997 IRIS National Symposium on Sensor and Data Fusion, 1997:1101-1112.

[12] Hintz Kenneth J, McIntyre Greg. Goal Lattices for Sensor Management[C]. In: SPIE Proceedings, 1999, 3365: 249-255.

[13] McIntyre Gregory A, Hintz Kenneth J. Sensor Management Simulation and Comparative Study[C]. In: SPIE Proceedings, 1997, 3068: 250-260.

[14] McIntyre Gregory A, Hintz Kenneth J. An Information Theoretic Approach to Sensor Scheduling[C]. In: SPIE Proceedings, 1996, 2005: 304-312.

[15] Lopez J Mplina, Rodriguez F J Jimenez, Corredera J R Casar. Fuzzy Reasoning for Multisensor Management[C]. In: IEEE InternationaI Conference on SMC, 1995,(2): 1398-1403.

Research on the Key Issues of Multi-source Information Fusion in Low-altitude Surveillance

GAOLong，KANGMei-ling

(Shanghai Academy of Spaceflight Technology, Shanghai 201109, China)

According to general aviation low-altitude opening and the need to the target surveillance in low-altitude airspace, combining with the project of low-altitude radar network, multi-source information fusion technology to solve the problems in the low-altitude surveillance is proposed, and several key issues are analyzed. The corresponding methods are presented. It is shown that the proposed methods are effective. Furthermore, the application prospects of multi-source information fusion technology are discussed and pointed out.

low-altitude surveillance; low-altitude radar; multi-source information fusion

1671-0576(2017)01-0042-06

2016-12-09

高 龙(1986-)，工程师；康美玲(1978-)，高工，均从事雷达组网技术研究。

TN926

A