基于多源信息融合的声呐目标非威胁度评估方法

周 彬, 王 庆, 权恒恒



基于多源信息融合的声呐目标非威胁度评估方法

周 彬, 王 庆, 权恒恒

(1. 声呐技术重点实验室, 浙江 杭州, 310023; 2. 杭州应用声学研究所, 浙江 杭州, 310023)

多源信息融合能够扩展声呐系统的探测范围, 提高目标识别的可靠性和鲁棒性。文中针对声呐目标探测中使用全频谱特征信息进行目标关联所需传输带宽大, 目标威胁度判别的先验概率不确定, 无法在概率论框架内进行融合处理等问题, 提出了一种基于多源信息融合的声呐目标非威胁度评估方法。该方法以低频声呐目标作为威胁目标的排除对象, 结合高频阵、非声传感器等输出的目标信息, 通过对多源信息预处理、目标航迹关联以及关联信息融合等进行低频声呐目标的非威胁度评估, 达到排除非威胁目标、提高警戒效率的目的。在目标航迹关联中, 提出了一种改进的灰色关联算法, 能够区分2个航迹变化趋势一致但相距较远的不同目标。在缺乏威胁目标判别先验概率条件下, 针对概率论方法不能有效应用于信息融合处理的问题, 提出了基于Dempster-Shafer证据理论的多源信息融合方法, 给出了非威胁目标可信度。最后利用低频阵、高频阵及自动识别系统(AIS)等多源信息的海试数据验证了文中方法的可行性。

声呐目标探测; 多源信息融合; 非威胁度评估方法; 灰色关联算法; Dempster-Shafer证据理论

0 引言

信息融合是一种多层次、多方面的信息处理过程, 包括对多源数据进行检测、相关、组合和估计, 从而提高状态和身份估计的精度, 以及对战场态势和威胁的重要程度进行适时完整的评价[1-4]。在声呐目标探测领域, 相对单阵声呐, 多维度(空间、时间)多特征(频率、电磁性)的声与非声传感器信息融合, 能够扩展声呐系统的探测范围, 提高目标识别的可靠性和鲁棒性。分布式、多基地等声呐探测技术研究是当前声呐信息融合领域的研究热点[5-6]。其中单个舰艇平台同样可以利用平台上安装的不同类型的声呐基阵(艏端阵、舷侧阵、拖曳阵等)以及非声系统(自动识别系统(automatic identification system, AIS)、雷达、磁探仪等)给出的目标信息进行信息融合, 对威胁目标进行评估, 排除非威胁目标, 提高警戒效率。

针对单平台的多源信息融合, 主要处理流程包括多源信息预处理、目标航迹关联、关联信息融合三部分。已有处理手段存在以下问题: 预处理环节针对多源信息的异类、稀疏性、粒度等因素缺乏有效的数据整理及管理手段; 目标航迹关联所需的频谱特征信息量大, 无法满足实时传输的工程应用条件[7]; 目前已有的基于灰色理论的目标航迹关联技术不能区分2个运动趋势相似但方位相距较远的目标[8-9]; 威胁目标判别的先验概率不确定, 无法在概率论框架内进行融合处理[10-11]等。针对上述问题, 文中提出一种基于多源信息融合的声呐目标非威胁度评估方法, 针对低频声呐目标威胁度评估的需求, 计算低频声呐目标与AIS、高频声呐目标的关联程度, 排除非威胁目标, 形成一套基于多源信息融合的声呐目标非威胁度评估方法。

1 基于信息融合的声呐目标非威胁度评估

具有低频能量特征的声呐目标是水下探测的主要目标之一。文中以低频声呐基阵检测输出的低频声呐目标作为威胁目标的排除对象, 结合高频阵、非声传感器等输出的目标信息, 提出基于多源信息融合的声呐目标非威胁度评估方法, 进行多源信息融合, 评估低频声呐目标的威胁度。该方法处理流程如图1所示, 输入信息包括艏端阵、舷侧阵、拖曳阵等声学传感器信息以及雷达、AIS、磁探仪等非声传感器信息, 经过信息预处理、目标关联及信息融合等处理, 最后进行威胁度评估, 给出目标非威胁度。

图中, 信息预处理主要针对异类信息、不同粒度信息及不完整信息进行预处理。如AIS给出的目标有些处于无动力漂浮状态, 无法被声呐所探测, 因而需在关联前对AIS目标进行筛选, 比如剔除船速低且船艏向杂乱无序的目标。目标关联模块主要基于目标方位信息, 如果将目标频谱特征信息引入关联模块, 大容量的信息传输与处理均不适用于工程应用, 因此, 纯方位关联仍是目前主流方位关联方法。文中以低频阵输出目标作为声呐主要威胁目标, 使用改进的目标航迹灰色关联分析技术, 将高频阵目标、AIS目标等与之进行基于方位的目标关联, 最后将关联结果作为多源信息输入信息融合模块, 开展基于Dempster-Shafer(D-S)证据理论的多源信息融合, 评估低频声呐目标的非威胁度, 以达到排除非威胁目标, 提高警戒效率的目的。

2 改进的目标航迹灰色关联分析技术

3 基于D-S证据理论的多源信息融合技术

在AIS中找到对应相关联的低频声呐目标很可能是非威胁水面目标, 并可通过目标的关联度大致给出非威胁目标的概率。比如当目标关联度是1时, 可判断为非威胁目标的概率也设置为1。但没有得到关联或者关联度为0的低频目标, 判断为非威胁目标的概率并不等于0, 也不能简单设置为0.5或其他某一参数。这类无法给出先验概率的不确定性估计问题无法在概率论框架内进行处理。针对这一问题, 文中使用证据理论进行非威胁度评估。证据理论是对概率论的进一步扩充, 能够将假设的先验概率空间映射到基于观测的假设后验概率空间, 克服绝大多数估计理论中需要先验知识这一不利因素, 并利用D-S合成公式进行多源信息融合, 得到更加准确的估计值。

利用D-S合成公式得到

从式(7)可得, 当其中任意一个证据以可信度1判定目标为非威胁目标时, 融合后依然以可信度1判定该目标为非威胁目标。但上述信息缺乏判定声呐目标为威胁目标的直接证据, 因而在没有更多信息源的情况下, 无法直接给出目标威胁程度的BPA函数, 但可以将非威胁程度进行倒序排列, 得到低频声呐目标的威胁程度排序。

4 试验验证

利用某次海试数据验证所提声呐目标非威胁度评估方法, 试验时长1 h, 多源输入信息包括低频阵、高频阵的空间能量谱以及AIS的目标信息。首先对AIS目标信息进行预处理, 得到最终有效的目标数据如图2所示。

图2 自动识别系统预处理所得目标航迹

图中, 横轴为相对本船方位(与声呐输出同一方位坐标系)。通过对低频阵和高频阵的输出空间能量谱进行目标跟踪, 得到各自的目标航迹, 如图3(a)、(b)所示。其中低频阵目标12个, 高频阵目标5个(包括本平台拖船噪声)。

以低频9#目标与高频目标的关联为列, 分析改进前后2种方法的关联结果, 如表1所示。可以看出, 低频9#目标与高频5#目标运动趋势一致, 但相距很远, 此时原方法关联度趋近于1, 而改进后的方法可以得到正确的关联结果。

表1 9#低频目标与高频目标的关联结果列表

利用改进的目标航迹灰色关联分析方法分别进行低频阵与高频阵的目标关联以及低频阵与AIS的目标关联。图4(a)、(b)分别给出了1#低频

阵目标与所有高频阵和AIS目标随时间变化的归一化关联度。可以看出, 低频阵的1#目标与AIS上的4#目标以及高频阵上的5#目标强关联。

最后利用基于D-S证据理论的多源信息融合技术得到目标非威胁度BPA值如表2所示, 可以排除4个非威胁度接近1的目标(5#、7#、9#、10#), 如果对所有的低频目标按照威胁度进行排列, 则3#、4#、6#、11#、12#目标排在前列, 因而后续目标识别可以主要针对这5个目标, 实际上海试中的12#目标为威胁目标的模拟声源, 是主要威胁目标之一。所以通过基于多源信息融合的声呐目标非威胁度评估排除了非威胁目标, 提高了警戒效率。

表2 非威胁度列表

5 结束语

以低频声呐基阵检测输出的低频声呐目标作为威胁目标的排除对象, 结合高频阵、非声传感器等输出的目标信息, 提出一种基于多源信息融合的声呐目标非威胁度评估方法, 改进了基于灰色关联分析的目标航迹关联算法。该方法可区分2个航迹变化趋势一致但相距较远的不同目标。利用基于D-S证据理论的多源信息融合方法, 给出了非威胁目标可信度, 并利用低频阵、高频阵、AIS等多源信息的海试数据验证了文中所提方法, 其中海试数据处理暂未考虑处理过程的实时性, 后续将根据实际工程需求进一步开展相关技术研究。

[1] 韩崇昭, 朱洪艳, 段战胜. 多源信息融合[M]. 北京: 清华大学出版社, 2010.

[2] 何友, 王国宏, 彭应宁, 等. 多传感器信息融合与应用[M]. 北京: 电子工业出版社, 2000.

[3] Raffaele G, Parastoo A, Hassan G, et al. Multi-sensor Fusion in Body Sensor Networks: State-of-the-art and Res- earch Challenges[J]. Information Fusion, 2017, 35: 68-80.

[4] Reda B, Didier C, Thanh-Long N, et al. Multi-sensor Inf- ormation Fusion: Combination of Fuzzy Systems and Evidence Theory Approaches in Color Recognition for the NAO Humanoid Robot[J]. Robotics and Autonomous Sy- stems, 2018, 100: 302-316.

[5] 孙伟, 葛轶洲, 原玉婷, 等. 分布式检测融合在被动声呐浮标中的应用[J]. 通信对抗, 2016, 35(3): 23-27.

Sun Wei, Ge Yi-zhou, Yuan Yu-ting, et al. Distributed De- tection Fusion Used on Passive SonoBuoy[J]. Communication Countermeasures, 2016, 35(3): 23-27.

[6] 吕琳. 未来反潜战中的多基地声呐作战[J]. 电子世界, 2018(4): 109-111.

[7] 王杰贵, 罗景青. 基于多目标多特征信息融合数据关联的无源跟踪方法[J]. 电子学报, 2004, 32(6): 1013-1016.

Wang Jie-gui, Luo Jing-qing. Passive Tracking Based on Data Association with Information Fusion of Multi-Fea- ture and Multi-Target[J]. Acta Electronica Sinica, 2004, 32(6): 1013-1016.

[8] 孙启臣, 郭伟震, 闫倩倩, 等. 一种基于灰关联分析的多目标跟踪算法[J], 鲁东大学学报, 2017, 33(1): 20- 25.

Sun Qi-chen, Guo Wei-zhen, Yan Qian-qian, et al. A Multi-target Tracking Algorithm Based on Grey Relational Analysis[J]. Ludong University Journal(Natural Science Edition), 2017, 33(1): 20-25.

[9] 孙伟, 尚金涛, 朱鲲. 一种新的多目标融合关联算法[J]. 声学与电子工程, 2016(3): 1-3.

[10] 康健, 李一兵, 林云, 等. 基于证据理论的联合概率数据关联算法[J]. 系统工程与电子技术, 2013, 35(8): 1620-1626.

Kang Jian, Li Yi-bing, Lin Yun, et al. Joint Probability Data Association Algorithm Based on Evidence Theory[J]. Systems Engineering and Electronics, 2013, 35(8): 1620- 1626.

[11] 薛昌友, 李东鑫, 马暄, 等. 基于D-S证据理论的潜艇多源信息融合系统[J]. 舰船电子工程, 2008, 28(11): 27- 30.

Xue Chang-you, Li Dong-xin, Ma Xuan, et al. Multi-Re- sources Data Fusion System of Submarine Based on D-S Evidential Reasoning[J]. Ship Electronic Engineering, 2008, 28 (11): 27-30.

Non-Threatening Degree Assessment Method of Sonar Targets Based on Multi-Source Information Fusion

ZHOU Bin, WANG Qing, QUAN Heng-heng

(1. Science and Technology on Sonar Laboratory, Hangzhou 310023, China; 2. Hangzhou Applied Acoustics Research Institute, Hangzhou 310023, China)

Multi-source information fusion can expand the detection range of a sonar system and improve the reliability and robustness of target recognition. To solve the problems of large transmission bandwidth, uncertain priori probability of target threatening degree discrimination, and inability to perform fusion processing within the framework of probability theory in the sonar target association using full spectrum feature information, a non-threatening degree assessment method for sonar targets based on multi-source information fusion is proposed in this paper. The method takes low- frequency sonar target as the exclusion of threatening target, combines the target information output from high-frequency array and non-acoustic sensor, and performs non-threatening degree assessment of low-frequency sonar target through multi-source information preprocessing, target track association, and association information fusion, so as to eliminate non-threatening targets and improve alert efficiency. For target track association, an improved gray association algorithm is proposed, which can distinguish two different targets with the same track change trend but far away from each other. In the absence of a priori probability of threatening target discrimination, a multi-source information fusion method based on Dempster-Shafer evidence theory is proposed to solve the problem that probability theory cannot be effectively applied to information fusion processing, and the credibility of non-threatening targets is given. The proposed method is verified by sea trial data of multi-source information, including low-frequency array data, high-frequency array data and automatic identification system(AIS) data.

sonar target detection; multi-source information fusion; non-threatening degree assessment method; grey association algorithm; Dempster-Shafer(D-S) evidence theory

TJ67; TB566

A

2096-3920(2018)05-0439-05

10.11993/j.issn.2096-3920.2018.05.010

2018-08-05;

2016-12-18.

中国科协青年人才托举工程第三届(2017~2019年度)项目资助(2017QNRC001).

周 彬(1986-), 男, 博士, 高级工程师, 主要研究方向为水声阵列信号处理技术.

周彬,王庆,权恒恒.基于多源信息融合的声呐目标非威胁度评估方法[J].水下无人系统学报,2018, 26(5): 439-443.

(责任编辑: 杨力军)