基于重采样的水下小目标多基地量测融合.pdfVIP

中国科学院声学研究所纪念建所50周年暨第五届学术交流会 基于重采样的水下小目标多基地量测融合 许枫纪永强杨娟宋宏健温涛 图像声纳技术实验室 摘要：针对干扰量测对水下小目标多基地量测融合的影响，根据多基地系统下干扰量测与日 标量测稳定性的差异，提出了用于水下小目标多基地量测融合的熏采样算法。通过重采样得 到的随机样本近似量测的后验概率分布，在抑Nd,概率随机样本的融合权重基础．卜进行量测 融合，最终得到多基地系统下的等效量测。利用该算法进行了水下小目标多基地探测实验的 数据处理。结果表明，基于重采样的量测融合算法可得到更准确的等效量测，为水下小目标 的融合跟踪提供可靠的数据。 关键词：水下小目标多基地系统量测融合重采样随机样本 1引言 利用多基地系统进行蛙人、水下机器人等小目标的融合跟踪，可提高跟踪的 连续性和鲁棒性，改善小目标跟踪性能。多基地系统融合跟踪主要包括集中式的 量测融合跟踪和分布式的航迹融合跟踪。分布式融合跟踪是在多基地各声纳节点 得到航迹的基础上，在融合中心进行航迹融合，该方法通信负荷小、计算复杂度 低。但蛙人、水下机器人的目标散射强度较弱，同时近浅海背景干扰复杂，通过 单一声纳节点，难以得到稳定连续的小目标量测。因此，在水下小目标的多基地 跟踪常采用集中式量测融合跟踪。 针对复杂背景下干扰量测对多基地量测融合跟踪的影响，Coraluppi等人提出 了极大似然．多假设跟踪(ML．MHT)算法，该算法首先根据量测特征信息，对多 基地系统得到的量测信息进行初步筛选，然后对筛选处理后的量测进行多基地系 统下目标状态的估计【l，2J。RAMONAGEORGESCU提出了多传感器下的量测预检 Hanusa 测融合算法，以降低虚假量测对多基地下目标状态估计的影fl向r3,4,5】。Evan 等根据目标量测的幅度、信噪比等特征信息，通过聚类处理确定目标的等效量测 【6，7，引。 基于多基地下水下小目标量测与干扰量测稳定性的差异【4J，本文通过量测重采 样的方法确定多基地系统下水下小目标的等效量测。水下小目标多基地探测实验 的数据结果表明，基于量测重采样的量测融合算法，得到了较高精度的等效量测， 为水下小目标的多基地融合跟踪提供更可靠的数据支持。 2基于重采样的量测融合算法 针对水下小目标多基地量测融合过程中，干扰量测对量测融合的影响，基于 蒙特卡罗思想和贝叶斯最优估计理论，通过量测重采样技术，得到近似量测后验 概率分布的随机样本，通过随机样本的多基地融合，最终得到多基地系统下水下 小目标的等效量测。由于多基地系统下目标量测具有比干扰量测更好的稳定性， 目标量测附近的随机样本的密度高于干扰量测附近的样本密度，进一步融合处理 后可得到精度更高的等效量测。 假设多基地系统的第k帧有效量测的集合为Zk=／zⅢ毛n，．一，毛¨…，zw忆}。其中， M表示多基地系统中声纳节点数目。M表示多基地系统中，第f个声纳节点得到 的量测数目。多基地系统的量测融合是根据多基地系统的量测Z。确定目标等效量 测z。的过程，如图1所示。多基地系统各声纳节点得到的有效量测经空间配准等 预处理后，得到多基地系统公共坐标系下的量测{z．}、k}、…、{zM}；经数据关 ．．84．． 水声学 联和重采样处理后得到符合量测后验概率分布的随机样本；最终对随机样本进行 加权处理，得到水下小目标的k时刻等效量测缸。 图1水下小目标多基地量测融合 量测重采样以贝叶斯估计为基础，利用重采样的随机样本表示量测后验概率 分布。贝叶斯估计将目标的状态估计转换为后验概率p(z。IZ。)的计算，进而通过一 定的估计准则得到目标状态的最优估计，而重采样算法用基于采样的统计方法来 描述整个空间中量测的后验概率分布，将复杂的积分问题转化为有限随机样本的 加权求和问题，如图2所示。 图2概率密度分布的重采样表示 设从后验概率