孟士超 唐正茂

（海軍駐431廠軍代表室1） 葫蘆島 125004）（武漢第二船舶設(shè)計(jì)研究院2） 武漢 430064）

1 引言

導(dǎo)航即引導(dǎo)運(yùn)載體航行，現(xiàn)代的導(dǎo)航設(shè)備除了這一任務(wù)以外，還要為運(yùn)載體上的其它系統(tǒng)如監(jiān)視、測(cè)量、武備等系統(tǒng)提供精確的位置、運(yùn)動(dòng)速度、載體姿態(tài)等導(dǎo)航信息，所以就有了各種導(dǎo)航儀器及系統(tǒng)，比如：推位系統(tǒng)、慣導(dǎo)系統(tǒng)、無(wú)線電導(dǎo)航系統(tǒng)、GPS系統(tǒng)、多普勒雷達(dá)導(dǎo)航系統(tǒng)等［1］。計(jì)算機(jī)技術(shù)與控制技術(shù)的結(jié)合應(yīng)用，使船舶導(dǎo)航由原來(lái)的單一導(dǎo)航發(fā)展到組合導(dǎo)航，我國(guó)有越來(lái)越多的船舶采用了組合導(dǎo)航系統(tǒng)INS（Integrated Navigation Sys-tem）。INS不僅可以將不同導(dǎo)航系統(tǒng)或設(shè)備聯(lián)合起來(lái)，自動(dòng)完成導(dǎo)航或其它特定的任務(wù)，而且由于采用了數(shù)據(jù)處理技術(shù)［2］，大大提高了導(dǎo)航信息的精度，這是組合導(dǎo)航系統(tǒng)的優(yōu)點(diǎn)。

由于在組合導(dǎo)航系統(tǒng)中采用了多種導(dǎo)航系統(tǒng)，因此會(huì)產(chǎn)生不同角度的船舶定位信息、姿態(tài)信息等，如何利用這些不同的定位信息實(shí)現(xiàn)船舶的精確導(dǎo)航，數(shù)據(jù)融合為這些信息進(jìn)行融合決策處理［3］、從而為現(xiàn)代船舶組合導(dǎo)航信息的應(yīng)用提供了有力的解決方法，為此，本文將主要探討數(shù)據(jù)融合在現(xiàn)代船舶組合導(dǎo)航中的應(yīng)用。

2 數(shù)據(jù)融合在船舶組合導(dǎo)航信息處理中的應(yīng)用

2.1 數(shù)據(jù)融合原理

數(shù)據(jù)融合是利用計(jì)算機(jī)技術(shù)對(duì)由若干傳感器獲得的時(shí)間和空間觀測(cè)信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和估計(jì)任務(wù)而進(jìn)行的信息處理過(guò)程，數(shù)據(jù)融合中心通過(guò)多傳感器獲取觀測(cè)對(duì)象的特征信號(hào)以提取征兆，并進(jìn)行多層面的關(guān)聯(lián)組合、數(shù)據(jù)選擇，從而獲得對(duì)觀測(cè)對(duì)象的各方面的信息更可靠的認(rèn)識(shí)和潛在的發(fā)展趨勢(shì)的態(tài)勢(shì)評(píng)估［4］。數(shù)據(jù)融合的目的是為了進(jìn)行數(shù)據(jù)判別，進(jìn)而獲得對(duì)觀測(cè)對(duì)象的識(shí)別、態(tài)勢(shì)評(píng)估，通過(guò)數(shù)據(jù)判別給出過(guò)程優(yōu)化決策結(jié)果，在信息融合和數(shù)據(jù)判別的過(guò)程中所用到的原始信息均來(lái)自于外界傳感器的輸入，由于傳感器都無(wú)法做到100%的可靠，因此，對(duì)多傳感器的信號(hào)的信息進(jìn)行融合和判別都是很有必要的［5］，而在信息融合和數(shù)據(jù)判別時(shí)采用不同的算法，直接影響到了最終對(duì)觀測(cè)對(duì)象態(tài)勢(shì)的評(píng)估結(jié)果。

圖1 數(shù)據(jù)融合原理示意圖

2.2 船舶導(dǎo)航數(shù)據(jù)融合的主要方法及存在問(wèn)題

數(shù)據(jù)融合方法研究的內(nèi)容是與數(shù)據(jù)融合有關(guān)的算法［6～9］，多傳感器融合的實(shí)質(zhì)是多源不確定性信息的處理，這是一個(gè)復(fù)雜的處理過(guò)程。如前所述，信息在系統(tǒng)中由下至上的處理過(guò)程中，信息的表示形式在不斷地變化；此外，信息的不確定性可以是隨機(jī)的、模糊的，可以有驗(yàn)前信息的形式，也可以是無(wú)驗(yàn)前信息的形式，針對(duì)不同的信息表示形式有不同的處理方法。

目前在船舶導(dǎo)航中經(jīng)常采用的融合算法主要有加權(quán)平均法、概率統(tǒng)計(jì)法、D-S推理、多貝葉斯法、模糊邏輯法、神經(jīng)網(wǎng)絡(luò)法和卡爾曼濾波法等。但是上述的數(shù)據(jù)融合方法在船舶導(dǎo)航信息的融合處理上也暴露出很多不足［10］。首先，由于船舶的導(dǎo)航信息多是不穩(wěn)定的隨機(jī)信號(hào)，而上述的數(shù)據(jù)融合方法只能對(duì)較為簡(jiǎn)單的傳感信息進(jìn)行融合，對(duì)于復(fù)雜的導(dǎo)航信息在數(shù)據(jù)融合上存在很大的不確定性；其次，在船舶導(dǎo)航系統(tǒng)中數(shù)據(jù)融合最為成功的是卡爾曼濾波，但隨著可供運(yùn)載體裝備的導(dǎo)航系統(tǒng)越來(lái)越多，非同類導(dǎo)航子系統(tǒng)的增加使量測(cè)信息增多，這對(duì)提高組合導(dǎo)航系統(tǒng)精度十分不利，如果繼續(xù)采用傳統(tǒng)的集中式卡爾曼濾波器實(shí)現(xiàn)組合，則會(huì)導(dǎo)致濾波計(jì)算量以濾波器維數(shù)的三次方劇增，無(wú)法滿足導(dǎo)航計(jì)算的實(shí)時(shí)性要求，不利于系統(tǒng)的實(shí)時(shí)運(yùn)行，為此逐漸發(fā)展了基于聯(lián)邦濾波器的組合導(dǎo)航系統(tǒng)，其中所采用的數(shù)據(jù)融合方法不但具有很高的導(dǎo)航精度，而且使組合導(dǎo)航系統(tǒng)具有很強(qiáng)的容錯(cuò)能力［1］。

另一方面，針對(duì)組合導(dǎo)航系統(tǒng)的信息融合問(wèn)題，目前的研究多集中在飛機(jī)及航天器上，而于艦船方面則少有資料，而且到目前為止，基本上還處于理論研究與仿真階段，實(shí)際系統(tǒng)中還較少用到聯(lián)邦濾波器，本文著力從實(shí)際應(yīng)用的角度出發(fā)，希望能將聯(lián)邦濾波器運(yùn)用到船舶組合導(dǎo)航系統(tǒng)中。

3 基于聯(lián)邦濾波器的船舶組合導(dǎo)航信息數(shù)據(jù)融合研究

3.1 聯(lián)邦濾波器的一般結(jié)構(gòu)

聯(lián)邦濾波器是一種兩級(jí)濾波結(jié)果，其結(jié)構(gòu)形式如圖2所示［3］。圖2中公共參考系統(tǒng)（一般選誤差具有慢變化和隨時(shí)間積累特性的系統(tǒng)，如船位推算和慣性導(dǎo)航系統(tǒng)）的輸出一方面直接給主濾波器，另一方面給各子濾波器（即局部濾波器，這里仍采用卡爾曼濾波算法，處理從子系統(tǒng)傳來(lái)的測(cè)量信息。子系統(tǒng)一般選誤差具有高頻特性但不隨時(shí)間變化的導(dǎo)航系統(tǒng)，如GPS、勞蘭C等）作為公共狀態(tài)變量值。各子濾波器的局部估計(jì)值（公共狀態(tài)）及其協(xié)方差陣Pi送入主濾波器和主濾波器的估計(jì)值一起進(jìn)行融合以得到全局最優(yōu)估計(jì)［3］。此外，從圖中還可以看到，由子濾波器與主濾波器合成的全局估計(jì)值及其相應(yīng)的協(xié)方差陣Pg被放大為βi－1·Pg（βi－1＜1）后再反饋到子濾波器（圖中用虛線表示），以重置子濾波器的估計(jì)值，即：

3.2 基于聯(lián)邦濾波器的傳感器本地?cái)?shù)據(jù)融合決策研究

圖2 聯(lián)邦濾波器一般結(jié)構(gòu)圖

融合中心的全局一位決策u0是基于向量集［R1，R2…，RN］的，中心的偵測(cè)及誤報(bào)概率分別為PD和PF，有PD＝p［u0＝1｜H1］，PF＝p［u0＝1｜H0］。

為衡量決策規(guī)則的性能，必須計(jì)算偵測(cè)與誤報(bào)概率，從而為基于傳感器可靠性的多傳感數(shù)據(jù)融合提供支撐。將決策向量集［R1，R2，…，RN］表示為向量Rk＝｛r1，1，r1，2，…，r2，2，…，ri，j，…，rN，b｝形式，去噪聲的基礎(chǔ)上執(zhí)行數(shù)據(jù)融合算法，有效的提升了導(dǎo)航信息的處理實(shí)時(shí)性，最終形成可信性較高的導(dǎo)航信息。

1）傳感器本地多次決策融合算法。由于單個(gè)傳感器檢測(cè)到的相關(guān)狀態(tài)參數(shù)并不能直接反映目標(biāo)的真實(shí)物理狀態(tài)，據(jù)其做出的判斷容易產(chǎn)生誤報(bào)，如果將多個(gè)傳感器重復(fù)檢測(cè)同一物理狀態(tài)參數(shù)，將所有傳感器所檢測(cè)到的全部信息，可以利用融合技術(shù)，對(duì)多個(gè)傳感器節(jié)點(diǎn)提供的局部不完整觀測(cè)量進(jìn)行數(shù)據(jù)融合，實(shí)現(xiàn)將傳感器的可靠性納入決策融合的范圍之內(nèi)，從而清除多傳感器之間可能存在的冗余和矛盾。

令H1表示傳感器存在故障，H0表示傳感器無(wú)故障，當(dāng)N個(gè)本地傳感器分別收到k個(gè)未經(jīng)處理的原始數(shù)據(jù)向量Xi＝［xi，1，xi，2，…，xi，k］，i＝1，2…N，xi，j∈｛0，1｝分別在本地作出一個(gè)b位（b≤k）的決策向量Ui＝［ui，1，ui，2，…，ui，b］，i＝1，2…N，ui，j∈｛0，1｝，則此時(shí)各本地傳感器節(jié)點(diǎn)的偵測(cè)正確的概率為Pd＝P［xi，j＝1｜H1］，1≤i≤N，1≤j≤k；誤報(bào)概率為Pf＝P［xi，j＝1｜H0］，1≤i≤N，1≤j≤k。

本地決策向量集［U1，U2…UN］傳輸?shù)饺诤现行?，由于傳感器都不是絕對(duì)理想的，存在一定程度的噪聲，因此決策中心接收到的向量集為［R1，R2，…，RN］，其中故Rk有2Nb－1種不同組合表示，以N＝2，b＝2為例，R3＝［0，0，1，1］。根據(jù)概率理論有：

由于p（｜R＝Rk，H1）與H1相互獨(dú)立，故有：

同理，決策中心的誤報(bào)概率為：

2）聯(lián)邦濾波器的數(shù)據(jù)融合容錯(cuò)性分析。所謂“容錯(cuò)”是指系統(tǒng)對(duì)故障的檢測(cè)能力、隔離能力和恢復(fù)能力［3］。在容錯(cuò)組合導(dǎo)航系統(tǒng)的設(shè)計(jì)中，一般聯(lián)邦濾波器在對(duì)傳感器的故障進(jìn)行監(jiān)測(cè)預(yù)報(bào)時(shí)，利用測(cè)量信息殘差：測(cè)量信息殘差可以較好的檢測(cè)和隔離某些傳感器的突變故障。因?yàn)椋踜／（k－1）］包含了以前的量測(cè)信息，當(dāng)系統(tǒng)無(wú)故障時(shí)，［k／（k－1）］＝［k／（k－1）］是對(duì)Z（k）的最好預(yù)報(bào)估計(jì)，所以r（k）應(yīng)當(dāng)很小，在理論上它應(yīng)為零均值的白噪聲。當(dāng)傳感器發(fā)生故障時(shí)，r（k）也會(huì)發(fā)生突變，根據(jù)它就可以檢測(cè)和隔離傳感器的故障。實(shí)際上，在實(shí)際的船舶導(dǎo)航信息應(yīng)用中來(lái)看，新息檢測(cè)對(duì)軟故障不是很有效的。這是因?yàn)檐浌收鲜侵饾u發(fā)展起來(lái)的，開始時(shí)故障不易顯露出來(lái)，而未被檢測(cè)出來(lái)的故障將污染［k／（k－1）］，即［k／（k－1）］跟蹤故障，減少Z（k）和［k／（k－1）］的差異，這時(shí)r（k）不會(huì)發(fā)生很大變化，因此故障檢測(cè)效果不好。

在本文中，由于在信息采集源頭端就進(jìn)行了傳感器信息可靠性的多次數(shù)據(jù)融合判別，子濾波器自身傳感器的誤差狀態(tài)估計(jì)是分開的，這樣傳感器的誤差狀態(tài)在子濾波周期內(nèi)不會(huì)受到其他傳感器的影響，只有在較長(zhǎng)時(shí)間的融合周期之后才會(huì)有影響；當(dāng)某一個(gè)傳感器的故障被檢測(cè)和隔離后，其它正常子濾波器的狀態(tài)估計(jì)仍然存在，于是利用這些正常子濾波器的狀態(tài)估計(jì)經(jīng)過(guò)簡(jiǎn)單的融合算法之后可得到系統(tǒng)的全局估計(jì)。系統(tǒng)重構(gòu)簡(jiǎn)單，同時(shí)故障恢復(fù)能力強(qiáng)；主濾波器可以使用一個(gè)比子濾波器更精確的系統(tǒng)模型，這樣導(dǎo)航系統(tǒng)的容錯(cuò)能力就提高了。因此在后向通道的聯(lián)邦濾波器中可以實(shí)現(xiàn)對(duì)系統(tǒng)故障的判別和預(yù)警預(yù)報(bào)，從而大大提高了整個(gè)組合導(dǎo)航信息的可信性及組合導(dǎo)航系統(tǒng)的可靠性。

4 結(jié)語(yǔ)

多傳感器信息融合判別算法已經(jīng)逐漸受到眾多學(xué)者專家的重視并逐步得到發(fā)展，本研究課題初步探討了船舶導(dǎo)航信息的數(shù)據(jù)融合，在考慮了傳感器失效和誤報(bào)的情況下，提出了傳感器本地多次決策的數(shù)據(jù)融合算法，以提高傳感器對(duì)導(dǎo)航信息采集的可靠性，并在此基礎(chǔ)上討論了聯(lián)邦濾波器在傳感數(shù)據(jù)融合的基礎(chǔ)上的容錯(cuò)性，對(duì)于船舶組合導(dǎo)航系統(tǒng)的信息處理研究具有一定的推廣和借鑒意義。

［1］袁信，余濟(jì)祥，陳哲.導(dǎo)航系統(tǒng)［M］.北京：航空工業(yè)出版社，1993

［2］張崇猛，陳超英，莊良杰，等.信息融合理論及其在INS／GPS／Doppler組合導(dǎo)航系統(tǒng)中的應(yīng)用［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，1999，7（3）：1～8

［3］李洪志.信息融合技術(shù)［M］.北京：國(guó)防工業(yè)出版社，2000

［4］朱澤君，黃濤，劉曦霞，等.多傳感器數(shù)據(jù)融合技術(shù)研究現(xiàn)狀及發(fā)展方向［J］.艦船電子工程，2009，29（2）：13～16

［5］陳世華，潘鴻飛，朱璐.組合導(dǎo)航信息融合技術(shù)研究［J］.國(guó)外電子測(cè)量技術(shù)，2007（2）：21～24

［6］鐘暐，左廷英.基于聯(lián)邦濾波的INS＿GPS組合導(dǎo)航系統(tǒng)數(shù)據(jù)融合研究［J］.江西理工大學(xué)學(xué)報(bào)，2009（10）：67～70

［7］趙凈凈，王艷東.組合導(dǎo)航系統(tǒng)NNM信息融合算法［J］.北京航空航天大學(xué)學(xué)報(bào)，2009（3）：292～295

［8］許麗佳，陳陽(yáng)舟.組合導(dǎo)航系統(tǒng)的模糊信息融合［J］.系統(tǒng)仿真學(xué)報(bào)，2005，17（1）：124～128

［9］Zhang Jing，Ji Zhihua，Tian Weifeng.A suboptimal Kalman filter with fading factors for DGPS／MEMS-1MU／magnetic compass integrated navigation［C］／／Proc of IEEE Ins Intelligent Transportation System.Shanghai，China.IEEE Press，2003，2：12～15

［10］劉宇宏，劉勃賢.數(shù)據(jù)融合技術(shù)在航海避碰決策支持系統(tǒng)中的應(yīng)用［J］.上海海運(yùn)學(xué)院學(xué)報(bào)，2000（4）：51～53.

［11］Zhou Ruixiang，Liu Tingqi，Han Jianding，et al.Fault Diagnosis of Air plane Hydraulic Pump［C］／／Proceedings of the 4th world congress on intelligent control and automation，2002，6：10～14