田斌鵬，劉麗麗

(1.中國西南電子技術(shù)研究所，成都610036;2.解放軍61660 部隊，南京210001)

1 引 言

數(shù)據(jù)鏈的數(shù)據(jù)交互以周期性信息為主要數(shù)據(jù)，包括平臺自身和目標數(shù)據(jù)通過周期性的播報形成戰(zhàn)場態(tài)勢信息。美軍Link 16 從集中式處理發(fā)展到分布式航跡處理，各個節(jié)點需要完成各種數(shù)據(jù)的交互。為了保證同一時刻各成員獲取的目標和平臺信息的一致性，同時在同一時刻保證同一航跡在同一時間點只有一個擔(dān)任報告職責(zé)的成員通報，因此需要將具有報告職責(zé)的節(jié)點通過對數(shù)據(jù)鏈中遠端航跡與本地航跡數(shù)據(jù)進行關(guān)聯(lián)、融合，使其可有效地形成有效航跡。航跡要與網(wǎng)內(nèi)其他所有航跡作比較，當(dāng)遠端航跡和本地航跡的相關(guān)性比較差時，可能導(dǎo)致目標的報告存在誤差，甚至出現(xiàn)網(wǎng)內(nèi)不同的報告職責(zé)單元在同一時間對同一目標重復(fù)播報。因此，為了提高航跡的相關(guān)、改善融合結(jié)果，必須首先對各個報告職責(zé)單元的航跡進行校正，修正系統(tǒng)誤差，有效提高誤差水平，做到航跡不丟、不重、不亂、最佳［1］。

為了達到上述報告職責(zé)單元航跡高質(zhì)量的融合，形成有效的數(shù)據(jù)，首先必須進行時間對準，否則，未對準的數(shù)據(jù)可能導(dǎo)致比單獨使用任何一個平臺報告數(shù)據(jù)都還差［2］。同時，為了能最大限度地提高多平臺數(shù)據(jù)融合的優(yōu)勢，對各個平臺報告時間進行時間對準是必不可少的。

多平臺信息融合中的時間對準問題是數(shù)據(jù)鏈系統(tǒng)數(shù)據(jù)融合問題的關(guān)鍵技術(shù)之一［3］。該處理對數(shù)據(jù)實時性和相關(guān)性提高具有重要作用，對數(shù)據(jù)間存在的時差需要根據(jù)具體情況進行內(nèi)插或者外推時間操作，實時校正系統(tǒng)間存在的實際誤差，通過對各個節(jié)點報送信息的時間及導(dǎo)航信息的考察，有效地實現(xiàn)多節(jié)點信息節(jié)點數(shù)據(jù)對準，以對目標的觀測建立實時有效目標航跡。

時間對準算法［4－6］的研究主流是處理多節(jié)點關(guān)聯(lián)的基礎(chǔ)工作，解決多節(jié)點時間不同步問題主要有基于統(tǒng)一時基的處理方法和基于插值的統(tǒng)一時間處理法。第一類算法的靈活性和對環(huán)境的適應(yīng)性較差，無法滿足系統(tǒng)偏差不固定情形;第二類算法的魯棒性較差，當(dāng)系統(tǒng)達到穩(wěn)態(tài)時，增益趨于極值，將喪失對突變狀態(tài)的跟蹤能力，而且對初值的依賴性較大，可能存在發(fā)散等問題。最早的對準思想是，針對不同節(jié)點存在的差異，假設(shè)各節(jié)點均勻采樣，利用采樣周期之比，通過平滑算法，將各節(jié)點統(tǒng)一對準到統(tǒng)一時間上。針對移動平臺，Dela 等［7］同時考慮了節(jié)點量測偏差和平臺姿態(tài)偏差，他們首先在沒有姿態(tài)偏差的假設(shè)前提下消除量測偏差，然后再消除姿態(tài)偏差，這種處理方式忽略了兩種不同偏差之間的耦合關(guān)系，未考慮其時間的一致性和時間采樣的不均勻性。

本文通過分析時間對準的原理，結(jié)合分布式數(shù)據(jù)鏈系統(tǒng)的特點，建立了時間對準模型，通過分析目標的典型運動，分析目標的對準結(jié)果，有效完成了分布式數(shù)據(jù)鏈系統(tǒng)時間統(tǒng)一。

2 基于定周期自適應(yīng)的時間對準

2.1 數(shù)據(jù)鏈時間對準模型

分布式數(shù)據(jù)鏈采用無中心報告，數(shù)據(jù)鏈系統(tǒng)中各個平臺節(jié)點對目標的測量是相互獨立的，且采樣周期一般不同，另外再加上傳輸延遲以及無線網(wǎng)絡(luò)的可靠性因素，使各個平臺推送目標信息時的時間或具有報告職責(zé)的節(jié)點收到的目標信息是不同的(如圖1所示)，需要時間對準后才能進行融合處理。時間對準采用內(nèi)插、外推、擬合等算法對各節(jié)點平臺報告的觀測序列進行統(tǒng)一處理，使得各平臺能提供對同一目標同一時間的觀測數(shù)據(jù)。在多源數(shù)據(jù)處理中，融合處理的各平臺數(shù)據(jù)必須是同一時刻的，只有這樣才能保證同一時間網(wǎng)內(nèi)目標播報狀態(tài)是最新的，才能計算出目標的正確狀態(tài)。

圖1 節(jié)點a 和節(jié)點b 采樣時刻關(guān)系Fig.1 Sampling scale relation between node a and node b

假設(shè)數(shù)據(jù)鏈中有兩個融合節(jié)點，分別為節(jié)點1和節(jié)點2，這兩個節(jié)點的報告時隙分別為τ 和T，且兩者之比為整數(shù)，即τ/T =n。該假設(shè)是合理的，因為從目標探測到到發(fā)送出去，一般都是固定時隙加探測時間。

如果節(jié)點1 對目標狀態(tài)最近一次更新時間為(k－1)τ，下一次更新時間為k =［(k－1)τ +nT］;節(jié)點2 對目標狀態(tài)最近一次更新時間為(k－1)T，下一次更新時間為kT，這意味著在連續(xù)兩次目標狀態(tài)更新之間，節(jié)點2 有n 次測量值。于是可采用最小二乘規(guī)則，將這n 次測量值融合成一個虛擬的測量值，作為后一時刻節(jié)點2 的測量值，再和節(jié)點1 的測量值進行融合。用Zn=(z1，z2，…，zn)T表示(k－1)至k 后時刻節(jié)點2 的n 個測量值集合，與k 時刻節(jié)點1 測量同步，U=［z，］表示z1，z2，…zn融合以后的測量值及其導(dǎo)數(shù)，則節(jié)點2 的測量值zi可以表示成

式中，vi表示測量噪聲。將上式寫成向量形式為

式中，Vn=［v1，v2，…，vn］T，

則可以根據(jù)最小二乘法進行目標的定位。

2.2 定周期自適應(yīng)時間對準

分布式數(shù)據(jù)鏈系統(tǒng)的信息種類包括平臺狀態(tài)信息、自身位置信息、目標航跡信息等。由于以上信息的發(fā)送與探測時間、探測周期相關(guān)，不具備時間基準，而無中心的融合必須根據(jù)收到的信息進行時間統(tǒng)一。為了能及時處理、準確分發(fā)融合后的目標信息，本文采用定周期時間對準建立一種數(shù)據(jù)鏈信息自適應(yīng)對準模型，具體算法流程見圖2。

圖2 時間對準流程Fig.2 Time－alignment process

根據(jù)數(shù)據(jù)鏈的特點完成時間對準，由于不同的平臺和消息發(fā)送周期存在差異，假設(shè)平臺發(fā)送消息的周期分別為{T1，T2，…，Tn}，則在融合前將信息融合確定到統(tǒng)一時間點上。時間對準點為

根據(jù)時間周期對準的特點，特別是實際數(shù)據(jù)鏈存在的網(wǎng)絡(luò)環(huán)境，可能周期不是嚴格的規(guī)定的周期，為了計算方便和去除網(wǎng)絡(luò)的影響，則設(shè)定其對準時間點為消息標準制定發(fā)送的周期。

為了對數(shù)據(jù)進行精確計算，可以采用卡爾曼濾波完成目標精確的對準?？柭鼮V波相關(guān)知識不是本文研究的范圍，在此不再給出詳細的論述，具體可參見文獻［2－3］。通過卡爾曼濾波可有效地使各個不同傳感器數(shù)據(jù)都對準到同一時間點T 上，此時，通過坐標變化，假設(shè)其信息統(tǒng)一，則可以根據(jù)其報送的信息質(zhì)量完成其融合。

3 數(shù)值試驗

根據(jù)真值情況與測量誤差和濾波后誤差的數(shù)據(jù)進行對比分析，通過統(tǒng)計來有效完成該方法的測試。

3.1 試驗場景設(shè)置

在通用PC 機(主頻3 GHz、內(nèi)存2 GB)上利用Matlab2009 仿真軟件進行算法仿真，參數(shù)設(shè)置參照實際傳感器探測周期進行合理設(shè)置，與真實場景相比，目標數(shù)比實際要少，但是多次實驗表明，三目標對準與多目標對準算法上具有一致性，同時對真實3 類目標的運動行為進行考慮，因此設(shè)定場景如下:在空中數(shù)據(jù)鏈上，同時由于網(wǎng)絡(luò)原因可產(chǎn)生一定的延遲。假設(shè)有3 類目標被3 個平臺同時報告，模擬3 個目標在二維(X－Y)平面上做交叉運動，目標1做勻速直線運動，目標2 做勻加速直線運動，目標3做變速曲線運動(小轉(zhuǎn)彎機動)，三種運動方式基本上能夠代表典型的運動方式，目標的運動規(guī)律如圖3所示。假設(shè)初始時報告目標時間點一致，后續(xù)由于探測和數(shù)據(jù)鏈上時間的差距，假設(shè)N =3 有節(jié)點播報，播報的周期分別為1 s、2 s、3 s。

圖3 目標運動模擬Fig.3 Simulation of target movement

3.2 實驗結(jié)果分析

根據(jù)以上假設(shè)，可以確定本系統(tǒng)的設(shè)定周期為1 s，由于網(wǎng)絡(luò)原因和誤差的影響，每個時刻點播報都不可能是嚴格按照其周期進行播報，則需要對全部數(shù)據(jù)進行定周期外推。

為了說明本算法的有效性，本文對對準周期采用兩種算法進行對比，采用最小二乘法曲線擬合和本文的定周期自適應(yīng)卡爾曼濾波算法分別進行試驗。由于數(shù)據(jù)播報不是嚴格的定周期，則通過取整獲取理論周期。圖4和圖5是幾種不同算法對準后的效果圖。

圖4 時間對準結(jié)果Fig.4 Simulation result of time－alignment

圖5 局部放大圖Fig.5 Partial enlargement of simulation result

從圖4與圖5中可以看出，對于不同的運動，其誤差水平有所不同，對勻速直線運動而言，兩種算法性能上結(jié)果差別比較小，對于本文算法，在勻加速直線運動和曲線運動中，最小二乘曲線擬合算法的誤差明顯比本文算法要差。通過實驗可以看出，不同的時間對準都在一定程度上可以糾正其錯誤，本文的算法效果與其他算法相比有一定的提高。

4 結(jié)束語

本文通過建立固定周期時間對準策略，加入以報告質(zhì)量為融合權(quán)重的自適應(yīng)融合策略，為分布式數(shù)據(jù)鏈系統(tǒng)同一時刻對同一目標提供較為準確的觀測值提供了解決方案。實驗表明，本算法可以有效地完成時間對準操作，相對傳統(tǒng)算法有一定提高。

由于本文未考慮實際戰(zhàn)場環(huán)境中的敵方干擾和欺騙因素，因此仿真結(jié)果僅代表理想情況下的結(jié)果，下階段的主要工作是開展復(fù)雜戰(zhàn)場壞境下的數(shù)據(jù)鏈時間對準算法研究。

［1］ 何友，王國宏，關(guān)欣，等.信息融合理論及應(yīng)用［M］.北京:電子工業(yè)出版社，2010:102－557.HE You，WANG Guohong，GUAN Xin，et al. Information fusion theory and application［M］. Beijing:Publishing House of Electronics Industry，2010:102－557.(in Chinese)

［2］ Llinas J，Waltz E. Multisensor Data Fusion［M］. Norwood，Massachusetts:Artech House，1990.

［3］ 趙宗貴.信息融合技術(shù)現(xiàn)狀、概念與結(jié)構(gòu)模型［J］. 中國電子科學(xué)研究院學(xué)報，2006，1(4):305－312.ZHAO Zonggui. Current Status，Concept and Structure Model of Information Fusion Technology［J］. Journal of China Academy of Electronics and Information Technology，2006，1(4):305－312.(in Chinese)

［4］ 韓崇昭. 信息融合理論與應(yīng)用［J］. 中國基礎(chǔ)科學(xué)，2000(7):14－18.HAN Chongzhao. Information fusion theory and application［J］.Chinese Basic Science，2000(7):14－18.(in Chinese)

［5］ 段同樂，趙華敏，薄涌.基于模糊相似度的地面目標跟蹤算法研究［J］.無線電工程，2007，37(10):56－58.DUAN Tongle，ZHAO Huamin，BO Yong. Study on Algorithm for Ground Target Tracking Based on Fuzzy Similarity［J］.Radio Engineering of China，2007，37(10):56－58.(in Chinese)

［6］ Gao S S，Zhang J M，Zhou T.Large Numbers Law for Sample Mean of Random Weighting Estimate［J］.Information Sciences，2003(1):151－156.

［7］ Dela Cruz E J，Alouani A T，Rice T R，et al.On Multisensor Track Alignment［C］//Proceedings of the 31st IEEE Conference on Decision and Control. Tucson，AZ:IEEE，1992:3779－3800.