文/王思思

容積卡爾曼濾波算法在船舶避碰中的應(yīng)用

文/王思思

利用船用導(dǎo)航雷達(dá)避碰時，來船的位置是否跟蹤準(zhǔn)確將直接影響駕駛員的避碰決策。由于雷達(dá)觀測模型都是非線性模型，因此傳統(tǒng)線性卡爾曼濾波器并不適用。因此采用非線性的平方根容積卡爾曼濾波器進(jìn)行跟蹤估計，并取得不錯的效果。

船舶導(dǎo)航雷達(dá) 容積卡爾曼濾波 避碰

2010年2月8日19時25分左右，長江張家港段福南水道54#浮下游附近發(fā)生一起重大船舶碰撞事故。天津籍的滿載石膏石下行的“鵬翔9”輪與揚州籍滿載煤炭上行的“金泰618”輪發(fā)生碰撞。碰撞致使“鵬翔9”輪沉沒，船上14人落水，僅2人獲救。由于船舶碰撞往往會造成水上人命、貨物和當(dāng)事船舶的嚴(yán)重?fù)p失，還會帶來巨大的環(huán)境污染。如何更有效的避免船舶碰撞一直都是作為航行安全領(lǐng)域的一門重要的課題來研究。早在上世紀(jì)五十年代，船舶上就通過安裝船舶導(dǎo)航雷達(dá)作為主要的避碰輔助手段。SOLAS公約更強制規(guī)定300總噸以上及全部的客船必須全部配備導(dǎo)航雷達(dá)。因此針對船舶導(dǎo)航雷達(dá)的避碰研究對于保證船舶的航行安全，避免碰撞事故的發(fā)生有著至關(guān)重要的作用。

1 導(dǎo)航雷達(dá)避碰的基本原理

船舶導(dǎo)航雷達(dá)利用電磁波在空氣中能夠勻速直線傳播，并具有良好反射特性等性質(zhì)來實現(xiàn)目標(biāo)船或礙航物的方位和距離測量。認(rèn)為本船相對靜止，首先得到目標(biāo)船在時刻t1的位置A的真方位φA和距離RA，經(jīng)過時間△t后，測得目標(biāo)船在時間t2的位置B的真方位φB和距離RB。通過A、B位置差計算，可以推算出目標(biāo)船的相對航向φr和相對航速vr。通過確定本船的目標(biāo)船的最近會遇點(the closest point of approach, CPA),可確定船舶避碰最重要的兩個避碰參數(shù)分別是最近會遇距離(the distance to CPA, DCPA)和到最近會遇點所需要的時間(The time to CPA,TCPA)。根據(jù)來船相對于本船的方位距離分別得到以上四個參數(shù)的向量形式觀測模型如式（1）所示。

船舶通過比較DCPA和TCPA與碰撞安全界限值之間的大小關(guān)系來判斷目標(biāo)和本船是否存在碰撞危險；如果存在碰撞危險，在時間上的緊迫程度。隨著船舶電子計算機(jī)技術(shù)快速的發(fā)展，這些工作都可以通過導(dǎo)航雷達(dá)的目標(biāo)跟蹤模塊來完成。而目標(biāo)跟蹤模塊核心技術(shù)之一就是目標(biāo)跟蹤濾波器。目前多采用線性卡爾曼濾波算法，而其是針對線性跟蹤模型設(shè)計的。對來船相對方位和相對距離的觀測顯然具有較強的非線性，采用普通卡爾曼濾波器無法直接加以跟蹤。為了克服這一局限性，充分考慮系統(tǒng)觀測模型的非線性，本文選擇近年來獲得廣泛關(guān)注的平方根容積卡爾曼濾波算法來進(jìn)行目標(biāo)跟蹤，從而獲得更為精確的來船船位，并通過獲得的船位計算來船的相對航向和航速，DCPA和TCPA，為駕駛員的避讓決策提供支持。

2 平方根容積卡爾曼濾波器

考慮離散動態(tài)隨機(jī)系統(tǒng)可用式描述：

其中xk∈□n，zk∈□m，f(·)和h(·)為給定的非線性轉(zhuǎn)移函數(shù)和量測函數(shù)，{vk-1}和{wk}分別為獨立的高斯過程和量測白噪聲噪聲序列，其中為離散時間下標(biāo)，其中□為自然數(shù)集合。

則平方根容積卡爾曼濾波(Square Root Cubature Kalman fi lter, SCKF)濾波算法由給定初始條件，時間更新和量測更新三部分組成。

（3）量測更新

3 基于SCKF算法的導(dǎo)航雷達(dá)跟蹤濾波

由于采用相對運動顯示模式，認(rèn)為本船相對靜止，所有目標(biāo)顯示的都是相對本船的方位和距離。因此在直角坐標(biāo)系下，假設(shè)本船雷達(dá)位于坐標(biāo)原點，目標(biāo)船在水平平面做勻速線性運動，系統(tǒng)方程描述如式（10）所示。

其中

根據(jù)本船所在的位置，分別取來船與相對于本船的距離R和方位φ，并組成向量形式的觀測模型（11）。

初始狀態(tài)和相應(yīng)協(xié)方差如式（13）所示。

圖1：SCKF算法跟蹤的船位RMSE誤差和航速RMSE誤差

由圖 1 可見，采用SCKF算法跟蹤來船，船位RMSE和速度RMSE均小于未使用CKF算法時觀測值與真實值之間的相應(yīng)誤差，所以使用SCKF算法能有效提高目標(biāo)的跟蹤精度。進(jìn)而提高后續(xù)計算所得的船舶避碰參數(shù)的精度。

4 結(jié)論

考慮到船舶導(dǎo)航雷達(dá)的非線性觀測模型，將非線性SCKF算法應(yīng)用于雷達(dá)目標(biāo)跟蹤。仿真試驗結(jié)果表明，SCKF能夠減小觀測誤差，跟蹤估計出更為準(zhǔn)確的船位數(shù)據(jù)，從而使船舶駕駛員能夠依據(jù)更為精確的避碰參數(shù)進(jìn)行避碰判斷。

[1]沈建云.利用雷達(dá)和電子海圖AIS的 BCR、BCT來避碰[J].航海,2015(02)：55-58.

[2]劉彤.航海儀器.下冊,船舶導(dǎo)航雷達(dá)[M].大連海事大學(xué)出版社,2013.

[3]Arasaratnam I,Haykin S.Cubature kalmanfilters[J]. IEEE Transactions on automatic control,2009,54(06)：1254-1269.

[4]Ge Q,Xu D,Wen C.Cubature information filters with correlated noises and their applications in decentralized fusion[J].Signal Processing,2014,94：434-444.

作者單位 廣東海洋大學(xué)航海學(xué)院 廣東省湛江市524025

王思思（1980-），女，湖北省黃石市人。博士學(xué)位?，F(xiàn)為廣東省湛江市廣東海洋大學(xué)航海學(xué)院講師。研究方向為雷達(dá)信息處理、統(tǒng)計信息處理。