趙 照,吳曉鋒

(閩南師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,福建 漳州 363000)

自20世紀(jì)70年代起,多傳感器信息融合技術(shù)迅速地發(fā)展起來(lái),并且在軍事和民生諸多領(lǐng)域得到廣泛應(yīng)用。根據(jù)被融合信息的屬性,文獻(xiàn)[1]將信息融合劃分為數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)融合。文獻(xiàn)[2]則將信息融合分為位置估計(jì)與目標(biāo)身份識(shí)別、態(tài)勢(shì)估計(jì)、威脅估計(jì)等三級(jí)。文獻(xiàn)[3]在此基礎(chǔ)上進(jìn)一步細(xì)分了信息融合功能模型,把信息融合劃分為檢測(cè)級(jí)融合、位置級(jí)融合、目標(biāo)識(shí)別級(jí)融合、態(tài)勢(shì)估計(jì)、威脅估計(jì)以及精細(xì)處理,由此對(duì)信息融合過(guò)程做了更清晰的劃分,為人們研究信息融合提供了便利。

在信息融合功能模型中,目標(biāo)識(shí)別級(jí)信息融合是指對(duì)來(lái)自多個(gè)傳感器的目標(biāo)身份識(shí)別信息進(jìn)行綜合,以得到對(duì)目標(biāo)身份的聯(lián)合估計(jì)[4]。這些目標(biāo)身份按照論域的不同,劃分也不同。比如空中的戰(zhàn)斗機(jī)、轟炸機(jī)、預(yù)警機(jī),海上的航母、驅(qū)逐艦、護(hù)衛(wèi)艦等。聯(lián)合估計(jì)的目的：一是得到高質(zhì)量的目標(biāo)識(shí)別結(jié)果,如更完整、精確的目標(biāo)身份估計(jì)[5];二是多個(gè)傳感器平臺(tái)之間達(dá)成一致的目標(biāo)身份判斷,這在自主執(zhí)行任務(wù)的多機(jī)器人、協(xié)同行動(dòng)的多作戰(zhàn)平臺(tái)等實(shí)際應(yīng)用中尤為重要[6-7]。且目標(biāo)識(shí)別級(jí)融合的傳感器是可以獨(dú)立識(shí)別出目標(biāo)可能的身份,比如有雷達(dá)、光電、聲吶等傳感器。

關(guān)于目標(biāo)識(shí)別的信息融合,目前有基于D-S證據(jù)理論[8-11]、基于DSmT方法[12-14]、基于貝葉斯準(zhǔn)則[15-16]、基于貝葉斯網(wǎng)絡(luò)[17]、基于模糊綜合方法[18-19]、基于Vague集方法[20,21]、基于粗糙集理論[22]、基于決策模板[23,24]、基于屬性測(cè)度[25-27]等算法。在這些融合方法中,各傳感器必須分別給出每個(gè)待識(shí)別目標(biāo)屬于每種身份類型的基本概率函數(shù)、先驗(yàn)概率和條件概率、模糊隸屬度、灰關(guān)聯(lián)度等,再采用一定的組合規(guī)則(如Dempster組合公式、貝葉斯公式等)或相似標(biāo)準(zhǔn)(如決策模板或?qū)傩詷?biāo)準(zhǔn)矩陣等),對(duì)獲得的多個(gè)目標(biāo)識(shí)別結(jié)果進(jìn)行融合和綜合判斷。

上述方法都是討論多傳感器的目標(biāo)識(shí)別信息集中到某個(gè)融合中心進(jìn)行信息融合,適合于基于融合中心的目標(biāo)識(shí)別信息融合結(jié)構(gòu)。與此不同,本文提出了一種多地并行融合的分布式目標(biāo)識(shí)別信息融合方法,由嵌入在每個(gè)傳感器的融合模塊通過(guò)接收鄰居的目標(biāo)識(shí)別信息并進(jìn)行融合,然后把融合的目標(biāo)識(shí)別信息傳遞給它的鄰居,繼續(xù)循環(huán)下一輪的融合過(guò)程,直至在各傳感器之間達(dá)到一致的目標(biāo)身份識(shí)別。

1 分布式目標(biāo)識(shí)別信息融合結(jié)構(gòu)與融合算法

1.1 分布式目標(biāo)識(shí)別信息融合方案

對(duì)于存在融合中心的信息融合來(lái)說(shuō),按照目標(biāo)身份識(shí)別的一般過(guò)程,可以產(chǎn)生三種不同融合結(jié)構(gòu):數(shù)據(jù)層融合、特征層融合和決策層融合。這里,以決策層融合結(jié)構(gòu)為例,給出基于融合中心的多傳感器目標(biāo)識(shí)別信息融合結(jié)構(gòu),如圖1所示,其中,每個(gè)傳感器的目標(biāo)處理過(guò)程類似于圖中所示的傳感器平臺(tái)i的目標(biāo)處理過(guò)程。

圖1 基于融合中心的多傳感器目標(biāo)識(shí)別信息融合結(jié)構(gòu)

基于融合中心的目標(biāo)識(shí)別信息融合結(jié)構(gòu)是與集中式指揮與控制相匹配的,它具有構(gòu)造簡(jiǎn)單、組織方便等優(yōu)點(diǎn),但存在隱蔽性差、生存能力脆弱、通信能力要求高、信息融合質(zhì)量易受干擾影響等弱點(diǎn)。

現(xiàn)在考慮一種多地并行融合的分布式目標(biāo)識(shí)別信息融合結(jié)構(gòu),在每個(gè)可獨(dú)立發(fā)現(xiàn)和識(shí)別目標(biāo)的傳感器上都配置兩個(gè)模塊:本地目標(biāo)識(shí)別模塊和本地融合模塊。在這里,每個(gè)傳感器只與它的通信范圍內(nèi)的部分傳感器(稱為“鄰居”)進(jìn)行目標(biāo)信息交換,如圖2所示。

分布式目標(biāo)識(shí)別信息融合結(jié)構(gòu)可以克服基于融合中心的目標(biāo)識(shí)別信息融合結(jié)構(gòu)的缺點(diǎn),并且具有拓?fù)浣Y(jié)構(gòu)簡(jiǎn)單、傳感器之間的通信距離可縮短等優(yōu)點(diǎn)。我們需要解決的問(wèn)題是:如何設(shè)計(jì)一種在每個(gè)傳感器運(yùn)行的融合算法,使得在一定的傳感器網(wǎng)絡(luò)拓?fù)湎?各傳感器得到一致的目標(biāo)身份信息。

圖2 多傳感器分布式目標(biāo)識(shí)別信息融合結(jié)構(gòu)

1.2 分布式融合算法模型

假設(shè)有N個(gè)分布在不同區(qū)域的傳感器Vi,i=1,2,…,N,傳感器集合記為V={V1,V2,…,VN}。不失一般性,考慮單目標(biāo)的身份識(shí)別問(wèn)題。假設(shè)目標(biāo)可能有M種身份,表示為B={b1,b2,…,bM},它亦稱為識(shí)別框架。

對(duì)于識(shí)別框架B,令2B={b1,b2,…,bM,{b1,b2},{b1,b3},…,{b1,bM},{b2,b3},…,{b2,bM},…,{b1,b2,…,bM}}為B的冪集(本文不考慮空集),即B的所有子集所構(gòu)成的集合。冪集2B表示目標(biāo)的所有身份可能(包括同時(shí)屬于多種身份)。

假設(shè)每個(gè)傳感器對(duì)目標(biāo)識(shí)別信息的融合過(guò)程可以劃分為序貫、一致有界的無(wú)限時(shí)域序列qk=[tk,tk+1],k=0,1,2,…,在每個(gè)時(shí)域qk內(nèi),每個(gè)傳感器與鄰居之間進(jìn)行一次信息交換,并且對(duì)來(lái)自鄰居的目標(biāo)識(shí)別信息進(jìn)行融合。

根據(jù)D-S組合原則,可以按如下公式求得融合后的目標(biāo)識(shí)別信息

?Qi,Qj∈2B,

(1)

其中,

?Qj∈2B。

(2)

如果上述Ki(k-1)=1,傳感器i在時(shí)域qk上將不能獲得融合結(jié)果{mi(Qi,k),Qi∈2B}。

根據(jù)算法(1)(2),傳感器i在給定時(shí)域qk內(nèi)的融合算法描述如下。

傳感器i的融合算法 1. k=0時(shí),傳感器i獲得初始目標(biāo)識(shí)別信息{mi(Qi,0),Qi∈2B},并將該組信息發(fā)送給所有接信鄰居j∈Nouti;2. 對(duì)接收到的送信鄰居傳遞來(lái)的目標(biāo)識(shí)別信息{mj(Qj,0),Qj∈2B,j∈Nini}與本地目標(biāo)識(shí)別信息{mi(Qi,0),Qi∈2B}進(jìn)行數(shù)據(jù)關(guān)聯(lián);3. 由算法(1)(2)得到目標(biāo)識(shí)別信息的更新?tīng)顟B(tài){mi(Qi,k+1),Qi∈2B};4. 發(fā)送更新后的狀態(tài){mi(Qi,k+1),Qi∈2B}給接信鄰居傳感器j∈Nouti;5. 如果對(duì)任意i,j∈V,有mi(bm,k+1)=mj(bm,k+1),m=1,2,…,M,則結(jié)束運(yùn)算,否則,返回到第3步。

2 仿真分析

假定傳感器網(wǎng)絡(luò)由6個(gè)傳感器組成,待識(shí)別的目標(biāo)有3種身份B={敵方,友方,中立方}。則B的冪集2B={敵方,友方,中立方,{敵方,友方},{敵方,中立方},{中立方,友方},{敵方，中立方，友方}}。

假設(shè)6個(gè)傳感器獲得的初始目標(biāo)識(shí)別信息分別為:

{m1(Q1,0),Q1∈2B}={0.1, 0.1, 0.4, 0.2, 0.05, 0.05, 0.1};

{m2(Q2,0),Q2∈2B}={0.2, 0.2, 0.2, 0.1, 0.1, 0.15, 0.05};

{m3(Q3,0),Q3∈2B}={0.1, 0.15, 0.2, 0.1, 0.15, 0.2, 0.1};

{m4(Q4,0),Q4∈2B}={0.15, 0.1, 0.25, 0.1, 0.1, 0.2, 0.1};

{m5(Q5,0),Q5∈2B}={0.3, 0.1, 0.1, 0.15, 0.15, 0.1, 0.1};

{m6(Q6,0),Q6∈2B}={0.1, 0.15, 0.15, 0.2, 0.1, 0.2, 0.1}。

可看出傳感器1～4的初始識(shí)別結(jié)果傾向于目標(biāo)為“中立方”。

傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)分別為鏈形、環(huán)形和有向樹(shù),如圖3所示。

圖3 三種傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

本文利用Matlab軟件對(duì)融合算法(1)(2)進(jìn)行計(jì)算,得到傳感器網(wǎng)絡(luò)在三種拓?fù)淝闆r下的分布式融合過(guò)程,分別如圖4～6所示。

圖4 傳感器網(wǎng)絡(luò)在鏈形情況下的分布式融合過(guò)程

從仿真中可以看出,對(duì)于鏈形和有向樹(shù)的傳感器網(wǎng)絡(luò),除了根傳感器1之外,其他各傳感器運(yùn)行融合算法(1)(2)可以達(dá)到一致融合結(jié)果{m(Q,∞),Q∈2B}={0, 0, 1, 0, 0, 0, 0},即識(shí)別目標(biāo)為“中立方”。對(duì)于環(huán)形傳感器網(wǎng)絡(luò),所有傳感器都可以達(dá)到上述一致融合結(jié)果。這表明,一致的融合結(jié)果傾向于各傳感器的多數(shù)共識(shí)的初始目標(biāo)識(shí)別意見(jiàn)。且易知隨著傳感器數(shù)量的增加,累計(jì)融合次數(shù)將會(huì)加大,算法耗時(shí)將增多。目標(biāo)數(shù)量在增多時(shí),根據(jù)D-S合成規(guī)則,目標(biāo)的所有身份可能會(huì)呈指數(shù)級(jí)增長(zhǎng),因此，會(huì)大幅降低融合算法的速度。

圖5 傳感器網(wǎng)絡(luò)在環(huán)形情況下的分布式融合過(guò)程

圖6 傳感器網(wǎng)絡(luò)在有向樹(shù)情況下的分布式融合過(guò)程

3 結(jié)束語(yǔ)

本文提出了一種多地并行融合、去中心化的傳感器網(wǎng)絡(luò)目標(biāo)識(shí)別信息融合方案,其中,每個(gè)傳感器只需要與鄰居傳感器交換目標(biāo)識(shí)別信息。我們基于D-S證據(jù)理論,設(shè)計(jì)了一種可用于上述分布式信息融合的融合算法。在一定的傳感器網(wǎng)絡(luò)拓?fù)淝闆r下,每個(gè)傳感器運(yùn)行該融合算法可達(dá)到一致的目標(biāo)識(shí)別信息融合結(jié)果。實(shí)例仿真結(jié)果驗(yàn)證了該融合算法的有效性。