基于数据压缩的集中式多传感器广义相关算法

基于数据压缩的集中式多传感器广义相关算法 王海鹏，熊 伟，何 友 海军航空工程学院 信息融合技术研究所，烟台，264001 Email: armystudent@sohu.com

摘 要: 以解决集中式多传感器系统存储量易饱和的问题为目的，以对算法实时性和跟踪精度均有一定要求的实际场合为背景，该文提出了一种基于数据压缩的集中式多传感器广义相关算法，该算法获取各传感器与同一目标互联的点迹集合并将其压缩成一个等效量测，然后对各等效量测及剩余量测与各目标航迹生成互联事件，最后采用多传感器广义相关算法中得分函数的递推公式得出各互联事件得分并完成融合中心的状态更新；经仿真验证，该算法能够在密集杂波环境下对目标进行有效跟踪，综合性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和并行处理结构的集中式多传感器广义相关算法。 关键词: 集中式；数据压缩；广义相关；得分函数；存储量饱和 Centralized Multisensor General Association Algorithm

Based on Data Compress Technique

Wang Haipeng, Xiong Wei, He You Research Institute of Information Fusion, Naval Aeronautical and Astronautical University, Yantai, 264001,China; Email：armystudent@sohu.com

Abstract: Aim to solve the problem that the memory saturation of the centralized multi-sensor system is easy to reach, this paper

has proposed a new algorithm named centralized multi-sensor general association algorithm based on data compress technique against a background, which has a relative demand of real-time and tracking precision. In this algorithm, the measurement sets associated with the same target from each sensor are obtained and compressed into equivalents. A lot of association hypotheses are built with the equivalents, the remainder measurements and the track of each target. The score of every hypothesis could be obtained with the formula of the score function in multi-sensor general association algorithm, and the state estimation of the fusion center is gained finally. The simulation results show that this algorithm could track the targets effectively with the high density clutter and the general performance of this algorithm is better than that of sequential centralized multi-sensor joint probabilistic data association algorithm and parallel centralized multi-sensor general association algorithm. Keywords: centralized; data compress; general association; score function; memory saturation

集中式系统将各传感器的量测都直接传送到融合中心形成统一的系统航迹，因而有许多优点[1,2,3]。第一，所有数据在融合中心处理，建立的航迹更准确；第二，避免了关联和融合分布式多传感器各局部航迹时所遇到的困难；第三，易于采用联合概率数据互联等多目标跟踪技术。正是由于这些优点，使集中式结构在实际应用中成为一种重要的选择。然而随着战场环境的日益复杂，传感器收到的信息量增大，集中式 作者简介: 王海鹏（1985－）, 男，博士，海军航空工程学院博士研究生。主要研究方向：雷达组网技术、系统误差配准、多传感器多目标跟踪。 基金项目: 国家自然科学基金资助项目（61032001, 60801049） 系统必须传输大量的观测数据，计算负担重，易出现

系统饱和，生存能力和工程实用性相对较差。 在对算法实时性和跟踪精度均有一定要求的实际场合下，L.Y．Pao提出的并行处理结构的集中式多传感器联合概率数据互联(Centralized Multi-sensor JPDA ：CMS-JPDA)算法和顺序处理结构的CMS-JPDA算法[2,4]跟踪较高，但算法结构复杂、计算量大、存储量大，难以满足系统的实时性要求；其他经典的多传感器多目标跟踪算法，如多传感器广义S维分配算法[2,5]、多传感器多假设算法[1,6,7]存在同样的问题；文献[8]提出的基于概率最近邻域[9]思想的集中 2

式多传感器多目标跟踪算法实时性较好，但在杂波较密集时跟踪精度偏低，难以满足系统的跟踪精度要求；文献[10]提出的并行处理结构的集中式多传感器广义相关算法跟踪精度和实时性均能满足系统的要求，但该算法带有集中式系统的固有缺陷，当杂波密度较大时，系统易出现饱和，使算法无法继续实现。因此，有必要探索新的思路、研究新的算法，新算法需在满足系统跟踪精度和实时性要求的同时，能够降低系统需要处理的数据量，避免系统饱和。 为解决上述问题，本文结合数据压缩方法将广义相关(General Association：GA)算法[11,12]推广至集中式多传感器系统，提出了基于数据压缩的集中式多传感器广义相关(Centralized Multi-sensor GA：CMS-GA)算法。本文基于广义相关算法进行研究，是因为广义相关算法能很好的解决密集杂波环境下的多目标跟踪问题，且与其他多目标跟踪算法相比，其计算量较小；而结合数据压缩方法进行研究，是因为数据压缩可提高许多实际集中式系统的实时处理速度。所以本文所提算法在理论上能降低集中式系统出现饱和的几率，而且能使其在对算法实时性和跟踪精度均有一定要求的实际场合下广泛引用。论文安排如下：第一部分描述基于数据压缩的CMS-GA算法；第二部分仿真验证与分析；第三部分总结全文。

1 基于数据压缩的集中式多传感器广义相关算法

1.1数据的压缩 数据压缩[4]需对各传感器送来的量测数据进行可行性划分，这种划分有如下要求： (1) 每个传感器的量测都属于一个目标或虚警； (2) 每个传感器的量测只属于一个目标。 采用这种划分规则，可对各传感器量测进行组合，并把各组合中的对应于同一目标的多个量测压缩成一个等效量测，其步骤一般可分为坐标变换、点迹—点迹互联及点迹合并三步。设在k时刻sN个传感器落入目标t确认区域内的量测集合为

tNlltkk1*)}({)(~ZZ (1)

)(~1**)}({)(kmililtlkkzZ (2)

其中，tN为有量测落入目标t确认区域内的传感器个数；)(~kmtl为传感器l落入目标t确认区域内的量测数。若目标t确认区域内来自传感器m的第i个量测)(*kmiz和来自传感器n的第j个量测)(*knjz满足

0**|)()(|dkknjmizz (3)

则称两点迹互联，其中0d为关联波门；在多目标情况下，一个传感器的点迹可能与另一传感器的多个点迹互联，此时采用最近邻域法确定互联点迹。利用上述点迹—点迹互联方法可得出多组各传感器在k时刻对应于目标t的量测集合，设其中一组为

})(,,)(,)({)(2121kkkkttNNiiitzzzZ，然后利用

点迹合成方法计算等效量测点)(ktz如下： tllNllilitkRRk11

)()(zz (4)

其中lilR为落入目标t确认区域内的传感器l的第li

个量测)(klilz的量测误差协方差；R为等效量测)(ktz的量测误差协方差，且

111tlNlliRR (5)

1.2假设的形成 设)(ktZ为数据压缩后落入目标t确认区域内的量测集合，其由各个等效量测点及数据压缩后的剩余量测组成，量测个数为tkm。对各目标确认区域内的量测集合进行数据压缩，最后可得到所有目标数据压缩之后确认区域内的量测集合，记为

Tttkk1)}({)(ZZ，其中T为目标总数，量测个数

集合为Tttkkmm1}{。 定义量测集合：