程玉寶， 蔣 斐， 倪家正

(脈沖功率激光技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(電子工程學(xué)院)，合肥 230037)

0 引言

自海灣戰(zhàn)爭(zhēng)以來(lái)，電視制導(dǎo)技術(shù)一直是精確制導(dǎo)技術(shù)中的焦點(diǎn)，但是，光電對(duì)抗技術(shù)的發(fā)展對(duì)電視制導(dǎo)技術(shù)構(gòu)成極大的威脅，尤其是激光散斑干擾［1］。目前，電視制導(dǎo)跟蹤系統(tǒng)執(zhí)行的跟蹤算法抗干擾研究主要體現(xiàn)在復(fù)雜的自然背景干擾，對(duì)抗激光散斑干擾的研究較少，文獻(xiàn)［2］基于FPGA實(shí)現(xiàn)的自適應(yīng)卡爾曼濾波算法對(duì)背景噪聲進(jìn)行了處理;文獻(xiàn)［3］基于DSP實(shí)現(xiàn)的相關(guān)匹配算法在自然背景下實(shí)時(shí)性良好。而對(duì)于抗干擾性較強(qiáng)的粒子濾波跟蹤算法，目前的研究還局限于計(jì)算機(jī)仿真階段。

本文針對(duì)粒子濾波跟蹤算法計(jì)算量大、難以進(jìn)行硬件實(shí)現(xiàn)的問(wèn)題，提出了基于“DSP+ARM”技術(shù)架構(gòu)的電視跟蹤仿真平臺(tái)。以基于達(dá)芬奇(DaVinci)技術(shù)的高集成度雙核架構(gòu)視頻芯片TMS320DM6446(簡(jiǎn)稱DM6446)為核心，設(shè)計(jì)了電視制導(dǎo)跟蹤仿真平臺(tái)，完成了粒子濾波跟蹤算法的硬件實(shí)現(xiàn)。

1 電視跟蹤仿真平臺(tái)設(shè)計(jì)

電視制導(dǎo)跟蹤平臺(tái)由攝像機(jī)、視頻編解碼器、存儲(chǔ)單元、圖像處理單元、視頻顯示模塊、控制單元以及伺服機(jī)構(gòu)組成，如圖1所示。

為了滿足實(shí)時(shí)性、穩(wěn)定性、智能化等性能要求，主控芯片選用了DM6446。該芯片是集成了可編程數(shù)字信號(hào)處理器(DSP)內(nèi)核以及ARM處理器內(nèi)核的片上系統(tǒng)(SoC):ARM作為主控器件，負(fù)責(zé)與外圍器件通訊，協(xié)調(diào)控制數(shù)據(jù)傳輸;DSP進(jìn)行數(shù)據(jù)處理。該方案結(jié)構(gòu)靈活，通用性強(qiáng)，適合模塊化設(shè)計(jì)，可以在不更改硬件的條件下改動(dòng)相應(yīng)ARM和DSP程序，從而滿足不同圖像源以及不同目標(biāo)特性的跟蹤要求;同時(shí)開(kāi)發(fā)周期較短，性價(jià)比高，增強(qiáng)了人機(jī)交互能力，為后續(xù)平臺(tái)升級(jí)和擴(kuò)展提供了前提。

圖1 電視跟蹤平臺(tái)原理框圖Fig.1 The schematic diagram of TV－tracking platform

2 粒子濾波跟蹤算法的硬件實(shí)現(xiàn)

2.1 裂變自舉例子濾波跟蹤算法

粒子濾波是一種基于蒙特卡羅仿真的近似貝葉斯濾波［4］，它通過(guò)非參數(shù)化的蒙特卡羅模擬實(shí)現(xiàn)遞推貝葉斯濾波，適用于任何能用狀態(tài)空間模型表示的非線性系統(tǒng)，精度可逼近最優(yōu)估計(jì)。粒子濾波跟蹤算法描述了一種魯棒的目標(biāo)跟蹤框架，粒子濾波中的粒子描述目標(biāo)狀態(tài)的各種可能點(diǎn)，而濾波是濾出目標(biāo)最有可能的狀態(tài)。

在初始幀中，每個(gè)粒子代表目標(biāo)的一個(gè)可能運(yùn)動(dòng)狀態(tài)，包括兩個(gè)參數(shù)系統(tǒng)狀態(tài)轉(zhuǎn)移時(shí)，粒子運(yùn)動(dòng)參數(shù)為

式中:A1、A2為常數(shù)，一般情況下取 A1=1，A2=1;B1、B2為粒子傳播半徑;wk－1為歸一化高斯噪聲量。

通過(guò)比較目標(biāo)模板和參考目標(biāo)的灰度分布，建立系統(tǒng)觀測(cè)模型。取最小平均絕對(duì)差值函數(shù)為衡量相似程度的工具，即對(duì)每個(gè)粒子計(jì)算一個(gè)相似值MAD。k時(shí)刻的后驗(yàn)概率，就是目標(biāo)跟蹤中所期望的目標(biāo)參數(shù)(xopt，yopt)采用加權(quán)準(zhǔn)則表示，即各粒子根據(jù)自身權(quán)值大小決定其在后驗(yàn)概率中所占的比例，如式(2)所示。

至此，一次跟蹤過(guò)程結(jié)束，下一時(shí)刻的跟蹤仍然從系統(tǒng)的狀態(tài)轉(zhuǎn)移步驟重新開(kāi)始［5］。

重采樣用于解決“粒子退化”問(wèn)題，淘汰小權(quán)重粒子，以權(quán)重大粒子衍生替代，并重新分配權(quán)重。裂變自舉粒子濾波(Fission Bootstrap Particle Filtering，F(xiàn)BPF)［6］在粒子濾波跟蹤算法的基礎(chǔ)上改進(jìn)了重采樣過(guò)程，引入了“權(quán)值排序—裂變繁殖—權(quán)值歸一”過(guò)程，簡(jiǎn)稱SFN預(yù)處理過(guò)程。SFN預(yù)處理的核心是對(duì)有樣本枯竭趨勢(shì)的粒子集中的高權(quán)值粒子進(jìn)行適當(dāng)?shù)念A(yù)平滑處理。由于對(duì)高權(quán)值粒子的權(quán)值進(jìn)行了重新分配，所以權(quán)值的方差減小，權(quán)值蛻化減弱，粒子集的多樣性增強(qiáng)，避免了原先的樣本枯竭問(wèn)題。

2.2 基于仿真平臺(tái)的粒子濾波跟蹤算法實(shí)現(xiàn)

裂變自舉粒子濾波的實(shí)現(xiàn)主要為系統(tǒng)初始化、狀態(tài)轉(zhuǎn)移、權(quán)重計(jì)算、權(quán)重歸一化、最優(yōu)估計(jì)輸出和重采樣6個(gè)步驟，流程如圖2所示。

圖2 改進(jìn)FBPF算法流程框圖Fig.2 The flow chart of the improved FBPF

在本文研究中，由于激光散斑干擾，選取灰度模板為目標(biāo)描述形式，用粒子加權(quán)和來(lái)表示目標(biāo)參數(shù)的估計(jì)值，粒子權(quán)值與相關(guān)值成比例。研究中選擇了目標(biāo)空間位置作為狀態(tài)變量，這樣既能滿足實(shí)際跟蹤需求，又能降低狀態(tài)空間模型的復(fù)雜度，大大減少運(yùn)算量。

設(shè)搜索區(qū)域?yàn)镸1×M2(搜索量)，則計(jì)算量比值

實(shí)際編程中，O 取 0.3 ～0.5［7］。

根據(jù)先驗(yàn)知識(shí)，可以獲得視場(chǎng)內(nèi)目標(biāo)速度V。V越大，目標(biāo)在連續(xù)兩幀圖像間的移動(dòng)范圍就越大，粒子傳播半徑B就應(yīng)越大。實(shí)驗(yàn)發(fā)現(xiàn)［7］，當(dāng)2V＜B＜3V時(shí)，可以得到較好的跟蹤結(jié)果。為了提高平臺(tái)的抗激光散斑干擾能力，同時(shí)兼顧硬件資源和計(jì)算能力，選擇B=2V。

根據(jù)系統(tǒng)預(yù)測(cè)方程，可以通過(guò)計(jì)算似然函數(shù)來(lái)獲取粒子權(quán)重。當(dāng)進(jìn)行重采樣后，權(quán)重被均衡化，常設(shè)為1/Ns，因此下一刻的權(quán)重及權(quán)重歸一化為

經(jīng)過(guò)對(duì)FBPF算法的反復(fù)研究發(fā)現(xiàn)，在整個(gè)FBPF算法流程中權(quán)重歸一化步驟僅僅用于計(jì)算目標(biāo)最優(yōu)估計(jì)和有效樣本容量，而SFN預(yù)處理、重采樣過(guò)程中也包含有權(quán)重歸一化計(jì)算。因此在程序編寫(xiě)時(shí)，將權(quán)重歸一化與其他步驟合并，從而減少大量除法運(yùn)算，降低開(kāi)銷。

重采樣過(guò)程主要包括權(quán)重銳化檢測(cè)和SFN預(yù)處理兩方面內(nèi)容。

在SFN預(yù)處理判斷時(shí)，權(quán)值銳化檢測(cè)的有效樣本容量Neff是歸一化權(quán)值平方和的倒數(shù)，需要Ns+1次除法運(yùn)算。因此，按照前面所述與權(quán)重歸一化合并，如式(6)所示。

可見(jiàn)，整個(gè)過(guò)程僅需1次除法運(yùn)算，從而省去了Ns次除法，運(yùn)算量大大降低。另外，預(yù)設(shè)門限Nth的選取，一般滿足Nth/Ns∈［0.3 0.8］。編程時(shí)根據(jù)實(shí)際需要折衷考慮，選用 0.6。

在權(quán)重排序過(guò)程中，粒子間依次進(jìn)行權(quán)重比較，權(quán)重大的粒子存儲(chǔ)在低地址，權(quán)重較小的存儲(chǔ)在較高地址，同時(shí)粒子的索引值也相應(yīng)交換。參照樣本容量選取一定數(shù)目的高權(quán)粒子，進(jìn)行裂變。根據(jù)索引值，對(duì)高地址的粒子(淘汰粒子)進(jìn)行權(quán)重和狀態(tài)量的覆蓋。最后經(jīng)權(quán)重歸一化后，SFN預(yù)處理結(jié)束，進(jìn)入新一輪粒子采樣。

2.3 基于仿真平臺(tái)的粒子濾波跟蹤算法優(yōu)化

2.3.1 設(shè)置編譯器選項(xiàng)

編譯器選項(xiàng)的設(shè)置不但控制編譯的過(guò)程，還能控制程序的運(yùn)行。CCS編譯器中提供了若干等級(jí)和種類的自動(dòng)優(yōu)化選項(xiàng)。因此在優(yōu)化時(shí)，根據(jù)實(shí)際要求，合適地選擇了編譯器選項(xiàng)，進(jìn)行源程序優(yōu)化，如表1所示。

表1 CCS編譯器優(yōu)化選項(xiàng)Table 1 The CCS compiler optimizing options

2.3.2 打包存儲(chǔ)器數(shù)據(jù)

對(duì)于FBPF跟蹤算法，粒子間的獨(dú)立性非常適合進(jìn)行打包數(shù)據(jù)操作。因此在編程時(shí)，結(jié)合DM6446的32位存儲(chǔ)結(jié)構(gòu)，采用了字對(duì)齊方式，對(duì)視頻存儲(chǔ)數(shù)據(jù)進(jìn)行打包處理，便于使用內(nèi)聯(lián)函數(shù)進(jìn)行字處理運(yùn)算。具體體現(xiàn)在粒子MAD值計(jì)算，通過(guò)數(shù)據(jù)打包，一條指令能夠處理4個(gè)像素的MAD值計(jì)算。

3 實(shí)驗(yàn)結(jié)果及分析

在當(dāng)前實(shí)驗(yàn)環(huán)境下，主要測(cè)試執(zhí)行性能，包括跟蹤時(shí)間和跟蹤精度兩個(gè)方面，主要驗(yàn)證平臺(tái)實(shí)時(shí)跟蹤能力。

3.1 測(cè)試跟蹤時(shí)間

實(shí)驗(yàn)測(cè)試時(shí)，對(duì)DSP端的粒子濾波跟蹤算法中主要耗時(shí)模塊進(jìn)行了時(shí)間測(cè)試。在27 MHz的參考時(shí)鐘下，倍頻使DSP端時(shí)鐘為459 MHz，ARM 端為229.5 MHz。根據(jù)實(shí)驗(yàn)場(chǎng)景，選取目標(biāo)模板24*24，粒子數(shù)32，對(duì)全場(chǎng)視頻數(shù)據(jù)Y分量進(jìn)行處理。統(tǒng)計(jì)時(shí)，對(duì)其中一幀圖像進(jìn)行跟蹤處理，統(tǒng)計(jì)粒子濾波跟蹤算法以及內(nèi)部主要函數(shù)的運(yùn)行時(shí)間，測(cè)試結(jié)果如表2所示。

表2 粒子濾波跟蹤算法執(zhí)行時(shí)間統(tǒng)計(jì)Table 2 The implementing time of particle filter tracking

Trace函數(shù)指的是從第二幀開(kāi)始運(yùn)行的粒子濾波跟蹤算法，該處統(tǒng)計(jì)的是某一次對(duì)第二幀圖像進(jìn)行粒子濾波跟蹤算法處理所需時(shí)間;Extract_module函數(shù)用于粒子提取對(duì)應(yīng)灰度區(qū)域，由于粒子數(shù)設(shè)為32，再加上初始模板提取，總共執(zhí)行33次;Sk_MAD函數(shù)是指粒子進(jìn)行MAD值計(jì)算，32個(gè)粒子需要進(jìn)行32次MAD值計(jì)算。

通過(guò)多次執(zhí)行運(yùn)算統(tǒng)計(jì)，得出運(yùn)行粒子濾波算法的平均時(shí)間為9～10 ms，遠(yuǎn)遠(yuǎn)小于幀采集時(shí)間40 ms?？梢钥闯觯倪M(jìn)后的粒子濾波算法在高性能仿真平臺(tái)上的執(zhí)行時(shí)間完全滿足幀處理要求，具有良好的實(shí)時(shí)性。

3.2 測(cè)試跟蹤精度

為了更好地分析硬件平臺(tái)上跟蹤算法的抗干擾性能，分別采用 0.095 mW、0.576 mW、1.390 mW和3.130 mW 4種不同功率的激光散斑干擾來(lái)對(duì)電視跟蹤仿真平臺(tái)進(jìn)行跟蹤精度測(cè)試。由于篇幅限制，只給出采用粒子濾波算法在1.390 mW和3.130 mW激光散斑干擾時(shí)的跟蹤結(jié)果，如圖3～圖4所示。

圖3 1.390 mW激光散斑干擾時(shí)仿真平臺(tái)跟蹤結(jié)果Fig.3 The simulation platform tracking result of 1.390 mW laser speckle jamming

從上面1.390 mW激光散斑干擾時(shí)的跟蹤結(jié)果來(lái)看，跟蹤波門自始至終都能鎖定目標(biāo)，保持了良好的跟蹤性能。

圖4 3.130 mW激光散斑干擾時(shí)仿真平臺(tái)跟蹤結(jié)果Fig.4 The simulation platform tracking result of 3.130 mW laser speckle jamming

當(dāng)激光干擾能量為3.130 mW時(shí)，散斑很快就覆蓋視場(chǎng)，到達(dá)近飽和狀態(tài)，跟蹤波門逐漸偏離目標(biāo)，出現(xiàn)了較大偏差，但跟蹤波門仍能滯留在目標(biāo)周圍，可見(jiàn)此時(shí)高權(quán)重粒子表現(xiàn)出了強(qiáng)健性。隨著攝像機(jī)繼續(xù)轉(zhuǎn)動(dòng)，散斑干擾逐漸減弱，波門將立即捕獲目標(biāo)。

由此可見(jiàn)，硬件實(shí)現(xiàn)的FBPF跟蹤算法在整個(gè)跟蹤誤差測(cè)試中表現(xiàn)出了粒子濾波算法的“多峰”特性，使得整個(gè)仿真平臺(tái)在面對(duì)激光散斑干擾時(shí)具有一定的抗干擾能力，能夠準(zhǔn)確跟蹤目標(biāo)。

4 結(jié)論

本文介紹了裂變自舉粒子濾波跟蹤算法的硬件實(shí)現(xiàn)，并提出了優(yōu)化方案。搭建的實(shí)驗(yàn)仿真平臺(tái)在激光散斑干擾情況下，能夠充分發(fā)揮粒子濾波跟蹤算法的優(yōu)越性，提高了電視制導(dǎo)技術(shù)的實(shí)時(shí)性和精確性。相信伴隨著數(shù)字信息處理技術(shù)的發(fā)展，電視制導(dǎo)技術(shù)的抗干擾性能將不斷完善。

［1］ 陶小紅，胡以華.電視制導(dǎo)武器激光軟殺傷關(guān)鍵技術(shù)［J］.火力與指揮控制，2008，3(33):77－79.

［2］ 江和平，李飚，沈振康.基于FPGA實(shí)現(xiàn)的自適應(yīng)卡爾曼濾波器的設(shè)計(jì)［J］.紅外與激光工程，2005，34(1):89－92.

［3］ 李國(guó)輝，李亞安，林關(guān)成.基于多片DSP的相關(guān)匹配算法的研究與實(shí)現(xiàn)［J］.彈箭與制導(dǎo)學(xué)報(bào)，2010，30(1):58－64.

［4］ BAR－SHALOM Y，LI X R.Estimation with applications to tracking and navigation［M］.New York:John Wiley ＆Sons，2001:179－192.

［5］ 楊德貴，張長(zhǎng)城，鄭濤.粒子濾波算法的性能分析與改進(jìn)［J］.電光與控制，2008，15(5):72－75.

［6］ 程水英，張劍云.裂變自舉粒子濾波［J］.電子學(xué)報(bào)，2008(3):500－503.

［7］ 姚劍敏.粒子濾波跟蹤方法研究［D］.長(zhǎng)春:中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，2004.