李興紅，張聆玲，楊 琴

(1.成都理工大學(xué)工程技術(shù)學(xué)院，四川 成都614007；2.核工業(yè)西南物理研究院，四川 成都610000)

隨著電視監(jiān)視環(huán)境的復(fù)雜性不斷增強(qiáng)，測量系統(tǒng)面臨的困難也逐漸增多。 尤其是靶場中多飛行目標(biāo)會面對各種多傳感器的干擾及多飛行目標(biāo)本身在飛行過程中的交叉等干擾，使得傳感器獲取的圖像數(shù)據(jù)失去準(zhǔn)確度，無法判斷目標(biāo)擊中的正確性。 傳統(tǒng)的雷達(dá)、電視、紅外、可見光等測量方法無法適用當(dāng)前的多飛行目標(biāo)測量系統(tǒng)。 因此，系統(tǒng)通過多傳感器輸出的信息，克服各種干擾因素的影響，再通過編程設(shè)定行為準(zhǔn)則來確定飛行目標(biāo)的起點(diǎn)位置，在目標(biāo)整個飛行跟蹤測量系統(tǒng)中保持航跡穩(wěn)定。

1 提取目標(biāo)特征

在靶場飛行目標(biāo)跟蹤測控過程中，時常出現(xiàn)飛行目標(biāo)的信噪比很低的情況，這樣目標(biāo)會被噪聲淹沒而無法提取，因此系統(tǒng)首先利用雙正交小波的線性相位，緊支撐性，分解重構(gòu)時無相位失真等優(yōu)點(diǎn)提取飛行目標(biāo)的圖像特征，作為后續(xù)的目標(biāo)編排序號的基礎(chǔ)。

在靶場實(shí)驗(yàn)中以某10 位灰度級的空中圖像為研究對象，原始圖像圖1(a)中有兩個無法識別的弱小目標(biāo)，由圖中可知，圖像中的信噪比較低。 系統(tǒng)分別采用三種方法對目標(biāo)進(jìn)行特征提取，效果如圖1 所示。

圖1 利用不同檢測方法對目標(biāo)的特征提取效果

2 多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法

靶場中有多種類型的目標(biāo)，其中，如果監(jiān)測目標(biāo)只有一個，則目標(biāo)的相關(guān)波門內(nèi)只有一個點(diǎn)跡，這樣只需要考慮跟蹤問題即可，但如果監(jiān)測目標(biāo)是多個，那么就會有多個點(diǎn)跡落入單個目標(biāo)相關(guān)波門內(nèi)的情況，這樣就要考慮數(shù)據(jù)關(guān)聯(lián)的問題。 也就是說當(dāng)測量目標(biāo)出現(xiàn)后，系統(tǒng)在對目標(biāo)進(jìn)行自動識別建立序號的同時，也要在整個測量過程中保持該目標(biāo)的序號一直不變。 系統(tǒng)利用多參數(shù)的數(shù)據(jù)關(guān)聯(lián)方法對多個目標(biāo)狀態(tài)更新，以達(dá)到抑制多個目標(biāo)相互干擾的目的。

因此對于多目標(biāo)的跟蹤測量系統(tǒng)，首先要對新的飛行目標(biāo)進(jìn)行編排序號并且保持序號維持過程，系統(tǒng)對目標(biāo)序號的建立及保持采用如圖2 所示的判別準(zhǔn)則。

圖2 目標(biāo)序號的建立及保持的判別準(zhǔn)則

傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)算法很多，如概率數(shù)據(jù)關(guān)聯(lián)算法(PDA)、最近鄰域算法(NNDA)、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法(JPDA)等。 在傳統(tǒng)的算法當(dāng)中，最簡單的當(dāng)屬NNDA 算法，但只適用于在稀疏回波環(huán)境中跟蹤非動態(tài)目標(biāo)，PDA 算法是一種次優(yōu)濾波方法，對于雜波環(huán)境中單個目標(biāo)的跟蹤處理比較適合，JPDA算法類似于PDA 算法，兩者略有不同，JPDA 算法認(rèn)為所有的有效回波都可能源于每個特定目標(biāo)，但源于不同目標(biāo)的加權(quán)不同，因此，當(dāng)目標(biāo)和量測數(shù)目較多時，JPDA 算法的計算量會呈現(xiàn)組合爆炸現(xiàn)象，造成計算復(fù)雜。 為了避免上述算法的不足，系統(tǒng)將空間位置關(guān)聯(lián)度，亮度近似度等多參數(shù)數(shù)據(jù)關(guān)聯(lián)，根據(jù)不同目標(biāo)與確認(rèn)波門內(nèi)各觀測值的后驗(yàn)概率密度賦予不同觀測值的更新量不同加權(quán)值，從而不斷更新目標(biāo)狀態(tài)，計算量及準(zhǔn)確性有極大的提高。 其算法的實(shí)現(xiàn)過程概括如下:

(1)構(gòu)造確認(rèn)矩陣Ω＝[ωjt]

式中:t＝0，1，2，3 為目標(biāo)編號，j ＝1，2，3，4 為觀測值編號。

圖3 目標(biāo)確認(rèn)波門與觀測值的分布情況

(4)計算處于波門相交區(qū)域內(nèi)的觀測值j 分屬于每個目標(biāo)t 的修正概率

如果觀測值j 同時落在多個目標(biāo)波門內(nèi)，可以通過修正系數(shù)Kjt(式(4))降低該觀測值分屬于各個目標(biāo)的后驗(yàn)概率密度。 同時計算擁有公共觀測值的目標(biāo)各自關(guān)聯(lián)門內(nèi)的其他觀測值對Kjt的影響。影響因子gjt如式(5)定義:

式中:t ＝1，2，…，N，由于gjt的影響，因此需要對Kjt再次修正:

(5)當(dāng)一個目標(biāo)波門內(nèi)出現(xiàn)多個觀測值時，計算其各個觀測值與該目標(biāo)的空間位置關(guān)聯(lián)度，亮度近似度

將上述多參數(shù)數(shù)據(jù)關(guān)聯(lián)算法的步驟引入實(shí)驗(yàn)，系統(tǒng)通過實(shí)驗(yàn)，比較以上三種算法的飛行目標(biāo)跟蹤的準(zhǔn)確率。 通過對比，從而表明文中提出的多參數(shù)數(shù)據(jù)關(guān)聯(lián)算法的實(shí)用性。

3 實(shí)驗(yàn)結(jié)果

當(dāng)圖像的背景均方差MSE＜4.0 和在4.0 ～5.0之間兩種不同情況下的比較數(shù)據(jù)，如表1 和表2，其中兩種情況的實(shí)驗(yàn)次數(shù)各為200 次。

表1 背景MSE＜4.0，飛行目標(biāo)跟蹤的準(zhǔn)確率

表2 背景MSE 為4.0～5.0，飛行目標(biāo)跟蹤的準(zhǔn)確率

通過表1 和表2 可以發(fā)現(xiàn):對4 個飛行目標(biāo)進(jìn)行測量時，在背景MSE 較低時(＜4.0)，采用多參量數(shù)據(jù)關(guān)聯(lián)算法的目標(biāo)編號保持的準(zhǔn)確率相對于傳統(tǒng)的PDA 和JPDA 算法的目標(biāo)編號保持要高，準(zhǔn)確率為98.6%，完全滿足要求；在背景MSE 升高時(4.0 ～4.5)，圖像的分辨率降低，同樣4 個目標(biāo)測量，多參量數(shù)據(jù)關(guān)聯(lián)算法的準(zhǔn)確率為97.1%，也高于傳統(tǒng)的PDA 和JPDA 算法；而當(dāng)目標(biāo)數(shù)量增加時，無論何種情況何種算法，其準(zhǔn)確率均有所下降，但多參量數(shù)據(jù)關(guān)聯(lián)算仍是算法中準(zhǔn)確率最高的。

將上述過程通過程序?qū)懭氲揭訲MS320C6657為核心的DSP 控制系統(tǒng)中，并且對靶場中多目標(biāo)進(jìn)行測量，通過圖4 可以得到目標(biāo)序號建立后能夠保持直到序號離開視場。

圖4 多目標(biāo)序號在視場中的建立及保持

4 結(jié)論

系統(tǒng)對靶場中多飛行目標(biāo)進(jìn)行跟蹤測量，首先利用雙正交小波提取飛行目標(biāo)的圖像特征，再通過多參數(shù)的數(shù)據(jù)關(guān)聯(lián)方法對目標(biāo)進(jìn)行編寫序號及保持，通過實(shí)驗(yàn)可以看出，在目標(biāo)數(shù)量高達(dá)12 個時，即使背景的MSE 增加，圖像的分辨率降低，目標(biāo)保持的準(zhǔn)確率還可以達(dá)到91.8%，最后利用程序?qū)⑸鲜鲞^程下載到以TMS320C6657 為核心的DSP 控制系統(tǒng)中。 通過實(shí)驗(yàn)可以看出，上述過程完全可以達(dá)到多飛行目標(biāo)的跟蹤及序號保持，并且其準(zhǔn)確率較高，比傳統(tǒng)的PDA 算法提高23.29%。