摘要：本文考慮了一類目標(biāo)運(yùn)動模型未知且多傳感器異步采樣情況下的移動目標(biāo)定位跟蹤問題，提出了一種僅依賴于測量信息的數(shù)據(jù)驅(qū)動目標(biāo)跟蹤定位方法。為了解決運(yùn)動模型未知的問題，依據(jù)測量模型及量測范圍設(shè)計分布式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)而基于神經(jīng)網(wǎng)絡(luò)建立量測數(shù)據(jù)至狀態(tài)變量的映射關(guān)系。在此基礎(chǔ)上，針對多速率多傳感器數(shù)據(jù)的異步問題，引入了一種基于上一量測更新時刻的數(shù)據(jù)補(bǔ)償策略，構(gòu)建以時間差為輸入特征的權(quán)值網(wǎng)絡(luò)模型，進(jìn)而提出一種利用迭代學(xué)習(xí)逼近真實(shí)目標(biāo)位置的目標(biāo)定位算法。最后，通過實(shí)驗(yàn)對所提出方法的優(yōu)越性和有效性進(jìn)行了驗(yàn)證。

　　關(guān)鍵詞：目標(biāo)跟蹤;多傳感器融合估計;神經(jīng)網(wǎng)絡(luò);多速率采樣;數(shù)據(jù)驅(qū)動

　　近年來，目標(biāo)跟蹤作為多傳感器融合技術(shù)的重要應(yīng)用，其不僅受到軍事和航空航天領(lǐng)域的關(guān)注，如空空導(dǎo)彈跟蹤、無源被動定位及機(jī)動目標(biāo)跟蹤等，而且在民用領(lǐng)域中也得到了很大的發(fā)展，如智能交通系統(tǒng)、應(yīng)急定位和移動基站定位等。隨著傳感器技術(shù)與計算機(jī)能力的快速發(fā)展，目標(biāo)跟蹤技術(shù)可通過各類傳感器采集運(yùn)動目標(biāo)的相關(guān)數(shù)據(jù)，進(jìn)而設(shè)計算法對數(shù)據(jù)進(jìn)行處理和優(yōu)化，以此得到目標(biāo)的實(shí)時位置。

　　傳統(tǒng)的定位方法中，有基于時間的到達(dá)時間TOA和到達(dá)時間差TDOA方法，基于角度的到達(dá)角度AOA方法，以及基于信號的接收信號強(qiáng)度RSSI定位方法;此外，仍存在一些基于濾波估計的定位方法10。值得注意的是，傳統(tǒng)的大多數(shù)跟蹤算法都依賴于目標(biāo)運(yùn)動模型，精確的目標(biāo)運(yùn)動模型結(jié)合精確的傳感器測量數(shù)據(jù)可以準(zhǔn)確獲得目標(biāo)的位置。然而，對于未知的移動目標(biāo)，其運(yùn)動模型很難準(zhǔn)確獲得。特別是在航空軍事領(lǐng)域中，針對未知機(jī)動目標(biāo)的定位跟蹤，難以通過運(yùn)動模型實(shí)現(xiàn)精確定位，但這類應(yīng)用卻又需要基于定位結(jié)果完成上層決策任務(wù)，只有定位精確才能保證判斷決策的準(zhǔn)確性13。

　　因此，本文將研究一種僅依賴于傳感器量測信息的目標(biāo)跟蹤定位方法。事實(shí)上，針對運(yùn)動模型可靠性對估計精度影響情況的研究中，文獻(xiàn)指出在運(yùn)動模型不精確情況下，濾波算法的估計精度比直接根據(jù)量測數(shù)據(jù)得到的定位精度更差。這表明雖然通過引入精確的目標(biāo)運(yùn)動模型執(zhí)行濾波算法可以提高估計精度，但若是不精確的模型反而會使估計精度下降。特別地，傳統(tǒng)卡爾曼濾波算法及其優(yōu)化改進(jìn)算法通過迭代計算的方式進(jìn)行狀態(tài)估計，若目標(biāo)的狀態(tài)模型存在誤差，那么誤差將會隨迭代過程不斷傳遞并且難以消除，使得估計誤差越來越大，從而進(jìn)一步造成估計精度降低。

　　因此，目標(biāo)運(yùn)動模型的引入并不能一定保證估計精度的提高，而且實(shí)際中精確的數(shù)學(xué)模型很難準(zhǔn)確獲得，從而導(dǎo)致基于運(yùn)動模型的算法在這種情況下并不可靠。為了克服這一缺陷，一些目標(biāo)跟蹤定位工作僅基于傳感器測量數(shù)據(jù)設(shè)計跟蹤算法。通常情況下，測量模型的建立較為簡單，且模型具體形式主要取決于傳感器的類型，因此模型中的參數(shù)也都能被準(zhǔn)確地獲取。

　　特別地，文獻(xiàn)20在不依賴于狀態(tài)模型的基礎(chǔ)上，分別使用極大似然估計和將測量數(shù)據(jù)投影至狀態(tài)空間的方式，由觀測數(shù)據(jù)直接進(jìn)行狀態(tài)估計，同樣能夠達(dá)到較高的估計精度。文獻(xiàn)則是將原有定位問題轉(zhuǎn)化為非線性最小二乘優(yōu)化問題，最后利用高斯牛頓優(yōu)化的方式求解定位結(jié)果。此類算法雖然不依賴運(yùn)動模型，但要求測量模型不能過于復(fù)雜，若涉及非線性模型便無法直接求解，僅能通過優(yōu)化算法解決，而優(yōu)化算法則會產(chǎn)生額外的計算復(fù)雜度，導(dǎo)致難以實(shí)際應(yīng)用。另一方面，基于單傳感器數(shù)據(jù)的跟蹤定位精度已不能滿足日益增長的實(shí)際需求，為了提高精度，利用多傳感器信息融合技術(shù)可以獲得更準(zhǔn)確的估計結(jié)果。

　　但無論是同構(gòu)或是異構(gòu)傳感器，在數(shù)據(jù)采集的過程中不可避免出現(xiàn)采樣異步的情況，進(jìn)而導(dǎo)致融合中心無法在同一時刻處理所有量測信息。為了解決這種多傳感器多速率系統(tǒng)的狀態(tài)估計問題，目前大多數(shù)研究方法主要分為兩類，一是基于多尺度系統(tǒng)理論，使用小波分解以及重構(gòu)的方式對僅有部分測量信息進(jìn)行估計或補(bǔ)充，從而完成融合估計算法;另一類則是對傳統(tǒng)濾波方法進(jìn)行改進(jìn)，如增強(qiáng)狀態(tài)提升方法，通過狀態(tài)增廣的方式處理多速率系統(tǒng)估計問題，但是這種方法需要在接收到所有傳感器采樣周期最小公倍數(shù)的時間間隔內(nèi)的量測信息再進(jìn)行狀態(tài)估計。此外，狀態(tài)迭代方法通過建立觀測采樣時刻和狀態(tài)更新時刻的狀態(tài)空間模型，然后設(shè)計相應(yīng)的狀態(tài)估計器。雖然避免了時間上的等待，但仍需要基于多傳感器多速率系統(tǒng)更復(fù)雜的狀態(tài)空間模型。

　　與此同時，在實(shí)際中針對特定目標(biāo)建立其運(yùn)動模型需要耗費(fèi)大量資源，并且難以保證模型的可靠性。因此，考慮到節(jié)約成本和傳感器能量，本文將研究僅基于量測信息的多速率采樣下的狀態(tài)估計問題，從而實(shí)現(xiàn)基于量測數(shù)據(jù)的目標(biāo)跟蹤定位方法。根據(jù)前文分析，本文針對運(yùn)動模型未知的目標(biāo)跟蹤問題，基于異步多速率量測信息，提出了一種基于學(xué)習(xí)策略的多速率融合定位方法。本文的主要創(chuàng)新點(diǎn)如下：

　　1)提出一種基于量測信息的目標(biāo)跟蹤定位方法，利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)量測數(shù)據(jù)至目標(biāo)位置狀態(tài)的映射關(guān)系，從而能夠直接依據(jù)量測信息實(shí)現(xiàn)精準(zhǔn)定位;2)針對多傳感器異步采樣問題，設(shè)計了一種量測信息補(bǔ)償策略，在傳感器量測缺失時刻將前次量測更新時的數(shù)據(jù)作為補(bǔ)償，并依據(jù)數(shù)據(jù)源時刻距缺失時刻的時間差大小評判補(bǔ)償數(shù)據(jù)可靠性，將時間差一同作為神經(jīng)網(wǎng)絡(luò)的輸入，從而實(shí)現(xiàn)基于多速率測量數(shù)據(jù)的移動目標(biāo)位置狀態(tài)估計;搭建目標(biāo)跟蹤定位平臺，通過實(shí)驗(yàn)對所提方法進(jìn)行驗(yàn)證，結(jié)果表明基于所提出的方法能夠較好地對移動目標(biāo)進(jìn)行實(shí)時跟蹤定位。

　　1問題描述

　　在研究目標(biāo)跟蹤定位問題時，傳統(tǒng)方法常考慮使用如下狀態(tài)空間模型來描述目標(biāo)的運(yùn)動軌跡，多由系統(tǒng)本身特性所產(chǎn)生。注意到，實(shí)際的運(yùn)動模型中大多存在非線性因素，而精確的模型參數(shù)難以獲得，使得依賴狀態(tài)空間模型的跟蹤定位算法效果變差甚至失效。因此，除了目標(biāo)本身的先驗(yàn)信息外，還需要通過傳感器采集目標(biāo)運(yùn)動過程中的相關(guān)數(shù)據(jù)，如通過雷達(dá)、紅外傳感器和圖像傳感器等獲取目標(biāo)方位角、距離或速度信息。假設(shè)在起始時刻三個傳感器均可采集數(shù)據(jù)，可以看出經(jīng)過一個采樣間隔后，只有基準(zhǔn)傳感器能夠采集數(shù)據(jù);再經(jīng)過一個基準(zhǔn)采樣間隔，在時刻傳感器一和二可得到測量數(shù)據(jù)。

　　這種情況下，測量數(shù)據(jù)的不完整可能導(dǎo)致較大的跟蹤誤差，若已知目標(biāo)的運(yùn)動模型，則可根據(jù)模型求解未知測量數(shù)據(jù)的預(yù)測值，然后將測量數(shù)據(jù)補(bǔ)充完整。但在未知運(yùn)動模型的條件下，無法依賴于模型完成對測量數(shù)據(jù)的補(bǔ)充，獲取目標(biāo)運(yùn)動信息的唯一來源便是殘缺的測量數(shù)據(jù)，從而使得跟蹤算法設(shè)計難度變得更大。為了解決跟蹤算法對目標(biāo)運(yùn)動模型的依賴，本文致力于研究如何根據(jù)量測信息獲取移動目標(biāo)的位置狀態(tài)估計;同時，針對采樣頻率不一致導(dǎo)致的測量數(shù)據(jù)缺失問題，基于學(xué)習(xí)策略挖掘多速率測量數(shù)據(jù)中的有效信息，實(shí)現(xiàn)對未知目標(biāo)的跟蹤和定位。

　　注1：傳統(tǒng)目標(biāo)跟蹤算法主要依賴于狀態(tài)模型，先根據(jù)狀態(tài)模型對狀態(tài)進(jìn)行預(yù)測得到預(yù)測狀態(tài)，之后再根據(jù)下一時刻的量測數(shù)據(jù)對預(yù)測值進(jìn)行修正，從而得到更接近實(shí)際狀態(tài)的結(jié)果。然而，未知移動目標(biāo)的精確狀態(tài)模型需要花費(fèi)大量的資源去獲取。同時，針對非合作目標(biāo)，目標(biāo)運(yùn)動模型更是一無所知，從而導(dǎo)致跟蹤難度驟升甚至無法跟蹤。與狀態(tài)模型不同，測量模型的獲取難度較小，且模型中的參數(shù)也可由傳感器獲取。因此本文擬基于量測信息研究移動目標(biāo)的跟蹤定位問題。

　　2主要結(jié)果

　　針對無運(yùn)動模型的目標(biāo)跟蹤問題時，移動目標(biāo)的相關(guān)信息可通過傳感器獲取，而若所用傳感器種類可以確定，則測量模型的具體形式便同樣可以確定。

　　3實(shí)驗(yàn)驗(yàn)證

　　為驗(yàn)證本文所提方法的可行性，本文在搭建的目標(biāo)跟蹤定位平臺上設(shè)計了基于多傳感器多速率量測數(shù)據(jù)的移動目標(biāo)定位實(shí)現(xiàn)。本實(shí)驗(yàn)使用五臺urtle機(jī)器人，其中四臺機(jī)器人的激光雷達(dá)被作為外部傳感器。與此同時，機(jī)器人搭載OS操作系統(tǒng)，可通過外部控制移動方向及速度大小。在移動過程中通過頂端高精度相機(jī)采集圖像，利用計算機(jī)視覺方法得到機(jī)器人的實(shí)時移動位置，以此作為移動目標(biāo)的實(shí)際參考位置。其次，通過仿真獲取所需的訓(xùn)練數(shù)據(jù)，設(shè)置與各個傳感器位置相對應(yīng)的測量范圍，主要是上下、左右四個邊界條件。

　　結(jié)論本文針對一類運(yùn)動模型未知且傳感器采樣頻率不一致情況下的移動目標(biāo)跟蹤問題，研究出一種基于學(xué)習(xí)策略的融合定位算法，其創(chuàng)新性體現(xiàn)于：

　　1)提出一種基于學(xué)習(xí)策略求解“觀測數(shù)據(jù)——狀態(tài)變量”映射關(guān)系的方法，拋棄了傳統(tǒng)濾波算法需要目標(biāo)先驗(yàn)?zāi)Ｐ托畔⒁阎�的假設(shè)，不再依賴于目標(biāo)運(yùn)動模型，而僅基于傳感器量測模型。2)為了解決多傳感器采樣頻率不一致的問題，考慮將時間差數(shù)據(jù)作為量測信息特征添加至神經(jīng)網(wǎng)絡(luò)模型的輸入，并設(shè)計了對應(yīng)的神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)，用于處理基于多速率測量數(shù)據(jù)的目標(biāo)定位問題。最后，搭建目標(biāo)跟蹤定位平臺，通過實(shí)驗(yàn)驗(yàn)證了本文所提算法的有效性和優(yōu)越性。

　　事實(shí)上，目標(biāo)定位跟蹤技術(shù)在航空航天領(lǐng)域發(fā)揮著重要作用，而本文所設(shè)計的算法可以為目標(biāo)跟蹤技術(shù)在航空航天領(lǐng)域的應(yīng)用提供一定理論基礎(chǔ)。例如，在航天器自主對接任務(wù)中，期間可以僅通過設(shè)備中多個傳感器的量測數(shù)據(jù)完成對目標(biāo)航天器的精確定位以及位姿估計;針對太空中殘留的失效衛(wèi)星和航天拋棄物等非合作目標(biāo)的回收抓捕任務(wù)，雖然此類目標(biāo)運(yùn)動參數(shù)信息存在不確定性甚至未知，但仍可以利用本文算法進(jìn)行目標(biāo)定位跟蹤。

　　[參考文獻(xiàn)]

　　OSHMAY,ARAD.nhncairtomissiletrackingusingargetorientationobservations[J].JournalofGuidanceControlandDynamics,200,27:596606

　　[2]張蛟刑士勇王建華.一種具有角速度量測的多站無源目標(biāo)跟蹤方法[J].兵工學(xué)報,2019,40):0714

　　HANGJ,XINSY,WANGJPassiveargetrackngofbservationtationswithngularelocityeasurement[J].ActaArmamentarii,2019,:10714(inChinese]

　　盧春光周中良劉宏強(qiáng)等.帶異步相關(guān)噪聲的戰(zhàn)斗機(jī)蛇形機(jī)動跟蹤算法[J].航空學(xué)報,20,):253266UC,ZHOU,LIU,etalAlgorithmfor ghtezigzagneuvertargettrackingwithcorrelatednoisesatoneepochapart[J].ActaAeronauticaETAstronauticaSinca,20,:25266(inChinese]

　　但雨芳馬慶祿.RFIDGPS和GIS技術(shù)集成在交通智能監(jiān)管系統(tǒng)中的應(yīng)用研究[J].計算機(jī)應(yīng)用研究,2009,2612):462830ANYF,LogistitransportationsystembasedonintegrationofRFID,GPSandGIStechnologJ].pplicationResearchofCoputers,2009,2612:4628630(inChinese]

　　甄杰吳建新劉紀(jì)平等.一種單基站高精度室內(nèi)應(yīng)急定位方法[J].武漢大學(xué)學(xué)報信息科學(xué)版2020,45):1146115

　　ZHENJWUX,LIU,etalAighccuracyositioningethodforingleasetationinndoormergencynvironment[J].omaticsandInformationScienceofWuhanUniversity,2020,45:114154(inhinese

　　作者：陳博，岳凱，王如生，胡明南