多傳感器數(shù)據(jù)融合如何提高水聲精度

　　水下水聲環(huán)境具有復雜性和不確定性，導致單個傳感器接收到不完整和不可靠的信息。水下目標的定位精度不高，多傳感器關節(jié)定位的使用已成為一種趨勢，接下來小編簡單介紹一篇優(yōu)秀電子傳感器論文。

　　針對采用多傳感器數(shù)據(jù)融合提高水聲定位精度，提出了兩種數(shù)據(jù)融合的方法，優(yōu)化加權平均法和自適應加權平均法，當待融合數(shù)據(jù)為兩個時，通過理論分析得出了計算加權因子的公式。由數(shù)值仿真得到了兩種方法的融合精度，結果表明優(yōu)化加權平均法和自適應加權平均法都可以有效地改善定位精度，但是后者的效果明顯優(yōu)于前者。

　　0 引 言

　　隨著電子技術、信息處理技術的飛速發(fā)展，數(shù)據(jù)融合技術已廣泛應用于各種復雜領域，尤其在水下水聲目標探測識別方面是較早應用的領域。由于水下環(huán)境的復雜性和不確定性，造成了單個傳感器接收信息不僅不全面，而且不可靠，從而使得多個傳感器的聯(lián)合使用成為一個趨勢。多傳感器數(shù)據(jù)融合技術的基本原理就像人腦綜合處理信息一樣，充分利用多個傳感器資源，通過對傳感器及其觀測信息的合理支配和使用，把多傳感器在空間或時間上冗余或互補信息依據(jù)某種準則進行組合，以獲得被測對象的一致性解釋或描述 [1]�，F(xiàn)代艦艇往往配備多部主動聲吶和被動聲吶，搜集不同方位的目標信息或同一目標的不同特征信息，進而做出更精確的判斷。

　　本文采用多套水聲設備或同一套設備的不同工作方式(即多傳感器)來定位水下水聲目標，對測量結果進行數(shù)據(jù)融合，提高定位精度，從而獲得目標位置的更準確信息。

　　1 模糊理論

　　設要把n個冗余數(shù)據(jù)融合為一個數(shù)據(jù)。設原始數(shù)據(jù)為X1，X2，…，XM，它們是不同傳感器對同一物體的同一物理量進行測量得到的。Xj(j=1，2，…，M)均為隨機變量。水聲設備(四元超短基線陣)接收水下目標發(fā)送的聲信號，獲取時延信息t，c為水下聲速，根據(jù)空間幾何關系可以推導出水下目標的坐標值Xj直角坐標系中的坐標xj ，yj或zj)[3]，定位精度為坐標值的標準差σj。四元超短基線陣被動定位結構如圖1所示。

　　采用格拉斯準則剔除測量數(shù)據(jù)中疏失的數(shù)據(jù)值，步驟為：

　　(1) 由式(1)和式(2)計算各個水聲設備定位水下目標得到的位置數(shù)據(jù)值的均值和標準差：

　　[Xj=1ni=1nXji， i=1，2，???，n] (1)

　　[σj=1ni=1nXji-Xj2] (2)

　　(2) 由式(3)計算格拉斯統(tǒng)計量[4]：

　　[Tj=Xji-Xjσj] (3)

　　若滿足式(4)，則舍棄T對應的：

　　[Tj≥Tn，a] (4)

　　(3) 重復式(1)、式(2)和式(3)，直至所有的數(shù)據(jù)值都滿足格拉斯準則。

　　2 兩個數(shù)據(jù)的加權平均法融合

　　2.1 常規(guī)加權平均法

　　所有傳感器都可以在測量之前經(jīng)過仔細校準來消除系統(tǒng)誤差，于是Xj(j=1，2，…，M)都沒有系統(tǒng)誤差。設只有X1和X2被融合，它們均為隨機變量，X1是[-1，1]上的均勻分布，X2是[-h，h]上的均勻分布，令h≥1，設σ1和σ2為兩組數(shù)據(jù)的精度值，k為權重因子，0

　　[Y=kX1+1-kX2] (5)

　　這是獨立于上下文的定常(Context Independent Constant Behavior，CICB)融合算子，其融合參數(shù)不隨待融合數(shù)據(jù)的變化而變化。設σ3為融合數(shù)據(jù)Y的精度，則若σ3<σ1且σ3<σ2，就說明加權平均法有效改善了多套水聲設備的定位精度。

　　2.2 優(yōu)化加權平均法

　　現(xiàn)在來優(yōu)化常規(guī)的加權平均法，需要求出當k為何值時，該方法能達到最優(yōu)，也就是精度達到最高。這里通過最小化E|Y|來求k的值[5]，首先計算概率分布函數(shù)，然后計算，再令d(E|Y|)/dk=0，就能求出k的最優(yōu)值，結果如下：

　　[k=hh2+3] (6)

　　將式(6)代入式(5)，計算融合數(shù)據(jù)Y，再代入式(2)，求出融合精度σ3。

　　2.3 自適應加權平均法

　　經(jīng)過格拉斯統(tǒng)計量判據(jù)后，對得出的有效數(shù)據(jù)求取各組測量數(shù)據(jù)的估計值X0和估計標準差σ0，計算原數(shù)據(jù)值和估計值的均值之間的模糊貼近度，求出各組數(shù)據(jù)的相對權重，從而得出最優(yōu)加權因子：

　　[k0=1σ2jj=1M1σ2j] (7)

　　將式(7)代入式(5)，計算融合數(shù)據(jù)Y，再代入式(2)，求出融合精度σ4。

　　2.4 三個數(shù)據(jù)的加權平均融合

　　設只有X1，X2和X3被融合，它們均為隨機變量，X1是[-1，1]上的均勻分布，X2是[-h2，h2]上的均勻分布，X3是[-h3，h3]上的均勻分布，令h2≥1，h3≥1，設σ1，σ2和σ3分別為三組數(shù)據(jù)的精度值，k1和k2為權重因子，0　　[Y=k1X1+k2X2+1-k1-k2X3] (8)

　　事實上，大多數(shù)加權平均法都可以用式(7)來表示，簡單來說，就是先融合X1和X2，再將融合結果與X3進行融合，求取最終融合數(shù)據(jù)的精度值σ4。

　　3 算法仿真

　　在實際工程應用中，采用2臺水聲設備或1臺設備的不同工作方式對水下目標進行定位，可以在不同時間段內采集到多組數(shù)據(jù)，換算為目標的位置數(shù)據(jù)值x，首先通過提出的模糊理論剔除不滿足格拉斯準則的數(shù)據(jù)，再在兩套數(shù)據(jù)組中個選擇一個數(shù)據(jù)進行融合，得到融合精度。

　　這里的仿真過程采用Matlab函數(shù)unifrnd分別生成兩個數(shù)據(jù)X1和X2，各包含100個數(shù)據(jù)點，其中X1是[-1，1]上的均勻分布，X2是[-h，h]上的均勻分布，h≥1。

　　(1) 按照優(yōu)化加權平均法對兩個數(shù)據(jù)X1和X2進行融合，獲取優(yōu)化加權因子k和融合精度σ3。

　　(2) 按照自適應加權平均法對兩個數(shù)據(jù)X1和X2進行融合，獲取優(yōu)化加權因子k0和融合精度σ4。

　　(3) 計算兩個數(shù)據(jù)X1和X2各自的定位精度σ1和σ2，與融合后的數(shù)據(jù)精度σ3和σ4進行比較，如表1所示。

　　將獲取的精度值σ1，σ2，σ3和σ4用Matlab函數(shù)畫圖，如圖2所示。其中σ2變化趨勢較大，不在圖中顯示。

　　將圖2和表1結合可以看出，隨著σ2逐漸變大，σ3和σ4總小于σ1，σ3和σ4而且相差較小，這就說明優(yōu)化加權平均法和自適應加權平均法都可以有效改善定位精度，而且采用兩種方法對兩個數(shù)據(jù)進行融合后的結果區(qū)別不大。

　　(4) 用蒙特卡洛方法做10 000次兩個數(shù)據(jù)的融合，得到融合精度均值。由于函數(shù)unifrnd生成的數(shù)據(jù)X1和X2帶有隨機誤差，只做一次兩個數(shù)據(jù)的融合，不能充分說明優(yōu)化加權平均法和自適應加權平均法的細微差別，為了進一步明確兩種方法差異，這里采用蒙特卡洛方法做10 000次兩個數(shù)據(jù)的融合統(tǒng)計，求取融合精度的均值σ3′和σ4′，如表2所示。

　　將獲取的精度值σ3′和σ4′用Matlab函數(shù)畫圖，如圖3所示。

　　結合表2和圖3可以看出，應用優(yōu)化加權平均法和自適應加權平均法都可以有效改善定位精度，尤其是自適應加權平均法，它的效果比優(yōu)化加權平均法明顯更好一些。在今后的水下水聲定位的數(shù)據(jù)融合中，將多采用自適應加權平均法提高定位精度。

　　4 結 語

　　本文提出了優(yōu)化加權平均法和自適應加權平均法來優(yōu)化兩個精度不同的數(shù)據(jù)值，這兩個數(shù)據(jù)是均勻分布的，比較了兩種方法的融合結果，自適應加權平均法明顯更好一些。將來的工作把該方法推廣到水下水聲定位的實際工程應用中，在三個數(shù)據(jù)或多個數(shù)據(jù)的融合上可以做更多研究。

　　參考文獻

　　[1] 龔純.信息融合技術在軍事領域的應用與研究[J].艦船電子工程，2013，33(3)：29?30.

　　閱讀期刊：傳感器世界

　　《傳感器世界》(月刊)創(chuàng)刊于1995年，由科學技術部高技術研究發(fā)展中心主辦。是國家新聞出版署核準的公開發(fā)行的國家正式期刊，是國內傳感器行業(yè)的知名權威性期刊，在業(yè)內具有較高的知名度。我刊具有審讀周期短(1月以內)，刊發(fā)時間快(2-3月)、期刊發(fā)行量大等優(yōu)勢，是業(yè)內同行發(fā)表科技成果、學業(yè)及職稱學術論文的理想平臺。