隨著現(xiàn)代武裝直升機作戰(zhàn)性能的不斷提高，其高機動性、高靈活性、全天候作戰(zhàn)和有效的攻擊火力，使之成為現(xiàn)代武器系統(tǒng)和地空聯(lián)合作戰(zhàn)中越來越重要的突擊力量。軍事雷達很難探測到超低空飛行的武裝直升機，且由于其向外輻射電磁波，易被敵方偵查并實施電子干擾。反直升機智能雷AHM(Anti-Helicopter Mine)正是在這種需求背景下提出來的武器系統(tǒng)概念，基本任務是自主探測、識別并攻擊敵方超低空飛行的直升機，其布防靈活、安全隱蔽、全天候作戰(zhàn)等特點，使之有效彌補了現(xiàn)有防空武器系統(tǒng)的不足[1]。
    目前，反直升機智能雷常用的探測手段是復合式探測方法，其中被動聲探測技術是主要探測手段。國內在距離探測方面精度還不高,存在難以對目標的位置、速度等信息進行準確估計等缺點。參考文獻[2-3]提出基于被動聲的直升機定位方法，通過對聲傳感器陣列的聲信號進行處理估算出目標的位置角；參考文獻[4-5]提出基于角跟蹤方法的AHM跟蹤系統(tǒng)，實現(xiàn)了智能雷最佳指向角的估計。以上方法都是基于單一被動聲探測體制，而本文將基于圖像傳感器的電視跟蹤系統(tǒng)引入AHM的設計，將被動聲目標定位技術和視覺伺服理論有機結合，目標聲源特征和圖像特征有機結合，實現(xiàn)多傳感器、多引導源的智能雷伺服跟蹤系統(tǒng)。
1 多傳感器AHM的系統(tǒng)結構設計
1.1 多傳感器在AHM中的分布
　    圖1是一種多傳感器反直升機智能雷示意圖，在一個專門設計的二自由度旋轉臺上，加入聲傳感器系統(tǒng)和圖像傳感器系統(tǒng)，其中將1個CCD攝像機安裝于AHM彈藥部平面中央（如圖中黑色圓區(qū)域），使得圖像傳感器位于旋轉機構末端，并且CCD靶面中心與戰(zhàn)斗部火力中心重合。由5個聲傳感器組成的聲傳感陣列安裝在AHM本體及四周展開的直支架腿末端，控制板和驅動電路均分層安裝在本體內底座中。

1.2 多傳感器AHM的系統(tǒng)組成
　    本文將基于多傳感器的反直升機智能雷跟蹤系統(tǒng)作為研究對象，構建了一個兩旋轉自由度的伺服跟蹤系統(tǒng)（如圖2），以圖像傳感器、聲傳感陣列和測距儀等作為目標探測裝置，可作俯仰和旋轉運動的跟蹤轉臺作為伺服機構，共同組成一個空中目標的目標檢測和伺服跟蹤系統(tǒng)。

      在傳統(tǒng)反直升機被動聲探測基礎上，提出了一種基于圖像信息、聲音信息、距離信息等多信息綜合跟蹤算法，使得伺服機構能夠在無人干預的情況下自動對準目標，通過對目標特征提取和運動軌跡預測，對空中運動的特定目標，如低空飛行的敵機、武裝直升機等，進行精確跟蹤。首先將聲源定位技術用于低空目標探測和初始定位，當滿足武裝直升機等目標的聲引信特征時，給出目標預警信號并啟動視覺跟蹤系統(tǒng)轉動至該方位；然后進入視頻跟蹤階段，進行目標圖像處理和特征提取后，預測目標下一時刻的特征軌跡，最后通過推導基于圖像信息的視覺伺服控制器，得出戰(zhàn)斗部在兩個自由度上的旋轉角度，轉至該位置后引爆戰(zhàn)斗部，從而實現(xiàn)反直升機智能雷自主、智能防空作用。
2 被動聲定位技術的目標探測
2.1 基于聲壓特征的低空目標預警
    本系統(tǒng)應用中，多傳感器AHM智能雷初始化時，只開啟低功耗的被動聲探測系統(tǒng)，實時檢測并計算聲傳感器的聲壓強度,當武裝直升機低空飛行接近防空區(qū)域時，聲波大于設定閾值時，認為目標進入防空區(qū)域[7]，發(fā)出預警信號并立刻開啟視覺跟蹤系統(tǒng)，結合目標聲源特征和圖像特征再次確認目標。這樣既利于減小AHM智能雷系統(tǒng)的整體功耗,又能提高系統(tǒng)整體智能化程度，減少目標探測和后續(xù)圖像識別跟蹤的復雜度,防止AHM智能雷產生誤動作。聲壓級特征定義為：

 
2.2 五元十字聲源定位法求目標位置角
　    當系統(tǒng)產生預警信號后，需要通過進一步處理聲陣列聲信號，采用被動聲定位算法估計出目標大致方位，并驅動伺服機構迅速轉至該角度，使得目標大致出現(xiàn)在攝像機視野中央。對低空飛行的直升機在系統(tǒng)初始狀態(tài)下進行迅速、準確的定位，是進行后續(xù)的運動目標視頻檢測和跟蹤的前提。聲源定位方法主要包括到達時延(TDOA)聲源定位方法、定向波束形成法和高分辨率譜估計技術等。
　    由于攝像機一般具有一定范圍的可視角，因此目標初始聲源定位要求算法簡單，實時性好，且易于數(shù)字信號處理器的硬件實現(xiàn)?？紤]以上要求，采用到達時延法（TDOA）聲源定位法，該算法計算量小，易于實時處理，并且實驗表明可達到精度要求。
　    本文采用基于TDOA的五元十字聲傳感器陣列定位方法[8]。被測目標位于離聲傳感器較遠的低空，可假設目標為點聲源，位于遠場。平面五元十字陣的陣形結構如圖3所示，由五個無方向性的聲波傳感器0、1、2、3和4組成。其中1、3號傳感器線陣和2、4傳感器線陣正交，兩線陣交點為聲傳感器0。每組傳感器線陣的陣元距離為D。以0號傳感器所處的位置為原點建立直角坐標系。目標聲源入射波到達陣元1、2、3和4相對于到達陣元0的時間延遲分別記為τ1、τ2、τ3和τ4。目標方位角為θ,定義為目標入射方向在xoy平面的投影與x軸正向的夾角；俯仰角為φ,定義為目標入射方向與z軸正向的夾角，目標距聲陣中心o的距離記為R，空氣聲速為C。由聲陣和目標的幾何關系并運用余弦定理可導出目標的定位方程如下：

    在跟蹤系統(tǒng)對目標跟蹤的過程中，由于目標的空間位置、速度狀態(tài)參量的時變性，伺服跟蹤機構執(zhí)行的滯后性，為了提高智能雷實時跟蹤性能，確保目標進入彈藥火力的彈目交匯區(qū)域，需要對目標下一時刻的形心特征進行特征預測和位置外推，使得伺服電機轉角具有一定的超前量，然后以較大速度直至目標預測位置角，可以有效解決上面的問題。將參考文獻[11]所述的線性平方綜合特征軌跡預測器用于目標形心特征的預測，得到目標的圖像預測位置作為期望的圖像特征，即為下一時刻目標中心像素坐標，并以此特征作為后續(xù)伺服跟蹤的圖像特征。
4 基于圖像特征的伺服跟蹤
    如前所述，進入視頻跟蹤狀態(tài)的AHM系統(tǒng)，通過軌跡特征預測器得到目標下一時刻的圖像中心特征，需要通過伺服控制器轉換為瞄準直升機預測位置所需要的兩個自由度的旋轉角，使得目標中心特征坐標落在期望的圖像坐標系原點，即可完成視覺跟蹤任務。根據(jù)基于圖像特征的視覺伺服控制理論，將目標期望圖像特征與當前圖像特征的特征誤差轉換為旋轉機構的轉角誤差（這里取預測的目標圖像中心特征作為當前特征），通過求取系統(tǒng)圖像雅克比矩陣，即可將圖像空間誤差轉換為笛卡爾坐標系下伺服機構的關節(jié)角運動，從而實現(xiàn)對目標的精確跟蹤[12]。
4.1 伺服機構運動學建模
    為簡化敘述和坐標變換表示方便，將本AHM系統(tǒng)執(zhí)行機構看作二旋轉自由度關節(jié)型機器人手臂，攝像頭安裝在機構末端視作eye-in-hand視覺伺服結構，為系統(tǒng)建立各參考坐標系如圖4，分析末端攝像頭（即彈藥部中心）與各自由度旋轉的運動學模型。兩個關節(jié)角?茲1和?茲2分別對應智能雷的方位角和俯仰角,空間中一點P對應于基坐標系O中的坐標為(X0,Y0,Z0),對應于攝像機坐標系S中的坐標為(XP,YP,ZP), 兩者轉換關系如下：


5 仿真和實驗
    將本文所述的目標多傳感器的定位和跟蹤算法應用于某新型反直升機智能雷樣機中，分別進行聲源定位和目標跟蹤試驗，多次檢驗均取得較好的效果。
    (1)聲源定位實驗。圖5為40次聲源定位實驗目標定位結果，其中聲源在聲波陣列中心上方的由手動控制做近似圓周運動，聲陣尺寸D為1 m，經聲源定位得到方位角和俯仰角估計誤差曲線，圖中可以看到：方位角定位比較準確，誤差在3°之內；俯仰角定位誤差稍大為4°之內，這是由于聲陣尺寸較小、聲源距離不夠遠和周圍地面、墻等聲波反射的影響。跟蹤系統(tǒng)經聲源初次定位后，目標在圖像中的坐標與圖像坐標系中心的誤差如圖6。實驗證明經過聲傳感器定位后，目標與圖像中心誤差不超過50個像素，確保目標處于視場中央附近。

    (2)目標跟蹤實驗。圖像處理和特征提取結果如圖7所示，圖7(a)、圖7(b)分別為提取到的目標二值圖像和中心特征（圖中用“+”表示）。利用圖像特征伺服跟蹤算法，得到目標形心特征跟蹤誤差曲線（圖8），可以看出除開始的幾個跟蹤周期和干擾物體接近目標時之外，誤差僅在很小的范圍內波動。

    本文提出了一種用于反直升機智能雷（AHM）的多傳感器智能跟蹤算法，以實現(xiàn)對超低空飛行武裝直升機的自動探測、預警和伺服跟蹤。首先通過探測未知環(huán)境中聲壓特征變化進行目標預警，采用傳統(tǒng)的被動聲傳感器定位方法，估算出目標初始位置角后，驅動末端裝有攝像頭的智能雷對準目標區(qū)域，使目標基本處于系統(tǒng)視場中央。然后進入視頻跟蹤階段，實時采集處理目標圖像，提取出目標運動區(qū)域及其中心特征后，以預測的下一時候的中心特征作為視覺伺服的圖像特征。最后通過分析系統(tǒng)機構運動學模型和攝像機模型，推導整個系統(tǒng)的圖像雅克比矩陣，把目標圖像特征變化轉化為智能雷兩個旋轉自由度的轉角控制量，以實現(xiàn)對目標伺服跟蹤和精確打擊。本文提出的多傳感器綜合算法應用于某AHM跟蹤系統(tǒng)中，算法簡捷有效，滿足對低空運動目標的實時跟蹤,提高了系統(tǒng)自動作業(yè)能力和智能化水平，但是對如何結合多個傳感器信息進行數(shù)據(jù)融合，以及利用多傳感器進行多目標識別和跟蹤等問題仍需進一步研究。
參考文獻
[1] 王勇.反直升機智能雷角跟蹤研究及轉向系統(tǒng)設計[D]. 南京：南京理工大學，2005.
[2] 賈云得,冷樹林，裴洪安，等.一種簡易被動聲直升機定位系統(tǒng)[J].北京理工大學學報，2000，20(3):338-342.
[3] 劉向東,程翔,張河.基于窄帶聲探測的反直升機雷系統(tǒng)[J].傳感器技術, 2005,24(1):35-37.
[4] CHAN Y T, REAT A. Passive tracking scheme for a single  stationary observer[J]. IEEE Transactions on Aerospace and Electronic Systems,2002,38(3):1046-1054.
[5] 王勇,王曉鳴,李文彬.一種用于反直升機智能雷的目標跟蹤方法[J].南京理工大學學報,2005,29(3):281-284.
[6] LO K W, FERGUSON B G, et a1．Aircraft flight parameter estimation using acoustic multipath delays[J].IEEE Trans Aerosp．Electron．syst，2003，39(11):259-267.
[7] 梁蕻.直升機目標信號建模與預警識別系統(tǒng)[D].北京：北京理工大學,2000.
[8] 陳華偉，趙俊渭,郭業(yè)才．五元十字陣被動聲定位算法及其性能研究[J].探測與控制學報，2003，25(4):11-16.
[9] 程相權，郭治，余海,等.一種快速目標的圖像跟蹤綜合算法[J].兵工學報，2001，22(4)：496-499.
[10] 朱明旱，羅大庸，曹倩霞. 幀間差分與背景差分相融合的運動目標檢測算法[J].計算機測量與控制，2005，13(3):215-217.
[11] 金芳，李軍波，楊勇. 基于模板匹配與運動預測的跟蹤算法研究[J]. 微計算機信息，2007，19(7)：313-315.
[12] 劉宏鼎，秦世引.基于圖像特征的運動目標識別與伺服跟蹤[J].儀器儀表學報，2008，29(3):644-648.