随着现代武装直升机作战性能的不断提高，其高机动性、高灵活性、全天候作战和有效的攻击火力，使之成为现代武器系统和地空联合作战中越来越重要的突击力量。军事雷达很难探测到超低空飞行的武装直升机，且由于其向外辐射电磁波，易被敌方侦查并实施电子干扰。反直升机智能雷AHM(Anti-Helicopter Mine)正是在这种需求背景下提出来的武器系统概念，基本任务是自主探测、识别并攻击敌方超低空飞行的直升机，其布防灵活、安全隐蔽、全天候作战等特点，使之有效弥补了现有防空武器系统的不足[1]。
目前，反直升机智能雷常用的探测手段是复合式探测方法，其中被动声探测技术是主要探测手段。国内在距离探测方面精度还不高,存在难以对目标的位置、速度等信息进行准确估计等缺点。参考文献[2-3]提出基于被动声的直升机定位方法，通过对声传感器阵列的声信号进行处理估算出目标的位置角；参考文献[4-5]提出基于角跟踪方法的AHM跟踪系统，实现了智能雷最佳指向角的估计。以上方法都是基于单一被动声探测体制，而本文将基于图像传感器的电视跟踪系统引入AHM的设计，将被动声目标定位技术和视觉伺服理论有机结合，目标声源特征和图像特征有机结合，实现多传感器、多引导源的智能雷伺服跟踪系统。
1 多传感器AHM的系统结构设计
1.1 多传感器在AHM中的分布
　 图1是一种多传感器反直升机智能雷示意图，在一个专门设计的二自由度旋转台上，加入声传感器系统和图像传感器系统，其中将1个CCD摄像机安装于AHM弹药部平面中央（如图中黑色圆区域），使得图像传感器位于旋转机构末端，并且CCD靶面中心与战斗部火力中心重合。由5个声传感器组成的声传感阵列安装在AHM本体及四周展开的直支架腿末端，控制板和驱动电路均分层安装在本体内底座中。

1.2 多传感器AHM的系统组成
　 本文将基于多传感器的反直升机智能雷跟踪系统作为研究对象，构建了一个两旋转自由度的伺服跟踪系统（如图2），以图像传感器、声传感阵列和测距仪等作为目标探测装置，可作俯仰和旋转运动的跟踪转台作为伺服机构，共同组成一个空中目标的目标检测和伺服跟踪系统。

在传统反直升机被动声探测基础上，提出了一种基于图像信息、声音信息、距离信息等多信息综合跟踪算法，使得伺服机构能够在无人干预的情况下自动对准目标，通过对目标特征提取和运动轨迹预测，对空中运动的特定目标，如低空飞行的敌机、武装直升机等，进行精确跟踪。首先将声源定位技术用于低空目标探测和初始定位，当满足武装直升机等目标的声引信特征时，给出目标预警信号并启动视觉跟踪系统转动至该方位；然后进入视频跟踪阶段，进行目标图像处理和特征提取后，预测目标下一时刻的特征轨迹，最后通过推导基于图像信息的视觉伺服控制器，得出战斗部在两个自由度上的旋转角度，转至该位置后引爆战斗部，从而实现反直升机智能雷自主、智能防空作用。
2 被动声定位技术的目标探测
2.1 基于声压特征的低空目标预警
本系统应用中，多传感器AHM智能雷初始化时，只开启低功耗的被动声探测系统，实时检测并计算声传感器的声压强度,当武装直升机低空飞行接近防空区域时，声波大于设定阈值时，认为目标进入防空区域[7]，发出预警信号并立刻开启视觉跟踪系统，结合目标声源特征和图像特征再次确认目标。这样既利于减小AHM智能雷系统的整体功耗,又能提高系统整体智能化程度，减少目标探测和后续图像识别跟踪的复杂度,防止AHM智能雷产生误动作。声压级特征定义为：

2.2 五元十字声源定位法求目标位置角
　 当系统产生预警信号后，需要通过进一步处理声阵列声信号，采用被动声定位算法估计出目标大致方位，并驱动伺服机构迅速转至该角度，使得目标大致出现在摄像机视野中央。对低空飞行的直升机在系统初始状态下进行迅速、准确的定位，是进行后续的运动目标视频检测和跟踪的前提。声源定位方法主要包括到达时延(TDOA)声源定位方法、定向波束形成法和高分辨率谱估计技术等。
　 由于摄像机一般具有一定范围的可视角，因此目标初始声源定位要求算法简单，实时性好，且易于数字信号处理器的硬件实现。考虑以上要求，采用到达时延法（TDOA）声源定位法，该算法计算量小，易于实时处理，并且实验表明可达到精度要求。
　 本文采用基于TDOA的五元十字声传感器阵列定位方法[8]。被测目标位于离声传感器较远的低空，可假设目标为点声源，位于远场。平面五元十字阵的阵形结构如图3所示，由五个无方向性的声波传感器0、1、2、3和4组成。其中1、3号传感器线阵和2、4传感器线阵正交，两线阵交点为声传感器0。每组传感器线阵的阵元距离为D。以0号传感器所处的位置为原点建立直角坐标系。目标声源入射波到达阵元1、2、3和4相对于到达阵元0的时间延迟分别记为τ1、τ2、τ3和τ4。目标方位角为θ,定义为目标入射方向在xoy平面的投影与x轴正向的夹角；俯仰角为φ,定义为目标入射方向与z轴正向的夹角，目标距声阵中心o的距离记为R，空气声速为C。由声阵和目标的几何关系并运用余弦定理可导出目标的定位方程如下：

在跟踪系统对目标跟踪的过程中，由于目标的空间位置、速度状态参量的时变性，伺服跟踪机构执行的滞后性，为了提高智能雷实时跟踪性能，确保目标进入弹药火力的弹目交汇区域，需要对目标下一时刻的形心特征进行特征预测和位置外推，使得伺服电机转角具有一定的超前量，然后以较大速度直至目标预测位置角，可以有效解决上面的问题。将参考文献[11]所述的线性平方综合特征轨迹预测器用于目标形心特征的预测，得到目标的图像预测位置作为期望的图像特征，即为下一时刻目标中心像素坐标，并以此特征作为后续伺服跟踪的图像特征。
4 基于图像特征的伺服跟踪
如前所述，进入视频跟踪状态的AHM系统，通过轨迹特征预测器得到目标下一时刻的图像中心特征，需要通过伺服控制器转换为瞄准直升机预测位置所需要的两个自由度的旋转角，使得目标中心特征坐标落在期望的图像坐标系原点，即可完成视觉跟踪任务。根据基于图像特征的视觉伺服控制理论，将目标期望图像特征与当前图像特征的特征误差转换为旋转机构的转角误差（这里取预测的目标图像中心特征作为当前特征），通过求取系统图像雅克比矩阵，即可将图像空间误差转换为笛卡尔坐标系下伺服机构的关节角运动，从而实现对目标的精确跟踪[12]。
4.1 伺服机构运动学建模
为简化叙述和坐标变换表示方便，将本AHM系统执行机构看作二旋转自由度关节型机器人手臂，摄像头安装在机构末端视作eye-in-hand视觉伺服结构，为系统建立各参考坐标系如图4，分析末端摄像头（即弹药部中心）与各自由度旋转的运动学模型。两个关节角?兹1和?兹2分别对应智能雷的方位角和俯仰角,空间中一点P对应于基坐标系O中的坐标为(X0,Y0,Z0),对应于摄像机坐标系S中的坐标为(XP,YP,ZP), 两者转换关系如下：


5 仿真和实验
将本文所述的目标多传感器的定位和跟踪算法应用于某新型反直升机智能雷样机中，分别进行声源定位和目标跟踪试验，多次检验均取得较好的效果。
(1)声源定位实验。图5为40次声源定位实验目标定位结果，其中声源在声波阵列中心上方的由手动控制做近似圆周运动，声阵尺寸D为1 m，经声源定位得到方位角和俯仰角估计误差曲线，图中可以看到：方位角定位比较准确，误差在3°之内；俯仰角定位误差稍大为4°之内，这是由于声阵尺寸较小、声源距离不够远和周围地面、墙等声波反射的影响。跟踪系统经声源初次定位后，目标在图像中的坐标与图像坐标系中心的误差如图6。实验证明经过声传感器定位后，目标与图像中心误差不超过50个像素，确保目标处于视场中央附近。

(2)目标跟踪实验。图像处理和特征提取结果如图7所示，图7(a)、图7(b)分别为提取到的目标二值图像和中心特征（图中用“+”表示）。利用图像特征伺服跟踪算法，得到目标形心特征跟踪误差曲线（图8），可以看出除开始的几个跟踪周期和干扰物体接近目标时之外，误差仅在很小的范围内波动。

本文提出了一种用于反直升机智能雷（AHM）的多传感器智能跟踪算法，以实现对超低空飞行武装直升机的自动探测、预警和伺服跟踪。首先通过探测未知环境中声压特征变化进行目标预警，采用传统的被动声传感器定位方法，估算出目标初始位置角后，驱动末端装有摄像头的智能雷对准目标区域，使目标基本处于系统视场中央。然后进入视频跟踪阶段，实时采集处理目标图像，提取出目标运动区域及其中心特征后，以预测的下一时候的中心特征作为视觉伺服的图像特征。最后通过分析系统机构运动学模型和摄像机模型，推导整个系统的图像雅克比矩阵，把目标图像特征变化转化为智能雷两个旋转自由度的转角控制量，以实现对目标伺服跟踪和精确打击。本文提出的多传感器综合算法应用于某AHM跟踪系统中，算法简捷有效，满足对低空运动目标的实时跟踪,提高了系统自动作业能力和智能化水平，但是对如何结合多个传感器信息进行数据融合，以及利用多传感器进行多目标识别和跟踪等问题仍需进一步研究。
参考文献
[1] 王勇.反直升机智能雷角跟踪研究及转向系统设计[D]. 南京：南京理工大学，2005.
[2] 贾云得,冷树林，裴洪安，等.一种简易被动声直升机定位系统[J].北京理工大学学报，2000，20(3):338-342.
[3] 刘向东,程翔,张河.基于窄带声探测的反直升机雷系统[J].传感器技术, 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,王晓鸣,李文彬.一种用于反直升机智能雷的目标跟踪方法[J].南京理工大学学报,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.直升机目标信号建模与预警识别系统[D].北京：北京理工大学,2000.
[8] 陈华伟，赵俊渭,郭业才．五元十字阵被动声定位算法及其性能研究[J].探测与控制学报，2003，25(4):11-16.
[9] 程相权，郭治，余海,等.一种快速目标的图像跟踪综合算法[J].兵工学报，2001，22(4)：496-499.
[10] 朱明旱，罗大庸，曹倩霞. 帧间差分与背景差分相融合的运动目标检测算法[J].计算机测量与控制，2005，13(3):215-217.
[11] 金芳，李军波，杨勇. 基于模板匹配与运动预测的跟踪算法研究[J]. 微计算机信息，2007，19(7)：313-315.
[12] 刘宏鼎，秦世引.基于图像特征的运动目标识别与伺服跟踪[J].仪器仪表学报，2008，29(3):644-648.