1、引言
　　
　　经纬仪是一种精密测角仪器，可用来确定物体在空间中的位置、姿态及其运动轨迹。在新一代弹道导弹的实验中对他的跟踪和捕获能力提出了新的要求。而经纬仪的跟踪和捕获能力在很大程度上取决于他的引导数据的准确性。通常经纬仪只能简单的依靠某一个引导源（如引导雷达），这种测量系统往往比较脆弱，当引导源无效或受到干扰时，经纬仪都不能很好地完成目标跟踪的任务。为了提高经纬仪的鲁棒性，介绍一种多引导源经纬仪引导数据融合方法，通过在新一代经纬仪中的使用，大大改善了经纬仪跟踪的稳定性和捕获的快速性。
　　
　　2、系统的构成
　　
　　经纬仪测量系统包括经纬仪、雷达和指挥中心等部分，如图1所示。其中指挥中心完成引导源异构数据的接收、整理分类和加工处理，在进行信息融合后为雷达和经纬仪提供的引导数据，如图2所示。经纬仪和雷达的测量数据又作为一个引导源，从而实现数据的负反馈，使得整个系统可控。　　
　　3、数据融合方法
　　
　　数据融合就是模仿人脑综合处理问题的能力，利用计算机技术对按时序获得的多路传感器的观测信息对目标存在、特征、态势和企图在一定准则下加以分析和综合，提供一种对现成数据进行协同处理、挖掘，以完成所需要的决策和估计任务而进行的信息综合处理的过程。数据融合理论和实际应用证明：对有限次测量数据进行集中式数据融合处理，可以获得比算术平均值算法更准确的测量结果。
　　
　　数据融合操作的结果在很大程度上取决于"数据源"和"控制逻辑"。由于指挥中心与各个引导源不在同一地理位置，各引导数据时空不统一，在数据融合前务必进行数据标准化（空间位置多以笛卡儿坐标系为参考）。
　　
　　3．1野值的剔除
　　
　　经纬仪实验时由于电磁干扰和数据传输的影响，不可避免地要产生野值，必须剔除野值，若不加以剔除，传播到弹道参数上，必然会引起失真。
　　
　　实践证明，对于经纬仪的有限次测量数据，用分布图法剔除野值不仅准确性高而且很有效，计算机编程也方便。以4台经纬仪为例，假设他们都有效，则经纬仪的引导数据共有8组，分别为：理论弹道、雷达、经纬仪两两交会C24=6。将这些引导数据（以Y为例）按从小到大的顺序排列成引导数据序列：
　　
　　Y1，Y2，Y3，Y4，Y5，Y6，Y7，Y8
　　
　　引导数据序列的阈值YM＝Y4+Y52
　　
　　区间[Ym，y8]的阈值Su＝Y6+Y7/2，区间[Y1，YM]的阈值Sl＝Y2+Y3/2，差值为dS=Su-Sl。
　　
　　将yi一YM＞dS的引导数据当成野值予以剔除，将Yi一YM≤dS的合理引导数据在指挥中心进行数据融合处理。
　　
　　利用这种野值剔除方法可以有效地排除引导数据中的随机干扰。而且，阈值YM和dS的选择均与引导数据序列的极值点的大小无关，仅与引导数据的分布位置有关，而且有效区间的获得与需要排除的野值的关系不大。因此用分布图法来获得一致性测量数据的方法能够增强数据融合对不确定因素的适应性，即具有鲁棒性。
　　
　　3．2多数据源的数据融合方法
　　
　　经纬仪引导数据的数据融合可以采用参数估计融合算法，即对8组引导数据，按照某种估计准则函数，利用引导数据序列对目标在空间的位置值作出估计，得到目标准确的位置值，消除引导过程中的不确定性。
　　
　　为准确估计目标的位置值（以Y为例），对8组引导数据进行线性观测，得到的引导值为Cj，Y，j=1，2，3，…，n，其中：Cj为常值。
　　
　　由于观测有误差，实际所得的引导值为：Ej＝CjY十cj，其中ej为观测误差，服从均值为0的正态分布。
　　
　　依据Bayes后验估计理论，可得到n个引导数据的状态*估计为：
　　
　　＾Yop，（E1E2E3。。。En）＝maxP（Y│E1E2E3。。。En）（1）
　　
　　Y＾
　　
　　即位置的数据融合问题，可以转化为求出满足Y的zui大后验概率maxP（Y│E）的估计值Y（E）的问题。
　　
　　根据Bayes定理有：
　　
　　由于n次观测是独立进行的，于是又得
　　　　
　　由式（2）和式（3）及Bayes定理可得
　　
　　到：
　　
　　其中：p（Y│Ej与P（Ej）均与Y无关，可视为归一化因子，在求zui大后验概率Y＾（E）时可不用考虑，容易求得n次经纬仪测量的融合值
　　
　　为：
　　
　　其中：COV（Yj，Ej）为2个随机变量Yj与Ej的相关程度，即协方差。
　　
　　3．3多引导数据融合实验
　　
　　例如，各个引导设备对空间某一点Y。=2170。0m进行定位，各引导数据的Y值如下表：　　
　　其中：T为理论弹道引导数据；R为引导雷达引导数据
　　
　　Iij为第i个经纬仪和第j个经纬仪交会引导数据（i＝1，2，3；j＝2，3，4；i≠j）；
　　
　　Yi的单位为m（i＝1，2，…，8）。
　　
　　将Yi按照由小到大的顺序，8组引导数据的排列顺序为：Yl，Y6，Y3，Y8，Y7，Y4，Y2，Y5。
　　
　　8组引导数据的平均值Y（8）=1/8∑/i=1Yi＝2168．3m与Y0进行对比，引导误差为一1．7m。
　　
　　由图3可知，大部分引导数据都集中在Y0附近，而Yl，Y5离Y0太远，依据前面介绍的野值剔除的方法将Yl，Y5剔除掉，则y6，Y3，Y8，Y7，Y4，Y2的平均值Y（6）＝∑Y／＝2169。1m，引导误差为一0．9m。　　
　　序列Y6，Y3，Y8，Y8，Y7，Y4，Y2都是合理的引导数据，均可参加数据融合，根据式（5）可以求得各引导数据的融合值Y＾（E）＝2169。7m，此时的引导误差为-0。3m。
　　
　　可以看出，数据融合得到的引导数据比算术平均值结果更接近真值。
　　
　　4、结论
　　
　　本文讨论了在经纬仪实时测量中，对多路引导源的异构引导数据，采用分布图法进行数据合理性检测，采用参数估计的逻辑规则进行数据融合，消除各引导数据的不确定性，可以获得更准确、更可靠的引导数据，从而提高整个测量系统的工作性能。即使某一个甚至几个引导源工作同时不正常时，其他引导源不受影响独立地提供信息，指挥中心仍可依据非失效的引导数据获知目标的准确位置，将失效的经纬仪很快的引导到目标观测点，降低了整个测量系统的脆弱程度。
　　
　　随着人们对数据融合理论的深入研究，随着模糊聚类方法的不断发展，相信数据融合技术在经纬仪测量系统中会得到更广泛地应用。