（信号与信息处理专业论文）基于imm的雷达目标跟踪算法研究.pdf

摘要 摘要 目标跟踪在在军用和民用领域，譬如防空和空中交通管制中，都有着广泛的应用，而 随着现代航空航天技术的飞速发展，各种飞行器的飞行速度和机动性能越来越高，对目标 跟踪算法也提出越来越高的要求，因此，研究目标跟踪算法是一个在理论与应用中均具有 挑战性的课题。 本文首先介绍了目标跟踪的相关基础知识，包括机动目标跟踪的基本原理和跟踪坐标 系的选取。然后第三章对目前常用的几种目标运动模型进行了分析，主要有c v 模型、c a 模型、s i n g e r 模型和“当前”统计模型，并分析了这几种模型的状态方程，各种参数以及 每种模型的优缺点。在此基础上，又介绍了口一与口一一y 算法，重点讨论了卡尔曼算 法和交互式多模型算法，对每种算法都进行了m a t l a b 仿真分析，最后将这3 种算法进行了 仿真比较。第五章主要是研究了i m m 算法的改进方法，有c v 、c a 模型滤波起始与时间 匹配的改进，不同维数数据交互融合的改进、i m m 算法中模掣的优化以及模型转移概率的 改进。 关键字：机动目标跟踪；交互式多模型；卡尔曼滤波 南京信息工程大学硕：l 学位论文 a bs t r a c t i nb o t hm i l i t a r ya n dc i v i l i a nf i e l d s ，f o ri n s t a n c e ，i na i rd e f e n s ea n di na i rt r a f f i cc o n t r o l ，w e a l ln e e dt r a c k i n gt a r g e t si nar e l i a b l ea n da c c u r a t em o d e a n da l o n gw i t ht h er a p i dd e v e l o p m e n t o ft h ea e r o s p a c et e c h n o l o g y , a l lf l i g h tv e h i c l e ss p e e da n dm a n e u v e r a b i l i t ya 佗h i g h e ra n dh i g h e r h o wt oe n h a n c et h ep e r f o r m a n c eo ft r a c k i n gh i g hs p e e da n dh i g h l ym a n e u v e r i n gt a r g e t sh a s b e c o m em o r ea n dm o r ei m p o r t a n t a sar e s u l t , t h es t u d yo fm a n e u v e r i n gt a r g e tt r a c k i n gi sa c h a l l e n g e a b l et a s kf o rb o t ht h et h e o r ya n da p p l i c a t i o n f i r s t l y , t h i sp a p e ri n t r o d u c e st h eb a s i ck n o w l e d g eo ft a r g e tt r a c k i n g , i n c l u d i n g t h e m a n e u v e r i n gt a r g e tt r a c k i n gt h eb a s i cp r i n c i p l ea n dt h es e l e c t i o no ft r a c k i n gr e f e r e n c ef l a m e c h a p t e rt h r e ei n t r o d u c e saf e we x t e n s i v e l yu s e dm a n e u v e r i n gm o d e l si n c l u d e c o n s t a n t v e i o e i t y ( c v ) m o d e l ，c o n s t a n ta c c e l e r a t i o n ( c a ) m o d e l ，a n ds i n g e rm o d e l ，a n dd i s c u s s e se v e r y m o d e l ss t a t ef u n c t i o n , p a r a m e t e r sa n dt h ea d v a n t a g e sa n dd i s a d v a n t a g e s a n dt h e n 口一卢 f i l t e ra r i t h m e t i ca n d 口一口一，f i l t e ra r i t h m e t i ca 咒i n t r o d u c e d , f o c u s i n go nt h ek a h n a n a l g o r i t h ma n dt h ei n t e r a c t i n gm u l t i p l em o d e la l g o r i t h m s ，f o re a c ha l g o r i t h m a r em a t l a b s i m u l a t i a n a l y s i e d a tl a s t , t h et h r e ea l g o r i t h m sa r es i m u l a t e da n dc o m p a r e d c h a p t e rf i v ei st o s t u d yt h ei m p r o v i n gm e t h o d sf o ri m ma l g o r i t h m ，ac vc am o d e ls t a r t i n gw i t ht h et i m em a t c h e d f i l t e ri m p r o v e m e n t s ，i n t e g r a t i o no fd i f f e r e n td i m e n s i o n si m p r o v e dd a t ae x c h a n g e ，i m ma l g o r i t h m o p t i m i z a t i o no ft h em o d e li m p r o v e m e n ta n dm o d e lt r a n s i t i o np r o b a b i l i t y k e y w o r d s ：m a n e u v e r i n gt a r g e tt r a c k i n g , i n t e r a c t i n gm u l t i p l em o d e l ，k a l m a nf i l t e r i n g 目录 目录 第一章绪论1 1 1 弓i 言1 1 2 论文课题的研究背景和意义。2 1 3 雷达目标跟踪的研究现状和发展3 1 4 论文的主要研究内容和结构4 第二章目标跟踪的基本理论5 2 1 机动目标跟踪的基本原理。5 2 2 机动目标的状态模型和最测模型5 2 3 机动目标跟踪的坐标系选取。7 2 3 1 直角坐标系7 2 3 2 空问极坐标系。8 2 3 - 3 混合坐标系9 2 4 本章小结。9 第三章目标跟踪模型分析lo 3 1 匀速运动模型( c o n s t a n t v e l o c r r y m o d e l ，c ) l o 3 2 匀加速运动模犁( c o n s t a n t a c c e l e r a t i o nm o d e l ) c a m ) l l 3 3 一阶时问相关模型( s i n g e r 模型) 1 2 3 4 “当前”统计模型1 4 3 4 1 机动加速度的“当前”概率密度。1 4 3 4 2 机动加速度的非零均值时间相关模型1 6 3 5 本章小结1 7 第四章目标跟踪的算法。18 4 1 卡尔曼滤波1 8 4 1 1 连续时间系统卡尔曼滤波一1 8 4 1 2 离散时间系统卡尔曼滤波1 9 4 1 3 卡尔曼算法仿真2 0 4 1 4 卡尔曼滤波的的滤波发散现象2 2 4 2a 一卢滤波与口一声一y 滤波2 3 4 2 1 口一滤波2 3 4 2 2 算法仿真2 4 4 2 3 口一一7 滤波2 6 4 2 4 参数的选择2 7 l 南京信息工程大学硕士学位论文 4 3 交互式多模型算法 4 3 1i m m 算法的基本原理2 8 4 3 2 交互式多模型算法仿真实验3 0 4 4 卡尔曼、口一和i m m 三种跟踪算法仿真比较分析。3 5 4 5 本章小结3 8 第五章i m m 的算法改进4 0 5 11 m m 算法中c v ，c a 模型滤波起始及时间匹配的改进4 0 5 2i m m 算法中不同维数数据交互融合的改进4 l 5 3i m m 算法中转移概率的改进4 3 5 3 1 自适应马尔可夫转移概率4 3 5 3 2 转移概率自适应i m m 算法4 4 5 3 3 改进前后的算法仿真比较4 5 5 a i m m 算法中模型的优化4 7 5 5 本章小结4 9 第六章总结与展望。5 0 j $ 【谢5l 参考文献5 2 科研工作及发表论文5 4 i v 第一章绪论 1 1 引言 第一章绪论 雷达i l 】是利用发射和接收电磁波的方法来探测目标以及对目标进行定位。对运动着的 目标而言，雷达需要连续的地对其进行探测，以便获得目标的距离，速度，方位，角度等 信息。通常，警戒搜索雷达对定位的精度要求不是太高，但对目标跟踪雷达或者火力控制 雷达来说，就需要雷达不但能够准确的探测目标，而且还需要精确地对目标进行定位。要 实现这些目标，就关系到整个雷达的工作过程和方方面面。雷达的工作流程如图1 1 所示， 其中包括发现目标、确认目标、目标位置及运动参数估计、截获目标及起始跟踪、目标跟 踪和航迹计算五部分，发现目标和确认目标主要是通过对雷达回波的信号进行检测、处理、 判断、比较来完成的。目标位置及运动参数估计的过程主要是通过对雷达的测量数据进行 处理来完成的。而对目标的截获、起始跟踪、目标跟踪、航迹计算、跟踪状态判定则时通 过雷达数据处理1 2 】【3 j ( 包括互联、跟踪、滤波、平滑等) 的方法来实现的。 跟踪状态 判定 一 j 卜 l 发现目标h 确认目标h 燃手h 截甏躲起f 图1 1 雷达工作流程图 现代雷达系统一般都包含雷达信号处理和雷达数据处理【2 】两个组成部分。信号处理的 作用是用来检测目标并且利用一定的方法来抑制由地面杂波、气象、射频干扰、噪声源和 人为干扰所产生的不希望有的信号，处理后的视频输出信号再与某个门限作比较。如果信 号超过门限，则判断为“发现”目标。雷达数据处理指的是雷达在获取目标的位置和各种 运动参数( 例如，径向距离，速度，方位角和仰角等) 后进行的互联、跟踪、滤波、平滑、 预测等处理运算。通过对这些雷达量测数据进行处理，可以有效地抑制量测过程中引入的 随机误差，精确的估计出目标的位置和相关运动参数( 如速度和加速度等) ，准确地预测出 目标下一时刻的位置、速度和加速度等参数，并且形成稳定的目标跟踪航迹【4 l 。所以，概 括来讲雷达数据处理的的目的就是最大限度地提取目标的位置和运动信息，以便对控制区 域内的目标的运动轨迹进行估计，并给出它们在下一时刻的位置和速度推移，实现对目标 的高精度实时跟踪。 南京信息工程大学硕上学位论文 雷达数据处理的一个重要部分是雷达目标跟踪，跟踪是指对来自目标的晕测值进 理以便保持对目标现时状态的估计。雷达目标跟踪技术可以追溯到第二次世界大战前 即1 9 3 7 年跟踪雷达s c r - 2 8 的出现，第一次明确提出了目标跟踪的问题，从那以后目 踪技术就逐渐成为了一门独立的学科。并且随着科学的进步和技术的发展，各种跟踪 的相继出现与不断完善，目标跟踪理论【5 胴和技术得到了空前的发展。 1 2 论文课题的研究背景和意义 现代滤波理论是建立在概率论和随机过程理论的基础之上的，二十世纪四十年代 一代火控雷达的诞生开辟了目标跟踪雷达的发展史，当时维纳( w i e n e r ) 等人提出的 滤波理论则开辟了现代滤波理论的研究领域。目标跟踪概念在2 0 世纪5 0 年代就已经 了，随着卡尔曼( k a l m a n ) 等人提出的卡尔曼滤波理论【7 1 在目标跟踪领域中的成功运 目标跟踪技术才得以真正形成。 目标跟踪按照目标的运动形式可以分为非机动目标跟踪和机动目标跟踪两种。机动是 指目标运动不可预测的变化，比如飞机突然加速。转弯，闪避，俯冲等。如果传感器传感 器运动速度较快，而目标运动速度较慢，比如飞机上的雷达对地面目标或者海面目标进行 跟踪，此时目标可以近似看作是做匀速运动或者匀加速运动1 7 j 。但是，随着飞行器机动性 能的不断提高，而且在目标运动过程中，驾驶人员人为的动作或者控制指令使得目标随时 会出现转弯、闪避或者其他特殊的攻击姿态等机动现象，因此一般情况下目标不可能一直 做匀速直线运动或者是匀加速直线运动，也就是说通常情况下目标在运动过程中都会出现 机动情况。 然而随着航空航天技术的发展，使得飞行器的机动性能越来越强，而且由于机动的不 可预测性和复杂性，因此如何对机动运动目标进行精确的跟踪，可以说是对目标跟踪技术 的一种挑战。并且目标跟踪系统的跟踪效果和很多因素有关，例如模型的选择，算法的参 数选择等，目标跟踪技术涉及多个学科，是一个复杂的问题，所以对机动运动目标的跟踪 研究对研究学者来说一直是一个具有挑战性的课题【8 j 。迄今为止仍没有一种通用的目标运 动模型和技术方法适合于目标的各种运动情况。在此背景下，提高对机动目标的跟踪性能 和跟踪效果便成为目前一个迫切需要解决的问题1 3 j ，也是一个难点。 目前，对目标跟踪技术的研究任然是当今世界上研究领域的一个热点。尽管国内外研 究人员和学者做了许多的研究，提出了一些新的滤波理论，出现了一些科研成果，但总是 不能满足人们更高层次的要求和应用，目前，虽然许多问题还亟待解决，但这并不妨碍目 标跟踪技术在军事和民用领域中的应用。这些应用主要包括以下几个方面： ( 1 ) 军事上的各种防卫系统，例如导弹防空系统，机载预警系统等； ( 2 ) 空中交通管制( a t c ) 系统，例如民航飞机避碰系统，进场管理系统等； ( 3 ) 海岸监视系统( m s ) ： ( 4 ) 汽车、个人g p s 导航系统，提供地图、安全信息服务； ( 5 ) 空间运动体的监视，这是一个新的待开发的研究领域； 2 第一章绪论 ( 6 ) 此外，在计算机视觉方面，融入目标跟踪技术可以更加快速准确的获取目标区域， 这也是甘前热门课题之一。 因此对目标跟踪技术的研究，具有重要的军事意义和实际应用价值。 通常情况下，目标跟踪问题可以分为下面四种情况： ( 1 ) 一个探测器跟踪一个目标； ( 2 ) 一个探测器跟踪多个目标； ( 3 ) 多个探测器跟踪一个目标； ( 4 ) 多个探测器跟踪多个目标。 其中第( 1 ) 种情况是最简单的也是最基本的，它的研究成果也最多，其中很多成果经 过适当的修改都可以用到其他几种情况中：其他几种情况都是是由第( 1 ) 种情况引申发展 而来的，并且在实现上具有相对更高的技术难度。本论文研究的是第一种情况。 1 3 雷达目标跟踪的研究现状和发展 随着二十世纪四十年代初第一代火控雷达的诞生开辟了目标跟踪雷达的发展史，当时 维纳( w i e n e r ) 等人提出的维纳滤波理论则开辟了现代滤波理论的研究领域。目标跟踪概 念在2 0 世纪5 0 年代就已经提出了，随着卡尔曼( k a l m a n ) 等人提出的卡尔曼滤波理论在 目标跟踪领域中的成功运用，目标跟踪技术才得以真正形成。近几十年来，国内外研究学 者和科学家对目标跟踪技术进行了大量的研究，并且随着其他学科技术的发展，也促使了 目标跟踪技术的进步，在这期间出现了大景的研究成果，例如扩展卡尔曼滤波，不敏卡尔 曼滤波，粒子滤波，变结构交互式多模型算法等。由于交互式多模型算法具有较高的费效 比和较好的跟踪效果，因此被认为是目前跟踪领域里最好的算法之一。 对目标跟踪算法的研究一般可以分为两类；单模型算法和多模型算法。然而由于单个 模型很难覆盖到目标运动的所有运动模式，所以单模型算法对目标跟踪的精度一般都不高。 在1 9 6 5 年，d t m a g i l l 针对单模型的自身的缺点和局限性，提出了多模型( m m ) 算法1 9 1 。 之后多模型算法在很多领域得到了应用【lo l i l l 】，譬如“多模型自适应滤波器”、。并行处理算 法”、 “联合滤波器”、。自调整估计器”等。多模型算法是使用多个模型来覆盖目标的主 要运动模式，每个模型匹配一种运动模型，且对应一个滤波器进行独立的滤波，目标的最 终状态估计是由所有单个的滤波器按照一定的准则组合输出。这种多模型算法有一个缺点。 它们没有考虑系统模式之间的跳变，基于每个模型的滤波器彼此之间没有交互。 h a e b l o m 等人提出的交互式多模趔( m v i ) 算法1 1 2 j 在多模型( m m ) 算法的发展过 程中有着重要的意义，它是在伪贝叶斯算法的基础上提出的。它具有较高的费效比和较好 的跟踪效果，可应用于混合系统的估计问题，并且易于在计算机上实现。它的基本思想是： 使用多个模型来匹配目标的不同运动形式，基于每个模型的滤波器独立并行的工作，每个 单独的滤波器使用卡尔曼算法滤波，不同模型问的转移概率是一个马尔可夫链【1 3 1 4 1 ，最终 的滤波状态估计由每个模型的滤波器加权输出。 i m m 算法的基本要素之一是目标运动模型，所设计的模型集应该能尽可能的覆盖到目 3 南京信息工程大学硕：j ：学位论文 标的主要运动模式，这样才能更真实地反映目标的实际运动情况。因此，对i m m 算法中 标运动模型的研究也是目前研究的一个热点。 国内外研究人员对目标运动模型进行了许多的研究，取得了一些研究成果，提出了一 些新的目标运动模犁，主要有：r a s i n g e r 提出的机动目标的零均值、一阶时间相关模型 ( 即s i n g e r 模型) u 5 1 ，它将机动控制项作为有色噪声( 相关) 来建模；r l m o o s e 等人提出的 具有随机开关均值的半马尔可夫机动目标统计模趔1 6 】；我国学者周宏仁教授在1 9 8 3 年提出 的“当前”统计模型 5 1 ，该模型克服了s i n g e r 模型的缺陷，用修正的瑞利分布来描述机动 加速度的统计特性； 1 4 论文的主要研究内容和结构 本论文共分六章。 第一章为绪论，概述了论文课题的研究背景及意义，目标跟踪的研究现状及发展，并 在此基础上给出了论文的结构安排。 第二章讨论了目标跟踪的基础知识。首先介绍了机动目标跟踪的基本原理。其次分析 了目标跟踪的状态模型和量测模型，最后对跟踪坐标系的选取进行了分析。 第三章对目前几种常用的目标模型进行了论述和分析，包括c v 模型、c a 模型、一阶 时间相关模型( s i n g e r 模型) 和“当前”统计模型，分析了每种模型的适用范围和特点， 并对部分模型进行了比较分析。 第四章介绍了目标跟踪算法，首先介绍了卡尔曼算法和口一p l a 一一y 算法，并对 其进行了m a t l a b 仿真和分析，其次着重研究了i f l 算法，详细介绍了i m m 算法的基本原 理，分析了i m m 算法的影响因素，并对其进行了仿真分析，最后对这三种算法进行了仿真 比较分析。 第五章i m m 算法的改进。首先针对i m m 算法的不足和缺点，在时间匹配和不同维数 交互融合问题上进行了分析，对其提出了改进方法，其次对转移概率进行了改进，最后对 i m m 算法中的模型集进行了优化。 第六章总结全文，给出结论并对进一步研究的方向作以展望。 4 第二章目标跟踪的基本理论 第二章目标跟踪的基本理论 2 1 机动目标跟踪的基本原理 目标跟踪是指对来自目标的量测( 观测) 值进行数据处理，最终达到对目标现时状态 的估计，典型的目标状态包括： ( 1 ) 运动分量( 位置，速度和加速度等) ； ( 2 ) 其他分量( 辐射信号的强度，射频频率，脉宽和脉冲重复频率等“特征”信息) ； ( 3 ) 常数或者缓慢变化的参数( 耦合系数，电磁波或声波的传播速度等) ； 机动目标跟踪的基本要素主要包括量测数据形成与处理，机动目标模型，机动检测与 机动辨识，滤波与预测，跟踪坐标系和滤波状态变量的选取。 机动目标跟踪的基本原理【5 】框图如图2 1 所示，其中用状态向量x 表示目标的动态特 性，它主要包括目标的位置、速度和加速度等分量；量测值用删+ y 来表示，它含有量 测噪声y ；量测的预测值用删( k - 4 - lik ) 表示：残差用d 表示，它是由量测值】，减去量 测的预测值倒( k + 1k ) 得到的；由图中我们可以看到，通常情况下，对机动目标的跟 踪过程是一个自适应的过程，首先由量测值】，减去量测的预测值舰( k + 1ik ) 得到的残 差d ，然后根据残差d 的变化作为机动检测或者机动辨识的一种手段，其次按照某一滤波 方法调整滤波增益和协方差矩阵或者实时的辨识出目标的机动特性，最后根据目标跟踪滤 波算法得到目标的最终状态估计和预测，从而完成了目标跟踪的过程。 图2 1 机动目标跟踪基本原理框图 2 2 机动目标的状态模型和量测模型 状态变量描述法瞄0 1 是描述动态系统的一种很有效的方法，这种方法是使用状态转移模 型和输出量测模型在时域内来描述动态系统的。由确定的时间函数和代表不可预测的变量 5 ( 2 ) 量测噪声和系统噪声与初始状态没有关系； ( 3 ) 量测噪声和系统噪声互不相关。 1 ，【七j i r v ( k ) 动态方程卤 量测方程 ( 七) - 匝州抓“ ) 一厂吾刁2土z q氆 一i ：! ：! l u l 早 图2 2 离散时间系统框图 在上面的假设条件下，状态方程表达式和量测方程表达式的线性性质可以使状态和量 测保持高斯性质。由已知的j 喇o l s n j 时刻以前的量测值对k 时刻的状态向量x ( 七) 作出的 某种估计记为x ( ki 歹) ，则根据状态估计的时刻不同，估计问题可分为下面三种情况： ( 1 ) 当k = j 时，属于滤波问题，此时x ( 七i 歹) 是七时刻状态向量x ( 七) 的滤波值； 6 第二章日标跟踪的基本理论 ( 2 ) 当k 歹时，属于预测问题，此时x ( kl ) 是k 时刻状态向量x ( 七) 的预测值； ( 3 ) 当k a a 一一俘3 9 ， 【0 口口- 眦 其中口- 一 0 为已知的目标加速度负下限， a 的均值和方差分别为： 瞰) = 口- 一+ 挣 ( 3 4 0 ) z ：竿2 ( 3 - 4 1 ) 当目标的“当前”加速度a 为零时，概率密度函数为： 只( 口) = 占( 口) ( 3 - 4 2 ) 其中，文) 是狄拉克万脉冲函数。 图3 2 为时变的概率密度函数图形。由图中我们可以看出每一瞬时的机动加速度的概 率密度是不相同的：一旦确定了。当前”加速度( 等于加速度均值) ，那么机动加速度的 概率密度函数便完全的确定了。这种随时间变化的加速度概率密度函数我们称作为“当前” 概率密度函数。 1 5 南京信息工程大学硕士学位论文 图3 2 机动加速度的“当前”统计模型 具有可变均值的修正瑞利密度 3 4 2 机动加速度的非零均值时问相关模型 当目标当前时刻以某一加速度机动时，采用零均值时问相关模型显然是不符合实际情 况的，因此，我们需要用机动加速度的非零均值时间相关模型来代替零均值时间相关模型 ( s i n g e r 模型) ，即 孝( f ) = 万+ 口( ) ( 3 - 4 3 ) a ( f ) = - a a ( t ) + c o ( t ) 其中，口( f ) 是有色加速度噪声，它的均值为零；口为机动频率；石是机动加速度的均 值；o j ( t ) 是均值为零，方差为吒= 2 a 吒2 的白噪声，其中一为目标加速度方差。 令q o ) = 口( f ) + 万，带入上面两式得到： j ( ，) = t h ( t ) ( 3 - 4 4 ) 幺( r ) = 一口q ( f ) + a f t + 国( f ) = - a a l ( t ) + q ( f ) ( 3 - 4 5 ) 其中，o a ( t ) 为加速度的状态变量，q ( f ) 是均值为口石的白噪声。 由估计理论可知，加速度状态变量口l ( f ) 的最优估计是整个过去观测z ( f ) 的条件均值： 磊( f ) = 研q ( f ) lzo)】(3-46) 如果叠( f ) 为系统的状态变量分量，那么4 ( f ) 就是从卡尔曼滤波所获得的。当前”加速 度。利用磊o ) 代替q ( f ) 中的均值石，就可得到状态变量q ( f ) 的估值和状态噪声q o ) 的 均值之间的关系。也就是说，状态变最q ( f ) 的估值正是状态噪声皑 ) 的均值与系数l 口 之乘积。此外，在状态变量q ( f ) 的估值和状态噪声q ( f ) 的方差吒之间也同样存在着某种 1 6 0 2 o 2 6 一 - 一 第三章目标跟踪模型分析 关系，例如，如果“当前”加速度为正，则q ( f ) 的方差为： 吒：2 a ( 4 - 7 t ) ( 口i 嗽一e 【口i ( f ) iz ( f ) 】) 2 ( 3 - 4 7 ) 万 由上面两式可知， “当前”统计模型的连续时间方程为： 设采样间隔为t ， x ( k + 1 ) 3 5 本章小结 f 0 j ( ，) = l0 1 0 则相 = 医 + x ( f ) + 应的离散时间方程为 扣+ 譬+ 等， 丁一1 - - e - a t 1 一e - 盯 o 0i 万+ 刮 万+ 缈( 七) ( 3 - 4 9 ) 本章对目前常用的几种目标跟踪模型进行了分析，主要有c v 模型、c a 模型、一阶时 间相关模型和“当前”统计模型，推导出了每种模型的状态方程，并对每种模型所适用的 运