張伯彥, 羅興旺, 藺宏江, 陳　映, 文樹梁

(北京無線電測量研究所, 北京 100854)

?

多平臺雷達點跡數(shù)據(jù)融合技術

張伯彥, 羅興旺, 藺宏江, 陳映, 文樹梁

(北京無線電測量研究所, 北京 100854)

摘要：對構建實際多平臺雷達點跡數(shù)據(jù)融合系統(tǒng)所涉及的關鍵技術進行全面闡述,重點介紹理論算法與工程實際需求相結合的綜合設計問題,包括空間配準、數(shù)據(jù)關聯(lián)的設計準則,復雜環(huán)境下點跡估計融合中的權值計算方法以及坐標系的選取等。同時，給出一種多平臺雷達數(shù)據(jù)融合系統(tǒng)運行環(huán)境仿真的總體結構及主要處理模型。仿真及雷達數(shù)據(jù)的驗證結果表明,所提出的設計準則和計算方法具有良好的跟蹤融合效果,適合應用于先進的多平臺雷達數(shù)據(jù)融合系統(tǒng)中。

關鍵詞：多平臺; 點跡數(shù)據(jù)融合; 互聯(lián)

0引言

20世紀70年代,美國開展多聲吶信息融合系統(tǒng)研制,提出將傳感器聯(lián)網(wǎng)構成協(xié)同作戰(zhàn)系統(tǒng)(cooperative engagement capability, CEC)[1-2]并形成協(xié)同作戰(zhàn)能力的構想。從1987年起,美國三軍每年召開一次信息融合學術會議[3],把信息融合列為20世紀90年代重點研發(fā)的20項關鍵技術之一,且列為最優(yōu)先發(fā)展的A類。在20世紀90年代成立了國際信息融合學會并創(chuàng)立了會刊《Information Fusion》,信息融合成為多方關注的共性關鍵理論和技術。21世紀以來美國防部進一步把信息融合作為許多復雜大系統(tǒng),如CEC中的關鍵技術進行攻關研究。因為信息融合技術將輸入信息在各協(xié)同單元上分別、并行地進行融合處理形成復合跟蹤航跡,為形成精確目標指示、協(xié)同作戰(zhàn)能力奠定基礎,本文正是對信息融合中的點跡數(shù)據(jù)融合涉及的關鍵技術進行研究。

點跡數(shù)據(jù)融合系統(tǒng)要處理來自多個運動平臺上的雷達測量的點跡,一般來說,點跡指雷達提取器提取的雷達測量數(shù)據(jù)。這些數(shù)據(jù)受到背景噪聲如地雜波、海雜波以及雷達系統(tǒng)噪聲的污染,多個動平臺雷達多目標點跡相關互聯(lián)及融合跟蹤是一項基本要求。顯然,運動多平臺雷達點跡數(shù)據(jù)融合的處理相當復雜,因此為了構建一個有效的多平臺雷達點跡數(shù)據(jù)融合系統(tǒng),仿真工作與系統(tǒng)研制相結合非常必要。此處仿真指多平臺雷達點跡數(shù)據(jù)融合系統(tǒng)運行環(huán)境的仿真,包括目標場景仿真、雜波模擬、多型雷達模擬及顯示評估。

1點跡數(shù)據(jù)融合系統(tǒng)及關鍵技術

1.1點跡數(shù)據(jù)融合結構

信息融合層次一般按如下劃分:

(1) 信號/特征估計:對多類傳感器原始信號(數(shù)據(jù)或圖像)進行融合,結果為信號/特征的狀態(tài)與可信度估計。

(2) 實體估計:對目標位置和屬性的估計,多雷達點跡數(shù)據(jù)融合屬于這級融合范疇。

(3) 態(tài)勢估計:指對戰(zhàn)場態(tài)勢關系和可信度的估計。

(4) 威脅估計:對戰(zhàn)場上戰(zhàn)斗力量分配情況的評價估計,對作戰(zhàn)意圖作出指示報警,定量表示敵方作戰(zhàn)能力及估計敵方企圖。

(5) 過程估計:根據(jù)指揮決策、火力控制等對信息的需求,對多級融合系統(tǒng)的性能進行估計得到性能、效能等的度量。

多平臺點跡數(shù)據(jù)融合系統(tǒng)示意圖如圖1所示。首先,預處理層接收雷達數(shù)據(jù)以及平臺的導航信息并進行處理,同時進行時間對準和空間統(tǒng)一處理,為上一層的相關與融合做好“一致性”準備;相關與融合層要對點跡和航跡進行關聯(lián)處理;復合跟蹤與航跡管理層的任務是對融合后的航跡形成復合跟蹤,對目標航跡信息進行管理,在系統(tǒng)內(nèi)形成統(tǒng)一態(tài)勢并進行數(shù)據(jù)輸出。這樣的系統(tǒng)結構很容易由目前的以目標位置估計為主的實體估計融合擴展到美國國防部聯(lián)合指揮實驗室數(shù)據(jù)融合專業(yè)組推薦模型[4-5]中的信號/特征估計、態(tài)勢估計、威脅估計和過程估計。

圖1　多平臺點跡數(shù)據(jù)融合系統(tǒng)示意圖

1.2時空配準

時空配準是實現(xiàn)多雷達數(shù)據(jù)關聯(lián)與融合的前提。

時間配準指的是將網(wǎng)內(nèi)各雷達關于同一目標的不同步的量測數(shù)據(jù)統(tǒng)一到同一基準時刻。采用N發(fā)N收非相參體制的數(shù)據(jù)融合系統(tǒng)工作時,各雷達在時間上是不同步的,因為每部雷達的開機時間不一樣,掃描周期不同,特別是有的雷達其工作模式呈現(xiàn)變數(shù)據(jù)率的TAS狀態(tài)。在進行多雷達數(shù)據(jù)融合時需要將不同步的測量數(shù)據(jù)對準到融合時刻。N發(fā)N收非相參體制的數(shù)據(jù)融合系統(tǒng)的時間配準主要采用內(nèi)插與外推相結合的方法,配準精度主要取決于目標速度估計精度。

空間配準指的是利用多雷達對共同目標的測量估計雷達的偏差。多雷達的偏差主要包括:雷達站址誤差;雷達測角偏差;雷達測距偏差等。其中雷達站址誤差屬于極點誤差,極點誤差歸結為全球定位系統(tǒng)(global positioning system, GPS)定位誤差,由于一般采用偽距差分的GPS,其定位誤差是米量級,所以此處忽略GPS 定位誤差的影響。雷達測距偏差對系統(tǒng)影響不大并且易于補償。雷達測角偏差的存在使目標探測位置以雷達波束指向為軸相對真實位置發(fā)生旋轉(zhuǎn)(在不存在隨機誤差情況下),包括水平方向和垂直方向,對于單雷達來說,這種偏差對每個目標都是一樣的,只是產(chǎn)生一個固定偏移,并不會影響整個系統(tǒng)的跟蹤性能;而對于多雷達數(shù)據(jù)融合系統(tǒng)來說,由于不同雷達關于同一目標的航跡之間存在較大的偏差,從而有可能被認為是不同的目標,這會給關聯(lián)和融合帶來困難,使整個融合系統(tǒng)性能下降。多雷達空間配準誤差是一種系統(tǒng)誤差,不能通過濾波技術加以消除。空間配準技術要點包括:

(1) 將各雷達數(shù)據(jù)進行坐標變換,統(tǒng)一到同一坐標系;

(2) 將各雷達進行系統(tǒng)誤差靜態(tài)校準;

(3) 在有合作目標和單目標情況下,動態(tài)估計各雷達系統(tǒng)誤差并補償;

(4) 在多目標和實際場景中,針對系統(tǒng)誤差估計與數(shù)據(jù)關聯(lián)互為前提特點,將多雷達數(shù)據(jù)關聯(lián)與系統(tǒng)誤差估計迭代進行,可以達到逐步求精效果。

1.3點跡/航跡管理

20世紀80年代,海上適合軍民兩用雷達的數(shù)據(jù)處理系統(tǒng)的典型處理能力[6]是256批航跡,500~1 000個點跡。Raytheon Solipsys公司的MSCT的典型性能[7]:100個傳感器和系統(tǒng),每秒17 000批航跡,每秒20 000個點跡;ThalesRaytheonSystem公司的Skyview典型性能[8]:100個傳感器,每秒1 000批航跡。因此為了提高處理效率,必須對點跡、航跡進行管理。一般來說,點跡、航跡管理方法有空間管理和時間管理。空間管理是將點跡、航跡數(shù)據(jù)按雷達掃描扇區(qū)和距離進行編排,時間管理是將數(shù)據(jù)按照測量時間進行時間分區(qū)編排。

將雷達的整個探測空域按方位和距離劃分成若干小區(qū)域,每一個小區(qū)域稱之為一個分區(qū)。在對點跡、航跡數(shù)據(jù)按照空間編排時,在數(shù)據(jù)融合的處理周期內(nèi),依次對每一個分區(qū)及其相鄰分區(qū)的點跡和航跡進行處理,直到將所有分區(qū)全部處理完畢。

除了上述空間編排以外,還需要對系統(tǒng)航跡和周期性掃描雷達的探測點跡進行時間分區(qū)編排處理,時間分區(qū)編排包含以下兩個方面內(nèi)容。

(1) 預測系統(tǒng)航跡下一更新時刻

與單雷達不同,系統(tǒng)航跡是由不同雷達探測的點跡關聯(lián)濾波形成的,并且這些點跡的探測時間是不規(guī)則的。綜合考慮對系統(tǒng)航跡有貢獻的多雷達當前更新時間ti和雷達的數(shù)據(jù)周期Ti,系統(tǒng)航跡下一更新時刻的預測tp可取二者之中的最小者。

(2) 處理時間分區(qū)內(nèi)的數(shù)據(jù)

考慮到系統(tǒng)航跡更新周期預測值與實際值存在偏差,在進行點航關聯(lián)處理時,點跡只與滿足下列條件的系統(tǒng)航跡進行關聯(lián)處理。

條件 1預測數(shù)據(jù)來源相同;

條件 2預測更新時刻所在時間分區(qū)與點跡所在時間分區(qū)相同或相鄰。

對于非周期掃描雷達,由于其對同一目標的探測周期不固定,無法對其更新周期進行預測,不能按上述方法進行時間分區(qū)處理,可以將這類雷達的數(shù)據(jù)與周期性掃描雷達數(shù)據(jù)分開處理,并將處理結果再進行融合。

多雷達點跡數(shù)據(jù)融合系統(tǒng)的航跡存在4種狀態(tài):起始航跡、暫時航跡、可靠航跡和刪除航跡。根據(jù)一定的準則進行這4種狀態(tài)的切換,也是航跡管理的主要內(nèi)容。

將點跡、航跡按時間和空間分區(qū)編排處理,可以減少關聯(lián)計算量,提高處理效率,方便及時送出系統(tǒng)航跡;在相關互聯(lián)處理時考慮相鄰分區(qū)的銜接,增加了相關正確概率。

1.4數(shù)據(jù)關聯(lián)

數(shù)據(jù)關聯(lián)包括相關和互聯(lián)兩個不同的處理過程。

相關:一般來說工程界的相關就是以已有航跡的預測值為中心建立一定大小的相關區(qū)域(稱為相關門),把落入相關門內(nèi)的所有點跡判斷為與該航跡相關的過程。

互聯(lián):指用最近鄰(nearest neighbor,NN)、全局最近鄰法(global nearest neighbor,GNN)或聯(lián)合概率數(shù)據(jù)關聯(lián)(joint probabitistic data association, JPDA)等方法,在與航跡相關的點跡中選擇一個點或求出等效點與該航跡配對的過程。

相關門的大小D取決于雷達測量精度σR和σθ、目標距離R和待判數(shù)據(jù)的時間差T以及速度變化ΔV。在實際應用中,由于機動不可避免,可將Kalman濾波器的新息構成的統(tǒng)計量[9]g(k)引入到相關門的計算中,一種相關門計算方法如下:

(1)

除此以外,在干擾、雜波情況下,相關門的尺寸應適當減小。

NN法是工程上常用的關聯(lián)方法之一,該方法基于距離度量最小準則,是一種局部最優(yōu)的算法,這種方法在目標密集時常常發(fā)生關聯(lián)錯誤;采用總距離之和最小準則的GNN法,其解是此類問題的最佳解,在目標比較密集情況下誤關聯(lián)明顯減少。但是選擇最佳解的主要缺點是當觀測和目標的數(shù)目都比較大時,計算量太大。如果采用矩陣n×m最優(yōu)分配算法[10],則求解最佳解的計算復雜度由m!·(m-n)!下降到n2m(n和m分別是關聯(lián)矩陣的行數(shù)和列數(shù)),這樣的計算負擔工程上可以接受。為了構建實用的互聯(lián)算法,需要采用如下附加準則:

(1) 加入硬判決:根據(jù)目標的不可模糊因素,對目標進行如下硬判決:不同屬性的目標不判關聯(lián);分屬不同高度層的目標不判關聯(lián);速度和航向差異較大的目標不判關聯(lián)。

(2) 在航跡起始階段,應用多假設思想進行多分支起航,經(jīng)過5～8周期再將暫時航跡轉(zhuǎn)為可靠航跡,可有效抑制雜波或者干擾情況下的虛假航跡。

(3) 如果波門內(nèi)無任何測量值,只能取預測值作為測量值,同時采用分叉技術,一個按原來航跡外推,一個按照機動外推。當連續(xù)無測量值次數(shù)超過一定幀數(shù)時,終止該目標的航跡。

采用如上相關門技術、互聯(lián)算法和附加準則,可以獲得改善的數(shù)據(jù)關聯(lián)效果。

1.5估計融合

估計融合[11]環(huán)節(jié)處理的數(shù)據(jù)是假定多個雷達的測量來源于同一個目標。估計融合算法種類繁多,并與融合結構密切相關。簡單凸組合融合是一種工程上常用的方法,當各雷達量測之間互不相關時,融合效果良好。

在點跡數(shù)據(jù)融合系統(tǒng)中,由于系統(tǒng)獲得的輸入是雷達點跡報告,因此估計融合將涉及多平臺雷達的測量誤差。假設雷達i的測量誤差為σRi、σAzi、σEi,那么在融合中心其位置精度為σxi、σyi、σzi,假設某時刻k有M個來自于多平臺雷達的測量點跡,并且這些點跡都屬于同一個目標,則位置融合權值kxpos_i和速度融合權值kxvel_i計算如下：

(2)

式中，Ti是雷達的數(shù)據(jù)周期。其他方向與之類似。

但是,上述簡單凸組合融合方法并不適用干擾和雜波環(huán)境下的估計融合,其原因是融合權值不僅取決于雷達精度,而且應該與點跡或者航跡所處的環(huán)境相匹配,即雜波區(qū)和非雜波區(qū)的點跡或者航跡應該具有不同的的融合權值。干擾和雜波環(huán)境下融合權值計算是通過對式(2)進行擴展得到的,即對式(2)中的雷達精度σxi引入附加系數(shù)Cxi,稱其為雜波系數(shù)。Cxi根據(jù)雷達i的測量點跡/航跡位于非雜波區(qū)、一般雜波區(qū)及強雜波區(qū)而選取不同的值,一種選取方法為Cxi=1,2,32分別表示非雜波區(qū),一般雜波區(qū)和強雜波區(qū)的系數(shù)。雷達的非雜波區(qū),一般雜波區(qū)和強雜波區(qū)劃分依賴于雷達雜波圖,將網(wǎng)內(nèi)每個雷達的探測范圍進行網(wǎng)格劃分,并實時依據(jù)點跡在時域和空域的密集程度可以形成雷達動態(tài)雜波圖。相比僅僅依賴于雷達精度的融合權值計算方法,同時考慮環(huán)境因素和目標精度獲得的融合權值可有效改善干擾和雜波環(huán)境下數(shù)據(jù)融合的效果,如第3節(jié)所示,并且計算量適中。

更高級的產(chǎn)生融合權值的方法是依靠推理。一種雷達數(shù)據(jù)融合權值知識庫結構如圖2所示。圖中置信度判別器,其輸入為雷達狀態(tài)、探測精度、航跡濾波方差或者點跡精度等事實,結合雷達特征庫存貯的數(shù)據(jù)(系統(tǒng)誤差、起伏誤差),根據(jù)經(jīng)驗建立模糊IF-Then規(guī)則,通過自適應網(wǎng)絡模糊推理系統(tǒng)(adaptive-network-based fuzzy inference system, ANFIS)[12-14]得到各雷達置信度。由于ANFIS應用于非平穩(wěn)信號、非高斯噪聲情況下難以收斂到給定的誤差,為此,在ANFIS模型基礎上,當數(shù)據(jù)在網(wǎng)絡中前向傳輸時,采用魯棒的最小二乘法估計參數(shù);當誤差信號反傳時,用廣義極大似然估計誤差函數(shù)作為估計雷達置信度的依據(jù)。這樣,得到的估計參數(shù)是最優(yōu)的,并且收斂速度非?？臁?/p>

圖2　多雷達數(shù)據(jù)融合權值知識庫結構示意圖

權值計算推理其功能是由各雷達的置信度推理得到各雷達的權值。本文有5部傳感器,根據(jù)經(jīng)驗可得到如表1所示的融合權值推理規(guī)則。表中Ui表示第i部雷達的置信度,T1>T2>T3為規(guī)定閾值,可根據(jù)經(jīng)驗設定。

估計融合結果是用各雷達的權值對它們的航跡或點跡數(shù)據(jù)進行加權。需要說明的是,這里的權值不同于傳統(tǒng)的融合加權系數(shù),而是通過推理得到的;模糊IF-Then規(guī)則以及規(guī)則閾值是知識庫的核心內(nèi)容,是對多雷達數(shù)據(jù)融合理論、數(shù)據(jù)融合專家的知識和經(jīng)驗、多次系統(tǒng)試驗和仿真試驗的結果等進行分析、綜合,并按照一定的數(shù)據(jù)結構組織得到的知識集合。

研究結果表明,建立融合權值知識庫并根據(jù)該知識庫產(chǎn)生的權值對多雷達數(shù)據(jù)進行估計融合,可獲得干擾和雜波環(huán)境下良好的數(shù)據(jù)融合效果并且適合大數(shù)據(jù)應用場景,當然方法復雜,計算開銷很大,在應用時需要折中考慮。

表1　融合權值的推理規(guī)則

坐標系對融合估計的影響不容忽視。在地心坐標系進行融合估計能夠減少雷達載體運動帶來的影響。除了需要將雷達數(shù)據(jù)變換到地心直角坐標系,還需要將量測誤差協(xié)方差矩陣和濾波誤差協(xié)方差矩陣變換到地心直角坐標系。下面不加推導地給出有關計算公式。

地心坐標系的量測誤差協(xié)方差陣Re為

(3)

地心坐標系的濾波誤差協(xié)方差矩陣Pe由位置、位置-速度、速度的誤差協(xié)方差Pepos,Pe pos-vel,Pevel構成,記T為數(shù)據(jù)間隔,有

(4)

1.6復雜背景下的點跡數(shù)據(jù)融合

在干擾、海雜波情況下,目標檢測常常非常困難,當目標的信噪比較低時,即便滿足檢測概率的條件,單幀檢測結果中不僅有目標,也會包含疑似目標、噪聲、干擾和雜波[17-20]。為此,必須依靠目標在多幀信息中的相關性進行檢測,這是因為目標在幀間存在較強的相關性,而噪聲、干擾和雜波則不具備相關性。采用多幀信息并結合其他信息(運動學特性、時間特性等)進行多幀融合判相關,以及融合權值依點跡或者航跡位于雜波區(qū)或者非雜波區(qū)而不同的復雜背景下的點跡數(shù)據(jù)融合方法,可以在滿足檢測概率和虛警率的條件下維持目標的連續(xù)跟蹤。第3節(jié)的試驗也證明了這一點。

2仿真技術與仿真系統(tǒng)

為了降低點跡數(shù)據(jù)融合系統(tǒng)的研制成本并縮短開發(fā)周期,設計構建了一個全部由計算機和軟件完成的交互式點跡數(shù)據(jù)融合的運行環(huán)境。仿真模擬了多模式雷達的工作過程,包括對空、對海、監(jiān)視、跟蹤等模式,這些雷達的掃描周期、開機時間及送出數(shù)據(jù)的時間各不相同,再現(xiàn)這些雷達的性能和數(shù)據(jù)時序關系是仿真的基本要求。除此以外,雷達背景雜波、目標場景以及載體平動和搖擺的模擬均是研制一個滿足多樣化任務需求的點跡數(shù)據(jù)融合系統(tǒng)必不可少的環(huán)節(jié)。

2.1仿真結構、功能概況

圖3給出了仿真系統(tǒng)的功能概況。圖中仿真控制功能主要包括:

(1) 系統(tǒng)授時;

(2) 動態(tài)配置各平臺和融合中心的經(jīng)緯高;

(3) 目標場景參數(shù)設置;

(4) 平臺模擬器參數(shù)設置;

(5) 各平臺上雷達類型、參數(shù)設置和控制。

目標場景仿真可以產(chǎn)生多批次進入時間不同、服從泊松分布的勻速運動或機動目標,還可以通過讀取數(shù)據(jù)文件的形式獲得目標場景,以滿足開發(fā)、調(diào)試、評估點跡/航跡融合系統(tǒng)的需要。噪聲采用零均值高斯分布模擬。雜波包括海雜波和氣象雜波等,海雜波用幅度為K分布的高斯譜雜波來表示,氣象雜波采用幅度為韋布爾分布的高斯譜模型來描述。這些雜波對于雷達目標檢測性能的影響以雷達工作頻段、作用距離不同而有所不同,采用等效檢測概率處理的方法對于研究、開發(fā)、調(diào)試、評估點跡數(shù)據(jù)融合系統(tǒng)仍然能夠獲得較高的逼真度。

雷達模擬包括電掃和機掃天線、收發(fā)系統(tǒng)、信號處理、數(shù)據(jù)處理和終端系統(tǒng)的模擬。平臺模擬指對雷達載體平臺(如空基和船基)的模擬。

圖3　多平臺雷達點跡數(shù)據(jù)融合系統(tǒng)及運行環(huán)境仿真框圖

2.2仿真系統(tǒng)硬件體系結構

仿真控制、目標和平臺模擬器及顯示評估等具有人機交互功能的子系統(tǒng)基于普通PC機實現(xiàn),操作系統(tǒng)為Windows。多型雷達模擬器集成在CPCI總線機箱中,并用軟件實現(xiàn),操作系統(tǒng)為VxWorks。融合軟件運行于Windows操作系統(tǒng),并采用C++語言實現(xiàn)。系統(tǒng)不同節(jié)點間均通過以太網(wǎng)交換機進行通信。一個基于網(wǎng)絡化、通用化、可擴展、分立與分布式相結合的仿真系統(tǒng)硬件組成示意圖如圖4所示。

圖4　點跡數(shù)據(jù)融合及仿真系統(tǒng)硬件組成

2.3設計特點

本仿真系統(tǒng)的設計是針對特定需要的,即功能有限,否則其造價就很高昂。但是對于實際工程來說多樣化是很重要的?？尚械慕鉀Q方法是用軟件并采用模塊化設計,通過功能、參數(shù)、接口的通用性設計來實現(xiàn)仿真系統(tǒng)未來的可擴展和重構。

功能的通用性設計表現(xiàn)在將系統(tǒng)中的各個功能劃分為相對獨立的子功能,各子功能接口詳盡明確,高度專用的功能與其他功能相隔離。

參數(shù)的通用性設計表現(xiàn)在為每個功能、每個模塊、每個函數(shù)設計完整的參數(shù)集及完整的文件說明,包括各參數(shù)的類型、大小、輸入/輸出等。

接口和協(xié)議的通用性設計使得本系統(tǒng)適合進行半實物仿真和數(shù)學仿真?？梢越尤肜走_實物、其他雷達模擬器或者試驗數(shù)據(jù)來驗證開發(fā)的融合系統(tǒng)的性能,也可以方便地接入其他融合系統(tǒng),作為數(shù)據(jù)融合系統(tǒng)評估與試驗床使用。

2.4評估統(tǒng)計

本系統(tǒng)仿真中包含各種評估統(tǒng)計,如數(shù)據(jù)融合性能和精度統(tǒng)計。數(shù)據(jù)融合性能統(tǒng)計主要包括正確關聯(lián)、錯誤關聯(lián)和漏關聯(lián)概率,精度統(tǒng)計包括融合結果的均值和方差。此外更復雜的評估指標還包括態(tài)勢完整性和正確性、航跡穩(wěn)定性等。

3仿真試驗

由目標模擬器模擬56批目標,這些目標的進入?yún)?shù)(斜距、高度、方位、速度、航路捷徑及航跡傾角、進入時間)略不同;同時用多型雷達模擬器模擬動平臺上的6部雷達(R0~R5,R5所在平臺已經(jīng)飛出畫面)對上述目標場景的探測,這6部雷達探測目標的數(shù)據(jù)率為2~10 s不等,測量精度也各不相同,各雷達探測的點跡在圖5中是用不同顏色表示的。對雷達探測的點跡進行融合,其結果如圖5的實線所示,并標識數(shù)字1~56。由圖5可見，融合形成的綜合航跡清晰一致,顯示了態(tài)勢完整性、正確性以及航跡穩(wěn)定性。

圖6和圖7中的點跡是某權威數(shù)據(jù)融合評估試驗床產(chǎn)生的5部雷達(空基雷達已經(jīng)飛出顯示畫面)對目標的探測數(shù)據(jù),并用不同顏色表示,這5部雷達均受到海雜波的影響,場景中有多批目標作勻速或機動運動。融合結果如圖中的實線所示。圖6是融合算法改進前即使用簡單凸組合得到的融合結果,可見圖像十分混亂;而圖7是綜合使用本文模型、算法的融合結果,可見圖像變得一致清晰。說明在復雜環(huán)境下本文模型、算法具有良好的適應性。

圖5　多平臺雷達多批目標的跟蹤與融合

圖6　海況與雜波下點跡數(shù)據(jù)融合(簡單凸組合)

4結論

本文以構建的多平臺點跡數(shù)據(jù)融合系統(tǒng)為背景,研究了涉及的關鍵技術,同時給出了該系統(tǒng)運行環(huán)境的仿真及主要模型。仿真試驗和某權威數(shù)據(jù)融合評估試驗床檢驗驗證了本文給出的點跡數(shù)據(jù)融合處理模型、算法的有效性以及復雜環(huán)境下良好的適應性;建立的仿真系統(tǒng)為選擇、改進融合算法,分析、檢驗、評估融合系統(tǒng)提供了一種除實物試驗之外的更方便的方法,設計人員利用該系統(tǒng)可以預測到由于環(huán)境變化和融合技術改進對融合系統(tǒng)帶來的影響,有效解決了復雜點跡融合系統(tǒng)研制過程中面臨的許多問題,起到了縮短研制周期,降低成本,保證融合系統(tǒng)質(zhì)量的作用。

參考文獻：

[1] Daniel B, Conrad J G. Cooperative engagement capability[J].MilitaryTechnology, 2003(8/9):26-32.

[2] O′Neil W D. The cooperative engagement capability “CEC” transforming naval anti-air warfare[R]. ADA471258, 2007.

[3] He Y, Wang G H, Guan X.Informationfusiontheorywithapplications[M].Beijing:Publishing House of Electronics Industry,2010.(何友,王國宏,關欣.信息融合理論及應用[M].北京:電子工業(yè)出版社,2010.)

[4] Zhao Z G. Current status concept and structure model of information fusion technology[J].JournalofCAEIT,2006,1(4):305-312.(趙宗貴.信息融合技術現(xiàn)狀、概念與結構模型[J].中國電子科學研究院學報,2006,1(4):305-312.)

[5] Liggins M E, Hall D L, Llinas J.Handbookofmultisensordatafusiontheoryandpractice[M].2nd ed.Boca Raton：CRC Press,2009.

[6] Farina A, Studer E A.Radardataprocessing(VolumeII)[M].Letchford: Research Studies Press LTD, 1985.

[7] Raytheon Solipsys Company. Multi source correlator tracker (MSCT) product information[EB/OL].[2014-05-26]. http:∥www.readbag.com/solipsys-pdf-production-msct 2007.

[8] Thales raytheon system company. Skyview:tactical air defense C4I system[EB/OL].[2014-05-26]. http:∥www. thalesraytheon.com/fileadmin/tmpl/Products/pdf/110882-Skyview_Datasheet_ A4_2pp.pdf.

[9] Cai Q Y, Zhang B Y, Qu H Q.Courseofphasedarrayradardataprocessing[M].Beijing:Publishing House of Electronics Industry,2011. (蔡慶宇,張伯彥,曲洪權. 相控陣雷達數(shù)據(jù)處理教程[M].北京:電子工業(yè)出版社, 2011.)

[10] Bourgeois F, Lassalle J C. An extension of the Munkres algorithm for the assignment problem to rectangular matrices[J].CommunicationsoftheACM, 1977,14(12): 802-804.

[11] Han C Z, Zhu H Y,Duan Z S.Multi-resourceinformationfusion[M].Beijing:Tsinghua University Press,2006.(韓崇昭,朱洪艷,段戰(zhàn)勝.多源信息融合[M].北京:清華大學出版社,2006.)

[12] Jang J S R. ANFIS:adaptive-network-based fuzzy inference system[J].IEEETrans.onSystems,Man,andCybernetics,1993,23(3):665-685.

[13] Jang J S R, Sun C T, Mizutani E.Neuro-fuzzyandsoftcomputing:acomputationalapproachtolearningandmachineintelligence[M].Upper Saddle River: Prentice Hall, 1997.

[14] Quan T F.Targettracking:advancedtheoryandtechniques[M].Beijing:National Defense Industry Press,2009.(權太范.目標跟蹤新理論與技術[M].北京:國防工業(yè)出版社,2009.)

[15] Bar-Shalom Y, Li X R, Kirubarajan T.Estimationwithapplicationstotrackingandnavigation:theoryalgorithmsandsoftware[M].New York: Wiley, 2001.

[16] Bar-Shalom Y,Willett P K,Tian X.Trackinganddatafusion:ahandbookofalgorithms[M].Storrs,CT:YBS Publishing,2011.

[17] Koch W.Trackingandsensordatafusion:methodologicalframeworkandselectedapplications[M].Heidelberg:Springer,2014.

[18] Huang D L, Leung H, Bosse E. A pseudo-measurement approach to simultaneous registration and track fusion[J].IEEETrans.onAerospaceandElectronicSystems, 2012, 48(3):2315-2331.

[19] Maresca S, Braca P, Horstmann J. Data fusion performance of HFSWR systems for ship traffic monitoring[C]∥Proc.ofthe16thInternationalConferenceonInformationFusion, 2013:1273-1280.

[20] Hess M, Pourvoyeur K. Integration of track-to-track fusion into multiple-modely filter[C]∥Proc.oftheTyrrhenianInternationalWorkshoponDigitalCommunications-EnhancedSurveillanceofAircraftandVehicles,2014: 101-105.

張伯彥(1957-),女,研究員,博士,主要研究方向為現(xiàn)代雷達控制與數(shù)據(jù)處理、機動多目標跟蹤、數(shù)據(jù)融合。

E-mail:zhbyhktk@163.com

羅興旺(1977-),男,高工,碩士,主要研究方向為雷達控制軟件、數(shù)據(jù)處理與雷達仿真。

E-mail:mailapoluo@qq.com

藺宏江(1974-),男,高工,碩士,主要研究方向為雷達控制軟件、數(shù)據(jù)處理與雷達仿真。

E-mail:hitlin@tom.com

陳映(1984-),女,高工,博士,主要研究方向為雷達數(shù)據(jù)處理、彈道目標跟蹤。

E-mail:michelle_cy@163.com

文樹梁(1971-),男,研究員,博士,主要研究方向為雷達總體技術、目標識別與信號處理。

E-mail:wenshul@sina.com

網(wǎng)絡優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20141208.1103.006.html

Researches on multiple-radar multiple-platform plot data fusion

ZHANG Bo-yan, LUO Xing-wang, LIN Hong-jiang, CHEN Ying, WEN Shu-liang

(BeijingInstituteofRadioMeasurement,Beijing100854，China)

Abstract:The key algorithms and techniques involved in an actual multiple-radar multiple-platform plot data fusion system are presented in detail. The main content focuses on the integrative design problem of combining theoretical algorithms and actual demands in practical engineering, which includes design rules of radar registration and data association, the weight calculating method in estimation fusion under complex environment, coordinate system selection and so on. Meanwhile, the whole configuration and main models of the system simulation are also presented. Simulation and validation results with radar data show that the performances of both fusion and tracking are good, and the design rules and methods are particularly valid for an advanced multiple-radar multiple-platform data fusion system.

Keywords:multiple-platform; plot data fusion; association

作者簡介：

中圖分類號：TN 953

文獻標志碼：A

DOI:10.3969/j.issn.1001-506X.2015.07.08

收稿日期：2014-08-04；修回日期：2014-08-27；網(wǎng)絡優(yōu)先出版日期：2014-12-08。