易 偉 袁 野 劉光宏 葛建軍 孔令講 楊建宇

①(電子科技大學(xué)信息與通信工程學(xué)院 成都 611731)

②(中國(guó)電子科技集團(tuán)公司信息科學(xué)研究院 北京 100042)

1 引言

雷達(dá)是信息感知的千里眼，具有極高的軍用和民用價(jià)值，廣泛應(yīng)用在防空預(yù)警、遙感測(cè)繪、反恐維穩(wěn)等領(lǐng)域[1—5]。雷達(dá)信息獲取與探測(cè)技術(shù)也一直是大國(guó)競(jìng)相搶占的前沿技術(shù)，同時(shí)是信息科學(xué)的重要組成部分。隨著科學(xué)技術(shù)不斷進(jìn)步，先進(jìn)電子對(duì)抗裝備的不斷問(wèn)世和廣泛列裝，雷達(dá)的生存與發(fā)展正面臨日益嚴(yán)峻的挑戰(zhàn)。從生存環(huán)境上看，雷達(dá)面臨通信等各類(lèi)民用電磁干擾以及復(fù)雜的軍用電磁干擾；從探測(cè)對(duì)象上看，集群、微弱、隱身、高空、低空等多樣化目標(biāo)的出現(xiàn)也給雷達(dá)探測(cè)與識(shí)別帶來(lái)困難。此外，隨著人工智能、自組織系統(tǒng)等新技術(shù)的發(fā)展，雷達(dá)的探測(cè)對(duì)象也正在向“多節(jié)點(diǎn)協(xié)同的體系化形態(tài)”快速演變[6—11]。因此，發(fā)展雷達(dá)目標(biāo)探測(cè)新機(jī)理與新方法以應(yīng)對(duì)新環(huán)境和新目標(biāo)已迫在眉睫。

為應(yīng)對(duì)新環(huán)境和新目標(biāo)帶來(lái)的新挑戰(zhàn)，雷達(dá)技術(shù)領(lǐng)域也隨之涌現(xiàn)出了一批新的技術(shù)方向，如太赫茲雷達(dá)、量子雷達(dá)、認(rèn)知雷達(dá)、頻控陣?yán)走_(dá)等。這些技術(shù)方向意義重大，但目前主要還是在圍繞單裝雷達(dá)進(jìn)行體制和方法創(chuàng)新研究。而單裝雷達(dá)受限于孔徑尺寸、系統(tǒng)能耗、收發(fā)共置的探測(cè)構(gòu)型及其后向散射的探測(cè)機(jī)理，在面對(duì)隱身目標(biāo)、主瓣干擾等威脅時(shí)，探測(cè)性能會(huì)出現(xiàn)嚴(yán)重惡化且缺乏有效應(yīng)對(duì)手段。

相對(duì)而言，多雷達(dá)協(xié)同探測(cè)技術(shù)通過(guò)聯(lián)動(dòng)多部雷達(dá)，形成廣域分布的收發(fā)探測(cè)構(gòu)型，可以打破單裝雷達(dá)的固有瓶頸。該技術(shù)通過(guò)一體化的資源調(diào)度力圖實(shí)現(xiàn)多部雷達(dá)的深度協(xié)同，能夠利用多部雷達(dá)的視角、頻率、極化、能量、波形等觀測(cè)資源，構(gòu)建更高維度的雷達(dá)信號(hào)空間，充分獲取空間分集、頻率分集等探測(cè)增益，并在高維空間中消減干擾的能量?jī)?yōu)勢(shì)，是應(yīng)對(duì)新環(huán)境和新目標(biāo)，顯著提升雷達(dá)性能的有效技術(shù)途徑。因此，作為未來(lái)雷達(dá)信息獲取與探測(cè)技術(shù)的重要發(fā)展方向，多雷達(dá)協(xié)同探測(cè)近年來(lái)引起了眾多學(xué)者和研究機(jī)構(gòu)的廣泛關(guān)注[1,8]。

多雷達(dá)協(xié)同探測(cè)相關(guān)研究工作范圍廣，涵蓋了系統(tǒng)組織架構(gòu)設(shè)計(jì)、人機(jī)交互模式、大帶寬通信傳輸、空時(shí)頻高精度同步、高維信號(hào)協(xié)同處理、異質(zhì)非同步信息融合、一體化資源調(diào)度等諸多方面，且相關(guān)技術(shù)路線的發(fā)展呈現(xiàn)出紛繁復(fù)雜的態(tài)勢(shì)。其中，系統(tǒng)一體化資源調(diào)度方法是實(shí)現(xiàn)多雷達(dá)深度協(xié)同的機(jī)制保障，也是協(xié)同探測(cè)的核心技術(shù)點(diǎn)之一。

現(xiàn)有組網(wǎng)雷達(dá)等多雷達(dá)系統(tǒng)的協(xié)同機(jī)制還停留在點(diǎn)航跡信息融合、任務(wù)分工、任務(wù)交接等較低層次的協(xié)同，嚴(yán)重制約了雷達(dá)協(xié)同探測(cè)的效能發(fā)揮[9]。只有具備了資源要素級(jí)的多雷達(dá)一體化綜合調(diào)度能力，才能真正實(shí)現(xiàn)多雷達(dá)的深度協(xié)同，支撐協(xié)同探測(cè)能力的最優(yōu)生成。因此，本文重點(diǎn)聚焦于多雷達(dá)一體化資源調(diào)度算法，圍繞雷達(dá)認(rèn)知跟蹤這一典型任務(wù)，梳理和總結(jié)了近年來(lái)國(guó)內(nèi)外該方向的最新研究進(jìn)展，旨在為后續(xù)相關(guān)研究提供參考。

2 多雷達(dá)協(xié)同探測(cè)

2.1 概念內(nèi)涵

多雷達(dá)協(xié)同探測(cè)的內(nèi)涵較為寬泛，目前在學(xué)術(shù)界并沒(méi)有非常統(tǒng)一且清晰的界定，特別是與組網(wǎng)雷達(dá)、網(wǎng)絡(luò)化雷達(dá)、多基地雷達(dá)、分布式雷達(dá)等概念的關(guān)系和區(qū)別存在一定模糊。在本文中，作者把多雷達(dá)協(xié)同探測(cè)定義為一種廣義的雷達(dá)探測(cè)方式而非一種特定體制的雷達(dá)系統(tǒng)。一般來(lái)說(shuō)，多雷達(dá)協(xié)同探測(cè)具備4方面要素：

(1) 探測(cè)構(gòu)型呈現(xiàn)為多節(jié)點(diǎn)分布式布局形態(tài)：采用有線/無(wú)線網(wǎng)絡(luò)級(jí)聯(lián)多個(gè)射頻收發(fā)參數(shù)、體制模式不盡相同的雷達(dá)節(jié)點(diǎn)，通過(guò)信息交互，形成空間上廣域分布的協(xié)同探測(cè)構(gòu)型。

(2) 基于態(tài)勢(shì)輸入的任務(wù)和預(yù)案生成：能夠根據(jù)當(dāng)前探測(cè)區(qū)域的態(tài)勢(shì)信息(包括：來(lái)襲目標(biāo)數(shù)量/威脅度、待搜索區(qū)域的面積/搜索數(shù)據(jù)率要求等)，完成面向態(tài)勢(shì)的搜索、跟蹤、攔截等具體探測(cè)任務(wù)生成，同時(shí)擁有對(duì)探測(cè)任務(wù)執(zhí)行預(yù)案的離線模板匹配/自適應(yīng)生成能力[11]。

(3) 以具體探測(cè)任務(wù)為目標(biāo)的一體化資源調(diào)度與多節(jié)點(diǎn)深度協(xié)同能力：在當(dāng)下的系統(tǒng)執(zhí)行預(yù)案下，圍繞具體的區(qū)域搜索、目標(biāo)跟蹤、目標(biāo)識(shí)別等探測(cè)任務(wù)，通過(guò)高效的調(diào)度機(jī)制一體化的綜合管控系統(tǒng)整體資源，達(dá)到多個(gè)雷達(dá)節(jié)點(diǎn)的緊密配合和深度協(xié)同，最終實(shí)現(xiàn)情景形態(tài)和探測(cè)任務(wù)的動(dòng)態(tài)組合、客觀適變和最佳探測(cè)。

(4) 多通道高維信號(hào)與多源信息的綜合處理能力：空間廣域分布的多個(gè)雷達(dá)，可以接收到多通道高維回波信號(hào)，并形成信號(hào)級(jí)、信息級(jí)、情報(bào)級(jí)的多類(lèi)型數(shù)據(jù)；通過(guò)有中心、無(wú)中心或者多中心的通信傳輸和計(jì)算存儲(chǔ)架構(gòu)，系統(tǒng)能夠采用相參、非相參等信號(hào)處理及點(diǎn)航跡數(shù)據(jù)多源信息融合方法對(duì)多雷達(dá)形成的信號(hào)級(jí)、信息級(jí)、情報(bào)級(jí)數(shù)據(jù)進(jìn)行最優(yōu)綜合處理，最終實(shí)現(xiàn)檢測(cè)、定位、跟蹤、識(shí)別、干擾抑制等雷達(dá)功能?？梢钥闯?，組網(wǎng)雷達(dá)、網(wǎng)絡(luò)化雷達(dá)、多基地雷達(dá)、分布式雷達(dá)等系統(tǒng)的探測(cè)模式只能部分滿足上述的4方面要素。

多雷達(dá)協(xié)同探測(cè)理論上可顯著提升雷達(dá)的探測(cè)效能和生存對(duì)抗能力。圖1示例了多部雷達(dá)協(xié)同探測(cè)飛機(jī)編隊(duì)的場(chǎng)景。可以看出，利用空間上廣域部署的射頻天線可以接收到不同時(shí)間、波形、角度、頻率、極化等的目標(biāo)多維散射信號(hào)，大幅增加目標(biāo)不同特性的觀測(cè)樣本，獲取空間分集、頻率分集等探測(cè)增益，為提升目標(biāo)信噪比和改善探測(cè)性能提供基礎(chǔ)條件。

圖1 復(fù)雜電磁環(huán)境下多雷達(dá)協(xié)同對(duì)空探測(cè)示意圖Fig.1 Schematic diagram of multi-radar collaborative air surveillance in complex electromagnetic environment

從應(yīng)對(duì)多元化探測(cè)任務(wù)的角度看，多類(lèi)型、多用途探測(cè)平臺(tái)的組網(wǎng)為多元化探測(cè)任務(wù)的高效執(zhí)行提供了硬件基礎(chǔ)。探測(cè)平臺(tái)與自適應(yīng)控制算法、人工智能和指戰(zhàn)員之間的交互，能夠支撐多雷達(dá)任務(wù)規(guī)劃、任務(wù)執(zhí)行預(yù)案的在線生成，有效提升多元化探測(cè)任務(wù)的執(zhí)行效能[11]。

從應(yīng)對(duì)復(fù)雜電磁環(huán)境的角度來(lái)說(shuō)，協(xié)同多部雷達(dá)可構(gòu)建更高維度的信號(hào)空間，由于干擾信號(hào)很難在全信號(hào)維度及其各變換域空間完全模擬目標(biāo)信號(hào)，因此這可為目標(biāo)和干擾信號(hào)的區(qū)分，消減干擾的能量?jī)?yōu)勢(shì)提供更好的條件。

同時(shí)，具備高效協(xié)同機(jī)制的多部雷達(dá)在面對(duì)多節(jié)點(diǎn)體系化形態(tài)的新型探測(cè)對(duì)象時(shí)，可以形成“體系協(xié)同”對(duì)抗“體系協(xié)同”的均勢(shì)。綜上，多雷達(dá)協(xié)同探測(cè)的本質(zhì)是從探測(cè)構(gòu)型、信號(hào)維度、系統(tǒng)自由度等方向，由低維度向高維度演進(jìn)，符合雷達(dá)技術(shù)發(fā)展的趨勢(shì)和規(guī)律[5]。

近年來(lái)，組網(wǎng)雷達(dá)、分布式陣列相參合成雷達(dá)、集中式多輸入多輸出(Colocated-MIMO,C-MIMO)雷達(dá)、分布式MIMO (Distributed-MIMO,D-MIMO)雷達(dá)等新體制雷達(dá)系統(tǒng)被國(guó)內(nèi)外學(xué)者廣泛研究，且已被證實(shí)可以獲得可觀的協(xié)同探測(cè)增益。從某種意義上講，這些系統(tǒng)也可以被看作宏觀的多雷達(dá)協(xié)同探測(cè)理念在不同軟硬件條件下的中間形態(tài)表現(xiàn)形式。例如，受通信、同步、計(jì)算等能力的限制，早期的多雷達(dá)協(xié)同采用的是多個(gè)自發(fā)自收雷達(dá)節(jié)點(diǎn)的簡(jiǎn)單組網(wǎng)協(xié)同機(jī)制，即組網(wǎng)雷達(dá)系統(tǒng)。圖2為多雷達(dá)協(xié)同探測(cè)示意圖，其中藍(lán)點(diǎn)和紅點(diǎn)分別表示收發(fā)天線；不同顏色的箭頭代表不同頻率、極化角度等的電磁信號(hào)發(fā)射和接收路徑；棕色陰影示意探測(cè)效能。如圖2所示，該協(xié)同模式只利用了單部雷達(dá)發(fā)射并接收的目標(biāo)后向散射信號(hào)，傳輸處理的往往也是信號(hào)檢測(cè)后的點(diǎn)航跡數(shù)據(jù)級(jí)信息。相比而言，CMIMO雷達(dá)、D-MIMO雷達(dá)等則進(jìn)行的是多發(fā)多收的高維信號(hào)聯(lián)合處理[12,13]，但同時(shí)這些系統(tǒng)對(duì)傳輸、計(jì)算和時(shí)頻同步有更高要求[14,15]。

圖2 多雷達(dá)協(xié)同探測(cè)示意圖Fig.2 Schematic diagram of multi-radar collaborative surveillance

2.2 技術(shù)挑戰(zhàn)

大帶寬通信、高精度時(shí)-空-頻基準(zhǔn)和網(wǎng)絡(luò)云計(jì)算等相關(guān)技術(shù)進(jìn)步，已為多雷達(dá)協(xié)同的加速發(fā)展奠定了必要的硬件基礎(chǔ)條件，但要演化出高級(jí)形態(tài)的協(xié)同探測(cè)系統(tǒng)，仍面臨諸多亟待解決的瓶頸問(wèn)題。

2.2.1 多雷達(dá)協(xié)同認(rèn)知的控制閉環(huán)構(gòu)建

閉環(huán)即多雷達(dá)協(xié)同探測(cè)數(shù)據(jù)、控制指令交互的回路。協(xié)同認(rèn)知閉環(huán)的構(gòu)建可以充分利用探測(cè)資源，實(shí)現(xiàn)探測(cè)平臺(tái)精準(zhǔn)、深度、實(shí)時(shí)的協(xié)同，從而有效提升探測(cè)系統(tǒng)威力。閉環(huán)是探測(cè)系統(tǒng)中一個(gè)廣義的控制概念，可以從不同的角度對(duì)其進(jìn)行相應(yīng)的表述。如圖3所示，從狹義的角度解釋?zhuān)瑓f(xié)同探測(cè)閉環(huán)是由目標(biāo)信號(hào)處理、多雷達(dá)數(shù)據(jù)融合、雷達(dá)資源控制調(diào)度3要素構(gòu)成的“感知-處理-決策”的信號(hào)處理算法級(jí)閉環(huán)。

圖3 多雷達(dá)協(xié)同認(rèn)知閉環(huán)構(gòu)建Fig.3 Cognitive closed-loop for multi-radar collaborative surveillance

而從廣義層面來(lái)看，協(xié)同探測(cè)閉環(huán)是綜合考慮探測(cè)環(huán)境、裝備條件、情報(bào)信息、指揮員決策、人機(jī)智能交互等多要素融合后的協(xié)同系統(tǒng)級(jí)閉環(huán)[11]。系統(tǒng)級(jí)閉環(huán)旨在將指揮員的決策與協(xié)同探測(cè)硬件平臺(tái)結(jié)合以構(gòu)成信息的回路，完成對(duì)探測(cè)任務(wù)、處理模式和調(diào)度機(jī)制相關(guān)工作預(yù)案的生成，以實(shí)現(xiàn)人-機(jī)、機(jī)-機(jī)之間的深度協(xié)同。由于協(xié)同閉環(huán)構(gòu)建的過(guò)程涉及人、環(huán)境、機(jī)器等多種要素的協(xié)調(diào)配合，制定一套通用、高效的認(rèn)知閉環(huán)是協(xié)同探測(cè)系統(tǒng)設(shè)計(jì)的難點(diǎn)之一。

2.2.2 通用的多通道高維信號(hào)與多源信息處理方法

廣域分布的天線可接收不同掃描時(shí)間、收發(fā)角度、波形、頻率、極化等的回波信號(hào)，大幅增加了觀測(cè)樣本的數(shù)量和回波信號(hào)的空間維度[16,17]。要挖掘信號(hào)空間帶來(lái)的探測(cè)效能增益，需要研究匹配的高維信號(hào)處理與信息融合方法。但是當(dāng)下的雷達(dá)信號(hào)處理與信息融合方法并不能簡(jiǎn)單推廣適用于多雷達(dá)協(xié)同探測(cè)的場(chǎng)景。例如，簡(jiǎn)單組網(wǎng)雷達(dá)只進(jìn)行了點(diǎn)航跡數(shù)據(jù)級(jí)的協(xié)同融合處理；分布式陣列相參合成雷達(dá)、C-MIMO雷達(dá)的信號(hào)處理方法只適用于收發(fā)陣列臨近布置的情況，收發(fā)天線無(wú)法充分獲取目標(biāo)的多角度電磁散射特性和空間分集探測(cè)增益；此外，多通道信號(hào)相參處理往往需要信號(hào)時(shí)間、相位嚴(yán)格同步[14]。D-MIMO雷達(dá)雖然適用于廣域分布的收發(fā)陣列，但是往往也是對(duì)同頻段且時(shí)間同步的回波信號(hào)進(jìn)行處理，并沒(méi)有考慮到由于多個(gè)雷達(dá)掃描波束時(shí)間不同步導(dǎo)致的波束追趕等問(wèn)題。

2.2.3 具體探測(cè)任務(wù)驅(qū)動(dòng)的高自由度系統(tǒng)全局資源調(diào)度能力

多雷達(dá)的協(xié)同和聯(lián)動(dòng)可提供更豐富的空間、時(shí)間、頻率、極化、波形、功率等系統(tǒng)探測(cè)資源，但系統(tǒng)自由度增加的同時(shí)系統(tǒng)管控和調(diào)度的難度也隨之增加。要充分挖掘一個(gè)高自由度系統(tǒng)的潛在探測(cè)能力，需要以系統(tǒng)任務(wù)為驅(qū)動(dòng)，以全局態(tài)勢(shì)為基礎(chǔ)，對(duì)各雷達(dá)節(jié)點(diǎn)的可控資源進(jìn)行動(dòng)態(tài)的最優(yōu)調(diào)度。因此，高效的系統(tǒng)調(diào)度是多雷達(dá)系統(tǒng)探測(cè)性能優(yōu)化的前提，也是“體系協(xié)同”的機(jī)制保障[7]。然而，目前的雷達(dá)調(diào)度理論和方法主要還是面向多功能相控陣?yán)走_(dá)、MIMO雷達(dá)等特定的系統(tǒng)來(lái)進(jìn)行針對(duì)性的研究。面向多雷達(dá)協(xié)同探測(cè)的協(xié)同機(jī)制還停留在現(xiàn)有組網(wǎng)雷達(dá)的任務(wù)分工、交接等較低層次的任務(wù)級(jí)協(xié)同水平。資源要素級(jí)的協(xié)同探測(cè)調(diào)度理論和方法還在起步階段，也是當(dāng)前的重點(diǎn)研究方向。例如，美軍于2017年提出的“馬賽克”作戰(zhàn)概念便是資源要素級(jí)協(xié)同的一種具體實(shí)踐方式[7,18]，利用一系列分布式、低成本、易于組織的探測(cè)單元構(gòu)建一個(gè)探測(cè)性能強(qiáng)大、適應(yīng)性強(qiáng)、易于隱蔽的網(wǎng)絡(luò)化探測(cè)系統(tǒng)。

多雷達(dá)協(xié)同探測(cè)技術(shù)涉及了控制閉環(huán)構(gòu)建、信息信號(hào)處理、調(diào)度控制機(jī)制設(shè)計(jì)等多個(gè)維度，是一個(gè)從底層處理(信號(hào)處理級(jí)閉環(huán))到頂層應(yīng)用(協(xié)同交互控制閉環(huán))的系統(tǒng)性研究。針對(duì)協(xié)同探測(cè)系統(tǒng)的頂層架構(gòu)設(shè)計(jì)、協(xié)同交互控制閉環(huán)構(gòu)建等方面，已有部分工作對(duì)其進(jìn)行了系統(tǒng)性的建模和探討[8,11,18]，例如，空軍預(yù)警學(xué)院丁建江[11]從協(xié)同探測(cè)的人機(jī)智能融合閉環(huán)建模、閉環(huán)的工程化設(shè)計(jì)等方面對(duì)協(xié)同作戰(zhàn)級(jí)閉環(huán)構(gòu)建問(wèn)題展開(kāi)了深入研究。本文則聚焦于信號(hào)處理算法的閉環(huán)，以多雷達(dá)協(xié)同認(rèn)知跟蹤與資源管理問(wèn)題為牽引，對(duì)多雷達(dá)協(xié)同探測(cè)瓶頸問(wèn)題進(jìn)行梳理和探討。

3 多雷達(dá)協(xié)同認(rèn)知跟蹤算法的閉環(huán)構(gòu)建

本節(jié)主要圍繞圖3中的信號(hào)處理級(jí)閉環(huán)，介紹多雷達(dá)協(xié)同探測(cè)的信號(hào)處理認(rèn)知閉環(huán)的概念。在此基礎(chǔ)上，以目標(biāo)跟蹤任務(wù)為例，總結(jié)認(rèn)知跟蹤與資源調(diào)度信號(hào)處理算法閉環(huán)的構(gòu)建流程。

3.1 多雷達(dá)協(xié)同探測(cè)的信號(hào)處理認(rèn)知閉環(huán)

不同于傳統(tǒng)情報(bào)級(jí)組網(wǎng)雷達(dá)開(kāi)環(huán)的信號(hào)處理，協(xié)同探測(cè)系統(tǒng)采用認(rèn)知閉環(huán)的信號(hào)處理機(jī)制[11,19]以提升系統(tǒng)的環(huán)境適應(yīng)性和探測(cè)能力。如圖4所示，認(rèn)知信號(hào)處理是一個(gè)由感知、反饋、分析、決策再到感知所形成的閉環(huán)流程。

圖4 多雷達(dá)協(xié)同探測(cè)的信號(hào)處理認(rèn)知閉環(huán)Fig.4 Cognitive closed-loop for the signal processing of multi-radar collaborative surveillance

利用環(huán)境反饋信息調(diào)整雷達(dá)系統(tǒng)資源參數(shù)是實(shí)現(xiàn)認(rèn)知閉環(huán)的關(guān)鍵所在。圖5更具體地展示和描述了圖4中認(rèn)知閉環(huán)協(xié)同探測(cè)信號(hào)處理流程，具體如下：

圖5 多雷達(dá)協(xié)同探測(cè)及資源調(diào)度算法處理流程的認(rèn)知閉環(huán)Fig.5 Cognitive closed-loop for the processing of multi-radar collaborative surveillance and resource allocation algorithms

(1) 態(tài)勢(shì)與環(huán)境的參數(shù)化輸入：時(shí)刻k，探測(cè)系統(tǒng)通過(guò)與環(huán)境交互學(xué)習(xí)，預(yù)測(cè)實(shí)時(shí)的態(tài)勢(shì)信息xk|k-1。這里的xk|k-1在不同探測(cè)任務(wù)場(chǎng)景中有不同定義，如：在跟蹤任務(wù)中xk|k-1可以是特定目標(biāo)的位置、速度、角度等參數(shù)信息的預(yù)測(cè)值；

(2) 具體探測(cè)任務(wù)及其性能評(píng)價(jià)指標(biāo)建模：以態(tài)勢(shì)信息xk|k-1為輸入，以雷達(dá)系統(tǒng)的收發(fā)資源Θk為基礎(chǔ)，圍繞具體探測(cè)任務(wù)構(gòu)建性能評(píng)價(jià)指標(biāo)Ξ與態(tài)勢(shì)和資源的數(shù)學(xué)關(guān)系。以目標(biāo)跟蹤任務(wù)為例，雷達(dá)的收發(fā)資源Θk可以為雷達(dá)的跟蹤波束分配、波束駐留時(shí)間、發(fā)射功率等，而跟蹤任務(wù)的性能指標(biāo)可以為目標(biāo)的跟蹤精度。函數(shù)本質(zhì)是在特定態(tài)勢(shì)信息xk|k-1下，雷達(dá)系統(tǒng)資源參數(shù)Θk與探測(cè)性能Ξ的數(shù)學(xué)映射；

多雷達(dá)協(xié)同探測(cè)通過(guò)不斷感知和理解環(huán)境，并根據(jù)環(huán)境的變化實(shí)時(shí)地調(diào)整協(xié)同探測(cè)系統(tǒng)的參數(shù)配置，以實(shí)現(xiàn)探測(cè)性能的動(dòng)態(tài)增益，由此構(gòu)建了認(rèn)知雷達(dá)概念中所強(qiáng)調(diào)的“感知-行動(dòng)”認(rèn)知閉環(huán)[20]，其信息處理流程也符合OODA環(huán)(即由觀察、調(diào)整、決策、行動(dòng)，再由行動(dòng)結(jié)果指導(dǎo)下一次觀察所構(gòu)成的閉環(huán)決策過(guò)程)的閉環(huán)控制概念[21]。

3.2 多雷達(dá)協(xié)同跟蹤算法的認(rèn)知閉環(huán)

3.2.1 認(rèn)知跟蹤算法及其特點(diǎn)

作為探測(cè)系統(tǒng)的典型任務(wù)之一，多目標(biāo)跟蹤旨在實(shí)現(xiàn)對(duì)跟蹤目標(biāo)狀態(tài)(包括：位置、速度、RCS、航向等)的連續(xù)時(shí)刻估計(jì)[22]，支撐戰(zhàn)場(chǎng)情報(bào)/態(tài)勢(shì)信息的輸出。若將閉環(huán)認(rèn)知的信號(hào)處理機(jī)制引入到跟蹤任務(wù)中，雷達(dá)系統(tǒng)則可利用當(dāng)前跟蹤算法中獲取的實(shí)時(shí)態(tài)勢(shì)完成目標(biāo)狀態(tài)先驗(yàn)信息更新，同時(shí)用于指導(dǎo)雷達(dá)系統(tǒng)在下一個(gè)周期發(fā)射資源參數(shù)的優(yōu)化配置，以進(jìn)一步提升下一個(gè)周期的跟蹤性能。

如圖6所示，相比于傳統(tǒng)跟蹤而言，認(rèn)知跟蹤最大的特點(diǎn)便是其目標(biāo)先驗(yàn)信息貫穿始終的用在信號(hào)處理和資源調(diào)度過(guò)程中，呈現(xiàn)出一套閉環(huán)的信號(hào)處理模式。而在傳統(tǒng)多雷達(dá)跟蹤模式中，目標(biāo)先驗(yàn)信息僅用于跟蹤狀態(tài)更新，并不參與雷達(dá)的其他處理過(guò)程，整體信號(hào)處理呈現(xiàn)一種開(kāi)環(huán)的狀態(tài)。

圖6 認(rèn)知跟蹤算法與傳統(tǒng)融合跟蹤算法的區(qū)別Fig.6 The difference between traditional target tracking and recognitive tracking algorithms

接下來(lái)，本文將圍繞多目標(biāo)跟蹤任務(wù)，以典型多雷達(dá)數(shù)據(jù)級(jí)融合跟蹤算法為例，對(duì)閉環(huán)認(rèn)知多雷達(dá)協(xié)同資源調(diào)度相關(guān)技術(shù)原理及流程進(jìn)行詳細(xì)介紹。

3.2.2 多目標(biāo)跟蹤場(chǎng)景及雷達(dá)系統(tǒng)描述

如圖7所示，多雷達(dá)協(xié)同目標(biāo)跟蹤需要利用N部雷達(dá)節(jié)點(diǎn)合作完成對(duì)Q個(gè)跟蹤目標(biāo)狀態(tài)值(q=1,2,...,Q)從初始時(shí)刻k=0開(kāi)始的序貫估計(jì)。

圖7 多雷達(dá)協(xié)同多目標(biāo)跟蹤場(chǎng)景Fig.7 Scenario of multi-radar collaborative target tracking

在時(shí)刻k，多雷達(dá)以特定的系統(tǒng)資源參數(shù)Θk完成射頻探測(cè)及回波信號(hào)接收處理，從而得到目標(biāo)的量測(cè)數(shù)據(jù)(q=1,2,...,Q,n=1,2,...,N)，這里的表示雷達(dá)n收到的關(guān)于目標(biāo)q的量測(cè)；然后，雷達(dá)通過(guò)對(duì)量測(cè)數(shù)據(jù)進(jìn)行融合、濾波處理后，得到目標(biāo)狀態(tài)的估計(jì)；最后，目標(biāo)狀態(tài)估計(jì)可被用于預(yù)測(cè)下一時(shí)刻狀態(tài)(即計(jì)算跟蹤先驗(yàn)信息)并反饋給跟蹤信息的融合處理模塊，以完成后續(xù)濾波過(guò)程。

在實(shí)際雷達(dá)系統(tǒng)中，受制于發(fā)射機(jī)硬件限制，其系統(tǒng)資源通常存在上下邊界約束，即

注意，式(1)僅用于表達(dá)資源變量往往存在約束限制，而具體資源約束的需要參見(jiàn)對(duì)應(yīng)的數(shù)學(xué)表達(dá)式。雷達(dá)系統(tǒng)探測(cè)資源的具體類(lèi)型和邊界約束值[Θmin,Θmax]在不同雷達(dá)系統(tǒng)中通常不同。圖8為網(wǎng)絡(luò)化MIMO雷達(dá)多目標(biāo)跟蹤場(chǎng)景意圖，其中，雷達(dá)1,2,3分別發(fā)射了3,2,1個(gè)波束，實(shí)現(xiàn)對(duì)3個(gè)目標(biāo)的協(xié)同跟蹤。如圖8所示，以文獻(xiàn)[23]考慮的組網(wǎng)CMIMO雷達(dá)系統(tǒng)為例，多個(gè)C-MIMO雷達(dá)節(jié)點(diǎn)同時(shí)在多波束模式下進(jìn)行多目標(biāo)跟蹤。此時(shí)，雷達(dá)系統(tǒng)發(fā)射機(jī)波束數(shù)量、發(fā)射功率的邊界約束可分別建立為

圖8 網(wǎng)絡(luò)化MIMO雷達(dá)多目標(biāo)跟蹤場(chǎng)景意圖Fig.8 Scenario of multi-target tracking with netted MIMO radar

綜合以上模型可看出，多目標(biāo)跟蹤的本質(zhì)就是在雷達(dá)系統(tǒng)能力約束下 [Θmin,Θmax]，綜合一體化運(yùn)用雷達(dá)系統(tǒng)資源Θk，實(shí)現(xiàn)對(duì)跟蹤目標(biāo)狀態(tài)信息的合作估計(jì)。

3.2.3 多雷達(dá)協(xié)同跟蹤模型

跟蹤問(wèn)題中通常使用目標(biāo)狀態(tài)模型(運(yùn)動(dòng)模型)和量測(cè)模型分別描述被跟蹤目標(biāo)的運(yùn)動(dòng)狀態(tài)更新規(guī)則及量測(cè)信息的表達(dá)式[24]：

因此，誤差協(xié)方差矩陣也可寫(xiě)成一個(gè)與雷達(dá)系統(tǒng)資源參數(shù)Θk相關(guān)的函數(shù)：

3.2.4 跟蹤信息融合架構(gòu)

(1) 集中式融合架構(gòu)

如圖9(a)所示，集中式融合架構(gòu)中所有雷達(dá)節(jié)點(diǎn)與公共的融合中心相聯(lián)。雷達(dá)節(jié)點(diǎn)將目標(biāo)的原始量測(cè)(n=1,2,...,N)直接傳輸?shù)饺诤现行?，所有量測(cè)被堆疊成一個(gè)大的向量。結(jié)合先驗(yàn)信息和量測(cè)數(shù)據(jù)，集中式融合可通過(guò)序貫貝葉斯濾波[27,28]處理得到跟蹤目標(biāo)狀態(tài)的估計(jì)值。

圖9 多雷達(dá)協(xié)同信息融合架構(gòu)Fig.9 Multi-radar information fusion architectures

(2) 分布式融合架構(gòu)

3.2.5 目標(biāo)跟蹤性能指標(biāo)

目標(biāo)跟蹤性能指標(biāo)旨在描述或預(yù)測(cè)，在具體的資源分配及融合處理方式下，多雷達(dá)協(xié)同跟蹤可獲得的目標(biāo)狀態(tài)估計(jì)精度。常見(jiàn)的性能指標(biāo)包括跟蹤誤差的預(yù)測(cè)協(xié)方差矩陣[29]、目標(biāo)觀測(cè)誤差的互信息[30]、量測(cè)誤差的克拉默-拉奧界(Cramér-Rao Lower Bound,CRLB)[31]以及后驗(yàn)克拉默-拉奧界(Posterior CRLB,PCRLB)[32]等。

PCRLB是目標(biāo)跟蹤中最為經(jīng)典和常用的性能指標(biāo)。其計(jì)算過(guò)程與序貫貝葉斯濾波的實(shí)現(xiàn)是完全匹配的，因此也被稱(chēng)作貝葉斯克拉默-拉奧界(Bayesian CRLB,BCRLB)[33]。從統(tǒng)計(jì)意義上講，PCRLB能夠給出任意無(wú)偏估計(jì)器估計(jì)誤差的理論下界：

其中，p(x,z)表示關(guān)于估計(jì)狀態(tài)x和量測(cè)z的函數(shù)；為目標(biāo)狀態(tài)的估計(jì)值；Ep{·}表示關(guān)于p的數(shù)學(xué)期望；為目標(biāo)q狀態(tài)估計(jì)誤差的PCRLB。PCRLB給出了狀態(tài)估計(jì)均方誤差(Mean Squared Error,MSE)的統(tǒng)計(jì)下界，在給定目標(biāo)跟蹤的系統(tǒng)模型后便可直接計(jì)算或擬合出對(duì)應(yīng)的跟蹤PCRLB。因此，PCRLB不受單次跟蹤實(shí)驗(yàn)的隨機(jī)性及使用的狀態(tài)濾波器的影響，是一個(gè)通用的跟蹤性能理論下界[34]。

3.2.6 資源調(diào)度問(wèn)題及其優(yōu)化準(zhǔn)則

從數(shù)學(xué)上看，多雷達(dá)協(xié)同認(rèn)知跟蹤資源調(diào)度的數(shù)學(xué)本質(zhì)是一個(gè)以雷達(dá)系統(tǒng)資源參數(shù)Θk為變量的優(yōu)化問(wèn)題。根據(jù)任務(wù)場(chǎng)景和資源調(diào)度優(yōu)化準(zhǔn)則的不同，該優(yōu)化問(wèn)題主要可以分為兩類(lèi)。

(1) 任務(wù)性能最優(yōu)準(zhǔn)則

基于該優(yōu)化準(zhǔn)則，雷達(dá)系統(tǒng)會(huì)用盡可用系統(tǒng)資源，來(lái)實(shí)現(xiàn)跟蹤性能的最優(yōu)化，即實(shí)現(xiàn)所謂的任務(wù)性能最優(yōu)。結(jié)合前述的數(shù)學(xué)符號(hào)，該優(yōu)化問(wèn)題可被建模為

(2) 系統(tǒng)資源最小化準(zhǔn)則

基于該優(yōu)化準(zhǔn)則，雷達(dá)系統(tǒng)會(huì)在保證一定的探測(cè)任務(wù)性能約束條件前提下，盡可能地使得雷達(dá)系統(tǒng)消耗資源最少，即所謂的資源最小化準(zhǔn)則。該優(yōu)化問(wèn)題可被建模為

其中，目標(biāo)函數(shù)f(Θk)用于表征雷達(dá)系統(tǒng)資源的消耗水平；約束表示預(yù)設(shè)的對(duì)目標(biāo)q的跟蹤性能要求，它能夠保證在最小化系統(tǒng)資源消耗的時(shí)候不會(huì)影響探測(cè)任務(wù)性能。

從應(yīng)用角度來(lái)看，雷達(dá)系統(tǒng)要在有限發(fā)射資源約束下，同時(shí)執(zhí)行多元化探測(cè)任務(wù)(如：多目標(biāo)跟蹤、檢測(cè)跟蹤一體化等[35])，任務(wù)間對(duì)雷達(dá)發(fā)射資源使用存在競(jìng)爭(zhēng)。此背景下，如何設(shè)計(jì)一個(gè)可兼顧不同類(lèi)型任務(wù)綜合性能及雷達(dá)探測(cè)能力約束的目標(biāo)函數(shù)f(·)，以使資源調(diào)度方案在多任務(wù)資源競(jìng)爭(zhēng)關(guān)系下實(shí)現(xiàn)綜合性能最優(yōu)，成為資源調(diào)度研究的關(guān)鍵問(wèn)題。

3.2.7 閉環(huán)結(jié)構(gòu)的認(rèn)知跟蹤流程

若在閉環(huán)認(rèn)知的多雷達(dá)協(xié)同機(jī)制下引入雷達(dá)系統(tǒng)的資源調(diào)度模塊，則可利用跟蹤目標(biāo)先驗(yàn)作為環(huán)境認(rèn)知的反饋，形成面向認(rèn)知跟蹤的多雷達(dá)協(xié)同系統(tǒng)資源調(diào)度模式。該模式的處理流程如圖10所示。整體的流程主要包括跟蹤性能預(yù)測(cè)、系統(tǒng)資源調(diào)度以及數(shù)據(jù)融合跟蹤信號(hào)處理3個(gè)模塊，涵蓋了本節(jié)上述內(nèi)容所介紹的整個(gè)處理過(guò)程。

圖10 資源調(diào)度為基礎(chǔ)的雷達(dá)認(rèn)知跟蹤閉環(huán)的處理流程Fig.10 Resource allocation-based processing flow of the radar cognitive tracking

4 多雷達(dá)協(xié)同認(rèn)知跟蹤資源調(diào)度算法進(jìn)展

認(rèn)知跟蹤是多雷達(dá)協(xié)同探測(cè)所執(zhí)行的典型任務(wù)之一，而探測(cè)資源動(dòng)態(tài)最優(yōu)配置則從系統(tǒng)控制調(diào)度的維度為認(rèn)知跟蹤性能的提升提供了機(jī)制保障[25]。結(jié)合圖10認(rèn)知跟蹤閉環(huán)處理流程來(lái)說(shuō)，當(dāng)前該領(lǐng)域相關(guān)工作主要涉及以下3個(gè)方面：

(1) 雷達(dá)節(jié)點(diǎn)屬性及可調(diào)度資源要素：雷達(dá)節(jié)點(diǎn)屬性及能力決定了可調(diào)度控制的資源要素類(lèi)型。而資源要素對(duì)應(yīng)了資源調(diào)度模型的優(yōu)化參量及后續(xù)輸出的系統(tǒng)資源配置結(jié)果。

(2) 數(shù)據(jù)融合跟蹤架構(gòu)與跟蹤性能預(yù)測(cè)：數(shù)據(jù)融合與跟蹤架構(gòu)決定了多雷達(dá)數(shù)據(jù)的傳輸計(jì)算復(fù)雜度及協(xié)同跟蹤性能。同樣，協(xié)同跟蹤性能預(yù)測(cè)指標(biāo)的推導(dǎo)也需要考慮數(shù)據(jù)融合跟蹤架構(gòu)的影響。

(3) 資源調(diào)度優(yōu)化問(wèn)題模型與求解：資源調(diào)度優(yōu)化問(wèn)題的最優(yōu)解對(duì)應(yīng)了多雷達(dá)協(xié)同探測(cè)系統(tǒng)下一時(shí)刻的最優(yōu)發(fā)射資源調(diào)整方案。但是由于探測(cè)環(huán)境、目標(biāo)對(duì)象以及雷達(dá)系統(tǒng)自身的復(fù)雜性，要建立一個(gè)盡量貼合實(shí)際探測(cè)情況的優(yōu)化模型往往比較復(fù)雜。此外，多雷達(dá)協(xié)同探測(cè)系統(tǒng)的資源要素自由度高、約束多，形成的優(yōu)化問(wèn)題往往是非凸的和NPhard的，因此求解往往比較困難。

上述3個(gè)方面是影響認(rèn)知跟蹤資源調(diào)度技術(shù)的可優(yōu)化資源參數(shù)類(lèi)型、信息處理模式、調(diào)度結(jié)果綜合性能的主要因素。第4節(jié)將基于以上3個(gè)方面，從協(xié)同雷達(dá)節(jié)點(diǎn)屬性及資源要素、多雷達(dá)信息融合架構(gòu)與方法、目標(biāo)跟蹤預(yù)測(cè)性能指標(biāo)、資源調(diào)度準(zhǔn)則與模型、復(fù)雜任務(wù)場(chǎng)景5個(gè)角度對(duì)認(rèn)知跟蹤與資源調(diào)度研究工作進(jìn)行系統(tǒng)性的梳理和總結(jié)。

從技術(shù)發(fā)展角度來(lái)講，單/多雷達(dá)認(rèn)知跟蹤資源調(diào)度技術(shù)在共同發(fā)展。單雷達(dá)資源調(diào)度技術(shù)從模型是多雷達(dá)協(xié)同調(diào)度模型的基礎(chǔ)。因此，在本文后續(xù)對(duì)多雷達(dá)協(xié)同認(rèn)知跟蹤進(jìn)展調(diào)研中，將穿插具有代表性的單雷達(dá)資源調(diào)度工作。

4.1 不同雷達(dá)屬性及資源要素下的資源調(diào)度算法進(jìn)展

雷達(dá)屬性涵蓋了雷達(dá)節(jié)點(diǎn)的工作體制、系統(tǒng)參數(shù)、任務(wù)用途等多個(gè)維度。資源要素則是該雷達(dá)系統(tǒng)具體的可管控資源變量(如功率、駐留時(shí)間、波束指向、節(jié)點(diǎn)開(kāi)關(guān)等)集合及其約束。

4.1.1 雷達(dá)屬性

雷達(dá)資源調(diào)度研究經(jīng)歷了從傳統(tǒng)機(jī)械掃描式雷達(dá)到相控陣?yán)走_(dá)、MIMO雷達(dá)等多種體制雷達(dá)的發(fā)展。針對(duì)機(jī)械掃描式雷達(dá)，由于其發(fā)射參數(shù)諸如數(shù)據(jù)率、波束指向等都工作在固定模式，可調(diào)度資源自由度較低。因此，認(rèn)知跟蹤資源調(diào)度研究目前主要針對(duì)相控陣和MIMO等管控自由度更高的雷達(dá)系統(tǒng)。

(1) 相控陣?yán)走_(dá)

相控陣?yán)走_(dá)系統(tǒng)可通過(guò)改變陣子相位，實(shí)現(xiàn)波束的空間掃描，其節(jié)點(diǎn)的波束指向、駐留時(shí)間、回訪時(shí)間、帶寬、功率、波形等資源可進(jìn)行實(shí)時(shí)調(diào)整。2017年，電子科技大學(xué)王祥麗等人[36]提出了相控陣?yán)走_(dá)波束指向和駐留時(shí)間聯(lián)合調(diào)度策略，在滿足跟蹤精度預(yù)設(shè)要求下，最小化了跟蹤時(shí)間資源消耗。同年，西安電子科技大學(xué)Yan等人[37]以網(wǎng)絡(luò)化反導(dǎo)防御應(yīng)用為背景，提出了一種相控陣?yán)走_(dá)協(xié)同跟蹤目標(biāo)分配與駐留時(shí)間分配算法。隨后，該算法還被拓展到了目標(biāo)搜索加跟蹤任務(wù)場(chǎng)景中[38]。2021年，南京航空航天大學(xué)Shi等人[39]提出了一種聯(lián)合目標(biāo)分配與資源優(yōu)化策略，實(shí)現(xiàn)了雷達(dá)波束指向、重訪時(shí)間、工作帶寬和駐留時(shí)間的多資源變量聯(lián)合優(yōu)化。

以上工作都側(cè)重于雷達(dá)射頻資源的優(yōu)化調(diào)整，2021年，電子科技大學(xué)Yuan等人[40]將射頻資源的優(yōu)化與相控陣?yán)走_(dá)的任務(wù)排布進(jìn)行了聯(lián)合考慮，提出了多目標(biāo)跟蹤的跟蹤序列和駐留時(shí)間聯(lián)合分配策略。除上述面向目標(biāo)跟蹤任務(wù)的資源調(diào)度工作外，針對(duì)相控陣?yán)走_(dá)資源調(diào)度工作還被拓展至電子對(duì)抗[41,42]、感知通信一體化[43]等場(chǎng)景中。

(2) MIMO雷達(dá)

根據(jù)陣元構(gòu)型不同，通常MIMO雷達(dá)可分為集中式MIMO (C-MIMO)雷達(dá)[44]和分布式MIMO (DMIMO)[16]雷達(dá)兩類(lèi)。C-MIMO雷達(dá)的多個(gè)陣元臨近放置，可同時(shí)發(fā)射正交或者非正交波形，合成多個(gè)方位波束以獨(dú)立執(zhí)行多個(gè)探測(cè)任務(wù)[44]。相比相控陣?yán)走_(dá)，C-MIMO可充分獲取波形分集增益提升參數(shù)估計(jì)性能。2015年，Yan等人[45—47]率先建立了CMIMO雷達(dá)多發(fā)射波束功率和指向的聯(lián)合分配問(wèn)題，實(shí)現(xiàn)了多目標(biāo)跟蹤任務(wù)的資源動(dòng)態(tài)優(yōu)化，且在后續(xù)工作中進(jìn)一步考慮了雷達(dá)雜波影響。2018年，電子科技大學(xué)Cheng等人[48]提出了一種自適應(yīng)跟蹤資源管理方法，通過(guò)配置雷達(dá)的子陣數(shù)、被照射目標(biāo)和發(fā)射波形，實(shí)現(xiàn)了目標(biāo)跟蹤精度提升。

相比上述C-MIMO雷達(dá)，D-MIMO在空間中拉開(kāi)收發(fā)天線陣面，能夠充分獲取空間分集探測(cè)增益。類(lèi)似的，國(guó)內(nèi)外學(xué)者也圍繞D-MIMO雷達(dá)的認(rèn)知跟蹤開(kāi)展了資源調(diào)度方法研究，包括：發(fā)射帶寬[49,50]、發(fā)射波束與波形[51,52]、功率分配[53,54]、收發(fā)天線選擇[55]、接收波束優(yōu)化[56]等資源的動(dòng)態(tài)優(yōu)化。例如，2015年國(guó)防科技大學(xué)Chen等人[53]利用合作博弈優(yōu)化，實(shí)現(xiàn)了分布式MIMO雷達(dá)的發(fā)射功率調(diào)度，提升了目標(biāo)的跟蹤精度。2016年，Yan等人[45]將前期提出的集中式MIMO雷達(dá)的波束指向和發(fā)射功率聯(lián)合分配方法拓展到了基于集中式融合架構(gòu)的組網(wǎng)集中式MIMO雷達(dá)系統(tǒng)。2020年，軍事科學(xué)院的Liu等人[57]完成了針對(duì)組網(wǎng)分布式MIMO雷達(dá)的駐留時(shí)間優(yōu)化分配。

相控陣?yán)走_(dá)和MIMO雷達(dá)由于其資源自由度高、參數(shù)配置靈活等優(yōu)點(diǎn)，在認(rèn)知跟蹤領(lǐng)域得到了廣泛關(guān)注。其中，MIMO雷達(dá)相比于相控陣?yán)走_(dá)還具備更高的波形發(fā)射多樣性，可調(diào)度資源自由度進(jìn)一步提高?？傮w而言，認(rèn)知跟蹤資源調(diào)度更利于在MIMO、相控陣?yán)走_(dá)等為代表的高自由度、多功能雷達(dá)體制上實(shí)現(xiàn)。

4.1.2 資源要素

現(xiàn)有的資源調(diào)度工作已圍繞雷達(dá)的頻段[58—60]、帶寬[61—63]、波形[64,65]、發(fā)射功率[45,66—68]、方向圖綜合[51,52]、波束駐留時(shí)間[40,69—71]、回掃周期[72]、節(jié)點(diǎn)開(kāi)關(guān)[73—75]、節(jié)點(diǎn)位置[76]等多種系統(tǒng)資源要素開(kāi)展研究。本文根據(jù)資源要素調(diào)整的實(shí)時(shí)性程度將其劃分為時(shí)敏和非時(shí)敏探測(cè)資源。

(1) 時(shí)敏資源

時(shí)敏資源是指根據(jù)調(diào)度指令能夠?qū)崿F(xiàn)快速控制和調(diào)整的系統(tǒng)資源類(lèi)型，如雷達(dá)發(fā)射功率、波束駐留時(shí)間、節(jié)點(diǎn)開(kāi)關(guān)、陣元優(yōu)化、波束方向圖、波形參數(shù)等。

就目前的研究現(xiàn)狀而言，面向認(rèn)知跟蹤的大部分研究工作是圍繞時(shí)敏資源優(yōu)化調(diào)度開(kāi)展的。例如，2012年，華盛頓大學(xué)Chavali等人[77]提出了一種多目標(biāo)跟蹤自適應(yīng)功率分配策略，實(shí)現(xiàn)了認(rèn)知雷達(dá)發(fā)射功率動(dòng)態(tài)調(diào)整。2014年國(guó)防科技大學(xué)Sun等人[78]針對(duì)MIMO雷達(dá)定位問(wèn)題，通過(guò)優(yōu)化節(jié)點(diǎn)功率，實(shí)現(xiàn)了定位精度提升。

除單純發(fā)射功率優(yōu)化外，部分工作還將發(fā)射功率資源與波束指向[23,79]、節(jié)點(diǎn)開(kāi)關(guān)[75,80]、帶寬[81]、子陣選擇[82,83]等資源要素結(jié)合，進(jìn)行了多類(lèi)型綜合資源優(yōu)化調(diào)度。例如，2014年國(guó)防科技大學(xué)Ma等人[84]針對(duì)MIMO雷達(dá)網(wǎng)絡(luò)目標(biāo)定位場(chǎng)景，實(shí)現(xiàn)了雷達(dá)天線子陣選擇和發(fā)射功率聯(lián)合優(yōu)化。同年，代爾夫特理工大學(xué)Katsilieris等人[85]以被跟蹤目標(biāo)威脅度最小作為優(yōu)化目標(biāo)，實(shí)現(xiàn)了傳感器節(jié)點(diǎn)的優(yōu)化選擇。2022年Shi等人[86]針對(duì)分布式相控陣?yán)走_(dá)網(wǎng)絡(luò)發(fā)射資源管理問(wèn)題，聯(lián)合調(diào)度了各雷達(dá)功率、駐留時(shí)間、波形帶寬和脈沖長(zhǎng)度，顯著改善了雷達(dá)的LPI及目標(biāo)探測(cè)性能。2023年江蘇科技大學(xué)Jin等人[87]利用算法博弈論方法，實(shí)現(xiàn)了分布式認(rèn)知雷達(dá)網(wǎng)絡(luò)的發(fā)射功率和帶寬聯(lián)合優(yōu)化分配。

另一個(gè)研究趨勢(shì)是將管控的資源從雷達(dá)節(jié)點(diǎn)級(jí)和波束級(jí)進(jìn)一步細(xì)化到陣元級(jí)，通過(guò)管理雷達(dá)陣元開(kāi)關(guān)、極化方式、發(fā)射波形等實(shí)時(shí)綜合方向圖，從更底層實(shí)現(xiàn)雷達(dá)級(jí)和波束級(jí)的管理。陣元級(jí)別的資源管理的模型顆粒度比雷達(dá)級(jí)和波束級(jí)管理更細(xì)致，建立的信號(hào)模型更精準(zhǔn)，但其代價(jià)是優(yōu)化管理的數(shù)學(xué)問(wèn)題往往比波束級(jí)更加復(fù)雜。例如，2021年西安電子科技大學(xué)Sun等人[52]對(duì)C-MIMO雷達(dá)各陣元發(fā)射波形相關(guān)性矩陣進(jìn)行了在線設(shè)計(jì)和管控，實(shí)發(fā)射方向圖優(yōu)化。同年，電子科技大學(xué)Ren等人[51]針對(duì)無(wú)線網(wǎng)絡(luò)雷達(dá)，研究了陣元級(jí)自由度的認(rèn)知跟蹤資源調(diào)度方法。

(2) 非時(shí)敏資源

相比可以實(shí)時(shí)調(diào)整到位的時(shí)敏資源，非時(shí)敏資源的調(diào)整周期較長(zhǎng)，不能實(shí)現(xiàn)短時(shí)間內(nèi)的大幅變化。典型的非時(shí)敏資源包括雷達(dá)節(jié)點(diǎn)的位置、節(jié)點(diǎn)的組織連接網(wǎng)絡(luò)架構(gòu)等。

目前，非時(shí)敏探測(cè)資源調(diào)度的研究工作主要圍繞雷達(dá)系統(tǒng)運(yùn)動(dòng)平臺(tái)的位置優(yōu)化進(jìn)行。例如，孟令同等人[88]提出了機(jī)載相控陣?yán)走_(dá)飛行路徑優(yōu)化方案，對(duì)平臺(tái)飛行路徑進(jìn)行聯(lián)合動(dòng)態(tài)優(yōu)化。針對(duì)多雷達(dá)的監(jiān)視搜索任務(wù)，Tang等人[89]提出了一種航跡規(guī)劃方案，提升了雷達(dá)針對(duì)重點(diǎn)監(jiān)視區(qū)域的目標(biāo)檢測(cè)性能。

若對(duì)機(jī)載平臺(tái)飛行路徑與時(shí)敏探測(cè)資源進(jìn)行聯(lián)合調(diào)度，則可進(jìn)一步提升雷達(dá)系統(tǒng)探測(cè)性能。例如，Lu等人[90]提出了多目標(biāo)跟蹤場(chǎng)景下的機(jī)載雷達(dá)飛行路徑和發(fā)射功率資源的聯(lián)合優(yōu)化設(shè)計(jì)算法，有效提升了機(jī)載雷達(dá)目標(biāo)跟蹤性能。嚴(yán)俊坤等人[91]考慮了復(fù)雜動(dòng)態(tài)環(huán)境中的多機(jī)雷達(dá)協(xié)同航跡優(yōu)化，用于提高動(dòng)態(tài)區(qū)域的動(dòng)態(tài)覆蓋性能。除此之外，相關(guān)的研究還涉及了多無(wú)人機(jī)平臺(tái)路徑規(guī)劃[92]、機(jī)載平臺(tái)航向優(yōu)化[93]、速度和姿態(tài)變化率優(yōu)化[94]等。

除上述動(dòng)平臺(tái)雷達(dá)位置實(shí)時(shí)規(guī)劃問(wèn)題外，非時(shí)敏探測(cè)資源調(diào)度問(wèn)題的另一個(gè)典型案例是地基雷達(dá)的拓?fù)洳颊痉桨竷?yōu)化。2017年武漢大學(xué)Yi等人[95]在同時(shí)考慮系統(tǒng)檢測(cè)性能和定位精度的情況下，建立了D-MIMO雷達(dá)收發(fā)天線聯(lián)合部署的組合優(yōu)化模型。2021年西北工業(yè)大學(xué)Liang等人[96]針對(duì)分布式雷達(dá)在二維區(qū)域的定位問(wèn)題，研究了部署區(qū)域受限情況下的最優(yōu)節(jié)點(diǎn)部署方法。2022年電子科技大學(xué)Wang等人[97]在考慮了不同區(qū)域重要性的情況下，研究了基于檢測(cè)性能和定位精度的雷達(dá)節(jié)點(diǎn)位置優(yōu)化方案。同年，空軍工程大學(xué)Qi等人[98]提出了一種聯(lián)合天線部署和功率分配的策略，以提高D-MIMO雷達(dá)目標(biāo)檢測(cè)性能。

除了上述的雷達(dá)位置資源的優(yōu)化，另外一種重要的非時(shí)敏資源要素是雷達(dá)節(jié)點(diǎn)的組織連接網(wǎng)絡(luò)架構(gòu)，但相關(guān)的研究工作還在起步階段。2020年電子科技大學(xué)Yang等人[99]針對(duì)多雷達(dá)協(xié)同監(jiān)視任務(wù)，提出了一種基于信號(hào)和信息的多層級(jí)融合架構(gòu)的雷達(dá)融合中心及節(jié)點(diǎn)組織鏈接關(guān)系優(yōu)化方案，可提高雷達(dá)對(duì)多個(gè)重要程度不同的區(qū)域的監(jiān)視性能。

總的來(lái)說(shuō)，現(xiàn)有的大量研究工作主要集中于時(shí)敏資源的調(diào)度。一方面，隨著機(jī)載、艦載、無(wú)人機(jī)平臺(tái)雷達(dá)系統(tǒng)的發(fā)展，近年來(lái)的一個(gè)重要趨勢(shì)是將時(shí)敏資源和非時(shí)敏資源結(jié)合進(jìn)行聯(lián)合優(yōu)化。另一方面，為了進(jìn)一步挖掘資源調(diào)度的自由度，從而最大限度提升探測(cè)性能，當(dāng)前另一個(gè)重要趨勢(shì)就是將資源調(diào)度落到更低層級(jí)雷達(dá)參數(shù)的優(yōu)化管控。例如，考慮波束形成過(guò)程對(duì)探測(cè)性能的影響，實(shí)現(xiàn)陣元級(jí)資源管理[51,52]。

4.2 不同跟蹤信息融合架構(gòu)下的資源調(diào)度算法進(jìn)展

多雷達(dá)認(rèn)知跟蹤應(yīng)用中，雷達(dá)節(jié)點(diǎn)間需完成必要的探測(cè)信息融合，以提升融合跟蹤性能，所對(duì)應(yīng)的融合架構(gòu)也包含了前述的集中式和分布式融合兩大類(lèi)。

4.2.1 集中式架構(gòu)

針對(duì)集中式融合架構(gòu)下的認(rèn)知跟蹤資源調(diào)度問(wèn)題，Hernandez等人[100]推導(dǎo)了傳感器位置不確定和雜波影響下的集中式跟蹤PCRLB，并提出了一種多傳感器節(jié)點(diǎn)選擇和優(yōu)化部署方法。Chavali等人[77]通過(guò)限制同時(shí)刻工作的雷達(dá)節(jié)點(diǎn)數(shù)量，以降低集中式融合下雷達(dá)網(wǎng)絡(luò)較高的通信代價(jià)，并提出了一種多雷達(dá)節(jié)點(diǎn)優(yōu)化選擇和功率分配方法。國(guó)內(nèi)也針對(duì)集中式架構(gòu)下的相控陣?yán)走_(dá)、MIMO雷達(dá)提出了諸多認(rèn)知跟蹤資源調(diào)度算法，以提升目標(biāo)跟蹤精度[45,101]或者減少資源的消耗[49]。

上述工作主要考慮的是雷達(dá)門(mén)限檢測(cè)后的信息融合方式，同時(shí)假設(shè)雷達(dá)節(jié)點(diǎn)的數(shù)據(jù)時(shí)間同步且雷達(dá)節(jié)點(diǎn)屬性相同。2018年，電子科技大學(xué)Xie等人[56]進(jìn)一步考慮了雷達(dá)節(jié)點(diǎn)直接傳輸基帶回波的信號(hào)級(jí)融合架構(gòu)，并完成了針對(duì)認(rèn)知跟蹤的資源調(diào)度。Yan等人[102]針對(duì)時(shí)間異步多雷達(dá)網(wǎng)絡(luò)聯(lián)合目標(biāo)檢測(cè)跟蹤問(wèn)題，提出了雷達(dá)目標(biāo)檢測(cè)門(mén)限和發(fā)射功率的聯(lián)合優(yōu)化分配方法。后續(xù)也陸續(xù)有工作將認(rèn)知跟蹤的資源調(diào)度工作推廣到了各類(lèi)異構(gòu)、時(shí)間異步的集中式架構(gòu)雷達(dá)網(wǎng)絡(luò)中[103,104]。

4.2.2 分布式架構(gòu)

圍繞分布式融合架構(gòu)下的認(rèn)知跟蹤及資源調(diào)度問(wèn)題，肯高迪亞大學(xué)的Mohammadi等人[105]針對(duì)共識(shí)融合架構(gòu)，推導(dǎo)了相應(yīng)的分布式跟蹤PCRLB，并在此基礎(chǔ)上提出了一套分布式傳感器節(jié)點(diǎn)選擇方法[74]。同樣針對(duì)共識(shí)融合架構(gòu)，香港科技大學(xué)Chen等人[106]通過(guò)博弈論算法實(shí)現(xiàn)了傳感器網(wǎng)絡(luò)協(xié)同定位任務(wù)下的去中心化資源調(diào)度。Xie等人[80]針對(duì)分布式雷達(dá)網(wǎng)絡(luò)，提出了基于去中心化粒子濾波融合架構(gòu)的雷達(dá)資源調(diào)度算法。Lu等人[107]針對(duì)無(wú)中心化C-MIMO雷達(dá)網(wǎng)絡(luò)，提出了一種資源調(diào)度問(wèn)題的去中心化求解方案。針對(duì)分布式架構(gòu)的組網(wǎng)CMIMO雷達(dá)系統(tǒng)，Yi等人[23]推導(dǎo)了基于協(xié)方差交叉融合準(zhǔn)則的跟蹤性能指標(biāo)，提出了基于QoS準(zhǔn)則的變尺度資源調(diào)度算法，可針對(duì)目標(biāo)跟蹤精度需求和探測(cè)任務(wù)重要性一體化分配多個(gè)C-MIMO雷達(dá)探測(cè)資源。Jiang等人[108]針對(duì)分層的分布式融合架構(gòu)組網(wǎng)雷達(dá)，提出了考慮雷達(dá)節(jié)點(diǎn)選擇代價(jià)和信息傳輸代價(jià)的網(wǎng)絡(luò)架構(gòu)優(yōu)化問(wèn)題。拉夫堡大學(xué)的Deligiannis等人[109]針對(duì)分布式MIMO雷達(dá)系統(tǒng)，利用博弈論方法實(shí)現(xiàn)了雷達(dá)節(jié)點(diǎn)的功率分配。

總體來(lái)說(shuō)，目前認(rèn)知跟蹤資源調(diào)度研究圍繞集中式融合架構(gòu)的居多，因?yàn)榧惺饺诤霞軜?gòu)理論上可以獲得最優(yōu)的融合跟蹤性能。另一方面，分布式融合架構(gòu)可以不需要中心融合節(jié)點(diǎn)，且信息傳輸要求低，特別適合基于無(wú)線傳輸網(wǎng)絡(luò)的無(wú)中心協(xié)同探測(cè)場(chǎng)景，如無(wú)人機(jī)群、戰(zhàn)機(jī)編隊(duì)協(xié)同探測(cè)，因此近年來(lái)的研究也逐漸增多。后續(xù)的一個(gè)研究趨勢(shì)是將融合架構(gòu)與雷達(dá)數(shù)據(jù)通信、傳輸過(guò)程相結(jié)合，考慮傳輸帶寬受限等更貼近現(xiàn)實(shí)條件的融合跟蹤場(chǎng)景[110—113]。例如，西安電子科技大學(xué)Zuo等人[113]考慮了數(shù)據(jù)傳輸過(guò)程中存在丟包問(wèn)題的資源管理。

4.3 不同目標(biāo)跟蹤性能指標(biāo)下的資源調(diào)度算法進(jìn)展

準(zhǔn)確構(gòu)建一個(gè)能夠表征或預(yù)測(cè)系統(tǒng)資源與目標(biāo)跟蹤性能之間映射關(guān)系的函數(shù)，是實(shí)現(xiàn)高效資源調(diào)度的前提條件。圍繞目標(biāo)跟蹤性能指標(biāo)建模需求，四川大學(xué)Shen等人[75]利用了卡爾曼濾波相關(guān)的信息增益矩陣實(shí)現(xiàn)了跟蹤性能預(yù)測(cè)，并提出了一種大規(guī)模傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)選擇方法。Shi等人[30]利用互信息完成了發(fā)射功率資源的調(diào)度。但就目前的研究情況來(lái)看，絕大部分認(rèn)知跟蹤資源調(diào)度工作的性能指標(biāo)還是基于PCRLB建立的。該指標(biāo)作為序貫貝葉斯濾波問(wèn)題中無(wú)偏估計(jì)器誤差的理論統(tǒng)計(jì)下界，在大多數(shù)情況下可以較好地預(yù)測(cè)目標(biāo)的跟蹤誤差，因此在目標(biāo)跟蹤的各類(lèi)資源管理問(wèn)題中被廣泛應(yīng)用[114,115]。

當(dāng)前PCRLB相關(guān)研究工作的一大主要趨勢(shì)是將其推廣至更為復(fù)雜的應(yīng)用場(chǎng)景中。針對(duì)雜波場(chǎng)景下的目標(biāo)跟蹤問(wèn)題，Hernandez等人[100]推導(dǎo)了對(duì)應(yīng)的基于信息衰減因子的PCRLB (IRF-PCRLB)，并隨后被應(yīng)用到雜波場(chǎng)景下的資源調(diào)度問(wèn)題中[116,117]。針對(duì)檢測(cè)概率小于1的非理想檢測(cè)場(chǎng)景，F(xiàn)arina等人[118]通過(guò)平均單站雷達(dá)的所有跟蹤周期中可能的檢測(cè)/漏檢情況，推導(dǎo)了基于枚舉的PCRLB。

此外，該研究領(lǐng)域的另一大趨勢(shì)則是從數(shù)學(xué)原理出發(fā)，推導(dǎo)更為精確的PCRLB理論表達(dá)式。傳統(tǒng)PCRLB計(jì)算中，量測(cè)信息不被直接使用，而是在狀態(tài)估計(jì)值求均值的計(jì)算過(guò)程中間接使用，因而通常存在量測(cè)信息的計(jì)算損失，導(dǎo)致PCRLB不能精準(zhǔn)逼近跟蹤誤差下界。對(duì)此，雪城大學(xué)Zuo等人[119]提出了一種條件PCRLB (C-PCRLB)，通過(guò)對(duì)目標(biāo)量測(cè)取條件平均，使部分量測(cè)信息在其計(jì)算過(guò)程中得以保留，隨后其被應(yīng)用到了認(rèn)知跟蹤資源調(diào)度問(wèn)題中[120]。

上述研究主要圍繞單雷達(dá)/單傳感器目標(biāo)跟蹤問(wèn)題展開(kāi)，在此基礎(chǔ)之上，多雷達(dá)/多傳感器目標(biāo)跟蹤PCRLB及其認(rèn)知跟蹤資源調(diào)度也得到了廣泛關(guān)注[26,110]。文獻(xiàn)[100,101]率先給出了雜波場(chǎng)景下的集中式融合IRF-PCRLB，分布式融合的PCRLB表達(dá)式[34]也隨之出現(xiàn)。針對(duì)非理想檢測(cè)環(huán)境，電子科技大學(xué)Sun等人[121,122]推導(dǎo)了基于枚舉的PCRLB，并實(shí)現(xiàn)了多站雷達(dá)資源的優(yōu)化調(diào)度。文獻(xiàn)[105,123]給出了分布式融合的C-PCRLB，隨后將其應(yīng)用到了多目標(biāo)跟蹤多雷達(dá)波束指向和功率調(diào)度問(wèn)題中[74]。

目前，認(rèn)知跟蹤性能指標(biāo)建模主要還是圍繞PCRLB展開(kāi)的，大多數(shù)研究工作致力于將PCRLB拓展至實(shí)際的跟蹤場(chǎng)景中(如雜波場(chǎng)景、不完美檢測(cè)場(chǎng)景)或從數(shù)學(xué)理論的角度出發(fā)，推導(dǎo)更為準(zhǔn)確的表達(dá)式，以實(shí)現(xiàn)更加精確的跟蹤性能預(yù)測(cè)/評(píng)估，從而提升其對(duì)應(yīng)場(chǎng)景資源調(diào)度算法的性能。

4.4 不同優(yōu)化準(zhǔn)則下的資源調(diào)度算法進(jìn)展

如3.2.5節(jié)所論述的，多雷達(dá)協(xié)同資源調(diào)度問(wèn)題的本質(zhì)就是建立一個(gè)以資源要素Θk為變量的數(shù)學(xué)優(yōu)化問(wèn)題，并通過(guò)數(shù)學(xué)計(jì)算獲得最佳的資源要素Θk的分配方案。這里的優(yōu)化目標(biāo)函數(shù)f(·)的具體表達(dá)式需要根據(jù)調(diào)度準(zhǔn)則和模型進(jìn)行針對(duì)性的設(shè)計(jì)，以滿足多元化的跟蹤任務(wù)場(chǎng)景需求。

4.4.1 任務(wù)性能最優(yōu)準(zhǔn)則

(1) 單目標(biāo)跟蹤場(chǎng)景

(2) 多目標(biāo)跟蹤場(chǎng)景

與單目標(biāo)跟蹤不同，多目標(biāo)跟蹤任務(wù)中，任務(wù)間存在資源競(jìng)爭(zhēng)關(guān)系，單個(gè)任務(wù)性能提升需消耗更多資源，雷達(dá)發(fā)射資源有限情況下，勢(shì)必導(dǎo)致其他任務(wù)性能下降。因此，適用于多目標(biāo)跟蹤場(chǎng)景的目標(biāo)函數(shù)設(shè)計(jì)過(guò)程更為復(fù)雜。

如圖11所示，考慮雷達(dá)的監(jiān)視區(qū)域中由近及遠(yuǎn)存在目標(biāo)1,2,3，圖中給出了3種不同的跟蹤參數(shù)估計(jì)結(jié)果[79]。圖11(a)：對(duì)近、中區(qū)目標(biāo)1,2具有更高參數(shù)估計(jì)精度，對(duì)遠(yuǎn)區(qū)目標(biāo)3估計(jì)精度低；圖11(b)：對(duì)中、遠(yuǎn)區(qū)目標(biāo)2,3具有更高參數(shù)估計(jì)精度，對(duì)近區(qū)目標(biāo)1估計(jì)精度低；圖11(c)：3類(lèi)目標(biāo)有近似的參數(shù)估計(jì)精度，介于前兩種結(jié)果中最好和最差的精度之間。

圖11 3類(lèi)可能的目標(biāo)狀態(tài)估計(jì)結(jié)果[126]Fig.11 Three possible results of target state estimation[126]

上述結(jié)果中，不同目標(biāo)的估計(jì)誤差各有好壞，難以絕對(duì)地界定這3類(lèi)跟蹤結(jié)果孰優(yōu)孰劣。因此，多目標(biāo)跟蹤全局綜合性能的評(píng)估以及對(duì)應(yīng)目標(biāo)函數(shù)的設(shè)計(jì)，目前仍舊是一個(gè)復(fù)雜的、開(kāi)放性的問(wèn)題。目前常采用的方法包括：

A) 加權(quán)求和準(zhǔn)則：針對(duì)多目標(biāo)跟蹤場(chǎng)景下的優(yōu)化目標(biāo)函數(shù)設(shè)計(jì)問(wèn)題，一種簡(jiǎn)單和直觀的方式是最小化所有目標(biāo)估計(jì)誤差的加權(quán)和[127]：

B) MinMax準(zhǔn)則：基于MinMax準(zhǔn)則的全局目標(biāo)函數(shù)旨在最小化多目標(biāo)中跟蹤性能最差目標(biāo)的估計(jì)誤差[40,45,80,116]，對(duì)應(yīng)目標(biāo)函數(shù)可表示為

在基于MinMax的優(yōu)化問(wèn)題中，通過(guò)將發(fā)射資源優(yōu)先分配給性能最差目標(biāo)，最終的優(yōu)化結(jié)果將使每個(gè)目標(biāo)的誤差都收斂到相對(duì)一致的水平。

總體來(lái)說(shuō)，雖然加權(quán)求和準(zhǔn)則或者M(jìn)inMax準(zhǔn)則可以提供一種多目標(biāo)跟蹤性能描述的方式，但是這兩種準(zhǔn)則還是存在很大的局限性。比如，對(duì)于MinMax準(zhǔn)則來(lái)說(shuō)，它的優(yōu)化目的是讓所有的被跟蹤目標(biāo)的跟蹤誤差趨于一致，但是這樣就忽略了目標(biāo)之間的差異，比如跟蹤任務(wù)間不同的重要性、跟蹤精度要求等。

(3) 基于QoS模型的全局目標(biāo)函數(shù)

為了找到一個(gè)描述能力更強(qiáng)且適用于多目標(biāo)跟蹤任務(wù)的全局目標(biāo)函數(shù)，文獻(xiàn)[79]提出需要同時(shí)考慮以下兩方面問(wèn)題：

一是目標(biāo)函數(shù)的設(shè)計(jì)應(yīng)結(jié)合實(shí)際雷達(dá)系統(tǒng)的能力：例如，對(duì)于同一部雷達(dá)系統(tǒng)來(lái)說(shuō)，角度分辨能力往往是固定的。那么即使在相同目標(biāo)信噪比的條件下，遠(yuǎn)區(qū)目標(biāo)的跟蹤位置誤差也會(huì)遠(yuǎn)遠(yuǎn)高于近區(qū)目標(biāo)。此時(shí)，若采用MinMax準(zhǔn)則進(jìn)行資源優(yōu)化，為了將所有目標(biāo)的跟蹤性能維持到同一水平，那么系統(tǒng)會(huì)將大部分資源用于跟蹤遠(yuǎn)區(qū)目標(biāo)，而近區(qū)的目標(biāo)僅會(huì)分配很少資源，導(dǎo)致其跟蹤精度無(wú)法得到保障。而實(shí)際情況往往是近區(qū)目標(biāo)任務(wù)重要級(jí)別高，跟蹤精度的要求也更高。

二是目標(biāo)函數(shù)的設(shè)計(jì)應(yīng)重點(diǎn)考慮多目標(biāo)跟蹤任務(wù)的全局性能以及目標(biāo)任務(wù)的差異化：在實(shí)際的跟蹤任務(wù)中，雷達(dá)會(huì)根據(jù)目標(biāo)的類(lèi)型、狀態(tài)進(jìn)行威脅度和重要性評(píng)估。目標(biāo)函數(shù)的設(shè)計(jì)需要考慮到目標(biāo)的差異化，而無(wú)需刻意將所有目標(biāo)跟蹤精度保持一致。比如，對(duì)于一個(gè)近區(qū)的高威脅目標(biāo)，其跟蹤精度要求應(yīng)該遠(yuǎn)遠(yuǎn)高于一個(gè)遠(yuǎn)區(qū)的低威脅目標(biāo)。

為滿足由復(fù)雜應(yīng)用場(chǎng)景帶來(lái)的多元化任務(wù)需求，Yuan等人[79]提出了基于QoS模型的全局目標(biāo)函數(shù)設(shè)計(jì)方案。在后續(xù)的研究中，基于QoS模型的全局目標(biāo)函數(shù)逐漸被完善[20,60,128,129]。QoS模型的基本思想是通過(guò)不同的任務(wù)效用函數(shù)來(lái)描述多個(gè)差異化的目標(biāo)，其對(duì)應(yīng)數(shù)學(xué)表達(dá)式如下：

其中，重要性權(quán)值?q、質(zhì)量函數(shù)Mq(·)、效用函數(shù)?q(·)分別用于表征單個(gè)跟蹤任務(wù)q在所有任務(wù)中所占權(quán)重、預(yù)期性能水平、特定任務(wù)性能下的整體任務(wù)效用。QoS模型的這3項(xiàng)參數(shù)提高了全局目標(biāo)函數(shù)自由度和描述能力，可根據(jù)不同任務(wù)和優(yōu)化準(zhǔn)則進(jìn)行針對(duì)性設(shè)計(jì)。

針對(duì)性能最優(yōu)跟蹤準(zhǔn)則，文獻(xiàn)[23]給出了一種基于指數(shù)效用函數(shù)的全局目標(biāo)函數(shù)設(shè)計(jì)方案，實(shí)現(xiàn)了波束指向和發(fā)射功率的聯(lián)合優(yōu)化，優(yōu)化問(wèn)題如下：

圖12給出了文獻(xiàn)[23]的目標(biāo)跟蹤場(chǎng)景：3部雷達(dá)協(xié)同跟蹤4個(gè)目標(biāo)，按照與網(wǎng)絡(luò)化MIMO雷達(dá)的距離，探測(cè)區(qū)域由近及遠(yuǎn)被分為3部分，各區(qū)域?qū)?yīng)的期望跟蹤精度越近越高?；谏鲜鰣?chǎng)景，圖13給出了MinMax和QoS模型不同重要性權(quán)值?q和跟蹤性能要求下的跟蹤結(jié)果對(duì)比，其中RMSE-Targeti和BCRLB Targeti分別表示目標(biāo)i狀態(tài)估計(jì)的均方根誤差和PCRLB。橫坐標(biāo)k表示第k個(gè)跟蹤時(shí)刻，Threshold為對(duì)應(yīng)的跟蹤性能要求，QoS模型中不同的仿真參數(shù)設(shè)置情況見(jiàn)表1?？梢园l(fā)現(xiàn)QoS模型可實(shí)現(xiàn)跟蹤精度的差異化調(diào)整，以滿足復(fù)雜場(chǎng)景下的多元化任務(wù)需求。圖14給出了圖13的4個(gè)場(chǎng)景對(duì)應(yīng)資源調(diào)度結(jié)果，包括雷達(dá)波束指向及發(fā)射功率分配結(jié)果隨時(shí)間變化情況?？梢钥闯?，QoS模型動(dòng)態(tài)控制目標(biāo)跟蹤性能的實(shí)質(zhì)就是通過(guò)賦予各目標(biāo)不同的重要性權(quán)值?q、任務(wù)性能要求等參數(shù)，實(shí)現(xiàn)不同的雷達(dá)的發(fā)射功率和波束指向資源配置，從而輸出了差異化的多目標(biāo)跟蹤結(jié)果。

表1 文獻(xiàn)[23]中QoS模型3種不同參數(shù)設(shè)置Tab.1 The 3 different parameters setting for the QoS model in Ref.[23]

圖12 網(wǎng)絡(luò)化MIMO雷達(dá)多目標(biāo)跟蹤場(chǎng)景[23]Fig.12 Multi-target tracking scenario using netter MIMO radar[23]

圖13 MinMax和QoS模型下多目標(biāo)跟蹤性能對(duì)比[23]Fig.13 Multi-target tracking performance comparison between MinMax and QoS models[23]

圖14 MinMax和QoS模型下資源分配結(jié)果對(duì)比(歸一化發(fā)射功率)[23]Fig.14 Resource allocation comparison between MinMax and QoS models (normalized transmit power)[23]

(4) 基于多任務(wù)指標(biāo)的多目標(biāo)優(yōu)化

上述工作都是基于單個(gè)任務(wù)指標(biāo)類(lèi)型構(gòu)建的單目標(biāo)優(yōu)化問(wèn)題。除此之外，通過(guò)將認(rèn)知跟蹤性能指標(biāo)與其他探測(cè)任務(wù)指標(biāo)結(jié)合，或者從不同維度構(gòu)建多個(gè)跟蹤性能指標(biāo)，資源調(diào)度優(yōu)化問(wèn)題可被構(gòu)建成一個(gè)多目標(biāo)優(yōu)化問(wèn)題。例如，針對(duì)雷達(dá)監(jiān)視和定位任務(wù)下的雷達(dá)構(gòu)型優(yōu)化，可以建立一個(gè)同時(shí)最大化檢測(cè)覆蓋率和定位精度的多目標(biāo)優(yōu)化問(wèn)題，利用帕累托最優(yōu)的思想找到非支配的雷達(dá)構(gòu)型解集[97]。類(lèi)似的思想也用在了相控陣?yán)走_(dá)搜索加跟蹤(Trackand-Search,TAS)模式下的搜索和跟蹤任務(wù)性能聯(lián)合優(yōu)化[38]。此外，Cheng等人[48]提出了一種同時(shí)最小化跟蹤誤差和雷達(dá)功率消耗的雙目標(biāo)優(yōu)化問(wèn)題，通過(guò)對(duì)跟蹤誤差和功率消耗加權(quán)求和，將該問(wèn)題降維成一個(gè)單目標(biāo)問(wèn)題。

4.4.2 系統(tǒng)資源最小化準(zhǔn)則

和之前4.4.1節(jié)性能最優(yōu)準(zhǔn)則不同，系統(tǒng)資源最小化準(zhǔn)則的目的是在滿足一定的任務(wù)性能指標(biāo)的情況下，最小化系統(tǒng)資源的使用率。

(1) 直接資源最小化

例如，一種常用的資源最小化跟蹤準(zhǔn)則數(shù)學(xué)優(yōu)化問(wèn)題是在滿足目標(biāo)跟蹤預(yù)設(shè)性能約束下，直接最小化雷達(dá)的總發(fā)射資源，本文將其稱(chēng)為直接資源最小化模型。參考式(12)，直接資源最小化對(duì)應(yīng)的優(yōu)化問(wèn)題可寫(xiě)為

直接資源最小化的目標(biāo)函數(shù)為關(guān)于雷達(dá)資源的凸組合，其結(jié)構(gòu)簡(jiǎn)單，當(dāng)約束條件為凸函數(shù)時(shí)，可以通過(guò)凸優(yōu)化算法找到其最優(yōu)解[130]?；谥苯淤Y源最小化的多雷達(dá)資源調(diào)度工作也在近幾年得到了廣泛的關(guān)注，包括目標(biāo)定位任務(wù)下的雷達(dá)功率分配[131]、目標(biāo)跟蹤任務(wù)下的雷達(dá)駐留時(shí)間[125]、功率和波束指向分配[132]，以及無(wú)線傳感器的頻譜共享等問(wèn)題[133]。

直接資源最小化可減少雷達(dá)系統(tǒng)資源消耗，實(shí)現(xiàn)諸如最優(yōu)的LPI任務(wù)效能，或延長(zhǎng)自供電探測(cè)系統(tǒng)(如以電池供電的無(wú)線傳感器網(wǎng)絡(luò))的工作壽命。但是該準(zhǔn)則也存在一個(gè)數(shù)學(xué)求解缺陷：當(dāng)雷達(dá)探測(cè)資源預(yù)算不足時(shí)，直接資源最小化可能會(huì)出現(xiàn)因不滿足性能期望約束而無(wú)法找到可行解的問(wèn)題。

(2) 基于QoS模型的全局目標(biāo)函數(shù)

為克服直接資源最小化存在的數(shù)學(xué)求解缺陷，文獻(xiàn)[33]提出了一種基于QoS模型的全局目標(biāo)函數(shù)設(shè)計(jì)方案。該方案中，嚴(yán)格的性能約束條件被轉(zhuǎn)化為優(yōu)化目標(biāo)中效用函數(shù)值的變化，從而避免了直接資源最小化由于約束條件不滿足而出現(xiàn)無(wú)可行解的缺陷，對(duì)應(yīng)優(yōu)化問(wèn)題如下：

其中，

如圖15所示，當(dāng)資源充足時(shí)，基于QoS模型的全局目標(biāo)函數(shù)與直接資源最小化模型的情況能夠達(dá)到一樣的任務(wù)效能(即達(dá)到任務(wù)精度要求，消耗最少的發(fā)射資源)。當(dāng)資源不足時(shí)，QoS模型可根據(jù)不同的任務(wù)重要性權(quán)值和跟蹤精度要求，給出差異化的資源調(diào)度方案，從而避免無(wú)可行解的情況。

圖15 直接資源最小化和QoS模型下多目標(biāo)跟蹤性能對(duì)比[33]Fig.15 Multi-target tracking performance comparison between Direct resoure minimization and QoS models[33]

基于QoS模型的全局目標(biāo)函數(shù)設(shè)計(jì)除了可以考慮目標(biāo)跟蹤精度，還可以跟蹤任務(wù)需求考慮其他性能指標(biāo)。例如，Yan等人[134]還提出基于目標(biāo)容量的目標(biāo)函數(shù)設(shè)計(jì)，旨在最大化達(dá)到預(yù)設(shè)跟蹤精度的目標(biāo)數(shù)量。電子科技大學(xué)Xiong等人[135]利用網(wǎng)絡(luò)通信代價(jià)和跟蹤精度的加權(quán)和定義了QoS模型的目標(biāo)函數(shù)，實(shí)現(xiàn)了多目標(biāo)跟蹤任務(wù)在多雷達(dá)間的優(yōu)化分配。

同時(shí)，QoS模型也不局限于目標(biāo)跟蹤問(wèn)題，針對(duì)雷達(dá)采樣率優(yōu)化問(wèn)題，Havelsan公司的Irci等人[128]設(shè)計(jì)了一套基于指數(shù)效用函數(shù)的雷達(dá)探測(cè)性能經(jīng)驗(yàn)指標(biāo)模型，構(gòu)建并求解了關(guān)于相控陣?yán)走_(dá)采樣率優(yōu)化的數(shù)學(xué)問(wèn)題。針對(duì)更為廣義的雷達(dá)探測(cè)任務(wù)下的資源分配問(wèn)題，德國(guó)Fraunhofer FKIE公司的Charlish等人[129]總結(jié)了QoS模型的全局目標(biāo)函數(shù)設(shè)計(jì)的一般方案，并且對(duì)QoS框架在認(rèn)知雷達(dá)資源調(diào)度領(lǐng)域的應(yīng)用情況進(jìn)行了系統(tǒng)性的總結(jié)。

總的來(lái)說(shuō)，性能最優(yōu)、資源最小化囊括了當(dāng)前大多數(shù)認(rèn)知跟蹤資源調(diào)度研究所使用的優(yōu)化準(zhǔn)則。性能最優(yōu)準(zhǔn)則可以在有限資源下實(shí)現(xiàn)高的探測(cè)性能，滿足協(xié)同探測(cè)系統(tǒng)的探測(cè)威力拓展、目標(biāo)跟蹤性能提升等需求。資源最小化準(zhǔn)則在系統(tǒng)資源消耗、LPI性能等方面具備優(yōu)勢(shì)?？偠灾?，不同的優(yōu)化準(zhǔn)則擁有其特定的優(yōu)勢(shì)應(yīng)用場(chǎng)景，優(yōu)化準(zhǔn)則的選取應(yīng)當(dāng)充分考慮具體的任務(wù)場(chǎng)景需求。

4.5 復(fù)雜任務(wù)場(chǎng)景下的資源調(diào)度算法進(jìn)展

隨著新型探測(cè)目標(biāo)的出現(xiàn)以及探測(cè)電磁環(huán)境的日益復(fù)雜，跟蹤目標(biāo)的運(yùn)動(dòng)狀態(tài)、雷達(dá)執(zhí)行任務(wù)的環(huán)境特征呈現(xiàn)出復(fù)雜多變的態(tài)勢(shì)。因此，考慮包括低空、機(jī)動(dòng)目標(biāo)、群目標(biāo)跟蹤，以及電子偵察、干擾環(huán)境等復(fù)雜任務(wù)場(chǎng)景下的目標(biāo)跟蹤資源調(diào)度成為本領(lǐng)域研究的前沿和難點(diǎn)問(wèn)題。

4.5.1 復(fù)雜目標(biāo)運(yùn)動(dòng)模型

當(dāng)前，大多數(shù)認(rèn)知跟蹤資源調(diào)度工作對(duì)任務(wù)場(chǎng)景進(jìn)行了簡(jiǎn)化。一方面，現(xiàn)有工作通常假設(shè)目標(biāo)服從勻速、勻加速等規(guī)則運(yùn)動(dòng)模型，未考慮機(jī)動(dòng)性、低空目標(biāo)的地、海雜波等因素對(duì)資源調(diào)度算法的影響。另一方面，在多目標(biāo)跟蹤中，現(xiàn)有資源調(diào)度工作通常假設(shè)目標(biāo)與目標(biāo)間在空間上相隔較遠(yuǎn)，以簡(jiǎn)化跟蹤數(shù)據(jù)處理。這些假設(shè)將使資源調(diào)度算法在實(shí)際應(yīng)用場(chǎng)景中的性能受到制約。

為應(yīng)對(duì)上述缺陷，目前一部分認(rèn)知跟蹤資源調(diào)度工作也開(kāi)始從目標(biāo)運(yùn)動(dòng)復(fù)雜性角度入手，開(kāi)展機(jī)動(dòng)目標(biāo)[136—138]、低空目標(biāo)[139]、群目標(biāo)[140,141]等場(chǎng)景下的認(rèn)知跟蹤資源調(diào)度問(wèn)題研究。此類(lèi)資源調(diào)度問(wèn)題大多先針對(duì)復(fù)雜的運(yùn)動(dòng)場(chǎng)景設(shè)計(jì)適配的信號(hào)處理方法，然后推導(dǎo)對(duì)應(yīng)的性能指標(biāo)作為資源調(diào)度問(wèn)題的輸入，最終實(shí)現(xiàn)雷達(dá)資源的優(yōu)化。以機(jī)動(dòng)目標(biāo)跟蹤為例，2020年，棗莊學(xué)院Han等人[136]在保證狀態(tài)向量在不同模型下具有相同的均值和協(xié)方差前提下，提出了最優(yōu)擬合高斯方法，用于在每個(gè)跟蹤時(shí)刻替換IMM運(yùn)動(dòng)模型的先驗(yàn)?zāi)繕?biāo)PDF，并在此基礎(chǔ)上推導(dǎo)了跟蹤性能指標(biāo)，完成了采樣時(shí)間和功率資源的聯(lián)合優(yōu)化。空軍工程大學(xué)Zhang等人[137]還針對(duì)機(jī)動(dòng)目標(biāo)、低空目標(biāo)[142]跟蹤，采取了類(lèi)似的思路實(shí)現(xiàn)了雷達(dá)資源的優(yōu)化。

4.5.2 LPI條件下的認(rèn)知跟蹤

該方向旨在設(shè)計(jì)同時(shí)保證系統(tǒng)LPI性能與跟蹤性能的資源調(diào)度算法。2020年，Shi等人[39]提出了一種相控陣?yán)走_(dá)網(wǎng)絡(luò)多目標(biāo)跟蹤中的目標(biāo)指派和資源聯(lián)合分配算法，在資源調(diào)度過(guò)程中，同時(shí)考慮了多目標(biāo)跟蹤性能與系統(tǒng)LPI性能。在此基礎(chǔ)上，進(jìn)一步提出了一種基于LPI的雷達(dá)功率、駐留時(shí)間、帶寬、脈沖長(zhǎng)度多參數(shù)聯(lián)合分配算法，以實(shí)現(xiàn)跟蹤性能最大化或系統(tǒng)資源消耗最小化[86]。除了上述地基相控陣?yán)走_(dá)相關(guān)研究外，后續(xù)還有工作針對(duì)機(jī)載組網(wǎng)雷達(dá)資源調(diào)度開(kāi)展研究，在滿足跟蹤性能基礎(chǔ)上降低機(jī)載網(wǎng)絡(luò)的截獲概率[143]。也有文獻(xiàn)[144—146]考慮了在MIMO雷達(dá)體制下的低截獲性能優(yōu)化研究。此外，還有工作基于雷達(dá)通信一體化系統(tǒng)，研究了同時(shí)滿足雷達(dá)探測(cè)性能與通信性能的一體化系統(tǒng)功率分配方案[147]。

LPI性能是現(xiàn)代雷達(dá)系統(tǒng)的重要指標(biāo)之一，研究基于LPI的認(rèn)知跟蹤資源調(diào)度具有重要應(yīng)用價(jià)值。但總的來(lái)說(shuō)LPI條件下的認(rèn)知跟蹤資源調(diào)度研究還并不成熟。例如，組網(wǎng)探測(cè)系統(tǒng)的LPI系統(tǒng)模型、性能評(píng)價(jià)指標(biāo)建模等工作尚未完善。

4.5.3 干擾環(huán)境下的認(rèn)知跟蹤

伴隨新型電子偵察、識(shí)別和干擾手段的發(fā)展，在被截獲、干擾等場(chǎng)景下完成目標(biāo)探測(cè)，逐漸成為多雷達(dá)協(xié)同需要具備的基本功能。因此，認(rèn)知跟蹤資源調(diào)度問(wèn)題的研究也需要考慮各類(lèi)電磁干擾場(chǎng)景。

有源電子干擾可根據(jù)其對(duì)雷達(dá)造成的干擾效果大致劃分為壓制干擾和欺騙干擾兩大類(lèi)。從1996年開(kāi)始，美國(guó)喬治亞理工大學(xué)Kirubarajan等人[41,42]就開(kāi)展了具有均勻照射能力的相控陣?yán)走_(dá)的資源調(diào)度問(wèn)題研究，用于在存在虛警和有源壓制干擾的情況下跟蹤機(jī)動(dòng)目標(biāo)。針對(duì)欺騙干擾下的雷達(dá)資源調(diào)度，2005年，國(guó)防科技大學(xué)周穎等人[148]定義了多假目標(biāo)干擾效果的3項(xiàng)指標(biāo)，在此基礎(chǔ)上提出了相控陣?yán)走_(dá)抗干擾的任務(wù)調(diào)度和資源管理優(yōu)化方法。2019年，南京航空航天大學(xué)Tao等人[149]提出了一種相控陣?yán)走_(dá)多目標(biāo)跟蹤的最優(yōu)時(shí)間分配算法，在有源壓制干擾下提高目標(biāo)跟蹤性能及跟蹤容量。除相控陣?yán)走_(dá)外，Zhang等人[150,151]還考慮了壓制干擾下的MIMO體制雷達(dá)波束-功率聯(lián)合分配問(wèn)題，以及欺騙干擾下分布式MIMO雷達(dá)站點(diǎn)選擇和功率分配問(wèn)題。

上述工作都是基于雷達(dá)方的單邊資源優(yōu)化。目前，雷達(dá)-干擾機(jī)的雙邊博弈也逐漸成為對(duì)抗環(huán)境下的雷達(dá)資源調(diào)度問(wèn)題研究的關(guān)鍵點(diǎn)[152]。隨著智能算法的興起，越來(lái)越多的學(xué)者開(kāi)始考慮采用智能算法解決對(duì)抗環(huán)境下的雷達(dá)資源調(diào)度問(wèn)題。2012年，美國(guó)康涅狄格大學(xué)Song等人[153]將MIMO雷達(dá)與干擾機(jī)之間的互信息函數(shù)作為零和博弈分析的效用函數(shù)，構(gòu)造了一種功率分配優(yōu)化模型。2022年，中國(guó)人民解放軍陸軍工程大學(xué)Zhang等人[154]針對(duì)反跟蹤干擾問(wèn)題，提出了一種基于雙模Q學(xué)習(xí)的多用戶抗干擾通信信道和功率聯(lián)合優(yōu)化方案。2022年，電子科大學(xué)Ailiya等人[155]提出了一種基于強(qiáng)化學(xué)習(xí)的雷達(dá)跳頻抗干擾策略，可以平衡雷達(dá)的積累性能與LPI性能。

與前述兩類(lèi)復(fù)雜場(chǎng)景下的資源調(diào)度問(wèn)題相似，干擾環(huán)境下的認(rèn)知跟蹤資源調(diào)度在近幾年受到了廣泛關(guān)注，但目前仍存在很多待解決的問(wèn)題。此外，利用智能算法解決雷達(dá)資源感知對(duì)抗博弈問(wèn)題也逐漸開(kāi)始成為一種趨勢(shì)。

5 研究趨勢(shì)與展望

總體而言，多雷達(dá)協(xié)同探測(cè)技術(shù)的本質(zhì)是從探測(cè)構(gòu)型、信號(hào)維度、系統(tǒng)自由度等方向，由低維度向高維度演進(jìn)，符合雷達(dá)技術(shù)發(fā)展的趨勢(shì)和規(guī)律，所以也成為近年來(lái)雷達(dá)技術(shù)領(lǐng)域的熱點(diǎn)方向之一。而一體化的系統(tǒng)資源調(diào)度方法是實(shí)現(xiàn)雷達(dá)深度協(xié)同的機(jī)制保障和核心技術(shù)。為此，本文梳理了近年來(lái)認(rèn)知跟蹤與資源調(diào)度方向的最新研究進(jìn)展，旨在為后續(xù)研究提供參考。

從論文前4節(jié)可以看出，由于該技術(shù)立足于多部雷達(dá)的交互和聯(lián)動(dòng)，涉及的信號(hào)與信息維度、系統(tǒng)自由度將顯著高于單雷達(dá)相關(guān)技術(shù)。因此，該技術(shù)往往還伴隨著網(wǎng)絡(luò)架構(gòu)與通信傳輸、信息融合理論、優(yōu)化問(wèn)題建模與求解、機(jī)器學(xué)習(xí)與人工智能等基礎(chǔ)理論方法的進(jìn)步而發(fā)展。另一方面，該技術(shù)也需要緊扣各類(lèi)實(shí)際任務(wù)需求，結(jié)合最新的指揮控制理論體系，對(duì)雷達(dá)系統(tǒng)面臨的各類(lèi)新型探測(cè)目標(biāo)、軍民電磁干擾信號(hào)開(kāi)展研究。最后，就目前公開(kāi)的資料來(lái)看，該方向的研究主要還集中在理論算法研究，雖然算法的性能得益已通過(guò)仿真模型得到驗(yàn)證，但是工程可用性以及在實(shí)際環(huán)境中的性能得益還有待驗(yàn)證。

總體來(lái)說(shuō)，從技術(shù)發(fā)展和應(yīng)用需求角度，該技術(shù)具有以下幾個(gè)發(fā)展趨勢(shì)：

(1) 多樣化的多雷達(dá)通信傳輸與雷達(dá)組網(wǎng)架構(gòu)：當(dāng)前大部分認(rèn)知跟蹤資源調(diào)度工作都聚焦于集中式通信傳輸架構(gòu)和相同體制的雷達(dá)協(xié)同。針對(duì)去中心化網(wǎng)絡(luò)架構(gòu)、異質(zhì)異步雷達(dá)節(jié)點(diǎn)，甚至雷達(dá)與異類(lèi)傳感器協(xié)同組網(wǎng)的研究還具備較大發(fā)展?jié)摿Α?/p>

(2) 高維度混合層級(jí)的信號(hào)與信息綜合處理方式：當(dāng)前主要以雷達(dá)點(diǎn)跡級(jí)信息(量測(cè)、似然函數(shù)、后驗(yàn)概率密度函數(shù)等)融合為主，而多雷達(dá)協(xié)同的發(fā)展方向之一是結(jié)合信號(hào)處理與信息融合理論的發(fā)展，研究航跡級(jí)、點(diǎn)跡級(jí)、信號(hào)級(jí)等多層級(jí)信息混合處理方法。同時(shí)，相應(yīng)的認(rèn)知跟蹤資源調(diào)度方法也需要有對(duì)應(yīng)延伸。

(3) 考慮多樣化目標(biāo)對(duì)象、復(fù)雜地理與電磁環(huán)境：雷達(dá)面臨的探測(cè)環(huán)境日益復(fù)雜，各類(lèi)新型探測(cè)目標(biāo)、軍用民用電子干擾不斷的涌現(xiàn)，對(duì)雷達(dá)探測(cè)/生存能力帶來(lái)挑戰(zhàn)。因此，認(rèn)知跟蹤與資源調(diào)度方法的研究也需要緊跟探測(cè)目標(biāo)與探測(cè)環(huán)境的變化。

(4) 多任務(wù)沖突條件下的全局最優(yōu)調(diào)度方法：目前的資源調(diào)度方法研究主要還聚焦于目標(biāo)跟蹤任務(wù)，而在實(shí)際的應(yīng)用中，雷達(dá)系統(tǒng)需要執(zhí)行搜索、跟蹤、識(shí)別、LPI、抗干擾、通信等多種任務(wù)，且各任務(wù)的執(zhí)行存在資源沖突。未來(lái)的研究可圍繞態(tài)勢(shì)支持、目標(biāo)指示、毀傷評(píng)估、指揮引導(dǎo)4大任務(wù)場(chǎng)景，開(kāi)展更為多樣化的協(xié)同探測(cè)資源調(diào)度研究。

(5) 數(shù)學(xué)建模和人工智能相結(jié)合的協(xié)同調(diào)度：傳統(tǒng)資源調(diào)度問(wèn)題旨在建立并求解解析優(yōu)化模型，而解析模型越來(lái)越難以描述復(fù)雜場(chǎng)景下雷達(dá)的綜合性能。隨著強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)為代表的智能優(yōu)化算法的快速發(fā)展，將人工智能方法與雷達(dá)信號(hào)與信息處理、雷達(dá)系統(tǒng)的資源一體化調(diào)度相結(jié)合也是一個(gè)重要的發(fā)展趨勢(shì)。

(6) 與最新的指揮控制理論體系相結(jié)合：多雷達(dá)協(xié)同探測(cè)閉環(huán)從廣義上看，需要綜合考慮探測(cè)環(huán)境、裝備條件、情報(bào)信息、指揮員決策、人機(jī)智能交互等多因素。而本文聚焦的資源調(diào)度與認(rèn)知跟蹤方法僅僅屬于其中的信號(hào)處理算法小閉環(huán)。因此，后續(xù)該方向的研究需要結(jié)合指揮控制理論體系的發(fā)展，并緊跟協(xié)同探測(cè)大閉環(huán)理論的發(fā)展。

(7) 圍繞典型的多雷達(dá)協(xié)同探測(cè)系統(tǒng)進(jìn)行樣機(jī)研制與試驗(yàn)驗(yàn)證：目前的認(rèn)知跟蹤資源調(diào)度研究主要以地基雷達(dá)為導(dǎo)向。未來(lái)可針對(duì)艦載編隊(duì)、戰(zhàn)機(jī)編隊(duì)、蜂群雷達(dá)、星基協(xié)同等典型的探測(cè)系統(tǒng)，完成相關(guān)技術(shù)的系統(tǒng)應(yīng)用研究，并開(kāi)展樣機(jī)研制與試驗(yàn)驗(yàn)證工作。