張伯彥, 羅興旺, 藺宏江, 陳　映, 文樹梁

(北京無線電測(cè)量研究所, 北京 100854)

?

多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合技術(shù)

張伯彥, 羅興旺, 藺宏江, 陳映, 文樹梁

(北京無線電測(cè)量研究所, 北京 100854)

摘要：對(duì)構(gòu)建實(shí)際多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)所涉及的關(guān)鍵技術(shù)進(jìn)行全面闡述,重點(diǎn)介紹理論算法與工程實(shí)際需求相結(jié)合的綜合設(shè)計(jì)問題,包括空間配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)的設(shè)計(jì)準(zhǔn)則,復(fù)雜環(huán)境下點(diǎn)跡估計(jì)融合中的權(quán)值計(jì)算方法以及坐標(biāo)系的選取等。同時(shí)，給出一種多平臺(tái)雷達(dá)數(shù)據(jù)融合系統(tǒng)運(yùn)行環(huán)境仿真的總體結(jié)構(gòu)及主要處理模型。仿真及雷達(dá)數(shù)據(jù)的驗(yàn)證結(jié)果表明,所提出的設(shè)計(jì)準(zhǔn)則和計(jì)算方法具有良好的跟蹤融合效果,適合應(yīng)用于先進(jìn)的多平臺(tái)雷達(dá)數(shù)據(jù)融合系統(tǒng)中。

關(guān)鍵詞：多平臺(tái); 點(diǎn)跡數(shù)據(jù)融合; 互聯(lián)

0引言

20世紀(jì)70年代,美國(guó)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(gòu)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(gòu)想。從1987年起,美國(guó)三軍每年召開一次信息融合學(xué)術(shù)會(huì)議[3],把信息融合列為20世紀(jì)90年代重點(diǎn)研發(fā)的20項(xiàng)關(guān)鍵技術(shù)之一,且列為最優(yōu)先發(fā)展的A類。在20世紀(jì)90年代成立了國(guó)際信息融合學(xué)會(huì)并創(chuàng)立了會(huì)刊《Information Fusion》,信息融合成為多方關(guān)注的共性關(guān)鍵理論和技術(shù)。21世紀(jì)以來美國(guó)防部進(jìn)一步把信息融合作為許多復(fù)雜大系統(tǒng),如CEC中的關(guān)鍵技術(shù)進(jìn)行攻關(guān)研究。因?yàn)樾畔⑷诤霞夹g(shù)將輸入信息在各協(xié)同單元上分別、并行地進(jìn)行融合處理形成復(fù)合跟蹤航跡,為形成精確目標(biāo)指示、協(xié)同作戰(zhàn)能力奠定基礎(chǔ),本文正是對(duì)信息融合中的點(diǎn)跡數(shù)據(jù)融合涉及的關(guān)鍵技術(shù)進(jìn)行研究。

點(diǎn)跡數(shù)據(jù)融合系統(tǒng)要處理來自多個(gè)運(yùn)動(dòng)平臺(tái)上的雷達(dá)測(cè)量的點(diǎn)跡,一般來說,點(diǎn)跡指雷達(dá)提取器提取的雷達(dá)測(cè)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(dá)系統(tǒng)噪聲的污染,多個(gè)動(dòng)平臺(tái)雷達(dá)多目標(biāo)點(diǎn)跡相關(guān)互聯(lián)及融合跟蹤是一項(xiàng)基本要求。顯然,運(yùn)動(dòng)多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合的處理相當(dāng)復(fù)雜,因此為了構(gòu)建一個(gè)有效的多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合系統(tǒng),仿真工作與系統(tǒng)研制相結(jié)合非常必要。此處仿真指多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)運(yùn)行環(huán)境的仿真,包括目標(biāo)場(chǎng)景仿真、雜波模擬、多型雷達(dá)模擬及顯示評(píng)估。

1點(diǎn)跡數(shù)據(jù)融合系統(tǒng)及關(guān)鍵技術(shù)

1.1點(diǎn)跡數(shù)據(jù)融合結(jié)構(gòu)

信息融合層次一般按如下劃分:

(1) 信號(hào)/特征估計(jì):對(duì)多類傳感器原始信號(hào)(數(shù)據(jù)或圖像)進(jìn)行融合,結(jié)果為信號(hào)/特征的狀態(tài)與可信度估計(jì)。

(2) 實(shí)體估計(jì):對(duì)目標(biāo)位置和屬性的估計(jì),多雷達(dá)點(diǎn)跡數(shù)據(jù)融合屬于這級(jí)融合范疇。

(3) 態(tài)勢(shì)估計(jì):指對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)關(guān)系和可信度的估計(jì)。

(4) 威脅估計(jì):對(duì)戰(zhàn)場(chǎng)上戰(zhàn)斗力量分配情況的評(píng)價(jià)估計(jì),對(duì)作戰(zhàn)意圖作出指示報(bào)警,定量表示敵方作戰(zhàn)能力及估計(jì)敵方企圖。

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

多平臺(tái)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)示意圖如圖1所示。首先,預(yù)處理層接收雷達(dá)數(shù)據(jù)以及平臺(tái)的導(dǎo)航信息并進(jìn)行處理,同時(shí)進(jìn)行時(shí)間對(duì)準(zhǔn)和空間統(tǒng)一處理,為上一層的相關(guān)與融合做好“一致性”準(zhǔn)備;相關(guān)與融合層要對(duì)點(diǎn)跡和航跡進(jìn)行關(guān)聯(lián)處理;復(fù)合跟蹤與航跡管理層的任務(wù)是對(duì)融合后的航跡形成復(fù)合跟蹤,對(duì)目標(biāo)航跡信息進(jìn)行管理,在系統(tǒng)內(nèi)形成統(tǒng)一態(tài)勢(shì)并進(jìn)行數(shù)據(jù)輸出。這樣的系統(tǒng)結(jié)構(gòu)很容易由目前的以目標(biāo)位置估計(jì)為主的實(shí)體估計(jì)融合擴(kuò)展到美國(guó)國(guó)防部聯(lián)合指揮實(shí)驗(yàn)室數(shù)據(jù)融合專業(yè)組推薦模型[4-5]中的信號(hào)/特征估計(jì)、態(tài)勢(shì)估計(jì)、威脅估計(jì)和過程估計(jì)。

圖1　多平臺(tái)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)示意圖

1.2時(shí)空配準(zhǔn)

時(shí)空配準(zhǔn)是實(shí)現(xiàn)多雷達(dá)數(shù)據(jù)關(guān)聯(lián)與融合的前提。

時(shí)間配準(zhǔn)指的是將網(wǎng)內(nèi)各雷達(dá)關(guān)于同一目標(biāo)的不同步的量測(cè)數(shù)據(jù)統(tǒng)一到同一基準(zhǔn)時(shí)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(shí),各雷達(dá)在時(shí)間上是不同步的,因?yàn)槊坎坷走_(dá)的開機(jī)時(shí)間不一樣,掃描周期不同,特別是有的雷達(dá)其工作模式呈現(xiàn)變數(shù)據(jù)率的TAS狀態(tài)。在進(jìn)行多雷達(dá)數(shù)據(jù)融合時(shí)需要將不同步的測(cè)量數(shù)據(jù)對(duì)準(zhǔn)到融合時(shí)刻。N發(fā)N收非相參體制的數(shù)據(jù)融合系統(tǒng)的時(shí)間配準(zhǔn)主要采用內(nèi)插與外推相結(jié)合的方法,配準(zhǔn)精度主要取決于目標(biāo)速度估計(jì)精度。

空間配準(zhǔn)指的是利用多雷達(dá)對(duì)共同目標(biāo)的測(cè)量估計(jì)雷達(dá)的偏差。多雷達(dá)的偏差主要包括:雷達(dá)站址誤差;雷達(dá)測(cè)角偏差;雷達(dá)測(cè)距偏差等。其中雷達(dá)站址誤差屬于極點(diǎn)誤差,極點(diǎn)誤差歸結(jié)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(jí),所以此處忽略GPS 定位誤差的影響。雷達(dá)測(cè)距偏差對(duì)系統(tǒng)影響不大并且易于補(bǔ)償。雷達(dá)測(cè)角偏差的存在使目標(biāo)探測(cè)位置以雷達(dá)波束指向?yàn)檩S相對(duì)真實(shí)位置發(fā)生旋轉(zhuǎn)(在不存在隨機(jī)誤差情況下),包括水平方向和垂直方向,對(duì)于單雷達(dá)來說,這種偏差對(duì)每個(gè)目標(biāo)都是一樣的,只是產(chǎn)生一個(gè)固定偏移,并不會(huì)影響整個(gè)系統(tǒng)的跟蹤性能;而對(duì)于多雷達(dá)數(shù)據(jù)融合系統(tǒng)來說,由于不同雷達(dá)關(guān)于同一目標(biāo)的航跡之間存在較大的偏差,從而有可能被認(rèn)為是不同的目標(biāo),這會(huì)給關(guān)聯(lián)和融合帶來困難,使整個(gè)融合系統(tǒng)性能下降。多雷達(dá)空間配準(zhǔn)誤差是一種系統(tǒng)誤差,不能通過濾波技術(shù)加以消除。空間配準(zhǔn)技術(shù)要點(diǎn)包括:

(1) 將各雷達(dá)數(shù)據(jù)進(jìn)行坐標(biāo)變換,統(tǒng)一到同一坐標(biāo)系;

(2) 將各雷達(dá)進(jìn)行系統(tǒng)誤差靜態(tài)校準(zhǔn);

(3) 在有合作目標(biāo)和單目標(biāo)情況下,動(dòng)態(tài)估計(jì)各雷達(dá)系統(tǒng)誤差并補(bǔ)償;

(4) 在多目標(biāo)和實(shí)際場(chǎng)景中,針對(duì)系統(tǒng)誤差估計(jì)與數(shù)據(jù)關(guān)聯(lián)互為前提特點(diǎn),將多雷達(dá)數(shù)據(jù)關(guān)聯(lián)與系統(tǒng)誤差估計(jì)迭代進(jìn)行,可以達(dá)到逐步求精效果。

1.3點(diǎn)跡/航跡管理

20世紀(jì)80年代,海上適合軍民兩用雷達(dá)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(gè)點(diǎn)跡。Raytheon Solipsys公司的MSCT的典型性能[7]:100個(gè)傳感器和系統(tǒng),每秒17 000批航跡,每秒20 000個(gè)點(diǎn)跡;ThalesRaytheonSystem公司的Skyview典型性能[8]:100個(gè)傳感器,每秒1 000批航跡。因此為了提高處理效率,必須對(duì)點(diǎn)跡、航跡進(jìn)行管理。一般來說,點(diǎn)跡、航跡管理方法有空間管理和時(shí)間管理?？臻g管理是將點(diǎn)跡、航跡數(shù)據(jù)按雷達(dá)掃描扇區(qū)和距離進(jìn)行編排,時(shí)間管理是將數(shù)據(jù)按照測(cè)量時(shí)間進(jìn)行時(shí)間分區(qū)編排。

將雷達(dá)的整個(gè)探測(cè)空域按方位和距離劃分成若干小區(qū)域,每一個(gè)小區(qū)域稱之為一個(gè)分區(qū)。在對(duì)點(diǎn)跡、航跡數(shù)據(jù)按照空間編排時(shí),在數(shù)據(jù)融合的處理周期內(nèi),依次對(duì)每一個(gè)分區(qū)及其相鄰分區(qū)的點(diǎn)跡和航跡進(jìn)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(duì)系統(tǒng)航跡和周期性掃描雷達(dá)的探測(cè)點(diǎn)跡進(jìn)行時(shí)間分區(qū)編排處理,時(shí)間分區(qū)編排包含以下兩個(gè)方面內(nèi)容。

(1) 預(yù)測(cè)系統(tǒng)航跡下一更新時(shí)刻

與單雷達(dá)不同,系統(tǒng)航跡是由不同雷達(dá)探測(cè)的點(diǎn)跡關(guān)聯(lián)濾波形成的,并且這些點(diǎn)跡的探測(cè)時(shí)間是不規(guī)則的。綜合考慮對(duì)系統(tǒng)航跡有貢獻(xiàn)的多雷達(dá)當(dāng)前更新時(shí)間ti和雷達(dá)的數(shù)據(jù)周期Ti,系統(tǒng)航跡下一更新時(shí)刻的預(yù)測(cè)tp可取二者之中的最小者。

(2) 處理時(shí)間分區(qū)內(nèi)的數(shù)據(jù)

考慮到系統(tǒng)航跡更新周期預(yù)測(cè)值與實(shí)際值存在偏差,在進(jìn)行點(diǎn)航關(guān)聯(lián)處理時(shí),點(diǎn)跡只與滿足下列條件的系統(tǒng)航跡進(jìn)行關(guān)聯(lián)處理。

條件 1預(yù)測(cè)數(shù)據(jù)來源相同;

條件 2預(yù)測(cè)更新時(shí)刻所在時(shí)間分區(qū)與點(diǎn)跡所在時(shí)間分區(qū)相同或相鄰。

對(duì)于非周期掃描雷達(dá),由于其對(duì)同一目標(biāo)的探測(cè)周期不固定,無法對(duì)其更新周期進(jìn)行預(yù)測(cè),不能按上述方法進(jìn)行時(shí)間分區(qū)處理,可以將這類雷達(dá)的數(shù)據(jù)與周期性掃描雷達(dá)數(shù)據(jù)分開處理,并將處理結(jié)果再進(jìn)行融合。

多雷達(dá)點(diǎn)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(shí)航跡、可靠航跡和刪除航跡。根據(jù)一定的準(zhǔn)則進(jìn)行這4種狀態(tài)的切換,也是航跡管理的主要內(nèi)容。

將點(diǎn)跡、航跡按時(shí)間和空間分區(qū)編排處理,可以減少關(guān)聯(lián)計(jì)算量,提高處理效率,方便及時(shí)送出系統(tǒng)航跡;在相關(guān)互聯(lián)處理時(shí)考慮相鄰分區(qū)的銜接,增加了相關(guān)正確概率。

1.4數(shù)據(jù)關(guān)聯(lián)

數(shù)據(jù)關(guān)聯(lián)包括相關(guān)和互聯(lián)兩個(gè)不同的處理過程。

相關(guān):一般來說工程界的相關(guān)就是以已有航跡的預(yù)測(cè)值為中心建立一定大小的相關(guān)區(qū)域(稱為相關(guān)門),把落入相關(guān)門內(nèi)的所有點(diǎn)跡判斷為與該航跡相關(guān)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(guān)聯(lián)(joint probabitistic data association, JPDA)等方法,在與航跡相關(guān)的點(diǎn)跡中選擇一個(gè)點(diǎn)或求出等效點(diǎn)與該航跡配對(duì)的過程。

相關(guān)門的大小D取決于雷達(dá)測(cè)量精度σR和σθ、目標(biāo)距離R和待判數(shù)據(jù)的時(shí)間差T以及速度變化ΔV。在實(shí)際應(yīng)用中,由于機(jī)動(dòng)不可避免,可將Kalman濾波器的新息構(gòu)成的統(tǒng)計(jì)量[9]g(k)引入到相關(guān)門的計(jì)算中,一種相關(guān)門計(jì)算方法如下:

(1)

除此以外,在干擾、雜波情況下,相關(guān)門的尺寸應(yīng)適當(dāng)減小。

NN法是工程上常用的關(guān)聯(lián)方法之一,該方法基于距離度量最小準(zhǔn)則,是一種局部最優(yōu)的算法,這種方法在目標(biāo)密集時(shí)常常發(fā)生關(guān)聯(lián)錯(cuò)誤;采用總距離之和最小準(zhǔn)則的GNN法,其解是此類問題的最佳解,在目標(biāo)比較密集情況下誤關(guān)聯(lián)明顯減少。但是選擇最佳解的主要缺點(diǎn)是當(dāng)觀測(cè)和目標(biāo)的數(shù)目都比較大時(shí),計(jì)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(jì)算復(fù)雜度由m!·(m-n)!下降到n2m(n和m分別是關(guān)聯(lián)矩陣的行數(shù)和列數(shù)),這樣的計(jì)算負(fù)擔(dān)工程上可以接受。為了構(gòu)建實(shí)用的互聯(lián)算法,需要采用如下附加準(zhǔn)則:

(1) 加入硬判決:根據(jù)目標(biāo)的不可模糊因素,對(duì)目標(biāo)進(jìn)行如下硬判決:不同屬性的目標(biāo)不判關(guān)聯(lián);分屬不同高度層的目標(biāo)不判關(guān)聯(lián);速度和航向差異較大的目標(biāo)不判關(guān)聯(lián)。

(2) 在航跡起始階段,應(yīng)用多假設(shè)思想進(jìn)行多分支起航,經(jīng)過5～8周期再將暫時(shí)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(cè)量值,只能取預(yù)測(cè)值作為測(cè)量值,同時(shí)采用分叉技術(shù),一個(gè)按原來航跡外推,一個(gè)按照機(jī)動(dòng)外推。當(dāng)連續(xù)無測(cè)量值次數(shù)超過一定幀數(shù)時(shí),終止該目標(biāo)的航跡。

采用如上相關(guān)門技術(shù)、互聯(lián)算法和附加準(zhǔn)則,可以獲得改善的數(shù)據(jù)關(guān)聯(lián)效果。

1.5估計(jì)融合

估計(jì)融合[11]環(huán)節(jié)處理的數(shù)據(jù)是假定多個(gè)雷達(dá)的測(cè)量來源于同一個(gè)目標(biāo)。估計(jì)融合算法種類繁多,并與融合結(jié)構(gòu)密切相關(guān)。簡(jiǎn)單凸組合融合是一種工程上常用的方法,當(dāng)各雷達(dá)量測(cè)之間互不相關(guān)時(shí),融合效果良好。

在點(diǎn)跡數(shù)據(jù)融合系統(tǒng)中,由于系統(tǒng)獲得的輸入是雷達(dá)點(diǎn)跡報(bào)告,因此估計(jì)融合將涉及多平臺(tái)雷達(dá)的測(cè)量誤差。假設(shè)雷達(dá)i的測(cè)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(shè)某時(shí)刻k有M個(gè)來自于多平臺(tái)雷達(dá)的測(cè)量點(diǎn)跡,并且這些點(diǎn)跡都屬于同一個(gè)目標(biāo),則位置融合權(quán)值kxpos_i和速度融合權(quán)值kxvel_i計(jì)算如下：

(2)

式中，Ti是雷達(dá)的數(shù)據(jù)周期。其他方向與之類似。

但是,上述簡(jiǎn)單凸組合融合方法并不適用干擾和雜波環(huán)境下的估計(jì)融合,其原因是融合權(quán)值不僅取決于雷達(dá)精度,而且應(yīng)該與點(diǎn)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(diǎn)跡或者航跡應(yīng)該具有不同的的融合權(quán)值。干擾和雜波環(huán)境下融合權(quán)值計(jì)算是通過對(duì)式(2)進(jìn)行擴(kuò)展得到的,即對(duì)式(2)中的雷達(dá)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(dá)i的測(cè)量點(diǎn)跡/航跡位于非雜波區(qū)、一般雜波區(qū)及強(qiáng)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(qiáng)雜波區(qū)的系數(shù)。雷達(dá)的非雜波區(qū),一般雜波區(qū)和強(qiáng)雜波區(qū)劃分依賴于雷達(dá)雜波圖,將網(wǎng)內(nèi)每個(gè)雷達(dá)的探測(cè)范圍進(jìn)行網(wǎng)格劃分,并實(shí)時(shí)依據(jù)點(diǎn)跡在時(shí)域和空域的密集程度可以形成雷達(dá)動(dòng)態(tài)雜波圖。相比僅僅依賴于雷達(dá)精度的融合權(quán)值計(jì)算方法,同時(shí)考慮環(huán)境因素和目標(biāo)精度獲得的融合權(quán)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(jì)算量適中。

更高級(jí)的產(chǎn)生融合權(quán)值的方法是依靠推理。一種雷達(dá)數(shù)據(jù)融合權(quán)值知識(shí)庫(kù)結(jié)構(gòu)如圖2所示。圖中置信度判別器,其輸入為雷達(dá)狀態(tài)、探測(cè)精度、航跡濾波方差或者點(diǎn)跡精度等事實(shí),結(jié)合雷達(dá)特征庫(kù)存貯的數(shù)據(jù)(系統(tǒng)誤差、起伏誤差),根據(jù)經(jīng)驗(yàn)建立模糊IF-Then規(guī)則,通過自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(adaptive-network-based fuzzy inference system, ANFIS)[12-14]得到各雷達(dá)置信度。由于ANFIS應(yīng)用于非平穩(wěn)信號(hào)、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(chǔ)上,當(dāng)數(shù)據(jù)在網(wǎng)絡(luò)中前向傳輸時(shí),采用魯棒的最小二乘法估計(jì)參數(shù);當(dāng)誤差信號(hào)反傳時(shí),用廣義極大似然估計(jì)誤差函數(shù)作為估計(jì)雷達(dá)置信度的依據(jù)。這樣,得到的估計(jì)參數(shù)是最優(yōu)的,并且收斂速度非?？臁?/p>

圖2　多雷達(dá)數(shù)據(jù)融合權(quán)值知識(shí)庫(kù)結(jié)構(gòu)示意圖

權(quán)值計(jì)算推理其功能是由各雷達(dá)的置信度推理得到各雷達(dá)的權(quán)值。本文有5部傳感器,根據(jù)經(jīng)驗(yàn)可得到如表1所示的融合權(quán)值推理規(guī)則。表中Ui表示第i部雷達(dá)的置信度,T1>T2>T3為規(guī)定閾值,可根據(jù)經(jīng)驗(yàn)設(shè)定。

估計(jì)融合結(jié)果是用各雷達(dá)的權(quán)值對(duì)它們的航跡或點(diǎn)跡數(shù)據(jù)進(jìn)行加權(quán)。需要說明的是,這里的權(quán)值不同于傳統(tǒng)的融合加權(quán)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(shí)庫(kù)的核心內(nèi)容,是對(duì)多雷達(dá)數(shù)據(jù)融合理論、數(shù)據(jù)融合專家的知識(shí)和經(jīng)驗(yàn)、多次系統(tǒng)試驗(yàn)和仿真試驗(yàn)的結(jié)果等進(jìn)行分析、綜合,并按照一定的數(shù)據(jù)結(jié)構(gòu)組織得到的知識(shí)集合。

研究結(jié)果表明,建立融合權(quán)值知識(shí)庫(kù)并根據(jù)該知識(shí)庫(kù)產(chǎn)生的權(quán)值對(duì)多雷達(dá)數(shù)據(jù)進(jìn)行估計(jì)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(yīng)用場(chǎng)景,當(dāng)然方法復(fù)雜,計(jì)算開銷很大,在應(yīng)用時(shí)需要折中考慮。

表1　融合權(quán)值的推理規(guī)則

坐標(biāo)系對(duì)融合估計(jì)的影響不容忽視。在地心坐標(biāo)系進(jìn)行融合估計(jì)能夠減少雷達(dá)載體運(yùn)動(dòng)帶來的影響。除了需要將雷達(dá)數(shù)據(jù)變換到地心直角坐標(biāo)系,還需要將量測(cè)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(biāo)系。下面不加推導(dǎo)地給出有關(guān)計(jì)算公式。

地心坐標(biāo)系的量測(cè)誤差協(xié)方差陣Re為

(3)

地心坐標(biāo)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(gòu)成,記T為數(shù)據(jù)間隔,有

(4)

1.6復(fù)雜背景下的點(diǎn)跡數(shù)據(jù)融合

在干擾、海雜波情況下,目標(biāo)檢測(cè)常常非常困難,當(dāng)目標(biāo)的信噪比較低時(shí),即便滿足檢測(cè)概率的條件,單幀檢測(cè)結(jié)果中不僅有目標(biāo),也會(huì)包含疑似目標(biāo)、噪聲、干擾和雜波[17-20]。為此,必須依靠目標(biāo)在多幀信息中的相關(guān)性進(jìn)行檢測(cè),這是因?yàn)槟繕?biāo)在幀間存在較強(qiáng)的相關(guān)性,而噪聲、干擾和雜波則不具備相關(guān)性。采用多幀信息并結(jié)合其他信息(運(yùn)動(dòng)學(xué)特性、時(shí)間特性等)進(jìn)行多幀融合判相關(guān),以及融合權(quán)值依點(diǎn)跡或者航跡位于雜波區(qū)或者非雜波區(qū)而不同的復(fù)雜背景下的點(diǎn)跡數(shù)據(jù)融合方法,可以在滿足檢測(cè)概率和虛警率的條件下維持目標(biāo)的連續(xù)跟蹤。第3節(jié)的試驗(yàn)也證明了這一點(diǎn)。

2仿真技術(shù)與仿真系統(tǒng)

為了降低點(diǎn)跡數(shù)據(jù)融合系統(tǒng)的研制成本并縮短開發(fā)周期,設(shè)計(jì)構(gòu)建了一個(gè)全部由計(jì)算機(jī)和軟件完成的交互式點(diǎn)跡數(shù)據(jù)融合的運(yùn)行環(huán)境。仿真模擬了多模式雷達(dá)的工作過程,包括對(duì)空、對(duì)海、監(jiān)視、跟蹤等模式,這些雷達(dá)的掃描周期、開機(jī)時(shí)間及送出數(shù)據(jù)的時(shí)間各不相同,再現(xiàn)這些雷達(dá)的性能和數(shù)據(jù)時(shí)序關(guān)系是仿真的基本要求。除此以外,雷達(dá)背景雜波、目標(biāo)場(chǎng)景以及載體平動(dòng)和搖擺的模擬均是研制一個(gè)滿足多樣化任務(wù)需求的點(diǎn)跡數(shù)據(jù)融合系統(tǒng)必不可少的環(huán)節(jié)。

2.1仿真結(jié)構(gòu)、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(shí);

(2) 動(dòng)態(tài)配置各平臺(tái)和融合中心的經(jīng)緯高;

(3) 目標(biāo)場(chǎng)景參數(shù)設(shè)置;

(4) 平臺(tái)模擬器參數(shù)設(shè)置;

(5) 各平臺(tái)上雷達(dá)類型、參數(shù)設(shè)置和控制。

目標(biāo)場(chǎng)景仿真可以產(chǎn)生多批次進(jìn)入時(shí)間不同、服從泊松分布的勻速運(yùn)動(dòng)或機(jī)動(dòng)目標(biāo),還可以通過讀取數(shù)據(jù)文件的形式獲得目標(biāo)場(chǎng)景,以滿足開發(fā)、調(diào)試、評(píng)估點(diǎn)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(duì)于雷達(dá)目標(biāo)檢測(cè)性能的影響以雷達(dá)工作頻段、作用距離不同而有所不同,采用等效檢測(cè)概率處理的方法對(duì)于研究、開發(fā)、調(diào)試、評(píng)估點(diǎn)跡數(shù)據(jù)融合系統(tǒng)仍然能夠獲得較高的逼真度。

雷達(dá)模擬包括電掃和機(jī)掃天線、收發(fā)系統(tǒng)、信號(hào)處理、數(shù)據(jù)處理和終端系統(tǒng)的模擬。平臺(tái)模擬指對(duì)雷達(dá)載體平臺(tái)(如空基和船基)的模擬。

圖3　多平臺(tái)雷達(dá)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)及運(yùn)行環(huán)境仿真框圖

2.2仿真系統(tǒng)硬件體系結(jié)構(gòu)

仿真控制、目標(biāo)和平臺(tái)模擬器及顯示評(píng)估等具有人機(jī)交互功能的子系統(tǒng)基于普通PC機(jī)實(shí)現(xiàn),操作系統(tǒng)為Windows。多型雷達(dá)模擬器集成在CPCI總線機(jī)箱中,并用軟件實(shí)現(xiàn),操作系統(tǒng)為VxWorks。融合軟件運(yùn)行于Windows操作系統(tǒng),并采用C++語言實(shí)現(xiàn)。系統(tǒng)不同節(jié)點(diǎn)間均通過以太網(wǎng)交換機(jī)進(jìn)行通信。一個(gè)基于網(wǎng)絡(luò)化、通用化、可擴(kuò)展、分立與分布式相結(jié)合的仿真系統(tǒng)硬件組成示意圖如圖4所示。

圖4　點(diǎn)跡數(shù)據(jù)融合及仿真系統(tǒng)硬件組成

2.3設(shè)計(jì)特點(diǎn)

本仿真系統(tǒng)的設(shè)計(jì)是針對(duì)特定需要的,即功能有限,否則其造價(jià)就很高昂。但是對(duì)于實(shí)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(shè)計(jì),通過功能、參數(shù)、接口的通用性設(shè)計(jì)來實(shí)現(xiàn)仿真系統(tǒng)未來的可擴(kuò)展和重構(gòu)。

功能的通用性設(shè)計(jì)表現(xiàn)在將系統(tǒng)中的各個(gè)功能劃分為相對(duì)獨(dú)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(shè)計(jì)表現(xiàn)在為每個(gè)功能、每個(gè)模塊、每個(gè)函數(shù)設(shè)計(jì)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(shè)計(jì)使得本系統(tǒng)適合進(jìn)行半實(shí)物仿真和數(shù)學(xué)仿真?？梢越尤肜走_(dá)實(shí)物、其他雷達(dá)模擬器或者試驗(yàn)數(shù)據(jù)來驗(yàn)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(píng)估與試驗(yàn)床使用。

2.4評(píng)估統(tǒng)計(jì)

本系統(tǒng)仿真中包含各種評(píng)估統(tǒng)計(jì),如數(shù)據(jù)融合性能和精度統(tǒng)計(jì)。數(shù)據(jù)融合性能統(tǒng)計(jì)主要包括正確關(guān)聯(lián)、錯(cuò)誤關(guān)聯(lián)和漏關(guān)聯(lián)概率,精度統(tǒng)計(jì)包括融合結(jié)果的均值和方差。此外更復(fù)雜的評(píng)估指標(biāo)還包括態(tài)勢(shì)完整性和正確性、航跡穩(wěn)定性等。

3仿真試驗(yàn)

由目標(biāo)模擬器模擬56批目標(biāo),這些目標(biāo)的進(jìn)入?yún)?shù)(斜距、高度、方位、速度、航路捷徑及航跡傾角、進(jìn)入時(shí)間)略不同;同時(shí)用多型雷達(dá)模擬器模擬動(dòng)平臺(tái)上的6部雷達(dá)(R0~R5,R5所在平臺(tái)已經(jīng)飛出畫面)對(duì)上述目標(biāo)場(chǎng)景的探測(cè),這6部雷達(dá)探測(cè)目標(biāo)的數(shù)據(jù)率為2~10 s不等,測(cè)量精度也各不相同,各雷達(dá)探測(cè)的點(diǎn)跡在圖5中是用不同顏色表示的。對(duì)雷達(dá)探測(cè)的點(diǎn)跡進(jìn)行融合,其結(jié)果如圖5的實(shí)線所示,并標(biāo)識(shí)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(shì)完整性、正確性以及航跡穩(wěn)定性。

圖6和圖7中的點(diǎn)跡是某權(quán)威數(shù)據(jù)融合評(píng)估試驗(yàn)床產(chǎn)生的5部雷達(dá)(空基雷達(dá)已經(jīng)飛出顯示畫面)對(duì)目標(biāo)的探測(cè)數(shù)據(jù),并用不同顏色表示,這5部雷達(dá)均受到海雜波的影響,場(chǎng)景中有多批目標(biāo)作勻速或機(jī)動(dòng)運(yùn)動(dòng)。融合結(jié)果如圖中的實(shí)線所示。圖6是融合算法改進(jìn)前即使用簡(jiǎn)單凸組合得到的融合結(jié)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(jié)果,可見圖像變得一致清晰。說明在復(fù)雜環(huán)境下本文模型、算法具有良好的適應(yīng)性。

圖5　多平臺(tái)雷達(dá)多批目標(biāo)的跟蹤與融合

圖6　海況與雜波下點(diǎn)跡數(shù)據(jù)融合(簡(jiǎn)單凸組合)

4結(jié)論

本文以構(gòu)建的多平臺(tái)點(diǎn)跡數(shù)據(jù)融合系統(tǒng)為背景,研究了涉及的關(guān)鍵技術(shù),同時(shí)給出了該系統(tǒng)運(yùn)行環(huán)境的仿真及主要模型。仿真試驗(yàn)和某權(quán)威數(shù)據(jù)融合評(píng)估試驗(yàn)床檢驗(yàn)驗(yàn)證了本文給出的點(diǎn)跡數(shù)據(jù)融合處理模型、算法的有效性以及復(fù)雜環(huán)境下良好的適應(yīng)性;建立的仿真系統(tǒng)為選擇、改進(jìn)融合算法,分析、檢驗(yàn)、評(píng)估融合系統(tǒng)提供了一種除實(shí)物試驗(yàn)之外的更方便的方法,設(shè)計(jì)人員利用該系統(tǒng)可以預(yù)測(cè)到由于環(huán)境變化和融合技術(shù)改進(jìn)對(duì)融合系統(tǒng)帶來的影響,有效解決了復(fù)雜點(diǎn)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(xiàn)：

[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(guó)宏,關(guān)欣.信息融合理論及應(yīng)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(shù)現(xiàn)狀、概念與結(jié)構(gòu)模型[J].中國(guó)電子科學(xué)研究院學(xué)報(bào),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(quán). 相控陣?yán)走_(dá)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(xué)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(quán)太范.目標(biāo)跟蹤新理論與技術(shù)[M].北京:國(guó)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?yàn)楝F(xiàn)代雷達(dá)控制與數(shù)據(jù)處理、機(jī)動(dòng)多目標(biāo)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?yàn)槔走_(dá)控制軟件、數(shù)據(jù)處理與雷達(dá)仿真。

E-mail:mailapoluo@qq.com

藺宏江(1974-),男,高工,碩士,主要研究方向?yàn)槔走_(dá)控制軟件、數(shù)據(jù)處理與雷達(dá)仿真。

E-mail:hitlin@tom.com

陳映(1984-),女,高工,博士,主要研究方向?yàn)槔走_(dá)數(shù)據(jù)處理、彈道目標(biāo)跟蹤。

E-mail:michelle_cy@163.com

文樹梁(1971-),男,研究員,博士,主要研究方向?yàn)槔走_(dá)總體技術(shù)、目標(biāo)識(shí)別與信號(hào)處理。

E-mail:wenshul@sina.com

網(wǎng)絡(luò)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(jiǎn)介：

中圖分類號(hào)：TN 953

文獻(xiàn)標(biāo)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(luò)優(yōu)先出版日期：2014-12-08。