賀文嬌

（中國西南電子技術(shù)研究所，成都　610036）

基于特征值和灰度關(guān)聯(lián)的雙機關(guān)聯(lián)定位*

賀文嬌**

（中國西南電子技術(shù)研究所，成都610036）

針對雙機協(xié)同對多目標(biāo)進行定位跟蹤的應(yīng)用背景，研究了不同偵察平臺、不同偵察傳感器測向數(shù)據(jù)的關(guān)聯(lián)和定位問題，提出了一種雙機實時關(guān)聯(lián)定位方法。該方法利用各類傳感器的關(guān)聯(lián)特征要素建立雙機同類型傳感器的數(shù)據(jù)關(guān)聯(lián)模型，利用B型灰色關(guān)聯(lián)度的純方位關(guān)聯(lián)算法建立同機不同類型傳感器的關(guān)聯(lián)矩陣，結(jié)合目標(biāo)身份信息進行測向結(jié)果關(guān)聯(lián)，對關(guān)聯(lián)上的測向結(jié)果進行提純、濾波和交叉定位，最后得到目標(biāo)定位結(jié)果。仿真試驗結(jié)果證明了該方法的有效性。

無源定位；多目標(biāo)跟蹤；雙機協(xié)同偵察；數(shù)據(jù)關(guān)聯(lián)

1　引言

多平臺無源定位技術(shù)是研究最多也是使用最廣泛的一種定位技術(shù)。多機動平臺協(xié)同定位能夠提高定位精度，解決對動目標(biāo)的定位和跟蹤問題。機動偵察平臺由于受使用成本、天氣、航管等因素的影響，使用兩架以上的飛機對同一區(qū)域進行監(jiān)視的可能性較小，大多是雙機協(xié)同偵察，比較常見的工作模式有雙有人機協(xié)同、有人/無人機協(xié)同、雙無人機協(xié)同等。

雙機在同一區(qū)域內(nèi)執(zhí)行協(xié)同偵察任務(wù)，同時對協(xié)同偵察任務(wù)中攜帶的協(xié)同偵察信號列表進行控守測向，雙機的測向結(jié)果匯聚后進行關(guān)聯(lián)和定位，得出定位結(jié)果。

對雙機多傳感器多目標(biāo)偵測數(shù)據(jù)的關(guān)聯(lián)一直是雙機協(xié)同定位的研究重點，尤其針對復(fù)雜電磁環(huán)境下的密集運動目標(biāo)的關(guān)聯(lián)，難度很大。文獻［1］介紹的方法適用于雷達信號偵察傳感器之間的目標(biāo)關(guān)聯(lián)，但沒有考慮其他類型信號偵察的情況。文獻［2］介紹了同平臺不同傳感器純方位關(guān)聯(lián)的情況，提出的算法對航跡質(zhì)量較高的情況下關(guān)聯(lián)置信度較高，對被動傳感器的關(guān)聯(lián)置信度較低。本文在灰關(guān)聯(lián)的基礎(chǔ)上，增加了目標(biāo)身份特征關(guān)聯(lián)，提高關(guān)聯(lián)可信度。

本文重點研究雙機同類型傳感器數(shù)據(jù)的關(guān)聯(lián)模型、同機不同類型傳感器的關(guān)聯(lián)方法以及消除因飛機姿態(tài)、觀測角等原因造成的測向誤差的方法，提高雙機定位精度。

2　測向結(jié)果關(guān)聯(lián)

測向結(jié)果關(guān)聯(lián)是雙機多傳感器定位技術(shù)的核心內(nèi)容，如果測向結(jié)果關(guān)聯(lián)的結(jié)果錯誤，那么后期無論使用什么樣的算法，定位結(jié)果自然都不會正確。

在雙機協(xié)同定位過程需要用到的測向結(jié)果關(guān)聯(lián)包含兩大類：雙機同類型傳感器測向結(jié)果關(guān)聯(lián)和同機不同類型傳感器測向結(jié)果關(guān)聯(lián)。在實時處理系統(tǒng)中，這兩種關(guān)聯(lián)方法均屬于同一時間關(guān)聯(lián)，即關(guān)聯(lián)雙方的測向時間要在同一時間段內(nèi)。雙機關(guān)聯(lián)還要求協(xié)同的雙機之間的距離不超過各自傳感器的探測距離之和。

2.1雙機同類型傳感器測向結(jié)果關(guān)聯(lián)

雙機同類型傳感器的測向結(jié)果關(guān)聯(lián)以特征級關(guān)聯(lián)為主、出現(xiàn)時間和區(qū)域位置關(guān)聯(lián)為輔，這就需要研究不同傳感器得到的信號特征。

雷達信號偵察傳感器系統(tǒng)在偵察過程中能夠快速分析得到雷達信號的特征參數(shù)，包括載頻、重頻、脈寬和脈內(nèi)特征。關(guān)于雷達信號關(guān)聯(lián)的特征要素，國內(nèi)外的研究已經(jīng)非常多，普遍認為通過雷達的載頻、重頻、脈寬3個參數(shù)［1］能夠達到較好的關(guān)聯(lián)效果，尤其是雙機協(xié)同偵察的情況下，關(guān)聯(lián)結(jié)果是非常可靠的。

由于偵察方接收到的雷達信號的頻率存在多普勒頻率［3］，就是雷達接收到的頻率與發(fā)射頻率之差，需要考慮在關(guān)聯(lián)前是否消除這個頻移的影響。多普勒頻率fd為

式中：fr為雷達信號頻率；c為光速；v（t）表示t時刻目標(biāo)的運動速度；γ（t）表示t時刻目標(biāo)運動方向與徑距的夾角。令vr=v（t）cosγ（t）為雷達對目標(biāo)的徑距變化率，則有

設(shè)偵察的對象為小功率雷達（頻率10 GHz），海面目標(biāo)的最大運動速度不超過30 m/s，則vr的最大值為+30 m/s，最小值為-30 m/s，fr=10 GHz，代入公式（2）得fd最大值為2 kHz，最小值為-2 kHz，遠小于雷達信號接收機的測頻精度。因為被測目標(biāo)運動產(chǎn)生的多普勒頻移在雷達信號接收機的測頻誤差范圍之內(nèi)，在關(guān)聯(lián)之前，不需要考慮多普勒頻移修正的問題，否則，就需要在關(guān)聯(lián)前進行多普勒頻移修正。

常規(guī)通信信號的關(guān)聯(lián)，國內(nèi)外的研究也非常多，常用的關(guān)聯(lián)特征包括信號類型、調(diào)試方式、帶寬、調(diào)制頻率等［4］。跳頻通信信號的關(guān)聯(lián)特征主要包括跳頻速率、跳頻周期、調(diào)制方式等［5］。通信信號還能通過對信息層的解譯，得到內(nèi)涵信息，利用這些信息進行關(guān)聯(lián)的準確度非常高。敵我識別信號的關(guān)聯(lián)特征包括目標(biāo)地址碼、信號的頻率、脈沖描述字、信號模式等。

不同的傳感器得到的信號特征各不相同，關(guān)聯(lián)特征也不相同，因此需要建立一個統(tǒng)一的關(guān)聯(lián)模型。

設(shè)Pi為第i個關(guān)聯(lián)要素的權(quán)重值，表示該要素對關(guān)聯(lián)的貢獻度，?？偟年P(guān)聯(lián)度其中：Bi為布爾型，1表示該要素項的值有輸入，0表示接收到的關(guān)聯(lián)數(shù)據(jù)不包括該要素項的值；Ci為該項的特征值與待比對目標(biāo)該項特征值的相似度，Ci＜1；R大于閾值，即可認為相關(guān)。

2.2不同類型傳感器測向結(jié)果的關(guān)聯(lián)

多種偵察傳感器共址安裝在同一偵察平臺，具有在時空校準方面的先天優(yōu)勢。多傳感器的偵測數(shù)據(jù)關(guān)聯(lián)可以提高對目標(biāo)發(fā)現(xiàn)的概率和目標(biāo)識別的準確度。

由于多傳感器探測的目標(biāo)參數(shù)類別各不相同，因此關(guān)鍵的問題就是要把這些異類的情報素材建立統(tǒng)一的相關(guān)性度量。比如雷達信號和通信信號，裝載有雷達傳感器的目標(biāo)，大多數(shù)都配備有通信電臺，這兩種手段的統(tǒng)一的相關(guān)性度量主要是信號的出現(xiàn)時間、方位。

利用目標(biāo)身份對異構(gòu)信息進行關(guān)聯(lián)，可信度非常高，這種情況適用于對常規(guī)監(jiān)視目標(biāo)和常規(guī)偵察區(qū)域內(nèi)的有知識積累的目標(biāo)進行偵察，身份確認之后，利用多種手段對該目標(biāo)進行跟蹤監(jiān)視，掌握目標(biāo)的活動規(guī)律和行為狀態(tài)。

在實時處理系統(tǒng)中，對關(guān)聯(lián)的效率要求非常高，而大多數(shù)關(guān)聯(lián)算法都需要將目標(biāo)兩兩進行比較從而得到關(guān)聯(lián)結(jié)果，難以滿足實時系統(tǒng)的要求。為了提高系統(tǒng)的效率，當(dāng)目標(biāo)數(shù)量大于一定個數(shù)后，在使用關(guān)聯(lián)算法之前，需要對數(shù)據(jù)進行預(yù)關(guān)聯(lián)，如果目標(biāo)數(shù)量較少，則直接進行關(guān)聯(lián)。本文采用網(wǎng)格劃分［6］的方法對數(shù)據(jù)進行預(yù)關(guān)聯(lián)，根據(jù)信號的出現(xiàn)時間、方位進行網(wǎng)絡(luò)劃分，再對每個網(wǎng)格內(nèi)的目標(biāo)進行關(guān)聯(lián)。

對網(wǎng)格內(nèi)的目標(biāo)，能確認身份的首先按身份進行關(guān)聯(lián)。對不能確認身份的目標(biāo)，如果是不同偵測平臺，那么先將同一平臺的測向結(jié)果進行定位計算，再將雙機的定位結(jié)果根據(jù)位置進行關(guān)聯(lián)；如果是同一偵測平臺，則按照測向線的示向度變化率進行關(guān)聯(lián)，采用純方位B型灰度關(guān)聯(lián)算法［2］。

下面介紹灰度關(guān)聯(lián)的具體步驟。

傳感器1觀測到參考目標(biāo)的示向度為

式中：y0（j）（j=1，2，…，N）為傳感器1所探測到參考目標(biāo)第j個測向結(jié)果；N為測向線條數(shù)。

傳感器2觀測到S個目標(biāo)的示向度為

式中：xk（j）（j=1，2，…，M）為傳感器2所探測到的在第j個采樣周期對第k個目標(biāo)的測向結(jié)果，xk（j）∈［0°，360°］。

計算傳感器1的參考目標(biāo)與傳感器2觀測到的S個目標(biāo)之間的灰色關(guān)聯(lián)度：

則傳感器1的參考目標(biāo)與傳感器2的第j個目標(biāo)的B型灰關(guān)聯(lián)度為

構(gòu)建灰色關(guān)聯(lián)矩陣

計算λ-截灰關(guān)聯(lián)陣即Rλ。R中的元素r0j反映了傳感器1的參考目標(biāo)與傳感器2第j個目標(biāo)關(guān)聯(lián)的可能性，r0j越大表明兩個目標(biāo)關(guān)聯(lián)上的可能性越大。因此，可以認為關(guān)聯(lián)可能性小于λ的航跡對是不相關(guān)的?？稍O(shè)0＜λ＜1，考慮被動傳感器的測向誤差，這里給定λ=0.6，計算λ-截航跡灰色關(guān)聯(lián)矩陣Rλ：

3　多傳感器偵察信號定位技術(shù)

對關(guān)聯(lián)上的目標(biāo)的測向結(jié)果進行定位計算，首先要進行數(shù)據(jù)提純，提純的主要依據(jù)是測向線的聚合度，剔除發(fā)散的測向線，保留聚合程度高的測向線，具體步驟見圖1。

圖1　定位計算步驟Fig.1 Localization steps

其中，對測向結(jié)果進行分組的原則為：同一載機平臺的測向線，測向角度較大的為一組，測向角度較小的為一組；不同載機平臺的測向線，同一平臺的為一組。具體步驟如下：

（1）判斷載機平臺的個數(shù)，如果載機平臺個數(shù)大于1，繼續(xù)步驟2，否則，轉(zhuǎn)至步驟3；

（2）根據(jù)載機平臺編號對每一個測向線進行分組，編號相同的為一組；

（3）根據(jù)測向角度大小進行分組，首先通過排序，得到最大測向角度θmax和最小測向角度θmin；

（4）輪詢每一條測向線，計算測向角度θ更靠近最大值還是最小值，如果｜θmin-θ｜＞｜θ-θmin｜成立，那么將該測向線分到第一組，否則，分到第二組。

剔除無效測向線的步驟如下：

（1）將第一組中的每一根測向線mi與第二組中的所有測向線n進行三角交叉定位計算，得到一組定位點跡；

（2）從這一組定位點跡中找到周圍點跡最為密集的定位點位置，作為第一組的一個定位點pi，具體為：給每一個定位點設(shè)置計數(shù)器，統(tǒng)計與該點相距一定范圍內(nèi)的定位點個數(shù)；計算每一個定位點與本組得到的其他所有定位點之間的距離，如果距離值小于門限，則將計數(shù)器加1；取計數(shù)值最大的定位點作為本組最密集的定位點輸出；

（3）第一組所有測向線計算完畢后得到m個定位點，再用卡爾曼濾波算法，對這m個定位點跡進行收斂，得到一個定位結(jié)果p；

（4）將pi與p進行距離計算，距離超過閾值的定位點認為是非值點，將第一組測向線中得到非值點的測向線mi剔除；

（5）同理，采用這種辦法將第二組測向線中的無效線進行剔除。

將提純后的兩組測向線進行定位，得到m'×n'個定位點，再將這組定位點進行卡爾曼濾波，得到一個定位結(jié)果并最終輸出。

目前國內(nèi)外研究得到定位算法非常多，但是不管哪一種定位算法的定位精度都很大程度上取決于測向精度，因此測向線提純效果很大程序上決定了定位效果。實踐證明，采用測向線與定位點跡雙重濾波的方式得到的定位精度最高，計算效率和提純精度能夠滿足傳感器實時快速定位的要求。

通過濾波處理，可以實現(xiàn)對定位結(jié)果的優(yōu)化，提高定位精度。

4　試驗結(jié)果

4.1雙機同類型傳感器測向結(jié)果關(guān)聯(lián)試驗

仿真場景想定兩架偵察機對兩架搭載有雷達輻射源的無人機進行偵察，兩架無人機從一個機場起飛，沿著相反的軌跡飛行。兩架偵察機在同一時間段內(nèi)得到的雷達信號測向結(jié)果如圖2所示。其中藍色為主機測向線，黃色為從機測向線，1和2分別表示兩架無人機的航跡。兩架偵察機通過偵察各自得到兩個目標(biāo)，其信號特征參數(shù)如表1所示。

圖2　接收到的雙機雷達信號測向結(jié)果Fig.2 The azimuth measurement by different radar sensor in two aircrafts

表1　雙機得到的目標(biāo)信號特征參數(shù)Tab.1 Signal characteristic parameters for target investigated by both aircrafts

建立雷達信號關(guān)聯(lián)模型，計算雙機目標(biāo)間的關(guān)聯(lián)度。

設(shè)關(guān)聯(lián)度閾值為fT，取載頻閾值為5 MHz，重頻閾值為3 μs，脈沖閾值為0.2 μs，兩個特征值之差的絕對值為fabs，計算特征值的相似度Ci：

通過計算得到雙機目標(biāo)的特征關(guān)聯(lián)度如表2所示。

表2　特征關(guān)聯(lián)度計算結(jié)果Tab.2 Results of characteristics correlative degree

設(shè)關(guān)聯(lián)度閾值為0.8，得到主機目標(biāo)1和從機目標(biāo)1相關(guān)，主機目標(biāo)2和從機目標(biāo)2相關(guān)，與仿真一致，如圖3所示。

圖3　雙機同類型傳感器測向線關(guān)聯(lián)結(jié)果Fig.3 The correlation result for the same sensor placed on different aircraft

4.2不同類型傳感器測向結(jié)果關(guān)聯(lián)試驗

設(shè)某偵察機搭載有兩種不同類型的傳感器，跟蹤兩個目標(biāo)，各自得到兩組測向結(jié)果。假定不能判定目標(biāo)身份，利用時空信息對測向結(jié)果進行網(wǎng)格劃分，利用灰關(guān)聯(lián)算法計算同一網(wǎng)格內(nèi)兩種傳感器目標(biāo)的灰關(guān)聯(lián)度。

計算兩個傳感器探測目標(biāo)的灰色關(guān)聯(lián)矩陣，結(jié)果見表3。

表3　灰色關(guān)聯(lián)矩陣Tab.3 Matrix of gray correlative degree

得到灰色關(guān)聯(lián)矩陣

關(guān)聯(lián)度閾值為0.6，得到傳感器1的目標(biāo)1與傳感器2的目標(biāo)1相關(guān)，傳感器2的目標(biāo)2與傳感器2的目標(biāo)2相關(guān)。

4.3定位試驗

經(jīng)過第一輪濾波后，將第一組的兩條測向誤差較大的測向線剔除，再對第二組測向線提純，如圖4～6所示。

圖4　第一組測向線提純Fig.4 Purification for the first group lines

圖5　第二組測向線提純Fig.5 Purification for the second group lines

圖6　提純后的測向線進行交會定位Fig.6 Pure Lines to localization

將提純后的測向線進行定位計算得到的定位點跡，對這組定位點跡再次濾波，收斂得到一個定位點，如圖7所示。

圖7　輸出最終定位結(jié)果Fig.7 Export the final localization result

計算該定位點距離兩架飛機的距離，不超過雙機的偵察范圍，認為該位置點可信，直接輸出。

利用該定位方法對4.1節(jié)中雙機協(xié)同偵察試驗得到的目標(biāo)1的關(guān)聯(lián)對作定位計算，得到定位點跡如圖8所示。從圖中可看出，定位點與目標(biāo)運動軌跡之間誤差滿足要求。

圖8　目標(biāo)1定位點跡（黑色圓點表示）Fig.8 Localizations for the first target

5　結(jié)束語

本文介紹了雙機協(xié)同對多目標(biāo)進行實時關(guān)聯(lián)和定位的方法和步驟，并利用仿真數(shù)據(jù)進行了驗證。該方法在復(fù)雜電磁環(huán)境下對多目標(biāo)的關(guān)聯(lián)和跟蹤能夠滿足實時要求，利用信號特征得到的關(guān)聯(lián)模型可支持目標(biāo)識別，得到目標(biāo)身份信息，進一步提高目標(biāo)關(guān)聯(lián)的可信度。B型灰關(guān)聯(lián)算法對主動手段獲取的目標(biāo)航跡關(guān)聯(lián)效果較好，針對被動手段獲取的目標(biāo)方位關(guān)聯(lián)效果較差，實際使用過程中，主要用于輔助目標(biāo)身份關(guān)聯(lián)，用作關(guān)聯(lián)對的初判。該方法解決了對動目標(biāo)的跟蹤問題，具有非常高的實用價值，同樣適用于偵察車、偵察船等機動偵察平臺的雙站協(xié)同定位。

［1］王杰貴，羅景青.基于多目標(biāo)多特征信息融合數(shù)據(jù)關(guān)聯(lián)的無源跟蹤方法［J］.電子學(xué)報，2004，32（6）：1014-1016. WANG Jiegui，LUO Jingqing.Passive tracking based on data correlation with information fusion of multi-feature and multi-target［J］.Acta Electronica Sinica，2004，32（6）：1014-1016.（in Chinese）

［2］黃友澎，周永豐，譚秀湖，等.基于B型灰色關(guān)聯(lián)度的純方位航跡關(guān)聯(lián)算法［J］.武漢理工大學(xué)學(xué)報，2009，33（5）：989-991. HUANG Youpeng，ZHOU Yongfeng，TAN Xiuhu，et al.Bearingsonly track correlation algorithm based on gray correlative degree of B-mode［J］.Journal of Wuhan University of Technology，2009，33（5）：989-991.（in Chinese）

［3］汪日平.雷達數(shù)據(jù)關(guān)聯(lián)及融合算法研究［D］.無錫：江南大學(xué)，2009. WANG Riping.Research on radar data correlation and fusion algorithm［D］.Wuxi：Jiangnan University，2009.（in Chinese）

［4］賈可新.通信偵察中的信號分選算法研究［D］.成都：電子科技大學(xué)，2011. JIA Kexin.Research on signal sorting algorithm for communication reconnaissance［D］.Chengdu：University of Electronic Science and Technology of China，2011（in Chinese）

［5］唐瑤.跳頻通信信號的參數(shù)估計［D］.成都：電子科技大學(xué)，2012. TANG Yao.Parameter estimation for frequency hopping communication signal［D］.Chengdu：University of Electronic Science and Technology of China，2012.（in Chinese）

［6］張成寶.密集目標(biāo)環(huán)境下的數(shù)據(jù)關(guān)聯(lián)算法研究［D］.北京：中國航船研究院，2013. ZHANG Chengbao.Data correlation algorithm in dense target environment［D］.Beijing：China Ship Research and Development Academy，2013.（in Chinese）

賀文嬌（1985—），女，四川簡陽人，2009年于華中科技大學(xué)獲工學(xué)碩士學(xué)位，現(xiàn)為工程師，主要從事信息處理算法研究和實現(xiàn)等工作。

HE Wenjiao was born in Jianyang，Sichuan Province，in 1985.She received the M.S.degree from Huazhong University of Science and Technology in 2009.She is now an engineer.Her research concerns information processing algorithm and realization.

Email：tairan2732@163.com

Dual-aircraft Correlation and Localization Based on Characteristic Value and Gray Correlative Degree

HE Wenjiao
（Southwest China Institute of Electronic Technology，Chengdu 610036，China）

For multi-target localization and tracking by dual-aircraft cooperation，this paper researches the problem of different reconnaissance platform and different sensors'data for correlation and localization，and proposes a real-time localization method using two aircrafts.The method builds a correlation model with sensors'characteristics for the same type sensors installed on different aircraft，and a gray correlation grade matrix by B-gray correlation analysis for the different sensors installed on the same aircraft.With the target identity information，it purifies and filters the correlation data for direction of arrival（DOA）localization，and finally gets the target localization.The simulation results demonstrate the effectiveness of this method. Key words：passive localization；multi-target tracking；dual-aircraft cooperation reconnaissance；data correlation

TN971

A

1001-893X（2016）04-0424-06

10.3969/j.issn.1001-893x.2016.04.013

賀文嬌.基于特征值和灰度關(guān)聯(lián)的雙機關(guān)聯(lián)定位［J］.電訊技術(shù)，2016，56（4）：424-429.［HE Wenjiao.Dual-aircraft correlation and localization based on characteristic value and gray correlative degree［J］.Telecommunication Engineering，2016，56（4）：424-429.］

2015-11-10；

2016-02-29 Received date:2015-11-10；Revised date:2016-02-29

**通信作者:tairan2732@163.com Corresponding author：tairan2732@163.com