董愛,夏芒,李陟

(1.北京電子工程總體研究所，北京 100854；2.中國航天科工集團(tuán)有限公司 第二研究院，北京 100854)

0 引言

分布式探測系統(tǒng)在隱身目標(biāo)探測、高精度定位、抗干擾、抗軟硬殺傷等方面有明顯的優(yōu)勢，也越來越多的得到應(yīng)用。目前，應(yīng)用較多的分布式探測系統(tǒng)有三大類[1-3]：有源分布式探測系統(tǒng)、無源分布式探測系統(tǒng)和有源/無源分布式探測系統(tǒng)。工程上應(yīng)用較多的是有源/無源(T/R-RN)型分布式探測系統(tǒng)即主站雷達(dá)發(fā)射信號，同時多站接收目標(biāo)回波信號，主站融合處理各回波信號實(shí)現(xiàn)對目標(biāo)定位。

分布式探測多站結(jié)構(gòu)實(shí)現(xiàn)對目標(biāo)的定位不僅需要主站雷達(dá)的測量信息，也需要各接收副站的測量信息。多目標(biāo)情況下，多站結(jié)構(gòu)將可能導(dǎo)致各接收站測量信息進(jìn)行融合解算時存在模糊組合問題，需要將各接收站的測量數(shù)據(jù)正確組合在一起才能實(shí)現(xiàn)對目標(biāo)的正確定位。即有N個目標(biāo)時，需將主站雷達(dá)測量集合{RT1，RT2，…,RTN}、第i個接收副站測量集合{RTi1，RTi2，…,RTiN}中屬于同一個目標(biāo)的測量信息正確組合，避免解算得到虛假目標(biāo)位置。解決多目標(biāo)同一性識別或多目標(biāo)數(shù)據(jù)關(guān)聯(lián)問題，一直是分布式探測系統(tǒng)研究與應(yīng)用的難點(diǎn)[4-8]。

針對有源/無源分布式探測系統(tǒng)多目標(biāo)同一性識別問題，基本思路是基于冗余目標(biāo)測量信息，設(shè)定關(guān)聯(lián)門限，建立關(guān)聯(lián)函數(shù)，進(jìn)行多目標(biāo)同一性識別[9-14]，可獲得很高的識別成功概率。本文針對有源/無源分布式探測系統(tǒng)，研究了多目標(biāo)情況下各接收副站收到脈沖回波的時序情況，仿真證明了從距離上能夠分辨出的目標(biāo)，只要按時序進(jìn)行組合，就可避免虛假模糊組合。

1 多目標(biāo)同一性識別問題提出

以圖1所示的1發(fā)4收(T/R-R3)分布式測量系統(tǒng)為例，通常認(rèn)為在多目標(biāo)情況下，可能出現(xiàn)回波到達(dá)時序不一致的情形，如圖2所示，此時系統(tǒng)根據(jù)到達(dá)時序就不能準(zhǔn)確識別出各個目標(biāo)，就會出現(xiàn)虛假模糊組合情況。

圖1中，(xT,yT,zT)為某個目標(biāo)的三維坐標(biāo)，(x3,y3,z3)為接收副站3的三維坐標(biāo)，RT為目標(biāo)到雷達(dá)主站的距離，RT1為目標(biāo)到接收副站1的距離，RT2為目標(biāo)到接收副站2的距離，R3為接收副站3到雷達(dá)主站的距離，RT3為目標(biāo)到接收副站3的距離，L為接收副站1到雷達(dá)主站的距離，βT為雷達(dá)主站的方位角 ,εT為雷達(dá)主站的俯仰角。

在出現(xiàn)目標(biāo)時序不一致的情況時，一個雷達(dá)測量周期內(nèi)，4個接收站分別接收到N個目標(biāo)斜距信息，則系統(tǒng)對這些測量信息進(jìn)行融合解算時，將有N4種數(shù)據(jù)組合，而其中只有N個組合可以解算出正確的目標(biāo)位置，其余N4-N個組合均是模糊組合，解算時將會解算出虛假目標(biāo)位置。多目標(biāo)同一性識別就是要從N4種模糊數(shù)據(jù)組合中識別出N個不模糊的數(shù)據(jù)組合。為解決上述問題，現(xiàn)在較有效的方法是增加一維測量信息，通過冗余信息設(shè)定關(guān)聯(lián)門限，完成目標(biāo)的同一性識別，這種方法往往需要增加測量設(shè)備，帶來使用上的一些問題。

為確保目標(biāo)同一性識別，要確保2步：一是各單站測量設(shè)備的多目標(biāo)分辨能力；二是各站測量信息的正確組合。

2 多目標(biāo)同一性識別方法研究

2.1 各單站測量設(shè)備的多目標(biāo)分辨能力分析

以隱身飛機(jī)典型四機(jī)編隊開展各單站測量設(shè)備的多目標(biāo)分辨能力分析。四機(jī)編隊參數(shù)：取雙機(jī)組成的疏開梯隊，2個雙機(jī)編隊之間的前后距離取3 000 m，左右距離取800 m，雙機(jī)之間前后距離取200 m，左右間隔取80 m，高度差取100 m(前低后高)，飛行高度5或10 km(以領(lǐng)頭飛機(jī)為參考)，俯視圖見圖3。

通常制導(dǎo)雷達(dá)距離分辨能力較容易控制在10 m內(nèi)，對典型四機(jī)編隊，不存在距離模糊的問題。在此選取圖1構(gòu)型中的時間差測量接收副站3重點(diǎn)研究，隱身飛機(jī)四機(jī)編隊狀態(tài)下空間各飛行器相對關(guān)系示意圖見圖4。

經(jīng)分析，四機(jī)編隊中1號機(jī)和2號機(jī)目標(biāo)回波到達(dá)接收副站3的時差間隔為1.343 μs， 3號機(jī)和4號機(jī)到達(dá)接收副站3的時差間隔為1.337 μs，通過波形設(shè)計，較容易識別出四機(jī)編隊的各個目標(biāo)。

2.2 基于距離分辨的多目標(biāo)同一性識別方法

本節(jié)探討一個問題：對于典型有源/無源分布式探測系統(tǒng)，雷達(dá)主站中回波信號到達(dá)晚的目標(biāo)，在各接收副站回波信號到達(dá)也晚。如果該結(jié)論成立，只要能從斜距上區(qū)分目標(biāo)，當(dāng)存在多個目標(biāo)時，按回波到達(dá)先后次序進(jìn)行數(shù)據(jù)關(guān)聯(lián)即可。

考慮圖1所示T/R-R3分布式探測系統(tǒng)，為實(shí)現(xiàn)對目標(biāo)的三維高精度定位，雷達(dá)主站高精度測量目標(biāo)斜距，3個接收副站接收目標(biāo)回波，接收副站1、2直接測量接收回波的時間，接收副站3測量雷達(dá)照射直波和目標(biāo)反射回波的時間差。在N個目標(biāo)情況下，雷達(dá)主站的測量數(shù)據(jù)有{RT1，RT2，…,RTN}，接收副站1的測量數(shù)據(jù)有{RT11，RT12，…,RT1N}，接收副站2的測量數(shù)據(jù)有{RT21，RT22，…,RT2N}，接收副站3的測量數(shù)據(jù)有{RT31，RT32，…,RT3N}。

對雷達(dá)主站，目標(biāo)回波相對發(fā)射脈沖的延遲時間為

(1)

式中：c為光速。

對接收副站1，目標(biāo)回波相對發(fā)射脈沖的延遲時間為

(2)

對接收副站2，目標(biāo)回波相對發(fā)射脈沖的延遲時間為

(3)

對接收副站3，目標(biāo)回波相對雷達(dá)照射直波的延遲時間為

(4)

(5)

下面考慮接收副站3的情況。

y3)sinεT+(zT-z3)cosεTsinβT]=

(6)

由式(4)有

(7)

在上述典型構(gòu)型下，只要能從斜距上區(qū)分開目標(biāo)，那么當(dāng)存在多個目標(biāo)時，只要按回波到達(dá)先后次序進(jìn)行數(shù)據(jù)關(guān)聯(lián)即可。

下面討論另外一種T/R-R3典型構(gòu)型，見圖5，為實(shí)現(xiàn)對目標(biāo)的三維高精度定位，雷達(dá)主站高精度測量目標(biāo)斜距，3個接收副站測量雷達(dá)照射直波和目標(biāo)反射回波的時間差。

圖5中，(x1,y1,z1)為接收副站1的三維坐標(biāo)，R1為接收副站1到雷達(dá)主站的距離。

對接收副站1，目標(biāo)回波相對雷達(dá)照射直波的延遲時間為

(8)

綜上所述，T/R-RN在分布式探測系統(tǒng)中，雷達(dá)主站中回波信號到達(dá)晚的目標(biāo)，在各接收副站回波信號到達(dá)也晚，即能夠距離分辨出的目標(biāo)，按時序組合，在通常情況下不存在模糊組合。

2.3 仿真驗證結(jié)果

在圖1典型構(gòu)型下，針對圖3典型四機(jī)編隊，開展了各接收站目標(biāo)回波到達(dá)時間仿真，仿真條件設(shè)定：1號機(jī)斜距50～150 km，1號機(jī)高度8 km，1號機(jī)方位角分別取60°，120°，-60°，-120°，2號機(jī)高度8.1 km，3號機(jī)高度8 km，4號機(jī)高度8.1 km，接收副站1,2與雷達(dá)主站的距離200 m，接收副站3方位角同1號機(jī)，接收副站3與1號機(jī)間距離30 km。

圖6～9給出了1號機(jī)不同方位角下的各站回波時序仿真結(jié)果。

從圖6～9中可以看出，在典型四機(jī)編隊情況下，各站接收回波未出現(xiàn)不一致情況，主站中看起來遠(yuǎn)的目標(biāo)，在各接收副站看起來也是遠(yuǎn)的；主站看起來近的目標(biāo)，在各接收副站看起來也是近的。只要按時序進(jìn)行數(shù)據(jù)組合，就不會出現(xiàn)模糊組合。

3 結(jié)束語

多目標(biāo)測量數(shù)據(jù)的同一性識別往往是多站測量系統(tǒng)要面臨的問題，本文以典型的T/R-R3型時差定位系統(tǒng)為例，針對該構(gòu)型下多目標(biāo)同一性識別的兩大方面展開分析，驗證了在各設(shè)備完成多目標(biāo)的分辨后，基于距離分辨，按時序組合進(jìn)行多目標(biāo)數(shù)據(jù)組合，即可避免模糊定位情況?；谌哂鄿y量數(shù)據(jù)的多目標(biāo)同一性識別方法可作為按時序組合識別特殊情況處理的補(bǔ)充方法。該方法可用于距離分辨的有源無源分布式測量系統(tǒng)，具有很高的工程應(yīng)用價值。

參考文獻(xiàn)：

[1] 何友,王國宏，彭應(yīng)寧．多站信息融合及應(yīng)用[M]．北京:電子工業(yè)出版社，2007:24-199．

HE You，WANG Guo-hong，PENG Ying-ning． Multi-Sensor Information Fusion and Application[M]．Beijing:Publishing House of Electronics Industry，2007:24-199．

[2] 孫仲康，周一宇，何黎星．單多基地有源無源定位技術(shù)[M]．北京:國防工業(yè)出版社，1996:44-92．

SUN Zhong-kang，ZHOU Yi-yu，HE Li-xing．Single Multistatic Active-Passive Location Technology[M]．Beijing:National Defence Industry Press，1996:44-92．

[3] Ristic Branko，ARULAMPALAM M，Sanjeev．Tracking a Manoeuvring Target Using Angle-only Measurements:Algorithms and Performance[J]．Signal Processing，2003，83(6):1223-1238．

[4] 夏智權(quán),楊熔,景永奇.基于關(guān)聯(lián)度的多目標(biāo)同一性識別[J].現(xiàn)代防御技術(shù)，2015,43(2):142-146.

XIA Zhi-quan，YANG Rong， JING Yong-qi． Multi-Sensor and Multi-Target Identity Recognition Based on Correlation Degree[J]．Modern Defence Technology,2015,43(2):142-146．

[5] 劉海軍，張學(xué)義，顧爾順．測向交叉定位系統(tǒng)多目標(biāo)數(shù)據(jù)關(guān)聯(lián)研究[J]．現(xiàn)代防御技術(shù)，2007，35(2):89-91．

LIU Hai-jun，ZHANG Xue-yi，GU Er-shun．Study on Measurement Data Association of Passive Location Systems Based on Direction of Arrival[J]．Modern Defence Technology,2007,35(2):89-91．

[6] 葛愛軍，王東進(jìn)，陳衛(wèi)東，等． 基于一維測量的多傳感器多目標(biāo)數(shù)據(jù)關(guān)聯(lián)[J]．火控雷達(dá)技術(shù)，2006，35(6):24-28．

GE Ai-jun，WANG DONG-jin，CHEN Wei-dong，et al．Multi-Sensor Multi-Target Data Association Based on 1-D Data Measurement[J]．Fire Control Radar Technology,2006, 35(6):24-28．

[7] 陶劍鋒．一種被動雙陣航跡關(guān)聯(lián)新方法[J]．聲學(xué)技術(shù)，2009，28(1):17-20．

TAO Jian-feng．A New Method for Track Association in Passive Double Arrays[J]．Technical Acoustics,2009,28(1):17-20．

[8] 廖輝榮，李國林．多目標(biāo)跟蹤中聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)優(yōu)化算法[J]．計算機(jī)仿真，2011，28(11):14-18．

LIAO Hui-rong，LI GUO-lin．Joint Probability Algorithm in Data Association Based on DHN Artificial Nerve Network[J]．Computer Simulation,2011,28(11):14-18．

[9] SONG Ting-lin，GWAN L D，RYU J．A Probabilistic Nearest Neighbor Filter Algorithm for Tracking in a Clutter Environment[J]．Signal Processing， 2005， 85(10):2044-2053．

[10] DEB S，YEDDANAPUDI M，Bar-Shalom Y．A Generalized S-D Assignment Algorithm for Multisensor-Multitarget State Estimation[J]． Aerospace and Electronic Systems，IEEE Transactions on，1997，33(2):523-538．

[11] BAR-SHALOM Y,DALE BLAIR W.Multitarget-Multisensor Tracking Applications and Advances[M]．3rd ed.Boston:Artech House,2000．

[12] BLACKMAN S S，BUSCH M T．IMM/MHT Tracking and Data Association for Benchmark Tracking Problem[J]．American Control Conference，Proceedings of the IEEE，1995，38(12):2718-2723．

[13] YU K B.Recursive Super-Resolution Algorithm for Low-Elevation Target Angle Tracking in Multipath[J]．IEE Proceedings-Radar，Sonar and Navigation1994，141(4):223-229．

[14] ROECKER J A，PHILLIS G L．Suboptimal Joint Probabilistic Data Association[J]．Aerospace and Electronic Systems，IEEE Transactions on，1993，29(2):510-517．