主动雷达（共3篇）
主动雷达 篇1
摘要：针对传统的分布式主动雷达航迹关联结构存在的关联质量问题,提出了一种主动航迹关联方法。该关联方法主要包括两个部分:一是基于基准航迹的航迹关联结构,其可有效避免系统航迹混乱引起的关联质量下降问题,且能迅速的从错误关联中恢复;二是航迹关联判断方法及流程。并实现了该关联方法在某警戒雷达信息系统中的应用,航迹关联正确率可达90%以上。
关键词：航迹关联,基准航迹,系统航迹,关联度量
在现代对海警戒雷达系统中,一般沿海岸线配置多种传感器对目标进行探测,组成雷达网络,以扩大对海监视范围。从不同的信息模式对目标特征进行描述,其中主动雷达能给出目标较精确的距离、方位等位置信息,是最重要的目标探测设备[1]。但单个主动雷达的探测范围有限,为了扩大覆盖范围,将多个主动雷达的探测信息通过网络发送至同一个处理中心,这样既能得到全方位的目标信息,又能采用航迹关联技术将多个主动雷达的航迹信息进行关联判断处理,最终得到稳定、可靠全面的目标态势信息。为了提高整个雷达系统的目标探测性能,有必要建立主动雷达信息融合系统。在这种分散部署的雷达融合系统中,信息的关联处理将是关键所在[2]。
本文提出了一种主动航迹关联方法,该种关联方法主要包括两部分: ( 1) 基于基准航迹的航迹关联融合结构,这种关联结构可有效避免系统航迹混乱引起的关联质量下降问题,且能迅速的从错误关联中恢复。 ( 2) 航迹关联判断方法及流程,并最终给出了该关联方法在某警戒雷达信息系统中的应用。
1基准航迹关联融合结构
传统的分布式主动航迹关联融合结构分为两种: ( 1) 传感器到传感器的航迹关联融合结构。来自不同传感器的航迹相互之间进行关联和融合以得到系统航迹。在这一过程中,不利用系统航迹以前的信息,如图1所示。( 2) 传感器到系统的航迹关联融合结构。 无论何时接收到一组传感器航迹,系统航迹均外推到传感器航迹的时刻,且与最新接收到的传感器航迹进行关联融合处理,如图2所示。
在第一种关联结构中,任意两个传感器所属航迹之间都要做关联处理。当传感器数量和目标数量增加时, 计算量迅速增大,如传感器数量为n,目标数为m,则一次关联更新,要做m2n( n - 1) /2次关联处理,大幅影响了关联实时性。且当传感器数量多于两个时,易造成关联逻辑混乱。例如,A航迹与B航迹关联,B航迹与C航迹关联,但C航迹又有可能不与A航迹关联。同时,由于完全不利用系统航迹以前的信息,输出的系统航迹存在较大的跳跃性,各个时刻的系统航迹点没有连续性。
对于第二种关联结构,利用传感器航迹与系统航迹进行关联融合处理。在发生误关联的情况下,系统航迹本身会输出较混乱的航迹,此时利用系统航迹关联,关联效果较差。
分析造成这两种关联融合结构的缺陷所在,第一种关联结构在于其完全放弃了以前系统航迹的信息,第二种关联结构与第一种相反,关联完全依赖于系统航迹。 针对这两种关联结构的缺点,若要提高关联性能,可得出结论: ( 1) 系统航迹必须能相对稳定的存在。( 2) 既然系统航迹本身会输出较为混乱的航迹,因此不能直接利用系统航迹来做关联判断。依据此两点结论,本文提出了一种新的航迹关联融合结构,如图3所示。
每条系统航迹由一条或多条传感器航迹融合而成,从这些传感器航迹中选择一条作为系统航迹的基准航迹,以基准航迹作为系统航迹与更新传感器航迹之间作关联判断的媒介,而不是直接利用系统航迹与输入航迹进行关联判决。当发生错误关联,系统航迹发生混乱时,基准航迹———即传感器航迹还是稳定存在的,因此这种关联结构可有效地避免系统航迹混乱引起的关联质量下降问题,而且能迅速地从错误关联中恢复。同时,由于关联结果不完全依赖于传感器航迹的两两关联判决,而是利用与系统航迹关联的传感器航迹作为基准航迹进行关联判断,这种方式也解决了可能的关联逻辑混乱问题。
2关联判断方法及流程
2.1关联度量值计算方法
根据两条航迹的位置和传感器的测量误差,计算统计关联度量值
其中xi,yi,i = 1,2分别为两个目标相对于融合中心的x,y方向坐标。σ2x,σ2y为x,y方向的方差,由传感器的距离误差和方位误差计算得到
关联度量值[3,4]在时间上作累加
本次关联度量值的加权值与上次计算所间隔的时间段的长度有关。
当初次计算到此次计算时间间隔大于预先设定的某个时间窗时
当初次计算到此次计算时间间隔小于预先设定的某个时间窗时[5]
2.2单次关联判断方法
单次关联判断采用最近邻域航迹关联算法。N条基准航迹与M条传感器航迹相关处理流程,如图4所示。
2.3关联结果判断
历史关联状态数据结构的设计如图5所示。单次判断关联,为1; 不关联,为0。
例: 若最新一次关联判决为成功判决,则数组左移一位,将最后一位设定为1,如图6所示。
假设历史关联状态数据保存8个两条航迹最近的关联判决结果,若这数组的8个数中,有6个数为1,则判定两条航迹关联。
根据最近几次关联判断,给出最后的关联结果; 当有多条航迹满足关联关系时,选取关联质量最大的一组; 当有多条满足关联关系,且关联质量一致时,则选取累计关联度量值最小的一组。
3主动雷达信息融合系统
3.1工作流程
设计主动雷达信息融合系统,实现上述主动雷达航迹关联方法的应用,该系统可处理多部雷达的航迹信息,首先对各航迹信息进行坐标变换,统一到以融合中心为原点的极坐标上,然后采用基准航迹关联结构对多部雷达的航迹进行关联判断,计算度量值,并确定单次判断关联结果,将关联结果在时间上进行累积[6], 最终确定两条航迹的关联关系并输出融合结果,同时存储到融合航迹库[7,8,9]。该系统主要工作流程如图7所示,图中明确指出了基准航迹关联结构和关联判断方法在主动雷达信息融合系统中的应用。
3.2实验数据分析
在实验室环境下,模拟20个目标船只,分别由两部主动雷达探测,将各自的航迹信息发送给主动雷达信息融合系统进行关联处理,各时刻的航迹关联正确率结果如表1所示,航迹关联正确率可达到90% 以上,运行稳定,且可靠性较高[10,11]。
4结束语
本文通过对传统分布式主动航迹关联融合结构的分析,指出了传统结构的不足,从而提出了一种基于基准航迹的航迹关联结构,该关联结构有效地解决了关联质量下降以及关联逻辑混乱等问题,同时给出航迹关联判断方法和流程,并设计主动雷达信息融合系统, 实现上述航迹关联方法的应用,目前该系统运行稳定, 效果良好。
主动雷达 篇2
综上所述,复合制导已成为反舰导弹发展的关键技术,是战斗力生成的倍增器,也是世界各国竞相发展的前沿技术。
反舰导弹中,采用主动雷达/红外成像双模复合的较多[2]。其中,法国的飞鱼反舰导弹采用的是主动雷达/红外成像双模导引头,具有灵活的可编程四维航线点飞行剖面,增加了对沿海目标的攻击能力;瑞典的RBS15MK3反舰导弹采用了主动雷达/红外成像双模导引头,具有电子反对抗能力,可以进行真假目标分析、干扰寻的、宽频带频率捷变等,可通过数据链与其他平台进行数据交换,具备末端预测规避机动与二次攻击能力;法国与意大利联合研制的奥拓马特-4反舰导弹,采用雷达/红外成像双模导引头,可以通过数据链发回目标红外图像,具有目标选择能力与较强的抗干扰能力。台湾海军装备的雄风-Ⅱ反舰导弹,采用雷达/红外成像双模导引头,分口径布局,雷达天线位于弹体头部,红外成像系统位于天线罩后弹体上方的背脊前端中部,具有自动目标识别和图像跟踪功能。
1 传感器共口径技术
主动雷达/红外成像双模复合导引头在复合方式上主要有2种不同的形式[3],一种方式是采用雷达传感器与红外传感器分平台安装,称为分口径技术。如瑞典研制的RBS-15MK3导弹的复合导引头就是采用这种复合方式,雷达和红外成像部分采用上下分立的排布。工作时微波信号的接收和发射、红外信号的接收也是完全分立的。这种复合方式也可以看成是2种体制探测器的拼接。分口径结构的优点是技术成熟,实现简单。最大缺陷是2个探测器必须通过空间坐标转换和时间校准,增加了系统信号处理的复杂性和伺服随动机构的复杂性,难于实现真正意义上的复合,另外体积和质量较大。
另一种是采用雷达传感器与红外传感器共轴安装的方式,称为共口径技术。如美国洛克希德-马丁公司研制的毫米波/红外成像复合导引头就是采用了这种方式。共轴安装复合传感器的工作原理为:微波信号可以直接从可透射微波反射红外波的反射面穿过。红外信号被大反射面反射后,再经过最前方的小反射面进行二次反射,最终被位于中间掏洞的平板缝阵天线后方的红外图像传感器接收。
共口径相对于分口径在结构上具有结构简单、体积小、质量轻等优势,适合在空间要求苛刻的导弹上应用。另外还可以实现2个传感器数据的精确配准,为复合信息处理减小误差。但整流罩的材料选择、设计、加工生产工艺等是共口径结构中存在的主要问题,同时,其对雷达天线有一定的遮挡和红外能量的衰减。只要很好地解决了整流罩所存在的难点,那么共口径结构就会是复合导引头的理想结构。
发展同轴共孔径必须要解决双模头罩问题。头罩保护导引头内部件,对双模头罩的要求包括:(1)应选用对微波、红外均有较高透过率的双透波材料。即损耗较小地透过微波与红外辐射;(2)充分考虑材料在指定频带内的介电性能,在指定范围内的强度、热膨胀系数,以及密度、抗雨蚀性能等。常用材料:低损耗有机或无机材料,如硫化锌、锗玻璃等。同时,对头罩厚度也有要求,应保证在微波波段反射损耗最小,使其有高的透过性能,有足够的机械性能使其满足高的抗过载性能要求[4]。
对于同轴共孔径的导引头安装方式,复合导引头内部既要安装雷达又要安装红外,使得导引头内部的电磁环境异常复杂。这种电磁环境包括:(1)雷达探测器的频率源与收发组件在工作时会向外辐射高频电磁脉冲;(2)红外图像传感器需配备斯特林制冷机,它也会对整个导引头系统产生十分严重的高频干扰;(3)伺服机构中的力矩电机磁力线的干扰。这种复杂的电磁环境会严重影响导引头的整体性能。
2 复合信息处理技术
主动雷达/红外成像复合导引头的信息处理机是一个非常复杂的系统,主要包括主动雷达信号处理、红外焦面阵成像信号处理、数据融合3种功能。这三部分处理的工作量都很大,因而一般采用分布式处理结构,主动雷达与红外成像子系统均采用单独的处理器完成各自的预处理,将预处理结果通过接口送到融合中心,由融合中心完成特征级与决策层数据融合处理[5]。
单个传感器,无论是主动雷达还是红外成像,其信息处理技术都比较成熟。这里重点讨论复合信息处理。
2.1 时空配准
在主动雷达/红外成像数据融合系统中,各个传感器一般具有不同的数据率和测量坐标系,而关联判决和航迹融合需要同一测量坐标系内、同一时刻的目标状态估计,因此需要对各单个传感器的数据进行时间和空间上的同步处理[6]。
空间配准主要消除传感器空间布局带来的误差,对于采用共口径技术的传感器布局,该部分误差影响很小。
时间配准要消除信号不同步带来的误差。时间不同步的原因是两传感器的开机时刻、采样周期、处理速度以及信号在通信过程中的时间延迟等因素的影响,导致两传感器对同一目标的测量不能同步地进行。
多传感器时间配准方法主要有曲线拟合法、最小二乘法和线性插值等,其基本思想都是以某一传感器时间节点为基准,对其余传感器通过已知时间节点上的数据来估计所需时间节点上的数据,从而达到传感器在时间节点上的一致性,即把不同传感器在不同时刻对同一目标的测量数据转换到以融合时间节点为基准的时标数据[7]。
2.2 融合检测
融合检测的作用是通过对主动雷达和红外成像检测数据的融合处理[7],使得复合导引头在干扰条件下具有高的目标检测概率。
例如,箔条干扰会对雷达产生十分强的回波,从而对雷达的目标检测和识别构成威胁。而红外烟幕或诱饵会威胁到红外导引头的目标检测和识别。将红外和主动雷达进行复合,由于它们的物理特性不同,对抗红外成像的措施(红外烟幕、诱饵)对雷达不起作用,而对抗雷达的措施(箔条)则对红外成像不起作用。因此,可以采用融合方法来消除干扰的影响,提高检测率。
2.3 数据关联
数据关联是确定主动雷达和红外成像是否探测的是同一目标。如果不是同一目标,则根本无从谈及信息互补,更谈不到对目标的优化探测。主动雷达和红外成像各自提供了目标方位角,各自的测量构成了观测数据集,数据关联可采用加权法、最近邻法、K近邻法、修正的K近邻法、独立序贯法、相关序贯法、独立双门限法、经典分配法与广义分配法等[8]。
2.4 融合识别
由于常规的单一传感器自动目标识别系统存在许多局限性,它仅基于某一类数据有限集进行识别决策,尤其是存在干扰的复杂场景中,其抗干扰能力和识别的可靠性将大为降低。多模制导引入导弹制导系统的一个重要原因是明显提高了导弹的目标识别能力。
红外成像能够体现目标的形状信息,主动雷达能够提供红外成像无法获取的目标距离信息,在融合识别过程中,应充分利用这些信息的互补性。目标识别的基础是目标的特征参数,所谓特征就是真目标与假目标之间的一种差异。舰船目标的特征有:
(1)由红外和主动雷达分别测量出来的舰船目标的位置是基本一致的,而对于随机的假目标却没有这种特性,因此,红外和主动雷达测量出来的目标位置的一致性是舰船目标识别的重要特征之一。
(2)在主动雷达跟踪状态下,由红外测得的舰船目标位置必邻近图像坐标系原点,所以,目标位置的相邻性亦是舰船目标识别的特征之一。
(3)舰船目标的灰度值是随着时间(距离由远及近)增长的,所以,灰度变化率是识别舰船目标的重要依据之一。
(4)当目标距离小于红外成像导引头作用距离时,红外导引头便开始对舰船目标进行成像,在这种情况下,目标的面积、形状及其变化率是区分舰船目标和假目标的重要特征。
现代海上战争需要导弹对特定目标进行精确打击。因此,复合导引头应具有选择、识别特定目标的能力。如:
(1)舰艇编队内不同舰艇目标的选择与识别;
(2)攻击部位的选择;
(3)舰艇目标与干扰的选择与识别;
(4)舰艇目标与岛岸背景的选择与识别。
2.5 融合跟踪
融合跟踪模块的功能是通过红外和主动雷达对目标的跟踪结果,采用融合方法使目标的角位置精度得到进一步的提高。常用的方法如加权最小二乘融合方法。
红外成像提供的可供目标识别的信息较雷达丰富,因此在目标跟踪过程中,应该以红外成像为主,结合雷达提供的距离信息,进一步提高跟踪精度,增加跟踪的可靠性和稳定性。
3 结论
复合制导具有任一单模导引头不(下转第59页)(上接第11页)
可比拟的优越性,是现代海战中战斗力的倍增器,也是世界各国正在竞相发展的前沿技术。主要发展特点是:(1)主动雷达/红外成像复合是反舰导弹发展的主流方向;(2)同轴共孔径是传感器复合的主流方向;(3)同控式是复合导引头控制导弹的主流方向;(4)特征级复合是复合信息处理的主流方向。
参考文献
[1]胡生亮,李胜勇,李敬辉.对雷达/红外复合制导导弹的冲淡干扰方法研究[J].光电技术应用,2004,19(4).
[2]刘桐林.世界导弹大全[M].北京:军事科学出版社,1998.
[3]刘隆和,姜永华.双模复合寻的制导技术[M].北京:解放军出版社,2003.
[4]沈世绵.飞航导弹材料[M].北京:宇航出版社,1994.
[5]丁锋,姜秋喜,张楠.多传感器数据融合发展评述及展望[J].舰船电子对抗,2007,30(3):52-55.
[6]张二虎,卞正中.基于最大熵和互信息最大化的特征点配准算法[J].计算机研究与发展,2004,41(7):1194-1199.
[7]夏克强,周凤歧,周军.红外/雷达复合制导数据融合技中的时间校准方法研究[J].航天控制,2007,25(1):8-12.
[8]Yaakov Oshman.An Information Fusion Approach to Mis sile Guidance[C]//International Conference on Control,Au tomation and Systems2007.COEX,Seoul,2007:1-6.
[9]Chia-Chi Chao,Yet-Ta Wu,Sou-Chen Lee.A CompositePassive Ranging Guidance Strategy For Anti-ship Missile[J].Journal of C.C.I.T,2005,34(1):1-20.
[10]WANG Ju,WU Si-liang,ZENG Tao.Multi-Sensor Data Fu sion Technologies for Blanket Jamming Localization[J].Journal of Beijing Institute of Technology,2005,14(1).
[11]王飞,雷虎民.红外/毫米波雷达双模制导跟踪融合算法的优化[J].红外与激光工程,2008,37(2):250-254.
主动雷达 篇3
许多系统偏差估计方法使用两个以上的传感器所测得的量测值, 且这些量测值都源于共同的目标。
传统的偏差估计方法是扩充系统状态法。Friedland[1]将“执行扩充状态卡尔曼滤波器”转化为“执行两个并行的降阶滤波器”。
Lin, Kirubarajan和Bar-shalom[2]基于单时刻局部航迹估计 (singleframe) 提出了传感器偏差估计算法。
文献[3]基于文献[2]提出了精确 (EX) 算法, 它基于不同时刻下的局部航迹估计 (multipleframes) 进行运动传感器偏差估计, 并产生了传感器绝对偏差估计。
本文基于EX算法, 研究观测二维匀速运动目标背景下两雷达构成的同步主动量测系统偏差估计的计算原理与仿真方法, 并通过数值仿真验证算法的可行性。
1 目标运动轨迹产生模型
在仿真问题的处理过程中, 对目标的真实轨迹有多种设计方法。这里采用如下两种方式处理。
方式1:
设真实位置为如下随机变量:
其中随机误差εx, εy服从均值为0, 方差分别为σx2, σy2的正态分布, 且二者相互独立。
方式2:
采用连续时间离散化匀速运动模型, 目标运动方程为:
其中,
F为状态转移矩阵,
Xs"k为目标状态向量, vs"k$是噪声过程。
状态向量X和状态转移矩阵F被定义为:
其中, T是采样间隔, vs%(k)是零均值高斯白噪声。
方式2是适合采用卡尔曼滤波算法处理目标运动状态的理论模型, 但在仿真时通常按方式一产生目标运动轨迹。
2 基于两部雷达的系统偏差估计模型
假定时刻k雷达在本地极坐标下的含雷达偏差的量测为:
且雷达极坐标距离量测rm(k)和方位量测θm(k)只包含加性偏差br(k)和bθ(k), 以及量测噪声, 则:
其中, β%k$=.brk%$bθk%$’T。
将这些量测ZP%k$转换进直角坐标系后, 雷达对应的量测方程为:
其中,
量测矩阵为:
B(k)β(k)是雷达偏差从极坐标到直角坐标的转换, 转换矩阵B k%$为:
w(k) 是白色的量测噪声, 服从高斯分布, 且在直角坐标系下的协方差为:
若将上述量测转换进融合中心直角坐标系 (即基准坐标系) 后, 雷达对应的量测变为:
其中,
X (k) 是目标在融合中心直角坐标系下的真实位置,
Location=[xL, yL]是雷达在融合中心直角坐标系下的精确位置。
将这些极坐标下的量测转换到直角坐标系后, 可得到时刻雷达在直角坐标下的含有偏差的量测方程:
其中,
转换矩阵B (k) 为:
量测噪声wk%$的协方差为:
若将上述量测转换进融合中心直角坐标系 (即基准坐标系) 后, 雷达对应的量测变为:
其中,
X (k) 是目标在融合中心直角坐标系下的真实位置,
Locationi=[xiL, yiL]是雷达i在融合中心直角坐标系下的精确位置。
两部雷达的偏差估计 (EX) 算法流程如下:
1) 首先进行单雷达滤波, 构造关于系统偏差的伪量测。
目标状态转移表达式如下所示:
应的卡尔曼滤波增益。
2) 利用上述伪量测zbik+1i=1, 2, 构造雷达系统误差的伪量测方程, 并进行卡尔曼滤波估计。
由于两部雷达对同一目标进行观测, 因而它们具有相同的目标状态转移方程、目标状态和过程噪声, 所以可以让两部雷达的伪量测相减以消去公共量, 从而构造出雷达系统误差的伪量测方程, 即 (这里的目标状态是指融合中心直角坐标系 (基准坐标系) 下的目标状态) 。
将上式改写为矩阵的形式可得,
其中, 伪量测矩阵Ψk+1, 雷达偏差向量b和伪量测噪声k+1被定义为:
偏差伪量测噪声w軜是零均值的, 白色的, 具有协方差:
由于假设雷达系统误差为恒值常量, 所以其状态转移方程为:
对系统误差的量测方程和转移方程进行卡尔曼滤波估计, 即可实现EX算法的系统误差 (或系统偏差) 估计。
3 仿真数据设置及仿真结果
根据两种仿真二维目标运动轨迹的方式, 设定目标运动参数与雷达性能参数, 编制MATLAB程序, 运行程序得到图示形式的估计结果。
目标运动参数设置:
初始位置 (50, 100) (km) ,
初始速度 (0.09, 0.05) (km/s) ,
坐标标准差0.08km。
仿真量测时间为2000s, 量测间隔为1s。
目标运动方式1的结果如下图所示:
图中分别给出了算法对雷达1及雷达2各测距、测方位角系统误差实时估计结果曲线, 以及雷达滤波轨迹。
从上述仿真结果图可以看出, 本文提出的同步主动雷达系统偏差估计算法由于融合利用了多传感器信息, 收敛速度较快;且在整个仿真期间, 该算法对各系统误差估计精度较高。
仿真结果充分说明了算法的有效性。
参考文献
[1]Friedland, B.Treatment of bias in recursive filtering.IEEE Transaction on AutomaticControl, AC-140, 1969.
[2]Lin, X., Kirubarajan, T., and Bar-Shalom, Y.Multisensor bias estimation with local tracks without a priori association.In Proceedings of SPIE Conference on SignalandDataProcessingofSmallTargets, Vol.5204, SanDiego, CA, Aug, 2003.