基于关联度的多目标同一性识别*



基于关联度的多目标同一性识别*

夏智权1，杨熔2，景永奇2

(1.空军工程大学 防空反导学院，陕西 西安710051； 2.北京电子工程总体研究所，北京100854)

摘要：针对分布式多站探测系统在跟踪多目标过程中所面临的测量数据组合模糊问题，提出了基于关联度的多站多目标两级同一性识别方法。首先根据主站测量数据建立判决门限，对系统的多目标测量数据进行一次预关联，之后建立关联函数计算预关联后各测量数据组合的关联度，进行细关联，最后依据最大关联度准则获取最优的关联组合。仿真试验表明，在考虑系统误差、目标小间距编队、精确测量信息缺失的情况下，该方法实现了很高的正确识别概率，具有较高工程应用价值。

关键词：多目标；同一性；关联度

0引言

分布式探测系统在电子战环境下具有出色的反侦察、抗干扰、抗软硬杀伤等能力，同时还具有对隐身目标和低空、超低空突防目标进行探测的能力，在现代战争中占据越来越重要的地位。目前已有的分布式探测系统可分为三大类[1-4]：有源分布式探测系统、无源分布式探测系统和有源/无源分布式探测系统。目前工程上应用较多的是有源/无源(T/R-RN)型分布式探测系统，即主站雷达发射信号，同时有多站接收目标回波信号，主站融合处理各回波信号实现对目标定位。

分布式探测系统在探测多个目标时，其多站结构将导致各接收站测量信息进行融合解算时存在模糊组合问题，来自各个接收站的测量数据只有正确组合在一起后才能实现对目标进行定位。不属于同一个目标的测量数据进行融合定位时，将产生大量的虚假定位点(ghost)，使系统丢失目标位置，丧失作战能力。有效、快速的排除虚假定位点，即解决多目标同一性识别或多目标数据关联问题，一直是分布式探测系统研究与应用的难点[5-9]。

近年来，已有很多算法应用于多站多目标数据关联领域，如最近邻域法[10-11]、联合概率数据关联法、联合极大似然法、多维分配算法等[12-15]。在已经建立目标稳定跟踪的情况下，这些算法利用航迹先验信息对解决目标和回波的关联问题都各有优势，但直接应用于实战环境下的多目标同一性识别存在一些局限性：一是对系统测量参数类型、测量精度需求较高；二是仅仅考虑测量信息的起伏误差，对系统误差影响考虑较少；三是应用于多目标小间距编队飞行、缺失航迹先验信息时的数据关联正确概率低。

针对有源/无源分布式探测系统多目标同一性识别问题，考虑工程应用中会面临的精确测量信息缺失、系统误差较大、多目标小间距编队的情况，本文提出了一种基于关联度的多站多目标同一性识别算法。

1多目标同一性识别算法

T/R-R2型有源/无源定位系统的测量几何构型如图1所示。

图1　系统探测目标几何构型Fig.1　Geometrical configuration of target　　　detected by the system

(1)

(2)

1.1预关联

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

1.2细关联

在预关联中假定测量误差都服从高斯分布，只是为了对虚假数据组合进行初步筛选，以减小细关联的计算量。在实际雷达系统中，雷达对目标的测量误差并不一定服从特定的概率分布，使得预关联中所使用的判决门限不一定准确。为解决测量误差引起的预关联同一性识别失败问题，采用基于关联度的同一性识别方法对这些测量数据进行细关联。

(15)

(16)

2仿真验证

对所提出的同一性识别算法有效性进行蒙特卡罗仿真，仿真条件设定：

目标数量为4架；横向编队和纵向编队；目标斜距变化从100 km到10 km；

雷达测距系统误差为10 m，方位角和俯仰角测量系统误差为1°。雷达测量随机误差在仿真中实时计算。

仿真结果如图2，3，表1所示。

图2　预关联中正确识别与错误识别结果对比Fig.2　Comparison between correct recognitionand　　　wrong recognition in pre-correlation

图3　细关联中正确识别与错误识别结果对比Fig.3　Comparison between correct recognition　　　and wrong recognition in fine correlation

间隔/m关联概率横向编队纵向编队预关联细关联预关联细关联2553.1097.1052.5297.235064.3099.9164.2799.9010084.7099.9784.4099.9820084.6899.9884.6199.9930084.6399.9884.5599.9940084.4799.9984.5799.99

从图2中可以看出，通过对多目标回波预关联，得到的目标测量信息与真实值有较大差异，说明预关联将不同目标的测量信息进行了关联，导致同一性识别失败。

从图3中可以看到，细关联后的目标测量信息与其真实值基本一致，来自同一目标的测量信息得以正确组合，与预关联的效果相比，细关联显著提高了同一性识别成功率。

表1中对不同目标间距下预关联和细关联的正确关联概率进行了比较，在相同的测量误差条件下，可以看出预关联的关联概率不高，对测量误差较敏感，而细关联相比于预关联显著提高了系统的关联成功率，并且获得了非常高的关联成功率。

3结束语

多目标测量数据同一性识别是多站测量系统在航迹起始阶段和航迹更新时都会面临的问题，本文以目前工程中应用较多的T/R-R2型时差定位系统为例，提出了一种新的多目标同一性识别方法——基于关联度的多站多目标两级同一性识别方法，通过预关联对测量信息进行初步筛选，排除一部分虚假组合，减小细关联的计算量，之后建立关联函数对预关联后的测量数据进行细关联。仿真结果表明，本文所提出的方法在考虑系统误差、目标密集编队、精确测量信息缺失的情况下获得了很高的识别成功概率，能够同时兼顾计算量和准确度，并对误差的分布方式和大小的变化具有一定的鲁棒性，对工程应用具有较高的实用价值。

参考文献：

[1]何友，王国宏，彭应宁. 多站信息融合及应用[M]. 北京：电子工业出版社, 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]Ristic Branko, ARULAMPALAM M, Sanjeev. Tracking a Manoeuvring Target Using Angle-only Measurements: Algorithms and Performance[J]. Signal Processing, 2003, 83(6): 1223-1238.

[3]孙仲康, 周一宇, 何黎星. 单多基地有源无源定位技术[M]. 北京：国防工业出版社, 1996: 44-92.

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

[4]刘梅, 权太范, 姚天宾. 多站多目标无源定位跟踪算法研究[J]. 电子学报，2006, 34(6):991-995.

LIU Mei, QUAN Tai-fan, YAO Tian-bin. Multi-Sensor Multi-Target Passive Location and Tracking[J]. Chinese Journal of Electronics, 2006, 34(6):991-995.

[5]修建娟, 何友, 王国宏. 被动定位系统中的方位数据关联[J]. 系统工程与电子技术，2003, 25(3):280-283.

XIU Jian-juan, HE You, WANG Guo-hong. Measurements Association of Passive Location Systems [J]. Systems Engineering And Electronics, 2003, 25(3):280-283.

[6]刘海军, 张学义, 顾尔顺. 测向交叉定位系统多目标数据关联研究[J]. 现代防御技术，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 Tecnology，2007,35(2):89-91.

[7]王成, 李少洪, 黄槐. 测向交叉定位系统的多目标测量数据关联[J]. 系统工程与电子技术，2002, 24(9):104-106.

WANG Cheng, LI Shao-hong, HUANG Huai. Multi-Target Measurement Data Association of Passive Location Systems Based on Direction of Arrival[J]. Systems Engineering And Electronics, 2002,24(9):104-106.

[8]HOULES A, Bar-Shalom Y. Multisensor Tracking of a Maneuvering Target in Clutter[J]. Aerospace and Electronic Systems, IEEE Transactions on, 1989, 25(2): 176-189.

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

[11]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.

[12]Bar-Shalom Y. Extension of The Probabilistic Data Association Filter in Multitarget Tracking[J]. Proceedings of The 5th Symp on Nonlinear Estimation, 1974,13(22):16-21.

[13]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.

[14]YU K B Recursive Super-Resolution Algorithm for Low-Elevation Target Angle Tracking in Multipath. IEE Proceedings-Radar, Sonar and Navigation[J]. 1994, 141(4):223-229.

[15]BRUDER J A，SAFFOLD J A. Multipath Effects on Low-angle Tracking at Millimetre-wave Frequencies[J]. IEE Proceedings-F. 1991, 138(2):172-184.

Multi-Sensor and Multi-Target Identity Recognition Based on Correlation Degree

XIA Zhi-quan1,YANG Rong2，JING Yong-qi2

(1.AFEU,Air and Missile Defense School,Shaanxi Xi′an 710051,China;2.Beijing Institute of Electronic System Engineering, Beijing 100854, China)

Abstract:A multi-sensor and multi-target identity recognition method based on correlation degree is presented for multi-target measuring data correlation. Firstly, the threshold judgment is calculated to filter all of the measuring combinations of the system, then the pre-correlation degree of the remnant data is calculated by using correlation function, and finally the optimal correlation combination is selected based on maximum correlation degree. Simulation results show that this method can get high recognition accuracy considering system error, close formation, and lacking of precise measuring data.

Key words:multi-target; identity recognition; correlation degree

中图分类号：TN953；TP391.9

文献标志码：A

文章编号：1009-086X(2015)-02-0142-05

doi:10.3969/j.issn.1009-086x.2015.02.023

通信地址：710051陕西省西安市长乐东路甲字1号E-mail：110153286@qq.com

作者简介：夏智权(1975-)，男，陕西户县人。工程师，硕士生，主要研究方向为装备作战使用。

基金项目：有

* 收稿日期：2014-03-06；
修回日期：2014-03-18