一种基于MSPDAF的通抗/雷抗侦察信息融合跟踪算法

张洪勃，丁亚非

(电子工程学院，合肥 230037)



一种基于MSPDAF的通抗/雷抗侦察信息融合跟踪算法

张洪勃，丁亚非

(电子工程学院，合肥 230037)

在电子对抗侦察系统中，传感器会受到干扰而导致目标跟踪效果下降。将多传感器概率数据互联滤波(MSPDAF)的融合方法运用到电子对抗侦察领域，将通抗侦察和雷抗侦察的观测数据进行融合处理。计算机仿真结果说明：该方法能解决单传感器被干扰时目标跟踪精度下降的问题，在提高电子对抗侦察系统的抗干扰能力方面有实用价值。

通抗侦察；雷抗侦察；多传感器概率数据互联滤波；信息融合

0 引 言

有源侦察传感器利用本身发射的电磁波可观测出目标的斜距、方位角和俯仰角等信息。但有源侦察存在容易受到电子干扰和反辐射武器的打击以及存在搜索盲区等缺陷。但有源侦察自身存在一定的缺陷，如容易受到电子干扰、反辐射武器的打击以及存在搜索盲区等[1]。电子对抗侦察系统属于无源侦察，它能较好地解决有源侦察存在的问题。然而，由于无源侦察受环境和电磁干扰的影响较大，在部分传感器被干扰时，如何提高电子对抗侦察系统的目标跟踪精度显得尤为重要。将异类传感器的目标跟踪数据进行信息融合则是一种解决问题的方法。

本文利用双站交叉定位法首先对跟踪目标定位，得到通抗侦察和雷抗侦察定位的数据，然后讨论了多传感器概率数据互联滤波方法和基于MSPDAF信息融合的步骤，并把它们应用于通抗侦察和雷抗侦察定位数据的融合处理，最后进行了计算机仿真。

1 观测数据处理

在无源侦察中，要确定目标的位置，对目标进行跟踪，可利用的方法包括双站测向交叉定位法、概率定位法、测向时差定位法、方位/到达时间定位法和多普勒频率定位法等。以通抗侦察的双站定位为例，介绍双站测向交叉定位方法，如图1所示。

图1 双站定位示意图

假设通抗侦察站A和B，同时对空中目标F进行测量。在t时刻，通抗侦察站A对目标F的观测数据为(θA，φA)，通抗侦察站B对目标F的观测数据为(θB，φB)。2个雷抗侦察站之间的距离为l。以A为原点建立坐标系，B的坐标为(l，0)。根据几何关系可以得到:

(1)

rA=AF′/cosφA

(2)

因此，通抗侦察传感器系统所获得的目标观测数据为F1(θ1，φ1，r1)=(θA，φA，rA)。同理，雷抗侦察传感器系统所获得的目标观测数据为F2(θ2，φ2，r2)。由此得到的通抗侦察传感器观测数据和雷抗侦察传感器系统观测数据将作为后续信息融合的基础数据。

2 多传感器概率数据互联滤波

2.1 多传感器概率数据互联滤波算法

在监视区域内虚假检测率急剧变化的环境中，概率数据互联滤波(PDAF)[2]对于通抗/雷抗侦察融合跟踪有积极的改善作用，此方法同样适用于其中某一类传感器受到干扰导致的定位精度下降的情况。为了研究方便，假定通抗侦察和雷抗侦察传感器系统采用同地配置，采样同步工作。

目标动态模型在直角坐标系中可用以下矩阵形式表示:

(3)

式中：X(k)为状态向量；Ф为状态转移矩阵；V(k)为过程噪声。

假设V(k)是零均值的高斯白噪声，方差为：

(4)

通抗侦察传感器系统记为1，雷抗侦察传感器系统记为2，那么侦察传感器系统i的观测模型可以表示为：

(5)

式中：θi(k)、φi(k) 和ri(k) 分别为通抗或雷抗侦察传感器系统经过双站定位后得到的方位角、俯仰角和距离的测量数据,i=1,2,k=0,1,…。

三者的关系表达式分别为：

(6)

假设从0时刻到k时刻为止，侦察传感器系统i的累积测量集为:

(7)

基于侦察传感器系统i测量的最小方差无偏估计可以根据以上假设条件得到，表示为：

(8)

(9)

(10)

(11)

设回波落入跟踪波门内被确认的条件为：

(12)

(13)

基于侦察传感器系统i的状态估计。按上述方法得到后，则基于通抗和雷抗侦察传感器系统测量的最优估计为：

(14)

2.2 基于MSPDAF的通抗和雷抗侦察信息融合跟踪的步骤

对通抗和雷抗侦察传感器系统的测量数据按照MSPDAF信息融合方法进行处理，其具体融合步骤总结如下[5]：

(15)

(16)

(17)

(18)

(3) 对雷抗侦察传感器系统测量进行状态估计。即：

(19)

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(6) 对通抗侦察传感器系统的测量进行状态估计。即：

(27)

(28)

(29)

(30)

(8) 重复以上7步，即可得到一定时间内的通抗/雷抗侦察传感器系统对目标的融合跟踪结果。

3 仿真分析

根据MSPDAF的算法过程，在以下假设的场景下进行仿真。

场景假设：假设目标做匀速直线运动，分别采用通抗和雷抗侦察系统对目标进行观测跟踪。方便起见，假定二者以同地作为参照点，且具有相同的数据更新周期，均为0.2 s，跟踪时间设为50 s，跟踪目标为空中目标。目标初始位置位于(500，3 000，2 000)m处。在0～10 s内，目标以(150，200，0)m/s 的速度运动，加速度为0 m/s2；10～20 s时，目标加速度为(10，-30，0)m/s2;20～30 s 时，目标进行匀速直线运动;30～40 s时，目标以加速度(-20，40，0)m/s2机动;40～50 s时，目标恢复匀速直线运动。按恒加速(CA)模型对目标进行观测融合仿真。

设定：通抗侦察传感器的方位角、俯仰角和距离的观测噪声标准差分别为5 mrad、5 mrad 和 100 m;雷抗侦察传感器的观测噪声标准差分别为 2 mrad、2 mrad 和 80 m。系统噪声方差为20。目标初始协方差设为 diag(100，100，100，50，50，50，10，10，10)。系统检测概率均为Pd=0.95，正确量测落入跟踪门内的概率均为Pg=0.99。观测回波中的杂波符合高斯白噪声模型。采用 MSPDAF 融合模型进行2类观测数据的融合。

假设条件：雷抗侦察传感器受到干扰导致观测数据误差变大，其观测噪声标准差变为8 mrad、8 mrad和120 m。通抗侦察传感器系统未受干扰。

图2～图5是进行20次蒙特卡洛仿真的结果。

图2 目标实际轨迹和观测轨迹比较

图3 融合轨迹与目标实际轨迹比较

图4 x方向融合轨迹和观测轨迹分别与目标实际轨迹的差值比较

图5 y方向融合轨迹和观测轨迹分别与目标实际轨迹的差值比较

图2给出了雷抗侦察传感器系统和通抗侦察传感器系统对空中目标的跟踪观测轨迹。可以看出，在雷抗侦察传感器系统受到干扰后，其观测精度低于通抗侦察传感器系统;且二者的观测轨迹与目标实际运动轨迹有一定的误差。

图3则给出了雷抗和通抗侦察传感器系统对目标的跟踪数据经过MSPDAF融合之后得到的跟踪轨迹与目标实际运动轨迹的对比。可以看出，融合的结果与目标实际运动轨迹较为接近，其误差较小。再将其与图2中雷抗和通抗侦察传感器对目标的观测轨迹进行比较，可以看出，融合之后的轨迹要比二者直接观测的轨迹更为接近目标实际运动情况。

图4和图5则给出了在直角坐标系中，x方向、y方向融合轨迹和观测轨迹与目标实际运动轨迹的差值，可以从侧面看出MSPDAF融合的效果。

总结：雷抗侦察传感器系统受到干扰，其跟踪精度低于通抗侦察时，将通抗侦察跟踪轨迹、雷抗侦察跟踪轨迹、融合处理后的跟踪轨迹与实际轨迹进行了对比，显示了侦察轨迹数据与实际轨迹数据的差值。可以看出，当雷抗侦察传感器系统受到干扰，导致其目标跟踪精度大幅度降低时，融合处理结果受到的影响较小，基于MSPDAF信息融合的通抗/雷抗侦察系统具有一定的抗干扰能力。

4 结束语

本文讨论了如何将多传感器概率数据互联滤波融合方法运用到电子对抗侦察系统。计算机仿真结果说明：在部分传感器遇到干扰时，基于MSPDAF信息融合方法的运用可以提高电子对抗侦察系统的目标跟踪精度。因此，基于多传感器信息融合的电子对抗侦察系统的可靠性比传统电子对抗侦察系统要高，基于MSPDAF的信息融合方法在改善电子对抗目标侦察与跟踪效果方面有实用价值。

[1] 张锐,胡国平.一种基于IMM/MSPDAF的多传感器信息融合目标跟踪算法[J].现代防御技术,2010,38(6):123-127.

[2] 康耀红.数据融合理论与应用[M].西安：西安电子科技大学出版社，1997.

[3] 杨万海.多传感器数据融合及其应用[M].西安：西安电子科技大学出版社,2003.

[4] 王文斐.基于信息融合的雷达/红外符合制导目标跟踪方法研究[D].哈尔滨：哈尔滨工业大学航天学院,2006.

[5] 何友,王国宏,陆大纟金.多传感器信息融合及应用[M].第2版.北京:电子工业出版社,2007.

A Tracking Algorithm of Communication/Rader Countermeasure Reconnaissance Information Fusion Based on MSPDAF

ZHANG Hong-bo,DING Ya-fei

(Electronic Engineering Institute,Hefei 230037,China)

In the electronic countermeasure reconnaissance system,sensors may be interfered so that the target tracking effect is reduced.This paper applies the information fusion algorithm of multisensor probabilistic data association filtering (MSPDAF) to the electronic countermeasure reconnaissance field,fuses the data observed from communication countermeasure reconnaissance and radar countermeasure reconnaissance.The computer simulation result shows that the algorithm can solve the tracking precision decline problem when the single sensor is interfered and it is valuable for improving anti-jamming performance of electronic countermeasure reconnaissance system.

communication countermeasure reconnaissance;radar countermeasure reconnaissance;multisensor probabilistic data association filtering;information fusion

2014-09-08

TN971.4

A

CN32-1413(2015)01-0075-05

10.16426/j.cnki.jcdzdk.2015.01.018