基于多传感器组网的临空高速飞行器协同检测技术研究

付　强， 王　刚， 杨博帆， 高嘉乐

(空军工程大学 防空反导学院，陕西 西安 710051)



研究与探讨

基于多传感器组网的临空高速飞行器协同检测技术研究

付强， 王刚， 杨博帆， 高嘉乐

(空军工程大学 防空反导学院，陕西 西安 710051)

摘要:临近空间高速飞行器飞行距离远，速度快，单一传感器对此类目标检测能力有限。为了提高实时检测能力，行之有效的方法是多传感器融合检测。分析了目标在不同俯仰角和方位角时雷达横截面(RCS)随传感器频率的变化情况，分别仿真了X波段、P波段、C波段的探测点迹完整率，并对雷达组网协同检测系统的探测点迹完整率进行仿真。结果表明：采用分布式雷达组网协同检测方法可有效提高检测概率。

关键词：临空高速飞行器； 多传感器组网； 分布式协同检测

0引言

在临空高速飞行器目标检测中，由于目标的飞行空域高，速度快，且可跨层变轨飞行，机动性强，无固定轨迹等特点，使得临空高速飞行器表现为机动弱小目标，传感器接收信噪比低。凭借单一传感器很难对目标整个运动状态进行检测,通过采用多传感器分布式协同检测，使低信噪比条件下目标的检测概率得到显著提升[1]。分布式协同检测系统其通信带宽要求低，处理速度快，系统生存能力强，且融合效果满足要求，能够适用于临空高速飞行器的目标检测。

在实际中，各传感器往往配置在一个很宽广的地理范围之上，而传感器之间可允许的通信容量是受到限制的。在这种情况下，可以在各传感器处完成一定量的计算和处理任务，将经过处理和压缩后的传感器数据传送到融合中心，然后融合中心把接收到的信息进行适当的组合产生全局推理，得到全局结果[2]。此时由于传感器位置的不同，各传感器对同一目标观测时的效果也不同，存在着起伏。本文通过对雷达组网的分析，对协同检测技术进行研究。

1传感器组网的检测性能分析

临空高速飞行器从起飞到完成任务的整个过程中，飞行距离很远，并且速度快，单一传感器难以实现对目标整个运动状态的检测，得到目标运动的航迹。对于隐身目标，其迎头方向雷达横戴面(radar cross section,RCS)通常很小，而其他方向RCS可能较大，通过多传感器组网，构成协同检测系统，获取全空域、全方位、全频段的信息，能够更好地实现对目标的检测[3]。

以美军的HTV—2为例，图1为入射波俯仰角为0°、方位角为60°时RCS随频率变化情况，图2为P波段入射波俯仰角分别为0°和-30°时RCS随方位角的变化情况。

图1表明：入射波频率的增加会导致目标RCS的减少，在P波段，HTV—2的RCS为0.35 m2左右，但在X波段只有0.2 m2左右。由图2可以看出：对于迎头方向，当入射波俯仰角为0°时，RCS约为0.02 m2，入射波俯仰角为-30°时，RCS约为0.01 m2；而尾部方向RCS约为0.01 m2。因此，当飞行器朝向雷达飞行时，会呈现出高速、微弱雷达目标的特性，主要表现为目标回波信噪比非常低[4,5]。

图1　RCS随频率变化情况Fig 1　Variation of RCS with frequency

图2　目标RCS随方位角变化情况Fig 2　RCS of target varies with azimuth angle

2传感器组网下的协同检测方法

在多传感器协同检测中，各传感器的探测范围通常没有交叠。此时，对于整个雷达网采用的协同检测算法通常为“或”准则，即当至少有一部传感器检测到目标，传感器网即判定为有目标[6,7]。

2.1融合模型

图3为地基、空基和天基平台组成的多传感器协同检测系统，分别覆盖不同的区域，通过组网的形式，使得系统能够覆盖全空域。在对目标进行检测时，多传感器协同检测与单一传感器相比，在整个空域都具有较高的检测概率[8]。

图3　多传感器协同情况示意图Fig 3　Diagram of multisensor coordination

如图4所示，由N部传感器组成传感器网，并采用并行结构的分布式检测，观测数据为y1,y2,…,yN，分别做出判决u1,u2,…,uN，送至融合中心，最后按照融合准则f(μ1,μ2,…,μN)得到传感器网的全局判决。

图4　“或”准则算法融合模型Fig 4　“or”criterion algorithm fusion model

2.2协同算法

在“K/N表决器”算法中，设由N部传感器组成的传感器网，第i部传感器的判决ui为1时，有目标；为0时，无目标。

融合中心的检验统计量α为

(1)

多传感器协同组网的判决u0为

(2)

多传感器组网的检测概率PD0和虚警概率PF0为

(3)

(4)

式中U=[u1,u2,…,uN]T。

(5)

(6)

当K=1时，“K/N表决器”算法为“或”准则算法[8]。

3仿真分析与验证

3.1仿真场景与传感器部署

在多传感器组网协同检测系统中，分别采用目标指示雷达(X波段)、天基雷达(P波段)和预警雷达(C波段)三部在空间上分布不相同的雷达对目标进行探测。目标起始位置为(1 500,1 500)km，目标飞行高度为50 km，速度为8Ma，飞抵位置为(0,0)km，海拔0 m。根据不同雷达的具体功能任务，分布式协同检测系统部署情况如下：在(0,0)km处部署一部X波段雷达，高度0 km；在(600,100)km处部署一部P波段天基雷达，轨道高度11 000 km；在(1 000,600)km处部署一部C波段雷达，海拔2 000 m。雷达参数设置为：

1)X波段雷达频率10 GHz，电磁波垂直极化，峰值发射功率500 kW，天线增益55 dB，接收机带宽20 MHz，噪声系数4 dB，系统损耗10 dB，虚警概率10-6。

2)P波段雷达频率400 MHz，电磁波垂直极化，峰值发射功率1 MW，天线增益50 dB，接收机带宽10 MHz，噪声系数3 dB，系统损耗10 dB，虚警概率10-6。

3)C波段雷达频率5 GHz，电磁波垂直极化，峰值发射功率600 kW，天线增益40 dB，接收机带宽30 MHz，噪声系数4 dB，系统损耗10 dB，虚警概率10-6。

目标在整个运动过程中，首先进行水平机动，接近飞抵位置后结束水平机动，进行俯冲运动。传感器部署位置和目标运动轨迹的三维图如图5所示。

图5　目标运动轨迹与雷达部署Fig 5　Moving track of target and radar deployment

通过各局部传感器的探测点迹完整率来体现各个传感器的检测性能，为传感器探测到的点迹与整个过程中传感器扫描总次数之比[10]。

探测点迹完整率=探测点迹/扫描次数。

3.2局部传感器检测性能分析

各传感器根据目标和传感器的相对位置，通过RCS数据库和雷达方程计算出传感器的回波功率，通过CFAR准则完成检测，得到目标点迹。

1)X波段雷达探测点迹分析

X波段雷达部署在后方，雷达所示方向为目标迎头方向。如图6所示，当目标接近雷达时，检测概率提高。对于整个目标运动点迹，X波段的探测点迹完整率仅为21.50 %。

2)P波段天基雷达探测点迹分析

对于P波段天基雷达，对目标为俯视，RCS相对较大。如图7所示，P波段天基雷达，在中间区域检测概率较高，为24.30 %。

图6　X波段雷达检测目标点迹图Fig 6　Target trace point diagram of X band radar detecting

图7　P波段雷达检测目标点迹图Fig 7　Target trace point diagram of P band radar detecting

3)C波段雷达探测点迹分析

C波段雷达通常在前沿部署，目标与C波段雷达距离迅速增加，检测概率降低。如图8所示，C波段雷达，在前期和中期能够检测到较多点迹，为27.55 %。

图8　C波段雷达检测目标点迹图Fig 8　Target trace point diagram of C band radar detecting

3.3融合中心检测性能分析

如前文所述，临空高速飞行器将穿越不同传感器的有效探测范围[11]。由以上三种传感器组成的协同检测系统探测点迹如图9所示。

图9　融合中心检测目标点迹图Fig 9　Target trace point diagram of fusion center detecting

由图9可以看出:采用组网协同检测，对于目标整个运动过程，目标探测点迹完整率相比单雷达检测得到了有效的提升，达到了62.31 %。在目标运动的整个过程中，各雷达和与融合中心对于目标的探测点迹完整率如图10所示。

图10　探测点迹完整率对比Fig 10　Contrast of detecting trace point integrity rate

可以看出，单一传感器的探测点迹完整率分别为21.50 %,24.30 %,27.55 %。采用传感器协同组网检测，探测点迹完整率为62.31 %。

图11为各雷达与融合中心的检测概率与目标距离保卫要地的关系。

图11　检测概率与距离关系Fig 11　Relationship between detecting probability and distance

由图11可以看出，单一传感器仅在飞行器运动的整个过程中的特定阶段具有较高检测概率，整体检测概率较低。通过采用多传感器协同组网方式，融合中心的检测概率相比单传感器有了很大提高，检测性能得到了明显的提升。

4结论

本文对传感器组网下的协同检测性能进行了理论分析，给出了组网情况下的并行结构的融合模型和“或”准则协同检测算法，建立传感器网并利用临空高速飞行器RCS数据库进行仿真验证，结果表明:通过传感器组网，能够较好地解决单一传感器发现难、检测范围有限等难题，无论从探测点迹的完整程度还是每一时刻的检测概率，系统的检测性能得到了有效的提升。

参考文献:

[1]王欣,姚佩阳,周翔翔,等.信息共享条件下传感器组网发现概率建模[J].电光与控制,2012,19(11):26-30.

[2]熊年生.基于分布式检测的雷达组网探测技术研究[J].雷达科学与技术,2012,10(4):363-366,371.

[3]赵菊敏,张子辰,李灯熬.一种无线传感器网络链式传输分簇路由协议[J].传感器与微系统,2014,33(3):135-138.

[4]ZhengSheng,ShiWenzhong,LiuJian,eta1.Multi-sourceimagefusionmethodusingsupportvaluetransform[J].IEEETransactionsonImageProcessing,2007,16(7):1831-1839.

[5]赵丹,肖继学,刘一.智能传感器技术综述[J].传感器与微系统,2014,33(9):4-7.

[6]刘钦.多传感器组网协同跟踪方法研究[D].西安:西安电子科技大学,2013.

[7]蒋铁珍.分布式检测多目标融合算法研究[J].中国电子科学院学报,2010,5(6):594-598.

[8]刘向阳,许稼.多传感器分布式信号检测[M].北京:国防大学出版社,2011.

[9]韩崇昭,朱洪艳,段战胜.多源信息融合[M].2版.北京:清华大学出版社,2010.

[10]TianJing,CuiWei,ShenQing.High-speedmaneuveringtargetdetectionapproachbasedonjointRFTandkeystonetransfor-m[J].ScienceChina,2013,57:1-13.

[11] 沈晓静.多传感器分布式检测和估计融合[J].中国科学:数学,2014,44(2):105-116.

Research on collaborative detection technology of near space high speed aircraft based on multi sensor networking

FU Qiang, WANG Gang,YANG Bo-fan, GAO Jia-le

(School of Air and Missile Defense,Air force Engineering University,Xi’an 710051,China)

Abstract:Because of far distance and fast speed of near space high speed aircraft flight,single sensor detectability on target is limited.In order to improve real-time detectability,effective method is multi-sensor fusion detection.Analyze change condition of radar cross section(RCS)with sensor frequency while target at different pitching and azimuth angles,respectively simulate integrity rate detection of trace point in,X band,P band,and C Band,and integrity rate detection of radar networking collaborative detection system of trace point is simulated.The results show that the distributed radar networking collaborative detection method can effectively improve detection probability.

Key words:near space high speed aircraft; multi sensor networking; distributed collaborative detection

DOI:10.13873/J.1000—9787(2016)03—0004—04

收稿日期：2015—06—11

中图分类号：TP 391

文献标识码：A

文章编号：1000—9787(2016)03—0004—04

作者简介:

付强(1988-)，男，陕西西安人，博士研究生，主要研究方向为智能信息处理、弱小目标检测跟踪技术。