隐身目标点迹融合探测跟踪方法设计
2021-04-30刘博平燕瑞超
贺 贺,刘 通,刘博平,朱 宁,燕瑞超
(中国船舶工业系统工程研究院,北京 100094)
隐身目标是指雷达反射截面积(RCS)低于或远远小于正常目标反射面积的目标,RCS 可以达到1 m2或更小。在当代海战场面临反辐射导弹、低空突防、隐身技术和电子对抗等威胁的背景下,针对该类隐身目标探测的重要性已逐步凸显,对舰载传感器的综合探测性能提出了更高的要求,成为亟待解决的问题[1-2]。
随着计算机技术、通信技术的发展,现代战争已成为高科技的信息战争,战争中存在着海量的数据需要进行实时处理,且信息表现形式多样,信息数量巨大,信息关系复杂,以及信息处理所要求的及时性,对作战系统的信息处理能力都提出了非常高的要求。战场态势处理要求能尽快地发现各类目标并进行跟踪,指挥中心才能够实时、准确地做出决策。如何才能有效地探测并处理各方传来的数据,成功提取目标特征,从而获得快速、准确的目标信息是整个战争获胜的关键[3-4]。
当下装备的各型雷达中,广泛应用的是航迹融合技术,然而各雷达经过数据处理后得到的航迹会丢失大量的原始信息,对于上述隐身目标来讲,由于其RCS 较小,雷达可检测到的回波信息本就有限,因此便导致了无法在正常的检测门限下对其进行准确探测和稳定跟踪。为侦查到该类隐身目标,雷达必须设置较低的观测门限,以获得目标的探测信息,然而降低门限则会造成虚假目标的增多,对作战的指挥决策造成很大影响[5-6]。因此,从作战使用的需求及发展前景来看,迫切需要采取针对性措施对原有的目标信息提取及融合方法进行改进,增强对隐身小目标的探测和数据处理能力,提高舰载组网雷达的生存能力,缩短作战反应时间,提升作战系统的整体作战性能。
1 隐身目标细微特征提取
隐身目标的细微特征是相对于目标的基本特征而言,对其回波信号更深刻和细微的数学及物理描述,包括空域、时域、频域、极化域等内容,可以更加全面地捕获和反映隐身目标的特性。目标特征提取越详细,对于后期隐身目标的快速建航和稳定跟踪越有利[7-8]。
隐身目标回波信号的细微特征提取都是遵循对采样信号的某种变换,将信号之间的特征进行明显的区分,从而实现信号的分类识别,因而是相互关联、相互渗透的[9]。该文采用瞬时自相关和数字中频的综合手段,基于短时分析,充分利用信号所携带的信息,对雷达脉冲信号进行脉内细微特征的提取[10],研究对象包含常规信号、线性调频、频率编码、相位编码等几种信号。
首先对信号进行瞬时自相关运算,任意载波为正弦的雷达信号,都可以表示为:
其中,A(t)是信号幅度,f0是信号载频,ω(t)是频率调制量,φ0是初始相位,φ(t)是信号的瞬时相位,则信号的瞬时频率为,该瞬时频率是信号的调制特征之一。
雷达信号经过采样量化后得到:
其中,m为延迟间隔,且m>0。可见,瞬时自相关仅与延迟间隔m和由于匹配频率调制引起的相位差有关。因此,瞬时相位和瞬时频率为:
一般情况下,受器件的限制,fs常为fmax的5~10倍,因此m只能取1 或者2。如此小的m值会使得用于相关计算的采样点之间过于靠近,此时噪声的相关性会导致算法在低信噪比时性能急剧下降。通过对arctan(·)函数的扩展,可以将θ(n,m)取值范围扩大到[0,2π)。
为了进一步抑制噪声对瞬时频率提取的干扰,对n和n+m之间的采样点作滑动平均处理,以式(12)所示的平均瞬时频率作为第n点的瞬时频率:
至此,长度为N的信号被映射为包含隐身目标脉内细微特征的N-2m+1 的平均瞬时频率序列。
2 点迹融合跟踪方法设计
该文针对隐身目标的回波特点,在航迹融合前先对雷达探测到的原始点迹信息进行提取,并对数据进行空间配准和量测坐标系的统一。如果雷达回波数据包含目标多普勒速度,则采用外推法进行时间配准,利用时空对准后的测量信息进行点迹融合,利用融合后的点迹进行航迹起始和关联,进而完成航迹滤波更新,输出最终航迹跟踪结果。如果雷达回波数据不包含目标多普勒速度,则根据各雷达测量值的时标进行排序,依次利用各雷达的测量值进行航迹起始和关联,完成航迹滤波更新,并输出最终航迹跟踪结果。点迹融合跟踪方法设计流程如图1所示。
图1 舰载组网雷达点迹融合跟踪流程图
2.1 点迹预处理
各传感器对目标进行探测,收集各自侦察到的雷达点迹信息,并对其进行时空对准。由于各传感器探测到的点迹信息均是以自身为原点的坐标系下的数值,而点迹融合需要在统一的融合坐标系下进行,因此,需要通过坐标转换将各传感器的量测数据统一转换到以融合中心为原点的坐标系下,即完成对各雷达点迹信息的空间对准[11]。由于不同传感器的扫描周期、采样间隔、以及采集数据的起始时间并不一致,导致了各传感器在工作时的时间不同步,此时需采用时间对准技术将多部传感器的时间对准到统一的时间基准上,通常是以融合中心所在平台的时间作为基准。常用的时间对准方式有多项式插值法、外推法[12]。
2.2 点迹关联
虽然各雷达的点迹在经过了时间和空间对准等预处理算法后进行了初步对准,但是由于各雷达之间存在不同的系统误差、探测精度等原因,同一时刻探测到的目标位置信息在同一坐标系下呈现团状,且大致分布在真实值附近,因此在点迹时空对准之后,仍需要进行多部雷达的点迹关联[13]。点迹关联主要利用不同雷达所观测的同一目标的点迹位置的相似性,完成同一目标在不同雷达的同一时刻所获得的点迹的相关判断。对雷达的点迹数据进行点迹与点迹之间的高准确率关联判断,是点迹融合需要解决的一个重要问题。有效利用多雷达点迹的全方位相关性,并且获得高准确率的关联结果,对于增强点迹的检测和判断性能,以及提高航迹质量具有可观的价值,也是点迹融合技术中的一个难点[14]。当下常用的点迹关联方法有聚类法、最近邻方法等。
2.3 点迹融合跟踪
当若干个雷达点迹经过关联处理后判断为同一目标的点迹,则将这些点迹信息进行融合处理。常用的点迹融合跟踪方法有两类,第一类是点迹数据压缩合并方法,第二类是点迹数据串行处理方法[15]。
1)点迹数据的压缩合并
点迹数据的压缩合并是指将多部雷达在同一时间点、针对同一目标所探测到的点迹数据进行压缩,合并成一个点迹数据,常用的压缩合并算法是根据各个雷达点迹在最后融合估计值中的最优权值系数进行最优加权融合,最终得到更加精确的点迹信息[16]。
点迹合并前首先要对点迹进行互联处理,在多目标情况下常采用最近邻域法确定互联点迹。对已经确认的互联点迹数据,可用最小二乘估计法进行点迹合成。
其中,Z是观测向量,H是已知系数矩阵,R是观测误差矩阵。对组网雷达点迹数据合成的最小二乘估计为:
点迹数据的压缩合并处理过程就是对数据的求精处理过程。一方面,数据求精可以起到对点迹数据的稀释作用,另一方面,也可以提高点迹质量。点迹的质量越高,目标跟踪后期点迹和航迹的配对正确性也就越高,从而大大提高了目标跟踪的维持精度[17]。
2)点迹数据的串行处理
点迹数据的串行处理是将多部雷达的数据进行组合,形成类似于单部雷达的点迹数据流,进而提高点迹数据率,同时也可以提高跟踪精度[18],点迹串行处理示意图如图2 所示。
图2 点迹串行处理示意图
选择何种点迹融合方法应根据具体情况而定。若所探测目标没有径向速度,则选择点迹串行处理方法,既避免了融合系统结构的复杂化,又提高了点迹的数据率;若所探测目标具有径向速度,则点迹串行处理方法不可用,通常选取点迹压缩合并方法。最后,根据点迹融合后得到的融合点迹信息,进行航迹关联、航迹起始、以及航迹的滤波更新,并输出最终的航迹跟踪结果,完成对隐身目标的跟踪。
3 仿真效果验证
3.1 点迹串行处理方法
设定如下仿真场景:目标做匀速直线运动,初始位置为[90 km,90 km],速度为[-200 m/s,-200 m/s]。两部雷达的脉冲重复间隔均为1 ms,扫描周期为4 s,扫描圈数为180 圈。两部雷达的点迹测量距离误差为75 m,角度误差为0.4°。雷达对目标的发现概率为0.85,虚警率为10-6。采用点迹串行处理方法,得到航迹起始距离的仿真结果如图3 所示,航迹起始距离的均值统计如表1 所示,由表可知,点迹串行融合处理算法相对于雷达一的可检测信噪比提高:,相对于雷达二提高1.01 dB。
图3 串行处理航迹起始距离
表1 航迹起始距离均值(串行融合)
3.2 点迹压缩合并方法
设定如下仿真场景:目标做匀速直线运动,初始位置为[90 km,90 km],速度为[-200 m/s,-200 m/s]。两部雷达的脉冲重复间隔1 ms,扫描周期4 s,扫描圈数为180 圈。两部雷达的点迹测量距离误差为75 m,角度误差为0.4°。雷达对目标的发现概率为0.85,虚警率为10-6。采用并行压缩合并的方法进行点迹融合,得到航迹起始距离的仿真结果如图4所示。航迹起始距离的均值统计如表2 所示,由该表可知,点迹并行融合算法相对于雷达一的可检测信噪比提高,相对于雷达二提高1.10 dB。
图4 点迹压缩合并航迹起始距离
表2 航迹起始距离均值(并行融合)
由仿真效果图3 和图4 可知,相对于单一的航迹融合技术而言,雷达组网系统的点迹融合技术利用多部雷达的原始点迹信息,提高了雷达检测的信噪比,加快了目标航迹的起始速度,提高了航迹的维持时间及稳定性,可以有效提高对隐身目标的探测及跟踪性能。
4 结束语
该文对雷达探测到的回波细微特征进行有效提取并运用到隐身小目标的探测中,对原有的单纯基于航迹融合的数据处理方法进行了改进,保证了对隐身目标的正常航迹起始和连续跟踪,提高了组网雷达对弱小目标、隐身目标的探测性能,使得舰载组网雷达具备更顽强的生命力,增强了作战系统对战场态势感知的灵敏度,为作战指挥提供了更加清晰准确的目标信息,满足了新一代军用舰船的发展及作战使用的需求,对提高实际作战效能具有重要意义。