针对无人机集群目标的舰炮对空射击方法

2021-12-29周克强

火力与指挥控制 2021年10期

周克强

（江苏自动化研究所，江苏连云港 222006）

0 引言

随着无人智能系统的发展，无人机集群作战将成为海战场的一种新型作战样式，典型的作战应用包括区域警戒、联合侦察、干扰压制、攻击引导，以及直接打击等任务［1］。2012 年美国海军研究生院就海军导弹驱逐舰的“宙斯盾”防空系统防御8 架无人机集群攻击的场景进行了模拟［2］，500 次仿真中4 架无人机突破舰艇立体防御的情形就出现了132次，显示了现有舰艇装备对付这类反射面积小，低速机动、被动式制导集群目标的能力不足。相反无人机集群通过良好的体系生存率，虽然携带有限的战斗部，仍然能够对舰艇核心系统造成破环。

目前舰艇防空系统对付此类无人机集群目标的方法主要包括［3］：1）摧毁其搭载平台；2）集群对抗；3）高能武器杀伤；4）中近程密集火炮拦截；5）电子干扰和压制。其中，中小口径舰炮武器系统可负责在中近程打击突防的无人机，此类舰炮武器系统设计的对空防御对象主要是高速反舰导弹等单目标，通常采用追踪射击方法，依靠弹丸，直接命中导弹进行毁伤，文献［4］利用未来空域窗的射击方式，提高了对高速复杂机动反舰导弹的射击效力，将传统的对单点射击改为区域射击，但是该方法还是针对单目标拦截，未考虑集群目标的分布特征；文献［5］分析了密集目标对雷达分辨和测量的影响机理，提出降低邻近目标干扰的算法，而集群目标的雷达探测信号反映了更多的空间分布信息，可以进一步加以提取和利用；文献［6］提出了多表尺面积效力射来打击海上集群小艇目标，适用于中大口径舰炮打击明确队形的海上目标。目前国内外关于舰炮防御无人机集群突防的公开研究较少，本文就现役中小口径舰炮武器系统防御无人机集群突防的能力进行了深入分析，提出一种针对无人机集群的射击方法，可有效提升其拦截无人机集群的能力。

1 防御无人机集群能力现状分析

中小口径舰炮武器系统通常由跟踪雷达、火控设备以及舰炮武器等组成。其中，雷达为了获取目标的高精度跟踪数据，一般为常规单脉冲跟踪雷达，采用窄波束照射目标从而获取精度为毫弧级的目标量测数据；火控设备再通过对量测数据进行滤波和预测，求解未来点的射击诸元，实施对舰炮的射击控制。

目前国内中小口径舰炮武器系统设计的对空防御对象主要为高速反舰导弹，如果直接用于拦截无人机集群，其毁伤效果很可能不尽如人意，本文将主要从传感器探测和系统射击体制两方面加以分析。

1.1 雷达跟踪

中小口径舰炮武器系统内的跟踪雷达通常为单目标跟踪模式，一旦主波束内出现多个闪烁中心而不能被认为是点目标的情况下，将对雷达的跟踪性能造成影响［7-8］，进而降低武器系统的毁伤效能；而无人机集群将成为未来海战场突破舰艇对空防御系统的一种新型作战样式，在抵近舰艇前往往采用密集编队的形式［9-10］，典型的作战想定如图1 所示。

图1 无人机集群突防示意图

常规单脉冲跟踪雷达的主波束宽度约为1，在3 km 处，通过计算可知，同一距离单元上的两架无人机如果横向间距小于50 m，就可能导致两者都进入雷达主波束。

在这种情况下通过对雷达跟踪性能分析［11-12］，得到结论如下：

雷达接收机的平均输出r¯，在两个目标回波和通道信号幅值相等时指向两者中心，幅值不相等时指向较大的那架无人机。因此，在图1 的作战想定中，跟踪雷达如果面对和通道信号幅值相等的两架无人机目标，雷达传感器将大致跟踪两架无人机的中心位置，如图2 所示。

图2 双目标导致射击偏差示意图

在真实作战场景中，中近程防御范围内有可能出现单脉冲雷达主波束中存在更多无人机目标的情况，此时跟踪雷达接收机的输出也将更加复杂，往往导致跟踪雷达对无人机集群目标跟不准、跟不稳的情况。

1.2 射击体制

中小口径舰炮武器系统对空中单目标的射击步骤为：1）建立尽可能与实际相符的目标运动模型；2）准确跟踪目标当前点；3）准确预测目标未来点；4）解算射击诸元；5）开火射击。传统的集火射击体制采用多门、多管火炮，同时以目标预测未来点为中心，发射大量的弹丸，依靠弹丸的散布采用直接命中或者间接命中体制来毁伤目标。当目标实际出现在预测未来点附近时，其命中目标的实际弹数可能远远超过所需弹数；而当目标偏离预测的命中点较远时，则难以命中目标。为提高反导射击的毁伤概率，出现了未来空域窗射击体制，在预测目标未来点周围建立一个空中区域，不再瞄准目标预测未来点射击，而是向目标预测未来面射击，通过合理配置弹丸散布中心，构造弹丸散布均匀的空域窗，并保证足够的弹头使目标通过即被命中，有效提高了对机动目标的命中率。

通过上述射击原理分析，现役中小口径舰炮武器系统用于拦截无人机集群目标，当采用追踪式的集火射击体制，由于雷达很可能对密集目标出现跟不准、跟不稳的情况，造成目标未来点预测出现较大偏差，导致武器系统开火诸元误差增大，甚至可能无法生成有效开火诸元；而采用未来空域窗射击体制，现有的空域窗内弹丸散布均匀，显然无法匹配无人机的空间散布特性，造成对无人机集群的整体拦截效率不高。

2 打击集群目标总体思路

基于传统舰炮武器系统射击流程，为有效打击无人机集群目标，工作流程改进，如图3 所示。分别从集群目标雷达探测和弹丸散布中心配置两个方面提升射击效能。

图3 舰炮武器系统改进工作流程

在跟踪雷达控制处理方面，改变传统基于雷达角误差信号的伺服控制体制，对雷达信号进行群目标检测，一旦判断为集群目标就控制单脉冲雷达主波束进入拉偏扫描模式，然后对集群目标进行空间拉偏扫描，以获取迎弹面上的集群目标空间分布特征。

未来空域窗射击模式涉及火控解算、弹丸散布中心配置、舰炮随动控制等诸多环节，本文瞄准弹丸散布中心配置方向，在尽可能准确获取集群目标的空间分布参数后，采用改进的弹丸散布中心配置方法，使得舰炮射击后的弹丸空间散布能够匹配集群目标的空间分布情况，通过定制未来空间射击区域，来提高中小口径舰炮对集群目标的整体拦截效率。

3 提升集群目标空间表征能力

为了有效应对未来无人机集群突防的作战样式，需要尽可能准确获取集群目标的空间分布参数，作为后续精准火力控制的依据。本文提出改变传统基于雷达角误差信号的伺服控制体制，通过武器系统控制单脉冲雷达主波束对集群目标进行空间拉偏扫描，以获取迎弹面上的集群目标空间分布特征。

3.1 集群目标检测

正确判别位于跟踪雷达主波束内的目标为单目标还是多目标，是集群目标空间参数辨识的前提。

W.D.Blair 拓展了基于单脉冲比的多目标检测技术，提出了基于Neyman-Pearson 准则的广义似然比检测法则（GLRT）［13-14］，推导了利用和信号幅值的条件概率密度函数建立检验统计量，用来检测不可分辨的多个瑞利目标。文献［13］的仿真计算显示：当主波束内一个瑞利目标，而被误判为多目标的概率PFDMT=0.01；而当主波束内存在两个不可分辨目标间隔半波宽度对称分布，在4 个信噪比达到13 dB 的脉冲情况下，判断为多目标正确检测概率PDMT=0.92。仿真结果显示该检测方法表现出较好的检测性能，可应用于判断无人机是否为集群目标。

3.2 集群目标分辨

集群目标检测的目的是为了进一步对集群目标进行分辨，针对图2 的情况，为了实施精确的舰炮火力射击控制，需要估计一个主波束内多个目标的到达角方向（DOA）。

文献［15］提出将单脉冲雷达波束进行扫描，采用抽头延迟线的形式，对多个脉冲进行累积分析，本质上属于线性天线阵列进行DOA 估计的一种推广。

文献［16］考虑到同一距离分辨单元内的多个目标回波经过匹配滤波后，相邻采样点上仍可能有回波信号的能量，可利用相邻采样点对多个目标进行分辨。文中建立了采用两个采样点（如图4 所示）的数据模型，并提出一种最大似然（ML）估计法与最小描述长度（MDL）准则相结合的超分辨算法，即ML+MDL 算法，其优点在于较充分地利用了目标回波的信息（实际上利用了目标的距离信息），理论上该算法可对主波束内多达5 个目标进行分辨。

图4 相邻两个采样点示意图

3.3 空间参数辨识

有助于舰炮火力拦截的无人机集群空间参数包括：集群在迎弹面的投影范围、集群分布情况，以及集群运动态势等信息，本文假定无人机为慢速目标，且集群运动态势不变，重点关注前两项空间参数。

常规跟踪雷达面对主波束内存在多个反射中心而产生“角闪烁”效应的现象是极力避免的，因为雷达伺服控制是基于天线与目标之间的角误差信号的，一旦出现该效应，将影响雷达跟踪的稳定性，很可能出现舰炮伺服系统“抖动”，甚至造成无法开火射击的情况，因此，“角闪烁”效应通常被视为一种干扰。而本文针对无人机集群目标的探测任务，提出一种雷达伺服系统的拉偏扫描控制策略，充分挖掘“角闪烁”效应的有用信息，获取集群空间参数，系统控制流程如图3 所示，雷达需要对捕获的目标进行检测（如广义似然比检测法则），对目标是否为集群目标进行预判，经检测如果是单目标，则进入常规系统处理流程；一旦检测是集群目标，雷达进入拉偏扫描模式，由火控设备控制雷达伺服对无人机集群有可能出现的区域进行方位和高低扫描，获取以雷达为视角（假设雷达和舰炮集中布置）的目标空间范围，然后在连续多个距离单元上进行并行信号处理，并且在同一距离分辨单元内对多目标进行超分辨（如ML+MDL 算法）处理，估计出目标数量和多目标DOA，通过上述雷达控制处理流程，即可得到集群在迎弹面的投影范围和集群分布情况。

4 改进射击体制

一旦获取了无人机集群的空间参数，就为图3中的集群目标射击决策模块提供了重要的依据。

传统未来空域窗射击体制将多个正态散布的弹头分开配置，构成一个近似均匀散布区域，覆盖目标未来空中机动区域，用于提高对高速机动反舰导弹的射击效能。无人机集群目标本身就是以空间区域的形式存在，符合未来空域窗射击的理念，因此，本文在传统未来空域窗射击体制的基础上，提出一种基于高斯混合模型的弹丸散布中心配置方法，使得弹丸散布概率与集群目标分布特征相匹配，通过定制未来空间射击区域，来提高中小口径舰炮对集群目标的整体拦截效率。

采用最大期望（EM）算法对高斯混合模型问题的求解，即可获得匹配集群目标空间分布特征的弹丸中心配置参数。

5 仿真分析

本节对无人机集群目标射击的相关算法进行了仿真验证和分析，首先对雷达主波束内的同一距离单元内存在5 个空中目标的情况，验证ML+MDL角度超分辨算法的分辨能力，在此基础上通过波束指向控制，即可获取集群目标的空间分布参数；然后为实现弹丸散布概率与集群目标空间分布特征相匹配的目的，通过高斯混合模型的仿真求解，验证弹丸中心配置的可行性。

超分辨算法仿真假定5 个目标的真实位置信息见表1。

表1 目标真实位置信息

采用ML+MDL 算法进行多目标分辨，假设信噪比为30 dB，脉冲数量为50 个，通过50 次仿真结果如图5 所示，其中，目标真值用圆圈表示，符号“*”代表采用最大似然（ML）估计值，由图可知该方法可以分辨单脉冲雷达波束内的5 个目标角度信息，常规单脉冲跟踪雷达的主波束宽度约为1，在3 km 处横向跨度约为50 m，考虑到主波束宽度内的5 架无人机需要保持安全避碰距离，通过仿真结果可以看出，该算法可满足中近程舰炮武器系统对无人机集群目标的超分辨探测需求。

图5 ML+MDL 算法估计5 个目标参数

为简化弹丸中心配置的仿真计算，假设定点射击时弹丸散布服从正态分布，而且不存在系统误差，集群目标只分布在同一个距离单元，采用最大期望（EM）算法求解高斯混合模型。当集群目标在迎弹面的投影为圆并且均匀分布的情况下，图6 为计算得到6 个成分的高斯混合模型概率密度示意图；当集群目标分布如图7 中的红点所示，得到的3 个成分的高斯混合模型概率密度如图8 所示。