一種基于MSPDAF的通抗/雷抗偵察信息融合跟蹤算法

張洪勃，丁亞非

(電子工程學院，合肥 230037)

?

一種基于MSPDAF的通抗/雷抗偵察信息融合跟蹤算法

張洪勃，丁亞非

(電子工程學院，合肥 230037)

在電子對抗偵察系統中，傳感器會受到干擾而導致目標跟蹤效果下降。將多傳感器概率數據互聯濾波(MSPDAF)的融合方法運用到電子對抗偵察領域，將通抗偵察和雷抗偵察的觀測數據進行融合處理。計算機仿真結果說明：該方法能解決單傳感器被干擾時目標跟蹤精度下降的問題，在提高電子對抗偵察系統的抗干擾能力方面有實用價值。

通抗偵察；雷抗偵察；多傳感器概率數據互聯濾波；信息融合

0 引 言

有源偵察傳感器利用本身發射的電磁波可觀測出目標的斜距、方位角和俯仰角等信息。但有源偵察存在容易受到電子干擾和反輻射武器的打擊以及存在搜索盲區等缺陷。但有源偵察自身存在一定的缺陷，如容易受到電子干擾、反輻射武器的打擊以及存在搜索盲區等[1]。電子對抗偵察系統屬于無源偵察，它能較好地解決有源偵察存在的問題。然而，由于無源偵察受環境和電磁干擾的影響較大，在部分傳感器被干擾時，如何提高電子對抗偵察系統的目標跟蹤精度顯得尤為重要。將異類傳感器的目標跟蹤數據進行信息融合則是一種解決問題的方法。

本文利用雙站交叉定位法首先對跟蹤目標定位，得到通抗偵察和雷抗偵察定位的數據，然后討論了多傳感器概率數據互聯濾波方法和基于MSPDAF信息融合的步驟，并把它們應用于通抗偵察和雷抗偵察定位數據的融合處理，最后進行了計算機仿真。

1 觀測數據處理

在無源偵察中，要確定目標的位置，對目標進行跟蹤，可利用的方法包括雙站測向交叉定位法、概率定位法、測向時差定位法、方位/到達時間定位法和多普勒頻率定位法等。以通抗偵察的雙站定位為例，介紹雙站測向交叉定位方法，如圖1所示。

圖1 雙站定位示意圖

假設通抗偵察站A和B，同時對空中目標F進行測量。在t時刻，通抗偵察站A對目標F的觀測數據為(θA，φA)，通抗偵察站B對目標F的觀測數據為(θB，φB)。2個雷抗偵察站之間的距離為l。以A為原點建立坐標系，B的坐標為(l，0)。根據幾何關系可以得到:

(1)

rA=AF′/cosφA

(2)

因此，通抗偵察傳感器系統所獲得的目標觀測數據為F1(θ1，φ1，r1)=(θA，φA，rA)。同理，雷抗偵察傳感器系統所獲得的目標觀測數據為F2(θ2，φ2，r2)。由此得到的通抗偵察傳感器觀測數據和雷抗偵察傳感器系統觀測數據將作為后續信息融合的基礎數據。

2 多傳感器概率數據互聯濾波

2.1 多傳感器概率數據互聯濾波算法

在監視區域內虛假檢測率急劇變化的環境中，概率數據互聯濾波(PDAF)[2]對于通抗/雷抗偵察融合跟蹤有積極的改善作用，此方法同樣適用于其中某一類傳感器受到干擾導致的定位精度下降的情況。為了研究方便，假定通抗偵察和雷抗偵察傳感器系統采用同地配置，采樣同步工作。

目標動態模型在直角坐標系中可用以下矩陣形式表示:

(3)

式中：X(k)為狀態向量；Ф為狀態轉移矩陣；V(k)為過程噪聲。

假設V(k)是零均值的高斯白噪聲，方差為：

(4)

通抗偵察傳感器系統記為1，雷抗偵察傳感器系統記為2，那么偵察傳感器系統i的觀測模型可以表示為：

(5)

式中：θi(k)、φi(k) 和ri(k) 分別為通抗或雷抗偵察傳感器系統經過雙站定位后得到的方位角、俯仰角和距離的測量數據,i=1,2,k=0,1,…。

三者的關系表達式分別為：

(6)

假設從0時刻到k時刻為止，偵察傳感器系統i的累積測量集為:

(7)

基于偵察傳感器系統i測量的最小方差無偏估計可以根據以上假設條件得到，表示為：

(8)

(9)

(10)

(11)

設回波落入跟蹤波門內被確認的條件為：

(12)

(13)

基于偵察傳感器系統i的狀態估計。按上述方法得到后，則基于通抗和雷抗偵察傳感器系統測量的最優估計為：

(14)

2.2 基于MSPDAF的通抗和雷抗偵察信息融合跟蹤的步驟

對通抗和雷抗偵察傳感器系統的測量數據按照MSPDAF信息融合方法進行處理，其具體融合步驟總結如下[5]：

(15)

(16)

(17)

(18)

(3) 對雷抗偵察傳感器系統測量進行狀態估計。即：

(19)

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(6) 對通抗偵察傳感器系統的測量進行狀態估計。即：

(27)

(28)

(29)

(30)

(8) 重復以上7步，即可得到一定時間內的通抗/雷抗偵察傳感器系統對目標的融合跟蹤結果。

3 仿真分析

根據MSPDAF的算法過程，在以下假設的場景下進行仿真。

場景假設：假設目標做勻速直線運動，分別采用通抗和雷抗偵察系統對目標進行觀測跟蹤。方便起見，假定二者以同地作為參照點，且具有相同的數據更新周期，均為0.2 s，跟蹤時間設為50 s，跟蹤目標為空中目標。目標初始位置位于(500，3 000，2 000)m處。在0～10 s內，目標以(150，200，0)m/s 的速度運動，加速度為0 m/s2；10～20 s時，目標加速度為(10，-30，0)m/s2;20～30 s 時，目標進行勻速直線運動;30～40 s時，目標以加速度(-20，40，0)m/s2機動;40～50 s時，目標恢復勻速直線運動。按恒加速(CA)模型對目標進行觀測融合仿真。

設定：通抗偵察傳感器的方位角、俯仰角和距離的觀測噪聲標準差分別為5 mrad、5 mrad 和 100 m;雷抗偵察傳感器的觀測噪聲標準差分別為 2 mrad、2 mrad 和 80 m。系統噪聲方差為20。目標初始協方差設為 diag(100，100，100，50，50，50，10，10，10)。系統檢測概率均為Pd=0.95，正確量測落入跟蹤門內的概率均為Pg=0.99。觀測回波中的雜波符合高斯白噪聲模型。采用 MSPDAF 融合模型進行2類觀測數據的融合。

假設條件：雷抗偵察傳感器受到干擾導致觀測數據誤差變大，其觀測噪聲標準差變為8 mrad、8 mrad和120 m。通抗偵察傳感器系統未受干擾。

圖2～圖5是進行20次蒙特卡洛仿真的結果。

圖2 目標實際軌跡和觀測軌跡比較

圖3 融合軌跡與目標實際軌跡比較

圖4 x方向融合軌跡和觀測軌跡分別與目標實際軌跡的差值比較

圖5 y方向融合軌跡和觀測軌跡分別與目標實際軌跡的差值比較

圖2給出了雷抗偵察傳感器系統和通抗偵察傳感器系統對空中目標的跟蹤觀測軌跡。可以看出，在雷抗偵察傳感器系統受到干擾后，其觀測精度低于通抗偵察傳感器系統;且二者的觀測軌跡與目標實際運動軌跡有一定的誤差。

圖3則給出了雷抗和通抗偵察傳感器系統對目標的跟蹤數據經過MSPDAF融合之后得到的跟蹤軌跡與目標實際運動軌跡的對比。可以看出，融合的結果與目標實際運動軌跡較為接近，其誤差較小。再將其與圖2中雷抗和通抗偵察傳感器對目標的觀測軌跡進行比較，可以看出，融合之后的軌跡要比二者直接觀測的軌跡更為接近目標實際運動情況。

圖4和圖5則給出了在直角坐標系中，x方向、y方向融合軌跡和觀測軌跡與目標實際運動軌跡的差值，可以從側面看出MSPDAF融合的效果。

總結：雷抗偵察傳感器系統受到干擾，其跟蹤精度低于通抗偵察時，將通抗偵察跟蹤軌跡、雷抗偵察跟蹤軌跡、融合處理后的跟蹤軌跡與實際軌跡進行了對比，顯示了偵察軌跡數據與實際軌跡數據的差值。可以看出，當雷抗偵察傳感器系統受到干擾，導致其目標跟蹤精度大幅度降低時，融合處理結果受到的影響較小，基于MSPDAF信息融合的通抗/雷抗偵察系統具有一定的抗干擾能力。

4 結束語

本文討論了如何將多傳感器概率數據互聯濾波融合方法運用到電子對抗偵察系統。計算機仿真結果說明：在部分傳感器遇到干擾時，基于MSPDAF信息融合方法的運用可以提高電子對抗偵察系統的目標跟蹤精度。因此，基于多傳感器信息融合的電子對抗偵察系統的可靠性比傳統電子對抗偵察系統要高，基于MSPDAF的信息融合方法在改善電子對抗目標偵察與跟蹤效果方面有實用價值。

[1] 張銳,胡國平.一種基于IMM/MSPDAF的多傳感器信息融合目標跟蹤算法[J].現代防御技術,2010,38(6):123-127.

[2] 康耀紅.數據融合理論與應用[M].西安：西安電子科技大學出版社，1997.

[3] 楊萬海.多傳感器數據融合及其應用[M].西安：西安電子科技大學出版社,2003.

[4] 王文斐.基于信息融合的雷達/紅外符合制導目標跟蹤方法研究[D].哈爾濱：哈爾濱工業大學航天學院,2006.

[5] 何友,王國宏,陸大纟金.多傳感器信息融合及應用[M].第2版.北京:電子工業出版社,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