基于距離分辨的多目標同一性識別方法*

董愛,夏芒,李陟

(1.北京電子工程總體研究所，北京 100854；2.中國航天科工集團有限公司 第二研究院，北京 100854)

0 引言

分布式探測系統在隱身目標探測、高精度定位、抗干擾、抗軟硬殺傷等方面有明顯的優勢，也越來越多的得到應用。目前，應用較多的分布式探測系統有三大類[1-3]：有源分布式探測系統、無源分布式探測系統和有源/無源分布式探測系統。工程上應用較多的是有源/無源(T/R-RN)型分布式探測系統即主站雷達發射信號，同時多站接收目標回波信號，主站融合處理各回波信號實現對目標定位。

分布式探測多站結構實現對目標的定位不僅需要主站雷達的測量信息，也需要各接收副站的測量信息。多目標情況下，多站結構將可能導致各接收站測量信息進行融合解算時存在模糊組合問題，需要將各接收站的測量數據正確組合在一起才能實現對目標的正確定位。即有N個目標時，需將主站雷達測量集合{RT1，RT2，…,RTN}、第i個接收副站測量集合{RTi1，RTi2，…,RTiN}中屬于同一個目標的測量信息正確組合，避免解算得到虛假目標位置。解決多目標同一性識別或多目標數據關聯問題，一直是分布式探測系統研究與應用的難點[4-8]。

針對有源/無源分布式探測系統多目標同一性識別問題，基本思路是基于冗余目標測量信息，設定關聯門限，建立關聯函數，進行多目標同一性識別[9-14]，可獲得很高的識別成功概率。本文針對有源/無源分布式探測系統，研究了多目標情況下各接收副站收到脈沖回波的時序情況，仿真證明了從距離上能夠分辨出的目標，只要按時序進行組合，就可避免虛假模糊組合。

1 多目標同一性識別問題提出

以圖1所示的1發4收(T/R-R3)分布式測量系統為例，通常認為在多目標情況下，可能出現回波到達時序不一致的情形，如圖2所示，此時系統根據到達時序就不能準確識別出各個目標，就會出現虛假模糊組合情況。

圖1中，(xT,yT,zT)為某個目標的三維坐標，(x3,y3,z3)為接收副站3的三維坐標，RT為目標到雷達主站的距離，RT1為目標到接收副站1的距離，RT2為目標到接收副站2的距離，R3為接收副站3到雷達主站的距離，RT3為目標到接收副站3的距離，L為接收副站1到雷達主站的距離，βT為雷達主站的方位角 ,εT為雷達主站的俯仰角。

在出現目標時序不一致的情況時，一個雷達測量周期內，4個接收站分別接收到N個目標斜距信息，則系統對這些測量信息進行融合解算時，將有N4種數據組合，而其中只有N個組合可以解算出正確的目標位置，其余N4-N個組合均是模糊組合，解算時將會解算出虛假目標位置。多目標同一性識別就是要從N4種模糊數據組合中識別出N個不模糊的數據組合。為解決上述問題，現在較有效的方法是增加一維測量信息，通過冗余信息設定關聯門限，完成目標的同一性識別，這種方法往往需要增加測量設備，帶來使用上的一些問題。

為確保目標同一性識別，要確保2步：一是各單站測量設備的多目標分辨能力；二是各站測量信息的正確組合。

2 多目標同一性識別方法研究

2.1 各單站測量設備的多目標分辨能力分析

以隱身飛機典型四機編隊開展各單站測量設備的多目標分辨能力分析。四機編隊參數：取雙機組成的疏開梯隊，2個雙機編隊之間的前后距離取3 000 m，左右距離取800 m，雙機之間前后距離取200 m，左右間隔取80 m，高度差取100 m(前低后高)，飛行高度5或10 km(以領頭飛機為參考)，俯視圖見圖3。

通常制導雷達距離分辨能力較容易控制在10 m內，對典型四機編隊，不存在距離模糊的問題。在此選取圖1構型中的時間差測量接收副站3重點研究，隱身飛機四機編隊狀態下空間各飛行器相對關系示意圖見圖4。

經分析，四機編隊中1號機和2號機目標回波到達接收副站3的時差間隔為1.343 μs， 3號機和4號機到達接收副站3的時差間隔為1.337 μs，通過波形設計，較容易識別出四機編隊的各個目標。

2.2 基于距離分辨的多目標同一性識別方法

本節探討一個問題：對于典型有源/無源分布式探測系統，雷達主站中回波信號到達晚的目標，在各接收副站回波信號到達也晚。如果該結論成立，只要能從斜距上區分目標，當存在多個目標時，按回波到達先后次序進行數據關聯即可。

考慮圖1所示T/R-R3分布式探測系統，為實現對目標的三維高精度定位，雷達主站高精度測量目標斜距，3個接收副站接收目標回波，接收副站1、2直接測量接收回波的時間，接收副站3測量雷達照射直波和目標反射回波的時間差。在N個目標情況下，雷達主站的測量數據有{RT1，RT2，…,RTN}，接收副站1的測量數據有{RT11，RT12，…,RT1N}，接收副站2的測量數據有{RT21，RT22，…,RT2N}，接收副站3的測量數據有{RT31，RT32，…,RT3N}。

對雷達主站，目標回波相對發射脈沖的延遲時間為

(1)

式中：c為光速。

對接收副站1，目標回波相對發射脈沖的延遲時間為

(2)

對接收副站2，目標回波相對發射脈沖的延遲時間為

(3)

對接收副站3，目標回波相對雷達照射直波的延遲時間為

(4)

(5)

下面考慮接收副站3的情況。

y3)sinεT+(zT-z3)cosεTsinβT]=

(6)

由式(4)有

(7)

在上述典型構型下，只要能從斜距上區分開目標，那么當存在多個目標時，只要按回波到達先后次序進行數據關聯即可。

下面討論另外一種T/R-R3典型構型，見圖5，為實現對目標的三維高精度定位，雷達主站高精度測量目標斜距，3個接收副站測量雷達照射直波和目標反射回波的時間差。

圖5中，(x1,y1,z1)為接收副站1的三維坐標，R1為接收副站1到雷達主站的距離。

對接收副站1，目標回波相對雷達照射直波的延遲時間為

(8)

綜上所述，T/R-RN在分布式探測系統中，雷達主站中回波信號到達晚的目標，在各接收副站回波信號到達也晚，即能夠距離分辨出的目標，按時序組合，在通常情況下不存在模糊組合。

2.3 仿真驗證結果

在圖1典型構型下，針對圖3典型四機編隊，開展了各接收站目標回波到達時間仿真，仿真條件設定：1號機斜距50～150 km，1號機高度8 km，1號機方位角分別取60°，120°，-60°，-120°，2號機高度8.1 km，3號機高度8 km，4號機高度8.1 km，接收副站1,2與雷達主站的距離200 m，接收副站3方位角同1號機，接收副站3與1號機間距離30 km。

圖6～9給出了1號機不同方位角下的各站回波時序仿真結果。

從圖6～9中可以看出，在典型四機編隊情況下，各站接收回波未出現不一致情況，主站中看起來遠的目標，在各接收副站看起來也是遠的；主站看起來近的目標，在各接收副站看起來也是近的。只要按時序進行數據組合，就不會出現模糊組合。

3 結束語

多目標測量數據的同一性識別往往是多站測量系統要面臨的問題，本文以典型的T/R-R3型時差定位系統為例，針對該構型下多目標同一性識別的兩大方面展開分析，驗證了在各設備完成多目標的分辨后，基于距離分辨，按時序組合進行多目標數據組合，即可避免模糊定位情況。基于冗余測量數據的多目標同一性識別方法可作為按時序組合識別特殊情況處理的補充方法。該方法可用于距離分辨的有源無源分布式測量系統，具有很高的工程應用價值。

參考文獻：

[1] 何友,王國宏，彭應寧．多站信息融合及應用[M]．北京:電子工業出版社，2007:24-199．

HE You，WANG Guo-hong，PENG Ying-ning． Multi-Sensor Information Fusion and Application[M]．Beijing:Publishing House of Electronics Industry，2007:24-199．

[2] 孫仲康，周一宇，何黎星．單多基地有源無源定位技術[M]．北京:國防工業出版社，1996:44-92．

SUN Zhong-kang，ZHOU Yi-yu，HE Li-xing．Single Multistatic Active-Passive Location Technology[M]．Beijing:National Defence Industry Press，1996:44-92．

[3] Ristic Branko，ARULAMPALAM M，Sanjeev．Tracking a Manoeuvring Target Using Angle-only Measurements:Algorithms and Performance[J]．Signal Processing，2003，83(6):1223-1238．

[4] 夏智權,楊熔,景永奇.基于關聯度的多目標同一性識別[J].現代防御技術，2015,43(2):142-146.

XIA Zhi-quan，YANG Rong， JING Yong-qi． Multi-Sensor and Multi-Target Identity Recognition Based on Correlation Degree[J]．Modern Defence Technology,2015,43(2):142-146．

[5] 劉海軍，張學義，顧爾順．測向交叉定位系統多目標數據關聯研究[J]．現代防御技術，2007，35(2):89-91．

LIU Hai-jun，ZHANG Xue-yi，GU Er-shun．Study on Measurement Data Association of Passive Location Systems Based on Direction of Arrival[J]．Modern Defence Technology,2007,35(2):89-91．

[6] 葛愛軍，王東進，陳衛東，等． 基于一維測量的多傳感器多目標數據關聯[J]．火控雷達技術，2006，35(6):24-28．

GE Ai-jun，WANG DONG-jin，CHEN Wei-dong，et al．Multi-Sensor Multi-Target Data Association Based on 1-D Data Measurement[J]．Fire Control Radar Technology,2006, 35(6):24-28．

[7] 陶劍鋒．一種被動雙陣航跡關聯新方法[J]．聲學技術，2009，28(1):17-20．

TAO Jian-feng．A New Method for Track Association in Passive Double Arrays[J]．Technical Acoustics,2009,28(1):17-20．

[8] 廖輝榮，李國林．多目標跟蹤中聯合概率數據關聯優化算法[J]．計算機仿真，2011，28(11):14-18．

LIAO Hui-rong，LI GUO-lin．Joint Probability Algorithm in Data Association Based on DHN Artificial Nerve Network[J]．Computer Simulation,2011,28(11):14-18．

[9] SONG Ting-lin，GWAN L D，RYU J．A Probabilistic Nearest Neighbor Filter Algorithm for Tracking in a Clutter Environment[J]．Signal Processing， 2005， 85(10):2044-2053．

[10] DEB S，YEDDANAPUDI M，Bar-Shalom Y．A Generalized S-D Assignment Algorithm for Multisensor-Multitarget State Estimation[J]． Aerospace and Electronic Systems，IEEE Transactions on，1997，33(2):523-538．

[11] BAR-SHALOM Y,DALE BLAIR W.Multitarget-Multisensor Tracking Applications and Advances[M]．3rd ed.Boston:Artech House,2000．

[12] BLACKMAN S S，BUSCH M T．IMM/MHT Tracking and Data Association for Benchmark Tracking Problem[J]．American Control Conference，Proceedings of the IEEE，1995，38(12):2718-2723．

[13] YU K B.Recursive Super-Resolution Algorithm for Low-Elevation Target Angle Tracking in Multipath[J]．IEE Proceedings-Radar，Sonar and Navigation1994，141(4):223-229．

[14] ROECKER J A，PHILLIS G L．Suboptimal Joint Probabilistic Data Association[J]．Aerospace and Electronic Systems，IEEE Transactions on，1993，29(2):510-517．