無源多傳感器綜合數據關聯算法研究

王赫男

摘 要：區別于傳統的數據關聯算法，本文通過應用目標的屬性信息和方位信息對目標進行屬性判決和定位，此方法簡單易行、且省去了傳統交叉定位算法中去除虛假點的麻煩，運算量少，在偵察系統中具有較高的應用價值。

關鍵詞：多傳感器；屬性數據；數據關聯；交叉定位

中圖分類號：TN953 文獻標識碼：A 文章編號：1671-2064（2019）15-0023-02

0 引言

隨著電子對抗與反對抗、隱身與反隱身技術的迅速發展，在戰場態勢瞬息萬變的環境中，依靠單一傳感器提供信息已無法滿足作戰需要，必須采用不同類型的多傳感器提供探測數據，并進行多傳感器數據關聯，這樣才能掌握準確的戰略、戰術情報，獲得最佳的作戰效果。這些傳感器通常是無源的，即不主動向外發射電磁波，而是通過接收目標輻射的電磁波來探測和跟蹤目標的。利用無源傳感器對多目標進行跟蹤，可以充分發揮無源探測隱蔽性好、提取目標屬性信息多等優點，增強系統在電子戰環境下的抗干擾能力、生存能力，提高系統的性能。

在無源多傳感器數據關聯中，傳統的數據關聯算法只利用與目標狀態向量直接相關的信息（如TOA、DOA、方位等），可利用的目標信息非常有限。事實上，可用于目標探測的無源傳感器種類非常多，不只是能獲取目標的狀態信息，還可以獲得更多的有關目標的屬性特征數據（如信號載頻（CW）、脈沖重復頻率（PRI）、脈寬（PW）及天線掃描周期等）[1]。本文將充分利用目標的狀態向量信息和屬性信息進行數據關聯，提高對目標屬性判別和定位。

1 目標屬性數據關聯算法

由于無源傳感器僅能獲得方位信息，目標的位置只能依靠各個方位探測線的交點確定，在多目標情況下，由兩個測向站進行交叉定位時，將產生許多虛假交叉定位點。一般情況下，僅依靠兩個傳感器的觀測很難區分真實目標和虛假目標，解決該問題的辦法可再增加一個測向站[2]。但隨著觀測站和目標數目的增加，數據關聯的計算量將呈指數增長，給實時處理帶來困難，這時就要充分利用無源探測器獲得目標屬性信息多的特點，先利用屬性信息（CW、PRI、PW）進行數據關聯以減少計算量。

屬性數據關聯的算法較多，這里采取計算傳感器測量值的模糊隸屬度的方法來判斷所測數據的關聯度（隸屬度），進而判斷所測目標是否是同一目標。在建立隸屬度函數時，考慮到目標本身的特性及傳感器工作時的干擾，選取正態函數作為傳感器測量值的隸屬函數：

（1）

其中表示傳感器對參數測量誤差的均方值，表示該參數的測量基準值。為測量值。通過計算每一特征值的隸屬度，則可得每一傳感器的隸屬度向量。

（2）

在兩探測站探測多目標時（各目標屬性各不相同），可先將某一傳感器的測量特征向量值做為基準，計算另一傳感器的每一特征向量與其對比后的隸屬度。若某一隸屬度向量中的所有元素都大于預先設置的隸屬度門限值，則可認為此特征向量與對應的基準特征向量所探測的是同一目標。

對同一目標的一組特征向量對應元素求平均值，確定新的特征向量，將其作為下一時刻特征向量測量值與其對比的基準，依此類推。

采用屬性數據關聯，不僅可獲取目標的屬性信息，而且可省去傳統的多目標交叉定位時去除虛假點的困難。

2 測向交叉定位法

測向交叉定位方法是無源定位中應用最多的一種，它又稱三角形定位法，是指通過高精度的測向設備在兩個或兩個以上的觀測站對目標進行測向，然后根據各觀測站測得的數據以及觀測站之間的距離，經過幾何的三角運算，確定出目標的位置。

在屬性數據關聯中已經確定出同一目標所對應的一組特征向量值，那么也就相當于知道了兩個傳感器對同一目標測量的方位值，于是可采取交叉定位法對目標進行定位。

對于兩傳感器單目標來說，設傳感器位置和已經被統一到同一坐標系下，對目標的方位測量值（與目標的屬性特征在同一時刻被測）分別為，。則目標位置可由以下方程組測得[3]。

（3）

解方程組可得：

依此類推：可測得各個目標的位置，進而可求得目標到觀測點的距離。但這種方式的測量精度不高，可用于遠程搜索雷達，告警雷達等。若多傳感器（三個及三個以上）對同一目標進行交叉定位，則由于實際探測中存在測角誤差，所以交叉定位就有可能產生交叉點不重合的情況，要想得到精確的目標位置，有必要對這些交叉定位點在進行數據融合，如利用平均法、最小二乘法、迭代法等，從而得到更接近目標真實位置的估計值。

3 仿真實驗

仿真條件：設有兩個探測傳感器，三個目標。目標特征向量由四個特征數據構成，即CW（MHz）、PRI（Hz）、PW（us）、方位（o）。

已知傳感器1在直角坐標系的坐標為（0，-30km），傳感器2在直角坐標系的坐標為（0，30km）。

設t1時刻傳感器1測得的一組特征向量為：{（3000，250，6.5，60）；（3800，200，7.0，45）；（2000，300，6.0，30）}。傳感器2測得的一組特征向量為：{（3080，245，6.3，145）；（2000，285，5.7，110）；（3850，180，6.8，135）}。各傳感器方位角測量精度為0.58 mrad（2min），屬性方差為（25，2.6，0.2）。隸屬度門限值為0.7。屬性關聯后的結果由表1-表3所示（選取了隸屬度最大的）。

從表1-表3可以看出，傳感器2所測的一個特征向量較傳感器1中的一個特征向量隸屬度都超過了門限值，故可以認為它們為同一目標的屬性特征向量。如U12和U23為同一目標特征向量值。

確定了同一目標的來自不同傳感器的兩組特征向量后，就可取其特征向量中的方位信息對目標進行定位。設目標的初始位置為：目標1（100km，200km），目標2（102km，200km），目標3（98km，200km）。取傳感器1和傳感器2特征向量中對應的方位值，如（U12中的45°和U23中的135°），而后利用交叉定位法對目標進行定位，仿真結果為：目標1（100.4km，200km），目標2（101.7.km，200km），目標3（99km，200km）。仿真結果存在一定的誤差，所以說此方法可應用與對目標位置要求低的場合，如應用在遠程搜索雷達，告警雷達中。

若目標是運動的，則在不同時刻仍然應用此方法，可表現為對目標進行跟蹤。

4 結語

本文通過應用目標的屬性信息和方位信息對目標進行屬性判決和定位，此方法簡單易行、且省去了傳統交叉定位算法中去除虛假點的麻煩，運算量少，在偵察系統中具有較高的應用價值。

參考文獻

[1] 何友，王國宏，等.多傳感器信息融合及應用[M].電子工業出版社，2001.

[2] 王新全，王維玲.無源定位與數據融合技術在輻射源目標跟蹤中的應用[J].系統工程與電子技術，2003（08）：24-27.

[3] 修建娟，何友.兩站無源定位系統中的多目標跟蹤算法研究[J].電子學報，2002（12）：32-35.

[4] 王杰貴，羅景青.基于多目標多特征信息融合數據關聯的無源跟蹤方法[J].電子學報，2004（06）：6-8.