劉衛(wèi)華，譚順成

（海軍航空工程學(xué)院a.科研部；b.信息融合研究所，山東煙臺264001）

隱身目標(biāo)是現(xiàn)代雷達面臨的四大威脅之一。雷達目標(biāo)隱身技術(shù)是通過改變武器裝備等目標(biāo)的可探測信息特征，使敵方雷達探測系統(tǒng)不易發(fā)現(xiàn)或發(fā)現(xiàn)距離縮短的綜合性技術(shù)，隱身技術(shù)改變了空戰(zhàn)的方法，特別是隱身飛機與精確制導(dǎo)武器相結(jié)合大幅度提高了作戰(zhàn)效能，改變了攻防戰(zhàn)略平衡。發(fā)展反隱身技術(shù)和武器系統(tǒng)已成為重要而緊迫的任務(wù)。

隱身技術(shù)自問世以來，在戰(zhàn)斗機、導(dǎo)彈和艦船等主要作戰(zhàn)武器系統(tǒng)上的應(yīng)用得到了較大發(fā)展，引起各國高度重視，在現(xiàn)代戰(zhàn)爭中發(fā)揮著重要作用。海灣戰(zhàn)爭中，F(xiàn)-117A隱身戰(zhàn)斗機是唯一能在嚴(yán)密設(shè)防的巴格達上空自由活動的飛機，42 架F-117A 戰(zhàn)斗轟炸機的飛行架次，僅占美國飛行總架次的2%，卻承擔(dān)了美國戰(zhàn)略任務(wù)的43%；1999年的科索沃戰(zhàn)爭中，北約又使用多種隱身兵器對南聯(lián)盟進行轟炸和導(dǎo)彈攻擊，在空襲行動中，除使用了F-117A 隱身戰(zhàn)斗機和AGM-129隱身巡航導(dǎo)彈外，還首次使用了B-2隱身轟炸機[1]。

短短幾年時間，隱身技術(shù)的研究及其應(yīng)用獲得了突破性進展。綜析各國經(jīng)濟財力、軍事力量和技術(shù)發(fā)展水平，世界各大軍事強國已經(jīng)擁有不同隱身程度和不同數(shù)量的隱身武器。繼F-117A和B-2后，美國的洛克希德公司又推出了可以被稱為新一代隱身戰(zhàn)機的F-22及后續(xù)的F-35。其他國家，如俄羅斯、英、法、德、日等國，也在積極發(fā)展隱身技術(shù)并取得了明顯進展。

1 隱身目標(biāo)檢測與跟蹤的主要方法

隱身技術(shù)發(fā)展至今已形成了從遠(yuǎn)程轟炸機、戰(zhàn)斗機到巡航導(dǎo)彈的一系列較為齊全的隱身飛行器。典型隱身飛行器的隱身性能參考值見表1[2]。由表1可見，目標(biāo)的RCS 大大縮減，而目標(biāo)RCS的減少又極大地縮短了雷達對這些目標(biāo)的探測距離，從而大大增強了隱身飛機的空中突防能力。表2給出了雷達探測距離隨雷達反射截面積減縮而減小的情況。從表1、2可以看出隱身飛行器的出現(xiàn)和使用，極大地降低微波波段雷達的探測性能，是對傳統(tǒng)雷達的嚴(yán)峻挑戰(zhàn)，因而盡快研究隱身目標(biāo)的有效跟蹤和檢測對于增強雷達的預(yù)警探測能力具有重要的現(xiàn)實意義。

表1 典型隱身飛行器RCS減縮水平Tab.1 RCS curtailer level of typical stealth aircraft

目前，探測隱身目標(biāo)的主要措施有：利用隱身目標(biāo)的頻域窗口，采用米波雷達等低頻雷達進行目標(biāo)探測；利用隱身目標(biāo)的空域窗口，采用雙/多基地雷達或雷達組網(wǎng)技術(shù)，由不同頻率的雷達從不同方位照射目標(biāo)，獲得隱身目標(biāo)完整而連續(xù)的探測信息；采用新體制雷達，如有源相控陣?yán)走_、天波超視距雷達、地波超視距雷達等；采用先進的信號和數(shù)據(jù)處理方法，通過在空間和時間上對隱身目標(biāo)回波的積累處理實現(xiàn)隱身目標(biāo)的檢測和跟蹤。

表2 雷達探測距離隨RCS縮減而減小的情況Tab.2 Reducing of maximum range of interest as the curtailing of RCS

利用先進的信號和數(shù)據(jù)處理方法進行隱身目標(biāo)的探測和跟蹤，因其推廣性好等優(yōu)點，受到了人們越來越多的關(guān)注，其中，最典型的方法是檢測前跟蹤方法（TBD）[3-16]。國內(nèi)已有多家機構(gòu)和大學(xué)對TBD技術(shù)進行了研究，取得了許多成果，目前具有代表性的TBD方法主要包括Hough變換[3-4]、極大似然[5]、動態(tài)規(guī)劃[6-9]和粒子濾波（PF）[10-16]等。TBD方法的實質(zhì)是用時間來換取信噪比，是低信噪比條件下對隱身目標(biāo)檢測與跟蹤的有效辦法，在現(xiàn)代軍事領(lǐng)域獲得了廣泛的重視和應(yīng)用，已經(jīng)成為現(xiàn)今雷達發(fā)展的一個重要方向。

2 隱身目標(biāo)檢測與跟蹤面臨的難點問題

目前，目標(biāo)檢測和跟蹤的TBD技術(shù)研究大多是在某種特定的假定條件下進行的。然而，實際情況往往具有較大的不確定性：隱身目標(biāo)信號的強弱隨隱身目標(biāo)所處的雜波背景不同而發(fā)生變化；隱身目標(biāo)運動狀態(tài)隨不同的作戰(zhàn)任務(wù)機動多變；進入雷達探測范圍的隱身目標(biāo)的數(shù)量通常是未知且時變的；機載多普勒（PD）雷達高脈沖重復(fù)頻率引起的距離模糊[17-20]等。因此，實現(xiàn)對隱身目標(biāo)的有效探測迫切需要解決這些不確定性帶來的問題。具體而言，主要包括以下方面。

2.1 隱身目標(biāo)模型的不確定性

為了研究和處理的方便，目前的研究大多假定目標(biāo)為“點目標(biāo)”模型。但是在實際應(yīng)用中，隨著雷達分辨力、目標(biāo)大小、目標(biāo)遠(yuǎn)近的不同以及目標(biāo)的高速機動，會出現(xiàn)目標(biāo)回波占據(jù)多個距離分辨單元的情況，即所謂的“距離擴展目標(biāo)”情況。在此情況下，若將“距離擴展目標(biāo)”當(dāng)作“點目標(biāo)”來處理，會導(dǎo)致目標(biāo)被雜波和噪聲湮沒，難以實現(xiàn)對隱身目標(biāo)的有效檢測。

2.2 隱身目標(biāo)運動模式的不確定性

隱身目標(biāo)為了提高生存和突防能力，會隨時進行一定的機動，同時其運動狀態(tài)也會因不同的作戰(zhàn)任務(wù)而改變，對于早期的隱身目標(biāo)（如F-16S 和F-117A等），其機動性能一般，目標(biāo)機動對雷達檢測跟蹤性能的影響并不是很大，但是對于目前比較先進的隱身目標(biāo)（如F-22 和F-35 等），其機動性能較好，大大增加雷達探測系統(tǒng)檢測和跟蹤隱身目標(biāo)的難度。隱身目標(biāo)的低可觀測性使得常規(guī)的先檢測后跟蹤算法中的目標(biāo)機動檢測方法不再適用于隱身目標(biāo)的機動檢測，而已有的隱身目標(biāo)TBD算法一般假定目標(biāo)做勻速直線運動，對于高機動隱身目標(biāo)，如果仍按照勻速運動的假設(shè)對目標(biāo)狀態(tài)進行建模，將難以實現(xiàn)正確的信號積累，違背了TBD算法通過時間換取信噪比的本質(zhì)，從而嚴(yán)重影響算法的隱身目標(biāo)的檢測和跟蹤性能。

2.3 隱身目標(biāo)所處環(huán)境的不確定性

目前的研究大多是在假定目標(biāo)幅度為恒定幅值或者某一特定分布的基礎(chǔ)上進行的，如采用瑞利分布、Ricean分布、K分布等，但是目標(biāo)的高速機動，往往同時會造成目標(biāo)所處環(huán)境的發(fā)生改變，從而導(dǎo)致目標(biāo)的幅度分布特性的變化。因此，采用單一的分布假定不能很好地適應(yīng)不同的目標(biāo)環(huán)境和目標(biāo)特性。

2.4 多隱身目標(biāo)的檢測與跟蹤

在現(xiàn)代戰(zhàn)爭中，敵機突防密度、批次大大增加，目標(biāo)也通常采取編隊飛行的方式，在這種情況下，對隱身目標(biāo)進行檢測與跟蹤，除了目標(biāo)高機動，還將面臨多隱身目標(biāo)有效檢測與跟蹤的難點問題。目前，大多數(shù)研究往往假設(shè)目標(biāo)個數(shù)或者最大目標(biāo)個數(shù)已知，但是在實際中，有無目標(biāo)以及進入雷達探測范圍的目標(biāo)的數(shù)量都是未知，在這種情況下，一般的算法難以實現(xiàn)對鄰近目標(biāo)的有效檢測；此外，目標(biāo)的出現(xiàn)和消失具有隨機性，某一時刻監(jiān)測區(qū)域內(nèi)的目標(biāo)個數(shù)是隨時間變化的，若假設(shè)最大目標(biāo)個數(shù)已知，當(dāng)實際目標(biāo)大于假設(shè)最大目標(biāo)個數(shù)時，必然造成漏檢，而實際目標(biāo)個數(shù)小于假設(shè)最大目標(biāo)個數(shù)時，會造成算法復(fù)雜度和計算量的不必要的急劇增長。因此，在目標(biāo)數(shù)先驗未知的條件下，準(zhǔn)確地確定目標(biāo)數(shù)，并檢測出各個目標(biāo)以及分離出各目標(biāo)航跡的算法是多隱身目標(biāo)檢測與跟蹤需要解決的難點。

2.5 機載高重頻雷達的多隱身目標(biāo)檢測與跟蹤

目前，PD 體制被廣泛用于先進戰(zhàn)斗機的雷達，如：美國F-15E“攻擊鷹”上的AN/APG-70 雷達、法國幻影2000-5型戰(zhàn)斗機上的RDY 雷達、俄羅斯的蘇-35上的Zhuk-PH雷達等。機載PD雷達為了無模糊地測量目標(biāo)速度，通常采用高、中脈沖重復(fù)頻率，因而測量的目標(biāo)距離是模糊的，不能反映目標(biāo)的真實距離情況。為了解距離模糊，機載PD 雷達通常采用多個脈沖重復(fù)頻率，但這對于隱身目標(biāo)檢測的場合是不適用的，這是因為隱身目標(biāo)的信噪比很低，需要先通過長時間的信號積累，在達到可靠檢測所需的信噪比后，才能再采用多個脈沖重復(fù)頻率解模糊，但由于目標(biāo)距離測量是模糊的，采用現(xiàn)有的TBD技術(shù)無法對來自同一個目標(biāo)的信號進行正確的積累。因此，在距離模糊條件下如何進行快速積累，實現(xiàn)對隱身目標(biāo)的有效檢測，是機載PD雷達面臨的難點問題。

3 隱身目標(biāo)檢測與跟蹤面臨難點的探討

3.1 高機動隱身目標(biāo)的檢測與跟蹤方案

針對高機動隱身目標(biāo)的檢測與跟蹤問題，在目標(biāo)狀態(tài)矢量中增加表示目標(biāo)存在與否以及目標(biāo)運動模型2個離散變量，并采用粒子濾波實現(xiàn)包含這2個變量的混合濾波過程，以有效實現(xiàn)機動目標(biāo)的檢測與跟蹤。這里，自適應(yīng)算法表現(xiàn)在2個方面：一方面指在某一次具體的檢測跟蹤中，可以對具有多種運動形式的目標(biāo)做自適應(yīng)檢測跟蹤；另一方面，這一算法中的運動模式可以根據(jù)實際情況增刪。

基本思路：首先，對目標(biāo)不同的運動模式建立多種運動模型；然后，對目標(biāo)存在狀態(tài)進行判斷，若判斷目標(biāo)存在，再確定其運動模式并得到相應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移方程，實現(xiàn)隱身目標(biāo)運動模式的自適應(yīng)；最后，通過多幀積累，實現(xiàn)目標(biāo)的檢測與跟蹤。針對高機動隱身目標(biāo)檢測與跟蹤的解決方案如圖1所示。

圖1 高機動隱身目標(biāo)檢測與跟蹤方案Fig.1 Detection and tracking solution for high maneuvering stealth target

3.2 多隱身目標(biāo)條件下的檢測與跟蹤方案

引入“目標(biāo)相繼消除”的思想對數(shù)目未知的多隱身目標(biāo)進行檢測，將多目標(biāo)聯(lián)合跟蹤、檢測的最優(yōu)問題，化為單個目標(biāo)依次跟蹤、檢測的次優(yōu)問題，以此解決對鄰近目標(biāo)的檢測問題。

基本思路：首先，利用PF-TBD算法對當(dāng)前量測進行處理，通過計算目標(biāo)存在概率判斷目標(biāo)是否存在；然后，如果判斷不需要繼續(xù)檢測目標(biāo)，則輸出目前已檢測到的目標(biāo)數(shù)，否則，需要利用本次已檢測到的目標(biāo)的狀態(tài)估計值對現(xiàn)有量測集合進行修正，來消除已檢測到的目標(biāo)對檢測剩余目標(biāo)造成的影響；最后，在此基礎(chǔ)上，確立一定的檢測規(guī)則，依次對修正后的量測值進行PF-TBD算法，檢測出多個隱身目標(biāo)，直到門限判決出沒有目標(biāo)存在時轉(zhuǎn)下一時刻的量測數(shù)據(jù)。針對多隱身目標(biāo)檢測與跟蹤的總體方案見圖2。

圖2 多隱身目標(biāo)檢測與跟蹤方案Fig.2 Detection and tracking solution for multiple stealth targets

3.3 機載高重頻雷達的多隱身目標(biāo)檢測與跟蹤方案

3.3.1 基于Hough變換的技術(shù)方案

機載高重頻下基于Hough變換的多隱身目標(biāo)檢測技術(shù)的核心思想是：盡管對某一脈沖重復(fù)頻率，其不同時刻各模糊距離測量有基本相似的運動航跡，但不同脈沖重復(fù)頻率下，對于模糊測量，其運動軌跡不滿足一定特性（如不在一條直線上），而對于不模糊測量，其運動軌跡則滿足一定特性。

基本思路：首先，利用得到的模糊距離測量，通過一對多映射得到所有可能的距離測量；然后，經(jīng)過Hough變換將所有可能測量映射到同一個參數(shù)空間；最后，在參數(shù)空間中對不同時刻的映射進行積累，并通過門限判斷，獲得目標(biāo)真實航跡。這里門限選取和參數(shù)空間的劃分問題是準(zhǔn)確檢測出目標(biāo)的關(guān)鍵。根據(jù)以上思路，機載高重頻下基于Hough變換的多隱身目標(biāo)檢測與跟蹤方案如圖3所示。

圖3 機載高重頻下基于Hough變換的多隱身目標(biāo)檢測與跟蹤方案Fig.3 Hough transform based solution for multiple stealth targets detection and tracking with airborne high pulse repetition frequency radar

3.3.2 基于動態(tài)規(guī)劃的技術(shù)方案

機載高重頻下，針對目標(biāo)密集導(dǎo)致無法利用動態(tài)規(guī)劃對多個隱身目標(biāo)信號進行有效檢測的問題，擬通過正確選擇搜索區(qū)域和航跡選取規(guī)則減少虛假航跡，在此基礎(chǔ)上再利用動態(tài)規(guī)劃進行隱身目標(biāo)檢測，并結(jié)合中國余數(shù)定理，解決各PRF對應(yīng)距離單元數(shù)不互質(zhì)情況下的解模糊，從而實現(xiàn)多隱身目標(biāo)檢測與跟蹤。

基本思路：首先，在正確選擇可行的搜索區(qū)域和制定合適的航跡平滑規(guī)則的基礎(chǔ)上，利用動態(tài)規(guī)劃在各重頻下進行目標(biāo)航跡提取，并對提取得到的每條航跡分析，獲得各條航跡的特征，如波束位置，航跡頭以及徑向速度等；然后，進一步利用這些特征，從每個PRF的所有可能航跡中分別得到一條可行航跡構(gòu)成若干匹配航跡組；最后，利用中國余數(shù)定理方法對每個航跡組解模糊。根據(jù)以上思路，機載高重頻下基于動態(tài)規(guī)劃的多隱身目標(biāo)檢測與跟蹤方案如圖4所示。

圖4 機載高重頻下基于動態(tài)規(guī)劃的多隱身目標(biāo)檢測與跟蹤方案Fig.4 Dynamic programming based solution for multiple stealth targets detection and tracking with airborne high pulse repetition frequency radar

4 結(jié)束語

隱身目標(biāo)的出現(xiàn)使得現(xiàn)代戰(zhàn)爭的概念發(fā)生了深刻的變化，隱身飛機在多次局部戰(zhàn)爭中的成功使用使得反隱身技術(shù)成為當(dāng)前的熱門研究課題。目標(biāo)隱身技術(shù)的發(fā)展，必將進一步降低現(xiàn)有雷達系統(tǒng)對隱身目標(biāo)的檢測與跟蹤的能力，嚴(yán)重制約著雷達信息的獲取，因而實現(xiàn)對隱身目標(biāo)的有效探測是亟需解決的現(xiàn)實問題。先進的信號和數(shù)據(jù)處理方法是低信噪比條件下對隱身目標(biāo)檢測與跟蹤的有效辦法，在現(xiàn)代軍事領(lǐng)域獲得了廣泛的重視和應(yīng)用。針對現(xiàn)有算法存在的不足，對目標(biāo)反隱身技術(shù)進行研究，對增強雷達的預(yù)警探測能力具有重要的軍事意義。

[1]王狂飆.隱身飛機的戰(zhàn)斗技術(shù)特點分析與防御對策[J].火力與指揮控制，2003，28（6）：1-4，9.

WANG KUANGBIAO.The technical and tactical analysis of stealth aircraft and the countermeasure of its defense[J].Fire Control&Command Control，2003，28（6）：1-4，9.（in Chinese）

[2]陳永光，李修和，沈陽.組網(wǎng)雷達作戰(zhàn)能力分析與評估[M].北京：國防工業(yè)出版社，2006：63-68.

CHEN YONGGUANG，LI XIUHE，SHEN YANG.Combat capability analysis and evaluation of radar network[M].Beijing：National Defense Industry Press，2006：63-68.（in Chinese）

[3]FAN L，ZHANG X，WEI L.TBD algorithm based on improved randomized Hough transform for dim target detection[J].Progress in Electromagnetics Research C，2012，31：271-285.

[4]關(guān)鍵，黃勇.MIMO雷達多目標(biāo)檢測前跟蹤算法研究[J].電子學(xué)報，2010，38（6）：1449-1453.

GUAN JIAN，HUANG YONG.Track-before-detect algorithm in a MIMO radar multi-target environment[J].Acta Electronica Sinica，2010，38（6）：1449-1453.（in Chinese）

[5]TONISSEN S M，BAR-SHALOM Y.Maximum likelihood track-before-detect with fluctuating target amplitude[J].IEEE Transactions on Aerospace and Electronic Systems，1998，34（3）：796-808.

[6]DENG X，PI Y，MORELANDE M，et al.Track-before-detect procedures for low pulse repetition frequency surveillance radars[J].IET Radar，Sonar &Navigation，2011，5（1）：65-73.

[7]YI W，KONG L J，YANG J Y，et al.Student highlight：Dynamic programming- based track- before- detect approach to multitarget tracking[J].IEEE Aerospace and Electronic Systems Magazine，2012，27（12）：31-33.

[8]吳衛(wèi)華，王首勇，杜鵬飛.一種基于目標(biāo)狀態(tài)關(guān)聯(lián)的動態(tài)規(guī)劃TBD算法[J].空軍雷達學(xué)院學(xué)報，2011，25（6）：415-418，422.

WU WEIHUA，WANG SHOUYONG，DU PENGFEI.Dynamic programming track-before-detect algorithm based on target state correlation[J].Journal of Air Force Radar Academy，2011，25（6）：415-418，422.（in Chinese）

[9]李濤，吳嗣亮，曾海彬，等.基于動態(tài)規(guī)劃的雷達檢測前跟蹤新算法[J].電子學(xué)報，2008，36（9）：1824-1828.

LI TAO，WU SILIANG，ZENG HAIBIN，et al.A new radar track-before-detect algorithm based on dynamic programming[J].Acta Electronica Sinica，2008，36（9）：1824-1828.

[10]RISTIC B，ARULAMPALAM S，GORDON NJ.Beyond the Kalman filter-Particle filters for tracking applications[M].Boston：Artech House，2004：239-258.

[11]龔亞信，楊宏文，胡衛(wèi)東，等.基于多模粒子濾波的機動弱目標(biāo)檢測前跟蹤[J].電子與信息學(xué)報，2008，30（4）：941-944.

GONG YAXIN，YANG HONGWEN，HU WEIDONG，et al.Multiple model particle filter based track-before-detect for maneuvering weak target[J].Journal of Electronics&Information Technology，2008，30（4）：941-944.

[12]RUTTEN M G，GORDON N J，MASKELL S.Recursive track-before-detect with target amplitude fluctuations[J].IEE Proceeding-Radar Sonar Navigation，2005，152（5）：345-352.

[13]BOERS Y，DRIESSEN J N.Multitarget particle filter track before detect application[J].IEE Proceedings-Radar，Sonar and Navigation，2004，151（6）：351-357.

[14]HLINOMAZ P，HONG L.A multi-rate multiple model track-before-detect particle filter[J].Mathematical and Computer Modelling，2009，49（1）：146-162.

[15]SU H T，WU T P，LIU H W，et al.Rao-blackwellised particle filter based track-before-detect algorithm[J].IET Signal Processing，2008，2（2）：169-176.

[16]龔亞信，楊宏文，胡衛(wèi)東，等.基于粒子濾波的弱目標(biāo)檢測前跟蹤算法[J].系統(tǒng)工程與電子技術(shù)，2007，29（12）：2144-2148.

GONG YAXIN，YANG HONGWEN，HU WEIDONG，et al.Particle filter based track-before-detect algorithm for weak targets[J].Systems Engineering and Electronics，2007，29（12）：2144-2148.（in Chinese）

[17]張明友，汪學(xué)剛.雷達系統(tǒng)[M].2 版，北京：電子工業(yè)出版社，2006：92-134.

ZHANG MINGYOU，WANG XUEGANG.Radar Systems[M].2nd ed.Beijing：Publishing House of Electronics Industry，2006：92-134.（in Chinese）

[18]WANG N，WANG G H，ZENG J Y，et al.Range ambiguity resolving of HPRF radar based on hybrid filter[J].Science China Information Sciences，2011，54（7）：1534-1546.

[19]WANG N，WANG G H，GUAN C B，et al.A Bayesian Approach to simultaneous range ambiguity resolving and tracking for high pulse-repetition frequency radar[J].Journal of Astronautics，2011，32（9）：2015-2022.

[20]WANG G H，TAN S C，GUAN C B.Multiple model particle filter track-before-detect for range ambiguous radar[J].Chinese Journal of Aeronautics，2013，26（6）：1477-1487.