寧娜 穆仕博

摘 要：????? 雙頻段復(fù)合制導(dǎo)是改善復(fù)雜電磁環(huán)境下雷達導(dǎo)引頭檢測性能及抗干擾能力的一條重要途徑。 針對雙頻段復(fù)合雷達導(dǎo)引頭， 本文提出了一種適用于雙頻段雷達的目標融合檢測及跟蹤算法。 該算法利用雙頻段信息自適應(yīng)構(gòu)建權(quán)重因子， 基于決策層的投票融合策略完成對目標的檢測及參數(shù)估計。 仿真實驗結(jié)果表明， 該算法有效提高了導(dǎo)引頭目標檢測能力及跟蹤精度， 改善了干擾條件下的導(dǎo)引頭檢測性能。

關(guān)鍵詞：???? 雷達; 雙頻段; 信息融合; 復(fù)合制導(dǎo); 檢測跟蹤

中圖分類號：??? TJ765.3;TN911文獻標識碼：??? A文章編號：???? 1673-5048（2018）01-0039-04

0 引? 言

為了滿足復(fù)雜電磁環(huán)境下攻防對抗精確目標檢測跟蹤武器的要求， 通過信息融合發(fā)展多模復(fù)合制導(dǎo)的目標檢測跟蹤技術(shù)成為當前精確制導(dǎo)的重要方向。 本文提出的雙頻段復(fù)合導(dǎo)引信息融合技術(shù)， 采用雙頻段主動雷達復(fù)合導(dǎo)引頭同時工作在兩個頻段下， 通過充分發(fā)揮兩個頻段下的工作優(yōu)勢， 有效改進導(dǎo)彈的目標檢測跟蹤性能， 提高導(dǎo)彈戰(zhàn)術(shù)使用上的靈活性。

雙頻段主動雷達復(fù)合導(dǎo)引具有如下優(yōu)勢：

（1） 抗干擾能力強

雙頻段雷達導(dǎo)引頭同時工作在Ka和Ku兩個頻段， 兩個工作頻段之間是相互獨立的， 通過同時發(fā)射兩個頻段下的電磁波可以增加敵方對己方導(dǎo)彈頻率偵查和實施干擾的難度。 在一個工作頻段受到干擾情況下另一頻段仍然能正常工作， 提高導(dǎo)引頭抗干擾性能。

（2） 跟蹤精度高

雙頻段導(dǎo)引頭可同時獲得兩個頻段目標回波信息， 目標信息量增多， 通過融合處理算法將兩個頻段信息進行融合， 相比單頻段導(dǎo)引頭可提高導(dǎo)引頭測量及跟蹤精度。

（3） 改善單頻段導(dǎo)引頭工作性能不足

導(dǎo)引頭工作頻段一定程度上影響其工作性能。 雙頻段導(dǎo)引頭在遠距時利用Ku波段波束寬的優(yōu)點提高中末制導(dǎo)交接班概率， 在近距時利用Ka波段的窄波束提高導(dǎo)引頭測角精度， 充分發(fā)揮各頻段工作優(yōu)勢， 彌補單一工作頻段不足。

雙頻段主動雷達導(dǎo)引頭利用兩種工作頻段的優(yōu)勢可有效提高導(dǎo)彈制導(dǎo)精度和抗干擾能力， 改進導(dǎo)彈在復(fù)雜干擾環(huán)境下的作戰(zhàn)效能。

1 雙頻段信息融合層次

雙頻段復(fù)合制導(dǎo)信息處理系統(tǒng)中數(shù)據(jù)和控制流向見圖1。 雙頻段雷達信息融合處理器承接了雙波段導(dǎo)引頭和飛行控制系統(tǒng)之間的信息流通和處理， 是制導(dǎo)系統(tǒng)的重要組成部分。

雙頻段復(fù)合雷達導(dǎo)引頭信息融合包括以下方面內(nèi)容：

【聯(lián)合工作模式】利用各頻段優(yōu)勢在不同階段協(xié)同工作。

【融合檢測】采用融合檢測方法， 增大檢測概率并控制虛警概率。

【融合跟蹤】使用融合跟蹤方法進一步剔除虛警， 確認目標， 改善目標跟蹤精度。

信息融合的目的是通過融合處理不同頻段下導(dǎo)引頭測量的距離、 速度或角度信息， 保證導(dǎo)引頭穩(wěn)定跟蹤特定目標， 跟蹤過程不受假目標、 雜波或干擾的影響。 融合器主要處理4類任務(wù)：

接收飛控裝訂的“預(yù)定區(qū)域”指令和慣導(dǎo)系統(tǒng)導(dǎo)航信息， 控制雙頻段導(dǎo)引頭目標搜索、 檢測過程。

在飛控信息的輔助下， 控制復(fù)合導(dǎo)引頭工作流程。

接收雙頻段導(dǎo)引頭雷達送來的傳感器報告， 估計多目標運動狀態(tài)。

將多目標運動狀態(tài)估計信息及歸檔信息反饋給信號融合器。

根據(jù)上述4類任務(wù)， 將融合器算法軟件分為兩部分進行設(shè)計， 即

【融合檢測算法設(shè)計】對兩個頻段下對應(yīng)檢測單元的信息依據(jù)一定的規(guī)則進行融合， 得到檢測單元中有無目標的最終判決。

【融合跟蹤算法設(shè)計】融合器在不同工作狀態(tài)下， 融合跟蹤算法對傳感器報告進行處理， 估計目標狀態(tài)信息。

雙頻段導(dǎo)引頭信息融合算法流程圖如圖2所示。 該信息融合處理是基于分布式CFAR檢測原理。 首先通過分布式CFAR對目標進行檢測; 將檢測結(jié)果分別傳輸?shù)礁黝l段信息處理中， 分別估計目標的參數(shù)， 提取目標回波特征; 同時將各頻段信息處理提取的目標特征和得到的目標參數(shù)送至融合器中， 與目標數(shù)據(jù)庫中的目標進行關(guān)聯(lián); 關(guān)聯(lián)的結(jié)果分別進行多目標跟蹤， 并送至融合器， 選擇目標并送出目標參數(shù)供飛控系統(tǒng)使用。

本文信息融合的特點： 一是對兩個頻段下檢測到的目標和融合器檢測到的目標同時進行特征提取和參數(shù)估計; 二是數(shù)據(jù)關(guān)聯(lián)所用的目標數(shù)據(jù)庫是融合器創(chuàng)建和實時更新的。 同時保留Ka和Ku兩個頻段完整的信息處理過程， 其中某頻段受到壓制式干擾情況下能保證目標的正常探測跟蹤， 壓制式干擾在融合器中實現(xiàn)判斷。

2 融合檢測算法

并行網(wǎng)絡(luò)分布式檢測結(jié)構(gòu)如圖3所示， N個局部傳感器在收到未經(jīng)處理的原始數(shù)據(jù)后， 在局部節(jié)點做出局部判決ui， 然后將其送至融合中心， 融合中心依據(jù)某種準則得到全局的最終判決u0。

本文依據(jù)分布式檢測融合系統(tǒng)結(jié)構(gòu)， 采用分布式非參量CFAR融合檢測算法實現(xiàn)信號檢測的融合處理。 非參量分布檢測器是在分布不確定或者變化的背景噪聲或者雜波包絡(luò)統(tǒng)計量中進行CFAR操作， 提供了不需要關(guān)于背景噪聲或雜波分布的先驗假設(shè)檢測。 非參量檢測器的基本結(jié)構(gòu)是把雜波或純噪聲輸入數(shù)據(jù)集轉(zhuǎn)化成檢測統(tǒng)計量。 該檢測統(tǒng)計量與固定檢測閾值進行比較， 獲得關(guān)于背景噪聲或者雜波環(huán)境統(tǒng)計特性的弱假設(shè)下的恒定虛警概率。

為驗證雙頻段信息融合有效性， 對恒定脈寬及脈沖重復(fù)間隔的Ka和Ku波段回波信號進行仿真， 雙頻段檢測概率及虛警概率與單一頻段下檢測的效果如圖4～5所示。 由圖可知， 采用融合檢測后，

較單一頻段虛警概率降低的同時檢測概率提高，? 達到了融合檢測的效果。

3 融合跟蹤算法

融合跟蹤算法的基礎(chǔ)是多目標跟蹤， 不論是“先跟蹤后融合”還是“先融合后跟蹤”， 都需要各個傳感器檢測到多個目標， 在此基礎(chǔ)上進行信息融合。 本文采用“先跟蹤后融合”的融合跟蹤算法， 如圖6所示。 在各個波段的信息處理單元中完成最近鄰關(guān)聯(lián)濾波， 將跟蹤濾波結(jié)果輸出到融合器中， 在融合器中進行航跡關(guān)聯(lián)， 完成跟蹤融合處理。

雙頻段目標跟蹤數(shù)據(jù)融合步驟如下：

（1） 導(dǎo)彈發(fā)射后， 制導(dǎo)系統(tǒng)推算目標距離和目標方向， 決定Ku波段發(fā)射機開機時機。

（2） 到達Ku波段作用距離后， Ku波段發(fā)射機開機， 根據(jù)導(dǎo)航推算， 對“裝訂目標”進行搜索截獲。

（3） 一旦Ku波段完成對目標的截獲證實， 數(shù)據(jù)融合器啟動跟蹤過程， 輸出制導(dǎo)信息， 導(dǎo)引頭進入Ku制導(dǎo)模式。 如果Ku波段無法完成對目標的截獲驗證， 則導(dǎo)引頭始終處于搜索狀態(tài)， 并根據(jù)預(yù)定策略擴大搜索區(qū)域。

（4） 如果Ku波段截獲目標并處于跟蹤狀態(tài)， 則可以根據(jù)目標距離控制Ka波段開機時機， 系統(tǒng)進入復(fù)合制導(dǎo)狀態(tài)。

（5） 如果導(dǎo)航系統(tǒng)推算到達Ka波段開機時機， 而Ku波段仍不能截獲目標， 則Ka波段開機， 兩個頻段共同搜索目標， 提高目標截獲概率。

（6） 雙頻段導(dǎo)引頭分布式多目標（考慮到雜波與干擾）航跡關(guān)聯(lián)， 獲得匹配航跡對。

（7） 將獲得關(guān)聯(lián)的雙波段航跡進行融合， 與未獲得關(guān)聯(lián)的航跡一起， 送到信息處理機總控。

4 結(jié) 束 語

本文詳細分析了雙頻段雷達復(fù)合導(dǎo)引信息融合工作流程， 對Ka和Ku雙頻段信息融合檢測算法和融合跟蹤算法給出了工程實現(xiàn)方法，? 并對提出的融合檢測算法做了仿真分析， 同時應(yīng)用雙頻段測量信息， 在降低虛警率的條件下同時提高目標檢測概率， 提高導(dǎo)引頭檢測性能的同時滿足抗干擾需要， 該算法運算量適中， 便于實際工程應(yīng)用。

參考文獻：

[1]? Chris K， Ben S. Multitarget Detection and Tracking Using Multisensor Passive Acoustic Data[J]. IEEE Journal of Oceanic Engineering， 2011， 36（2）： 205-218.

[2] 王陽， 趙晶， 馮德軍， 等. 基于HLA的主被動雷達導(dǎo)引頭復(fù)合制導(dǎo)仿真系統(tǒng)[J]. 系統(tǒng)仿真技術(shù)， 2011， 7（4）： 299-304.

Wang Yang， Zhao Jing， Feng Dejun， et al. Study on Simulation System Based on HLA of Active-Passive Radar Composite Homing? Guidance[J]. System Simulation Technology， 2011， 7（4）： 299-304. （in Chinese）

[3] 樊會濤， 呂長起， 林忠賢， 等. 空空導(dǎo)彈系統(tǒng)總體設(shè)計[M]. 北京： 國防工業(yè)出版社， 2007.

Fan Huitao， Lü Changqi， Lin Zhongxian， et al . Overall Design of Air-to-Air Missile System [M]. Beijing： National Defense Industry Press， 2007. （in Chinese）

[4] 趙曉睿， 高曉光， 張建東. 主動雷達型空空導(dǎo)彈截獲概率分析[J]. 飛行力學(xué)， 2002， 20 （3）： 59262.

Zhao Xiaorui， Gao Xiaoguang， Zhang Jiandong. Target Acquisition Probability Analysis for Active Radar-Guided Air- to-Air Missile[J]. Flight Dynamics， 2002， 20 （3）： 59262. （in Chinese）

[5] Vathsal S， Sarkar A K. Current Trends in Tactical Missile Guidance[J]. Defence Science Journal， 2005， 55 （2）： 2652280.

[6] 秦榮華. 遠程攻擊末制導(dǎo)目標截獲概率數(shù)字仿真[J] . 上海航天， 2005 （3）： 26228.

Qin Ronghua. Simulation of Target Air Capture Probability of Aerocraft Terminal Guidance for Long-Distance Attack[J] .Aerospace Shanghai， 2005 （3）： 26228. （in Chinese）

[7] 尹繼豪， 崔炳喆. 雷達/紅外數(shù)據(jù)融合的機動目標跟蹤算法綜述[J]. 航空兵器， 2009（5）： 39-43.

Yin Jihao， Cui Bingzhe. Radar/IR Data Fusion Algorithm for Maneuvering Target Tracking[J]. Aero Weaponry，? 2009（5）： 39-43. （in Chinese）