雷达组网中数据融合的研究

雷达组网中数据融合的研究
摘 要:随着电子干扰技术的不断发展,单部雷达面临的威胁越来越大。雷达组网可以充分 利用各单部雷达的资源和信息融合优势,将多部不同体制、不同频段、不同极化方式的雷达 组成一个整体,极大提高了整体作战能力。本文在简述雷达组网的基础上,重点介绍了雷达 组网中的数据融合技术。 关键字:多传感器 雷达组网 数据融合

1

引言

随着技术的进步,雷达的性能经受了严峻的考验。强大的欺骗性、压制性电子干扰使雷 达迷盲、性能降低或者完全失效。据报道,国外新型多功能综合干扰飞机已经把电子侦察、 告警和干扰有机地结合在一起,通过计算机分析、判断、决策,大大提高了干扰的效能,雷 达的效能被大大降低[1]。单部雷达已经很难应对越来越复杂的电磁环境。 雷达组网,是指通过将多部不同体制、不同频段、不同工作模式、不同极化方式的雷达 或者无源侦察装备适当布站,借助通信手段链接成网,并由中心站统一调配,从而形成的一 个有机整体。网内各雷达和雷达对抗侦察装备的信息(原始信号、点迹、航迹等)由中心站 收集, 综合处理后形成雷达网覆盖范围内的情报信息, 并按照战争态势的变化自适应地调整 网内各雷达的工作状态, 发挥各个雷达和雷达对抗侦察装备的优势, 从而完成整个覆盖范围 内的探测、定位和跟踪等任务[2]。 现代干扰技术还没有发展到对雷达组网系统实施有效的欺骗性干扰[1], 针对单部雷达的 欺骗干扰,无法对整个雷达组网产生有效影响。对整个雷达网进行干扰,要求干扰机具有极 高的信号侦察、分选能力以及较高的干扰功率,这往往是很难达到的,因此雷达组网具有较 好的抗干扰能力。 从数据处理的方式来分, 雷达组网分为集中式和分布式。 分布式雷达组网, 是指组网中的每部雷达都有各自的处理器, 通过预处理产生目标跟踪航迹, 汇总至融合中心, 由融合中心进行时间空间配准、航迹关联和航迹融合,最终生成目标的航迹[3]。和集中式雷 达组网相比,分布式雷达组网具有系统可靠性高、各站与融合中心通信量小等优点。 规模较大的雷达组网系统,尤其是多部不同体制、不同频段的雷达组网,一般采用分布 式结构,可以充分利用子雷达站,节约通信资源,有效的提高雷达网整体性能。本文重点对 分布式雷达组网进行研究, 对整个雷达网数据处理流程建模仿真, 并对雷达组网抗干扰能力 进行分析。本文从现实需求出发,立足于提高现有体制组网的性能,研究了雷达组网数据处 理仿真流程, 通过设置典型场景对其抗干扰能力进行评估。 论文的研究成果可为应对外军雷 达组网系统提供理论基础,同时为我国雷达组网系统提供良好的技术储备。

2

概述

雷达组网不是雷达简单的拼凑,而是在优化组网基础上将多部不同频段、不同体制、不 同工作模式、不同极化方式的雷达进行适当的、合理的优化布站,并通过网络进行联结,使 雷达资源优化配置协同运作,对网内各部雷达的信息以“网”的形式收集和传递,并由中心 站进行综合处理、控制和管理,从而完成整个覆盖范围内的探测、定位和跟踪任务。 2.1 雷达组网的意义 ? 实现系统内的情报资源共享, 完成对每个网站的实时指挥控制, 增加了实战的 可靠性; ? 不同的雷达可从不同的视角观察目标, 有助于减少目标衰落、 闪烁和地形遮蔽 的影响,并可较充分地利用隐身目标的前向、侧向、上下反射的隐身缺口(雷 达反射截面随视角的变化可达 20~30 dB),实现反隐身的目的[4] ;

雷达组网系统具有各种频率, 一般在空间位置上互相分离, 不同频段雷达组网 可实现频率互补, 使各自相互独立的雷达通过组网而使其整个系统构成一有机 整体,因此具有对干扰和目标进行三角定位的能力,有利于反侦察、抗反辐射 导弹和各种电子干扰,其电子抗干扰能力大大增强; ? 系统内各种雷达覆盖范围互有重叠, 能在进行数据融合以后得到比单部雷达质 量更好的目标航迹, 大大改善了空情检测质量, 提高了系统的反低空突防能力; ? 多部雷达所拥有的固有的冗余度提高了整个系统的可靠性, 因而增强了雷达组 网系统的生命力。 2.2 雷达组网形式 根据组网雷达类型的不同,可分为: (1)单基地雷达组网 单基地雷达组网中各部雷达都是单基工作体制。 这种形式由于将各自相互独立的雷 达通过组网而使其整个系统构成一有机整体, 从而使网内雷达工作方式灵活多变, 且雷 达间因为在空间位置上分离,在对付“四大威胁”方面具有一定的优势,各雷达在与网 中心失去联系时,也可独立完成部分工作。 (2)双(多)基地雷达组网 双(多)基地雷达组网中各部雷达是双(多)雷达体制,是对同一个发射机部署了多个 分开的接收机的雷达组网[5]。这种组网可充分利用双/多基地的特性,对抗电子干扰、 抗反辐射导弹及反隐身等具有较强的工作能力, 辅以空中平台, 还可明显增强抗低空突 防能力。 (3)单基地、双/多基地雷达混合组网 单基地、双/多基地雷达混合组网是收发异地和单基混合组网,这种组网形式具有 上述两种方式的共同优点。网内主干雷达既可以工作在单基雷达模式,也可以工作在 TR2R1 或 TR2R12R2 双(多)基雷达模式,其“四抗”能力和生存能力进一步提高,并具 有较高的效能费用比。 此外,还可按照构成雷达网功能的不同,可分为:制导雷达网、情报雷达网、航空 管制雷达网和气象雷达网等。 2.3 雷达组网设计原则 雷达组网技术,要考虑将不同波段、不同体制、不同程式的雷达,按照一定的要求 进行合理部署。雷达组网时主要满足以下原则[6]: 安全性原则。 宽带雷达网以光纤通信网为主用网络, 以微波通信网或卫星通信网为 备用网络,网络拓扑宜采用格型拓扑结构或星型+树形的混合型拓扑结构 ,从而提高 雷达网的安全性 全频段雷达组网技术。只有利用整体雷达网中不同频段、不同程式的雷达,互相取 长补短,采取多站定位,数据相关处理等方法,才能增强对强度大、频段宽、干扰模式 多的各种干扰的对抗能力。 补盲组网技术。主要应按空域补盲、频域补盲、距离补盲,使雷达网更加严密与完 善。 “四抗”能力组网技术。雷达“四抗”能力组网技术,是在未来高技术战争中,雷 达网能否经受住“四大威胁“的考验,打赢一场高技术局部战争的重要问题。 雷达网重叠系数。雷达组网的重叠系数高,能提高雷达网一次扫描发现概率、抗 干扰能力和可靠性,但同时也会增加雷达组网的投资和使用维修费用,增加情报处理 系统的负载。 地形因素。同一部雷达架设在不同的地方,由于地形的影响,其探测性能将不尽

?

相同。 效能费用。合理配置雷达,既可以确保完成任务,又可以使建网费用最低,建成 的雷达网要具有较高的效能费用比。

3

多雷达组网的数据融合

本文主要是多雷达组网的数据融合技术研究, 也可称为多雷达的数据处理技术。 雷达组 网数据处理是多传感器数据融合理论在工程上的一种具体应用, 即运用多传感器数据融合理 论将多部雷达的观测信息融合成雷达网覆盖区域的战场态势。 目前, 成功应用数据融合技术 的领域有:机器人和智能仪器系统、战场任务和无人驾驶飞机、图像分析与理解、目标检测 与跟踪、自动目标识别和多源图像复合等。可见数据融合有很多的优势,而多个雷达组网的 数据融合是国家重点军事电厂站、信息站的一个重要项目。 多目标跟踪在组网雷达中有着广泛而深入的应用。 和单站雷达相比较, 组网雷达在史大 的跟踪范围内探测和跟踪目标,它把各单站获得的目标数据送到融合中心进行数据融合处 理,经过数据融合建立起比单部雷达质量更好的航迹。由此可见,数据融合技术在组网雷达 多目标跟踪中具有重要的地位。图 3.1 为多雷达组网的数据处理原理图[7]。

图 3.1 雷达组网数据处理原理图 融合的关键问题是多目标跟踪问题,多目标跟踪问题主要有跟踪门(关联区域)的形成, 数据关联、数据融合和跟踪维持,跟踪起始和跟踪终结等「州。数据关联是确定各个单站雷 达数据间的互联关系,判断它们是否来自共同的目标。由于各单站雷达的坐标系不同,数据 采样率、数据获取时间不同,数据融合中心为了进行数据关联,事先还必须进行数据的时间 和空间校准。 3.1 数据融合的概念 数据融合, 也称为多传感器或多源相关, 多传感器混合, 多源合成, 或信息融合等, 至今尚无统一的定义。 一般认为数据融合是信息的综合与处理过程, 即为了完成所需的 决策和估计行为, 对在不同的时间序列上获得的各种传感器信息按一定准则加以综合分 析。因此,数据融合包括对各种传感器给出的有用信息进行采集、传输、分析和合成等 处理过程。 从军事应用的角度看,多雷达数据融合可以这样定义[8]:所谓多雷达数据融合就 是人们通过对空间分布的多源信息—各种雷达的时空采样,对所关心的目标进行检测、

关联(目关) 、跟踪、估计和综合等多级多功能处理,以更高的精度、较高的概率或置 信度得到人们所需要的目标状态和身份估计,以及完整、及时的态势和威胁评估,为指 挥员提供有用的决策信息。 这一定义基本上能够描述数据融合的三个主要功能: (1)数据融合是在多个层次上对多源信息进行处理的,每个层次代表信息处理的不 同级别; (2)数据融合过程包括检测、关联(相关)、跟踪、估计和综合; (3)数据融合过程的结果包括低层次上的状态和属性估计,以及高层次上的战场态 势和威胁评估。 3.2 数据融合的功能模型 最有权威的是 DFS 提出的信息融合的功能模型[9,10],以军事 C3I 系统为例,其简化 形式如图 2.1 所示, 按信息综合处理过程中应支持的功能模型将整个信息处理的过程分 为两个阶段:第一阶段融合提供目标状态参数估计和分类识别信息,充分更新态势数据 库的各种信息。第二阶段在此基础上,在知识库(目标技术规范、战术规范)的支持下, 综合推理战场态势语意信息。

图 3.2 以军事 C3I 系统为例,多传感器信息融合的功能模型 在这个模型中,检测、关联、估计、识别和推理是信息融合过程的必备功能环节。 多个传感器是信息融合的“硬件”基础,多源信息是信息融合的加工对象。在多传感器 信息融合系统中应实现以下的功能[11]: (l)数据协调管理模块:将多传感器数据统一在一个共同时空参照系中,将同一层次 的各类数据转化成同一种表达形式, 即实现数据配准。 然后将同一目标或环境的观测数 据进行关联,一般称为数据关联。 (2)数据优化合成模块:依据一定的优化准则,在不同层次上合成多源数据。 (3)传感器协调管理模块:包括传感器的有效性确定、时间预测、任务分配和排序、 工作模式和探测区域的控制等功能。 多传感器数据融合不仅是一个数据处理概念, 同时也是一个系统概念。 多传感器数 据融合一方而强调多传感器数据的优化综合, 另一方面也十分重视多传感器资源的优化 管理, 以最大限度地获得目标有用信息, 从而达到多传感器资源的最佳利用和整个系统 性能最优。 3.3 数据融合的系统模型 为了推动多传感器信息融合的深入发展, 以及加强信息融合界的交流, 许多学者和

组织对多传感器信息融合的功能模型进行了卓有成效的研究, 根据对输入信息的抽象或 融合输出结构的不同,对信息融合模型的分级有多种不同的方法。 1.第一种广为采用的信息融合模型分级方法依据输入信息的抽象层次将信息融合 分为三级[12-14]: 第一级—数据级(或称像素级)融合。它是直接在采集到的原始数据层上进行的融 合,是最低层次上的融合,它的主要优点是能保持尽可能多的现场数据,提供其它层次 所不能提供的信息,主要缺点是传感器数量大、数据通信容量大、处理代价高、处理时 间长、实时性差、抗干扰能力差。像素级融合主要用于多源图像融合、图像分析和理解 等。 第二级—特征级融合。 它是先对来自传感器的原始数据进行特征提取, 然后再对特 征进行融合, 它是中间层次上的融合。 特征级融合的最大优点在于对原始数据进行了一 定的压缩, 有利于实时处理, 一般情况下, 融合结果能给出决策分析所需要的特征信息。 在信息融合领域,特征级融合主要用于多传感器目标跟踪领域。 第三级—决策级融合。 它是一种高层次的融合, 输入到融合中心的是各局部传感器 依据一定准则作出的决策信息,例如目标是否存在或某一事件是否发生的决策信自、 。 决策级信息、融合的优点是对信息传输带宽的要求比较低、通信容量小、抗干扰能力比 较强、融合中心处理代价低,缺点是预处理代价高、信息损失比较大。决策级融合通常 是用于分布式检测融合、目标识别的决策融合等。 2.第二种分级方法是美国国防部丁 DL/DFS 数据融合研究小组根据信息融合输出结 果所创建的数据融合处理模型,它也将信息融合分为三级,JDL/DFS 处理模型如 下图所示[15]:

图 3.3 数据融合处理模型 2 该模型主要将数据融合分为四级: 第一级融合—目标精炼:是对传感器信息进行的初级的、直接的处理,包括数据求 精、航迹关联、目标状态估计、属性关联、辐射源识别及目标识别等,是进行态势评估 和威胁评估的前提和基础。 第二级融合—态势评估:是对一级融合产生的结果进行分析,并通过环境、实体间 的关系,时间、空间的模式,获得敌我军事态势评估。主要是评估实体行为和军事事件 在上下文中的抽象意义。 第三级融合—威胁评估:包括敌我军杀伤力的确定、敌我军组成的评估、以及危险 逼近的警告、 瞄准及武器评估等。 态势评估和威胁评估是系统指挥和辅助决策过程的核 心内容。

第四级融合—过程精炼:评估实时和长期数据融合性能;通过监视动态融合处理过 程,优化资源利用及传感器管理;通过反馈自适应,完善多级融合系统。 3.第三种分级方法,为了使数据融合系统模型的分类具有指导性,文献[16]在 JDL/GFS 分级模型的基础上提出了信息融合的第三种分级模型;它按信息抽象的不同 层次将信息融合进一步分为五级,包括了从检测到威胁判断的完整过程:

图 3.4 数据融合处理模型 3 第一级,检测级融合:该层的任务是检测并判决目标的出现,以获得较好的日标的 检测率。其方法是经典信号检测理论的直接发展,包括集中式检测和分布式检测,如 Neroan-Pearsa 法、m-ary 法等。ThomoPouls 等研究了多种信息融合结构下的检测算法 设计。 第二级,位置级融合:该层的任务主要是实现目标跟踪。是经典目标跟踪理沦在多 传感器结构下的扩展。 如关联的方法变为观测——航迹融合, 航迹——航迹融合两大类。 第三级,目标识别级融合:该层的目的是提取目标的特征,对目标进行分类、标识、 敌我识别等。这一领域即决策理论的发展,方法最多,如贝叶斯决策、D-S 计据理论、 模糊理论、粗糙集、条件代数等,各自有不同的假设前提。 第四级,态势评估:该层为决策层,其任务有背景分析、意向/机会、危险度的估计、 指示、报警、目标瞄准、武器分配等。 第五级,威肋评估:是关于敌方兵力对我方杀伤能力及威胁程度的评估,具体地说, 包括综合环境判断、威胁等级判断及辅助决策。 从上面的三种分类方法可见,数据融合系统的模型可以从多个方面来研究和划分, 不同的划分方式可以出现交叉和重叠。 3.4 数据融合的基本理论和方法 数据融合涉及以下儿个方面的理论和方法:检测、对准、相关、估计、识别、行为 估计等。 检测是传感器发现目标并对之相关的参数进行测量的过程, 该过程一般由单传感器 独立完成。

对准实际土是统一观测基准, 如采用两传感器的目标跟踪系统, 两传感器的采样时 刻和位置可能不同,这就需要进行时间和位置对准。 数据关联(相关)是为了保证用于融合的多传感器信息来自同一目标,可以融合。在 数据关联领域,传统的相关技术有:门限发(GT)、近邻法(NN)、最大似然法(ML)、最优 差别、统计关联(PDA)、联合统计关联(JPDA)、多重假设检验(MHT)等。 估计是在获得多传感器关于事物某些连续分布特性参数(如位置、速度、温度、灰 度等)观测的基础上,估计这些参数的过去、现在和将来某时刻的状态。估计理论可以 分为物理模型、优化准则、优化方法、处理方法等四个方面。优化准则有最小二乘、加 权最小二乘、最小均方误差、最大似然、Bayes 准则等,优化方法有直接法和间接法, 处理方法包括批处理和序惯处理,在批处理中有最小二乘、加权最小二乘、最大似然、 Bayes、加权最小二乘等估计方法;在序惯处理中有卡尔曼滤波等。 识别又称分类或属性判决, 是在多传感器有关目标属性观测的基础上进行的特征提 取和属性判决过程。在识别技术中,特征提取占有十分重要的地位。 行为估计是将所有有关目标数据集与先前确定的可能态势的行为模式相比较, 以确定最 佳匹配的行为模式。这里的行为模式是抽象的模式,如敌人企图可以分为:侦察、攻击、 异常等。 综上所述, 多传感器的数据融合技术是多源信息处理的新技术, 是为了获得准确的 状态估计和属性判决而进行的多源检测、 关联、 相关、 估计和行为估计的多层次(级别)、 多界面的处理过程。 多传感器数据融合有助于提高系统的可靠性、 扩大时间和空间覆盖 范围、增加置信度、降低模糊度、提高检测概率、提高分辨率、增加观测空间维数、充 分利用多传感器系统的资源。在军事领域多传感器数据融合技术还有助于提.高系统的 战场生存能力,减少雷达的有源发射时间、及时检测出目标机动、提高导弹的命中概率 及目标识别的正确概率。在后续的章节中将分别介绍数据校准,状态估计,数据关联。

4

总结

多雷达组网的数据处理技术作为一门多学科交叉技术, 涉及面非常广, 包括传感器系统、 信号和数据处理、计算机通信、人工智能、神经网络以及传感器技术。过去的二十多年中, 这此领域的理论与技术发展对多传感器融合跟踪技术的研究生了巨大的推动作用。 本文在总 结前人成果的基础上,主要探讨了多雷达组网中数据处理的相关流程和方法。 雷达、计算机、通信和网络技术以及因特网的快速发展,为雷达组网提供了坚实的基础 和一种全新的模式。未来的雷达组网不仅包括地面的两/三坐标雷达,还将包括双/多基地雷 达、机载预警雷达、气球载雷达、星载预警雷达、有源/无源雷达,从而构成地基、海基、 空基、天基一体化的立体探测网络。未来的组网系统将着力体现网络中心战(NCW)和协 同作战能力(CEC) ,在组网技术上将进一步发展多源信息融合技术(红外、ESM、技侦情 报、雷达等多种传感器情报的信息融合处理技术) 、目标识别技术、SAR 图像融合与应用技 术;还将重点研究信号级融合和特征级(决策级)融合技术及其在工程上的实现,而雷达检 测门限的自适应控制、雷达资源的优化组合使用等则还需进一步的完善和发展。 参考文献 [1].陈永光,李修和,沈阳编著.组网雷达作战能力分析与评估[M].国防工业出版社,2005. [2].陈晓曼.分布式雷达组网中的多目标跟踪与航迹融合算法[D].硕士学位论文.深圳:深 圳大学,2005. [3].陈列.雷达情报数据融合系统的误差校正和航迹关联技术研究[D].硕士学位论文.南京: 南京理工大学,2007. [4]万安民, 陆静. 雷达组网的特点及其抗干扰设计[J]. 火力与指挥控制, 2001, 26(3): 41-44.

[5]朱丽莉,王朝墀.制导雷达组网及其关键技术研究[J].地面防空武器,2002(3):30-32. [7]? 何友等.雷达数据处理及应用.京:电子工业出版社,2006. [8]杨万海.多传感器数据融合及其应用.西安:西安电子科技大学出版社,2004. [9] F.Wllite.Generalized Proeessing Modelsfor Data Fusion.Multisensor Data Fusion,1990, PP15-17. [10]只征.多传感器信息融合理论及应用的研究.西北工业大学硕士学位论文,2000. [11]刘先省.传感器管理方法研究.西北工业大学博士学位论文,2000 [12]LlinasJ,Waltz E.Mtlltisensor data Fusion.ArteehHouse,Norwood,Massachusetts,1990. [13]刘同明,夏相勋,解洪成.数据融合技术及其应用.北京:国防工业出版社,1998. [14]王国宏.分布式检测、跟踪及异类传感器数据关联与引导研究.北京航空航天大学博士学 位论文,2002. [15]刘城霞.数据融合系统中航迹关联和属性关联的研究.西安电子科技大学硕士学位论文, 2002. [16]何友,多目标多传感器分布信息融合算法研究.博十论文,清华人学,1996 年 11 月,北 京.


相关文档

雷达组网数据融合中几个问题的研究
组网雷达的集中式数据融合技术研究
基于灰色理论的雷达组网数据融合方法
基于智能决策支持系统的雷达组网数据融合
C~4IKSR系统中的组网雷达数据集成应用研究
对雷达组网数据融合中几个关键问题的研究
模糊数据融合在组网雷达数据关联中的应用
AIS与雷达数据融合的数学模型研究
电脑版