雷達光電智能協同探測技術研究?

任清安,呂春燕

(1.中國電子科技集團公司第三十八研究所,安徽合肥230088;2.智能情報處理重點實驗室,安徽合肥230088;3.孔徑陣列與空間探測安徽省重點實驗室,安徽合肥230088;4.棗莊科技職業學院,山東滕州277500)

0 引言

低慢小目標具有以下特點:1)飛行高度低;2)飛行速度慢;3)反射截面積小;4)熱輻射低;5)具有一定航程;6)具有一定載荷;7)對放飛場地要求低,無需專業培訓。故低慢小目標對城市日常防空構成嚴重威脅。

近年來,光電設備在低慢小目標跟蹤、威脅評估、目標識別中發揮了越來越重要的作用。與雷達相比,光電設備具有價格低、布站靈活、探測精度高、數據率高(小于1秒/幀)、不易受電磁干擾等優點,能夠提高威脅評估、目標識別的能力,但光電設備只提供測角信息。因此,光電設備經常與雷達、激光測距設備等傳感器一起配合使用。激光測距設備測距范圍近、造價高,且采樣頻率遠低于光電跟蹤的采樣頻率,在實裝中激光測距設備的作用有限,而雷達探測范圍廣、目標跟蹤靈活,同時對地慢小探測雷達一般都是二維(距離、方位)的,所以利用雷達光電設備的優勢互補,可以實現低慢小目標的有效探測[1-4]。

雷達光電協同跟蹤不但能夠提高跟蹤的精度和數據率,而且還可以根據光電數據的俯仰角,解算目標高度,為低慢小目標的打擊提供高質量的引導數據。

現有的雷達光電數據融合主要采用以下流程:

1)光電數據獲取距離信息:由于光電數據只提供角度信息,一般利用雷達數據濾波預報的距離作為光電數據的距離信息;

2)雷達和光電數據同步:雷達和光電數據是不同步的,一般采用內插、外推的方法將雷達和光電數據對齊;

3)融合算法:根據雷達和光電同步的數據,采用集中/分布式融合,濾波方法有標準KF,EKF,UKF,IMM-EKF和IMM-UKF等[5-10]。

當前雷達光電數據融合存在以下缺點:1)雷達的數據率較低(大約10秒/幀),利用雷達數據濾波預報的目標距離精度較差,特別是目標發生強機動時;2)光電數據率較高(一般小于1秒/幀),雷達利用內插外推與光電數據同步,會導致雷達內插或者外推的點跡精度降低,特別當目標發生強機動時。

針對低慢小目標,首先提出了光電雷達協同探測的流程,并提出了基于雷達光電數據的距離解耦算法,大大地提高了光電的預報精度。并采用基于IMM-BLUE的序貫集中式融合算法解決了雷達光電的協同跟蹤算法,不但提高了雷達光電協同跟蹤的精度和數據率,同時給出了較高精度的高度信息,為低慢小目標提供高質量的引導信息,同時可以利用光電的圖像信息對目標進行識別和威脅識別。

1 雷達光電協同跟蹤原理

1.1 雷達光電協同跟蹤流程

在低慢小目標探測中,當目標威脅等級較高時,雷達操作人員將該目標的批號發送到雷達數據處理,對該目標進行重點跟蹤,同時將濾波值轉化到光電站心極坐標系,并發送至光電設備,光電截獲目標后立即鎖定,并轉為跟蹤模式,同時將目標角度信息和圖像信息傳輸至協同處理中心,并在紅外站心坐標系完成雷達與光電數據的融合和高度的計算,獲取目標精確的距離、方位、高度及速度信息,同時進行基于目標圖像信息的分類識別處理,并進行威脅確認,形成最終情報信息上報上級指揮所,并轉發雷達數據處理。具體流程如圖1所示。

圖1 雷達光電協同跟蹤流程

1.2 雷達光電序貫集中式融合流程

協同處理中心接收到信息時,首先判斷是光電信息還是雷達的航跡信息,如果是雷達的航跡信息,則直接進行IMM-BLUE處理,并進行俯仰Singer模型預報;如果是光電信息,需要確定是否與雷達引導航跡相關成功,如果沒有成功,光電數據丟棄,如果相關成功,則進行光電數據距離解耦,并進行IMM-BLUE處理、俯仰Singer模型濾波。根據IMM-BLUE處理的距離、方位估計值及俯仰Singer濾波/預報值進行大地坐標轉換[11],得到目標的高度。具體流程如圖2所示。

圖2 雷達光電序貫集中式融合流程

2 距離解耦算法

雷達的數據率一般為10秒/幀,光電的數據率小于1秒/幀,當目標發生高機動時,雷達數據濾波給出的預報距離信息,精度將大大降低。

數據假設k時刻,光電站心雷達數據濾波值分別為時刻目標水平速度的估計值為時刻,光電給出的方位為,在較短的時間差Δt=l-k(≤1 s)內,目標的運動速度基本不變,且運動軌跡接近于直線,具體如圖3所示。

圖3 光電距離解耦示意圖

1)求夾角∠OAB,由正弦定理得

2)求O B的邊長R,利用余弦定理得

3 基于IMM-BLUE的序貫集中融合算法

由于雷達和光電的量測方程是非線性的,而狀態方程是線性的混合坐標系,非線性量測的最優線性無偏濾波(BLUE)[12]是針對該混合坐標系提出來的,其性能比EKF、UKF、去偏量測轉換方法[13]、無偏量測轉換方法[14]、修正的無偏量測轉換方法好。針對高機動目標的運動模型和雷達光電量測模型的非線性,提出基于IM M-BLUE的數據融合方法。在模型集設計上采用傳統的兩模型組合:一個非機動(勻速CV)模型和一個機動(Singer)模型[15]。

3.1 基于BLUE準則的二維量測轉換

假設目標按照如下的線性動態模型運動:

式中,ωk表示均值為零且方差為Qk的白噪聲序列。

雷達和光電(補距離)的量測是兩維的:

由上面推導就可以采用文獻[10]中的最優線性無偏濾波方法。

3.2 IMM跟蹤方法描述

交互式多模型(Interactive Multiple Model,IM M)[11-12,14]將各個機動目標模型并行運行,輸出結果取它們的加權和,是近幾年來使用較為廣泛的算法。

1)模型條件重初始化

模型條件重初始化(Model-Conditional Re-Initialization)是在假定第j個模型在當前時刻有效的條件下,與其匹配的濾波器的輸入由上一時刻各濾波器的估計混合而成。

2)混合概率(Mixing Probability)

假定第k-1時刻的匹配模型是M(i)k-1,而在k時刻的匹配模型是M(j)k,以信息z k-1為條件的混合概率是

式中,πij為假定的馬爾可夫模型轉移概率為k-1時刻的模型的概率,其中ˉc j=

3)混合估計

混合估計(Mixing Estimation),即按混合概率進行初始化狀態與協方差:

4)狀態預測

狀態預測,即分別計算:

5)狀態更新

狀態更新,即分別計算:

計算似然函數并更新模型概率為

式中,c為歸一化常數:

計算k時刻,系統融合后的狀態和誤差協方差陣:

4 性能分析

在工程試驗中,雷達光電設備對無人機進行聯合探測,雷達航跡起始后,引導光電設備對目標進行跟蹤,第8幀后光電設備截獲并鎖定目標,轉為跟蹤模式,同時將目標角度信息和圖像信息傳輸至雷達情報處理,雷達情報處理采用基于雷達光電數據的距離解耦算法和基于IMM-BLUE的序貫集中式融合算法將雷達與光電數據進行融合,獲取目標高精度的距離、方位、高度信息,當雷達光電協同跟蹤一段時間后,光電設備跟蹤丟失,故聯合探測結束。具體如圖4所示。

圖4 雷達光電聯合跟蹤效果

高度估計值如圖5所示。

雷達的數據率為10秒/幀,光電的數據率為0.5秒/幀。由表1的實驗結果可以看出,基于IMM-BLUE的序貫集中式融合算法具有高數據更新率,在跟蹤精度上占優,特別在非機動段上跟蹤精度占有明顯的優勢(如表2所示)。

圖5 高度計算值

表1 均方根誤差對比

表2 非機動段和機動段均方根誤差對比

表2中IMM-BLUE1和IMM-BLUE2表示都采用了基于IMM-BLUE的序貫集中式融合算法,其中IMM-BLUE1未采用基于雷達光電數據的距離解耦算法,IMM-BLUE2采用基于雷達光電數據的距離解耦算法。由表2可以看出,采用基于雷達光電數據的距離解耦算法能夠較大提高強機動目標的跟蹤精度。

5 結束語

針對當前雷達光電融合算法存在的問題,首先給出了雷達光電協同跟蹤的數據處理流程,然后提出了基于雷達光電數據的光電數據距離解耦算法,最后根據雷達光電數據的特點提出了基于IMM-BLUE的序貫集中式融合算法。通過工程試驗證明該算法不但提高了雷達光電跟蹤精度和數據率,而且給出了目標的精確高度信息,從而為低慢小目標的打擊,提供了高質量的引導信息,特別是目標發生高機動時,效果更明顯。

[1]殷艷華,王學偉.雷達/紅外成像復合制導信息融合技術[J].紅外與激光工程,2009,38(3):548-552.YIN Yanhua,WANG Xuewei,Information Fusion Based on Radar/IR Imaging Compound Guidance[J].Infraed and Laser Engineering,2009,38(3):548-552.(in Chinese)

[2]朱安福,景占榮,羊彥,等.UKF及其在目標跟蹤中的應用[J].火力與指揮控制,2008,33(8):27-29.

[3]李相平,王光復,謝志敏.毫米波/紅外復合制導目標融合跟蹤算法[J].制導與引信,2010,31(1):9-13.

[4]方青,任清安.機載有源無源傳感器穩健融合方法[J].雷達科學與技術,2011,9(1):34-38.FANG Qing,REN Qingan.Research on Robust Fusion Method of Airborne Passive and Active Sensors[J].Radar Science and Technology,2011,9(1):34-38.(in Chinese)

[5]楊萬海.多傳感器數據融合及其應用[M].西安:西安電子科技大學出版社,2004:62-65.

[6]何友,王國宏,彭應寧,等.多傳感器信息融合及應用[M].北京:電子工業出版社,2000:210-224.

[7]FARRELL W.Interacting Multiple Model Filter for Tactical Ballistic Missile Tracking[J].IEEE Trans on Aerospace and Electronic Systems,2008,44(2):418-426.

[8]MAZOR E,AVERBUCH A,BAR-SHALOM Y,et al.Interacting Multiple Model Methods in Target Tracking:A Survey[J].IEEE Trans on Aerospace and Electronic Systems,1998,34(1):103-123.

[9]ZHU Yunmin.Multisensor Decision and Estimation Fusion[M].Norwell,MA:Kluwer Academic Publishers,2003:175-200.

[10]BAR-SHALOM Y,BLAIR W D.Multitarget-Multisensor Tracking:Applications and Advances:Volume III[M].Boston,MA:Artech House,2000:125-167.

[11]崔永俊.空間直角坐標與大地坐標之間的變換方法研究[J].華北工學院學報,2003,24(1):73-75.CUI Yongjun.Study on the Transformation Methods Between Rectangular Space Coordinate and Geodetic Coordinate[J].Journal of North China Institute of Technology,2003,24(1):73-75.(in Chinese)

[12]ZHAO Zhanlue,LI X R,JILKOV V P.Best Linear Unbiased Filtering with Nonlinear Measurements for Target Tracking[J].IEEE Trans onAerospace and Electronic Systems,2004,40(4):1324-1336.

[13]LERRO D,BAR-SHALOM Y.Tracking with Debiased Consistent Converted Measurements Versus EKF[J].IEEE Trans on Aerospace and Electronic Systems,1993,29(3):1015-1022.

[14]SONG Xiaoquan,ZHOU Yiyu,BAR-SHALOM Y.Unbiased Converted Measurements for Tracking[J].IEEE Trans on Aerospace and Electronic Systems,1998,34(3):1023-1027.

[15]LI X R,JILKOV V P.Survey of Maneuvering Target Tracking.Part I:Dynamic Models[J].IEEE Trans on Aerospace and Electronic Systems,2003,39(4):1333-1364.