炮位偵校雷達數據處理一體化技術研究

摘" 要：針對傳統炮位偵校雷達數據處理中跟蹤、識別、濾波各環節中存在信息交互能力差，對雷達濾波數據信息挖掘不充分的問題，提出數據處理一體化的技術思路。通過建立跟蹤、識別間的反饋，將識別信息反饋到跟蹤階段以調整跟蹤策略節約雷達時間資源;建立識別、濾波間的雙向反饋，根據不同的目標選擇合適的濾波模型以提高外推精度?；谝陨纤悸罚Y合仿真實驗驗證提出一體化技術的可行性，具有一定工程應用價值。

關鍵詞：炮位偵校雷達;數據處理;一體化技術;跟蹤濾波;目標識別

中圖分類號：TN957" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）18-0027-04

Abstract： Aiming at the poor information exchange ability of tracking， recognition and filtering in the traditional weapon locating radar data processing， and the insufficient data mining of radar filter， the technical idea of integrated data processing is put forward. By establishing the feedback between tracking and recognition， the identification information is fed back to the tracking stage to adjust the tracking strategy to save radar time resources. The bidirectional feedback between recognition and filtering is established， and the appropriate filtering model is selected according to different targets to improve the accuracy of extrapolation. Based on the above ideas， the feasibility of the proposed integration technology is verified by combining with simulation experiments， which has certain engineering application value.

Keywords： weapon locating radar; data processing; integration technology; tracking filtering; target recognition

炮位偵校雷達的主要作戰任務是偵察敵方火炮炮位和測定己方火炮彈著點，通過間接的方式完成對戰場有關目標的偵察和定位[1]，在地面進攻與防御作戰中仍具有不可替代的作用。數據處理方法是決定炮位偵校雷達性能的關鍵技術之一。炮位偵校雷達數據處理是指終端數據處理軟件對彈丸目標跟蹤濾波數據進行二次處理，實現目標識別、彈道外推的過程。

近年來，有關炮位偵校雷達數據處理的研究主要側重于利用基于彈道模型的非線性濾波估計算法和機器學習算法獲得彈道目標的精確參數估計，提高彈道外推精度。文獻[2]采用考慮地球曲率的彈道模型，分析比較了最小二乘估計、擴展卡爾曼濾波（EKF）、無跡卡爾曼濾波（UKF）和粒子濾波（PF）等幾種濾波算法的性能，驗證了各種算法的精度和可行性;文獻[3]在擴展卡爾曼濾波基礎上提出一種基于反向擴展卡爾曼濾波的彈道外推算法，將正向濾波的終點作為反向濾波的起點，旨在通過縮短外推距離來提升外推精度，取得一定成果;文獻[4]建立了BP神經網絡和支持向量機2種基于機器學習的彈道落點預測模型，并利用粒子群優化算法對2種模型的參數進行尋優，有助于快速準確地預測彈道落點;文獻[5]提出使用遺傳算法辨識出彈丸飛行中的姿態角度信息再進行彈道外推，通過仿真實驗驗證了該方法的有效性和可行性，所提出的模型具有可擴展性，可降低傳統外推算法中的模型誤差。

傳統炮位偵校雷達數據處理中跟蹤、識別、濾波和外推是按時間順序進行的，在具體實現時各部分也相互獨立，導致各環節中存在信息交互能力差，對雷達濾波數據信息挖掘不充分的問題。本文從數據處理一體化的角度出發，通過建立數據處理中各階段的信息反饋，優化數據處理流程，減少虛假目標跟蹤、外推，達到節約雷達系統時間資源的目的。最后結合仿真實驗驗證所提一體化技術的可行性。

1" 炮位偵校雷達的數據處理

1.1" 雷達系統組成

目前國內外的炮位偵校雷達大多都采用相控陣體制，主要系統組成如圖1所示。雷達系統工作時，實時控制計算機自動控制雷達各分系統同步協調工作。雷達架設完畢后，工作流程大致為：通信分系統與上級指揮中心保持聯系，定位定向導航分系統確定雷達的位置，搜索屏覆蓋指定偵察區域，信號與信息處理系統抑制地面雜波、氣象雜波、鳥群雜波、有源和無源干擾信號，經過信號處理、恒虛警檢測等處理后判斷是否發現目標，若發現目標則把目標的信號送到數據處理器形成量測數據，包括目標的位置、速度，對量測數據進行關聯、跟蹤、濾波、平滑和預測等計算，抑制測量過程中的隨機誤差，并在顯控分系統的終端計算機上形成穩定的目標航跡，彈道外推程序根據濾波數據外推得到敵方炮位坐標或己方火炮落點位置，最后將可靠性高的外推炮位坐標上報給指揮中心或火炮武器平臺，完成一次作戰任務。

1.2" 數據處理流程介紹及分析

傳統炮位偵校雷達數據處理流程如圖2所示。雷達以TAS（Track and Search，跟蹤加搜索）方式工作，當搜索到有運動目標穿過搜索屏時，發射確認、跟蹤波束，獲得目標的距離、方位、俯仰和速度信息，以量測數據前兩點數據計算得到濾波初值，代入基于質點彈道方程的擴展卡爾曼濾波方程中，等到濾波器收斂后（跟蹤濾波點數一般為15～20個），將濾波終點作為彈道外推的起點，利用四階龍格-庫塔法從外推起點向彈道起點方向進行彈道外推，得到外推炮位的坐標，從外推起點向彈道落點方向進行彈道外推，則得到炮彈落點坐標。

當目標為真實彈道目標時，以上數據處理流程可以順利運行，并且在現有各種濾波、彈道外推算法的基礎上可得到較高的精度，然而當飛機、無人機、地面車輛等非彈道目標穿過搜索屏時，炮位偵校雷達同樣會發現并發射跟蹤波束，直到在跟蹤了若干點后才根據航跡判別為非彈道類目標而結束跟蹤[6]，若無法根據航跡判斷，還會啟動后續的彈道外推程序，這樣一來，對虛假目標的確認、跟蹤、外推耗費了大量的雷達時間資源，降低了搜索數據率，導致對真實目標的發現概率下降，盡管跟蹤、濾波、外推的精度都做得很好也無濟于事。除此之外，跟蹤、濾波、外推是按時間順序結構進行的，存在先后次序制約，在具體實現中各個技術手段都是單獨進行，三者的信息關聯性沒有得到足夠重視，例如在跟蹤階段，可根據量測數據中的速度、俯仰角信息初步判斷目標是否符合彈道目標高速運動、俯仰角大（低射角彈道除外）的運動特征，對平飛、低速目標可直接剔除或作其他處理。

2" 一體化技術原理

通過上面的分析，本文從數據處理一體化的角度出發，通過建立跟蹤、識別間的反饋，將識別信息反饋到跟蹤階段以調整跟蹤策略，節約雷達時間資源;建立識別、濾波間的雙向反饋，根據不同的目標選擇合適的濾波模型以提高外推精度;通過對跟蹤濾波數據的精細化處理和深度挖掘，優化數據處理流程來提升雷達目標識別、彈道外推的能力。一體化技術原理如圖3所示。

過程①為識別向跟蹤的前向反饋。基于TAS的跟蹤方式會對目標發射確認波束獲取更多信息，根據多普勒速度、俯仰角變化、垂直方向速度等運動特征可初步判斷該目標是否符合彈道類目標基本運動特征，若為非彈道類目標，可根據雷達實際時間資源情況選擇結束跟蹤或者以較低的數據率跟蹤。

過程②為濾波向識別的反饋。經過第一次目標識別后，平動、低速運動目標已被剔除，若目標為非彈道類目標，如做上仰機動的飛機，則轉入濾波階段，將量測數據代入基于擴展卡爾曼濾波的彈道方程中，對量測數據做進一步處理。由于非彈道類目標的運動模型與彈道模型不符，量測值和濾波值的誤差會隨時間增加，嚴重時會導致濾波器發散[7]，由此可判定該目標為非彈道類目標，回到過程①，將識別結果反饋到跟蹤，不再啟動彈道外推程序。

過程③為識別向濾波的反饋，即根據不同的目標選擇合適的濾波模型以降低模型誤差。目前，通過提取目標彈道、軌跡、速度等特征可有效區分氣動類目標和彈道類目標，氣動類目標常作為無效目標進行濾除，這里以典型的迫擊炮彈和遠程火箭彈的運動特征為例加以分析，迫擊炮彈多采用高射角發射，彈道軌跡彎曲大、射程近、彈體較小，速度在300 m/s左右;火箭彈常采用多管發射，助推段經發動機點火后速度可達1 000 m/s，遠程打擊射程可達100 km，且炮彈體積較大，雷達散射截面積（RCS）特征明顯。迫擊炮彈和火箭彈的速度、射程、彈道軌跡有明顯區別，針對遠程火箭彈可采用考慮地球曲率的彈道方程[8]來提升外推精度。

通過以上分析，數據處理一體化技術對節約系統時間資源、提升彈道外推精度有一定幫助，其關鍵在于通過挖掘跟蹤、濾波信息來判斷是否為真實彈道類目標。在跟蹤階段依據目標的運動特征先對所檢測到的目標做一個粗分類，對飛機、無人機、地面車輛等非彈道目標進行過濾和剔除，從而降低虛假目標跟蹤建航的概率，保證對彈道類目標的高優先級處理，經過層層篩選，具有彈道類目標運動特征的數據進入后續的彈道外推處理環節。

3" 仿真實驗

根據質點彈道方程仿真生成一條全彈道數據如圖4所示，炮彈初速為560 m/s，彈道系數為0.5，射角為43°，橫坐標為距離，縱坐標為彈道高度;從實測數據中截取靶機做爬機運動的一部分如圖5所示，橫坐標為采樣點數，縱坐標為飛行高度，靶機從1 900 m高度爬升約500 m后緩緩下降。

炮彈的仿真數據是以炮位為原點的直角坐標系下生成的，需要進行適當的坐標變換才能得到以雷達為原點的極坐標下的觀測值，假設雷達的隨機探測誤差服從零均值的正態分布，方位為1 mil，俯仰角為1.5 mil，距離為6.25 m，采樣時間為0.3 s。將炮彈上升段運動和靶機爬升機動數據作為真值，加入高斯白噪聲形成量測值，代入以擴展卡爾曼濾波為基礎的濾波方程中得到濾波值，濾波初值取前2個測量值的平均值，得到各自的X方向濾波平均距離誤差分別如圖6、圖7所示，橫坐標為采樣點數，縱坐標為平均距離誤差。

對比圖6、圖7可以看出，經過對測量值的濾波處理，炮彈的濾波誤差逐漸減小并趨于穩定，而靶機的濾波誤差逐漸增大，并且沒有收斂的趨勢，且炮彈的濾波誤差始終比靶機的小，這是由于非彈道類目標的運動模型與彈道模型失配引起的，即濾波效果或是否收斂可以作為目標識別的判別方式之一。炮彈的上升段和飛行目標的爬升雖從軌跡上有相似之處，但可以利用濾波信息中的濾波誤差加以區分，從而剔除“虛假”目標，完成識別向跟蹤的反饋，節約雷達時間資源。以上仿真實驗驗證了炮位偵校雷達數據處理一體化技術的可行性，有一定的工程應用價值。

4" 結束語

近年來，信息化戰爭、電子戰等新型作戰方式的出現為現代戰爭提供了更多手段與選擇，然而傳統火炮憑借其實體打擊效果好、成本可控、通用性優和可靠性高的特點，在各國陸軍炮兵部隊中占有一席之地，再加上無人機技術發展迅速，大大增加了空中目標識別的作戰壓力和復雜性。炮位偵校雷達作為陸軍炮兵偵察裝備之一，需要從眾多目標中準確、快速地完成彈道類目標跟蹤、識別、外推，為反炮兵作戰贏得時間。

本文針對傳統炮位偵校雷達數據處理過程中跟蹤、濾波、識別和外推各環節信息交互能力差、跟蹤濾波數據信息利用不充分的問題，從數據處理一體化的角度出發，通過建立識別向跟蹤的前向反饋、識別與濾波的雙向反饋，進一步降低對虛假目標的跟蹤、外推概率，節約雷達時間資源，并通過仿真實驗驗證其可行性，具有一定工程應用價值，為炮位偵校雷達在復雜作戰環境下實現精細化數據處理提供了新的思路。

參考文獻：

[1] 朱道光.火炮定位雷達的現狀與發展趨勢[J].火控雷達技術，2007（3）：1-10.

[2] 單奇，鈕俊清，李川.炮位偵校雷達的數據處理研究[J].雷達科學與技術，2010，8（2）：171-176.

[3] 王干，熊風，歐能杰，等.基于反向擴展卡爾曼濾波的彈道外推算法[J].電光與控制，2020，27（12）：49-52，89.

[4] 王森.基于機器學習的彈道落點預測研究[D].南京：南京理工大學，2020.

[5] 武瀚文，查啟程，梁燊，等.基于遺傳算法的彈道外推方法[J].指揮控制與仿真，2021，43（5）：102-106.

[6] 高青松，王建強，王歡.炮位偵察校射雷達多目標能力分析[J].火控雷達技術，2017，46（3）：22-25.

[7] 何友，修建娟，張晶煒，等.雷達數據處理及應用[M].北京：電子工業出版社，2009.

[8] 梁開莉，時荔蕙，程興亞.EKF算法在遠程炮位偵察校射雷達中的應用研究[J].現代雷達，2015，37（5）：49-52.