雷達(dá)光電智能協(xié)同探測技術(shù)研究?

任清安,呂春燕

(1.中國電子科技集團(tuán)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(yè)學(xué)院,山東滕州277500)

0 引言

低慢小目標(biāo)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(yè)培訓(xùn)。故低慢小目標(biāo)對城市日常防空構(gòu)成嚴(yán)重威脅。

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

雷達(dá)光電協(xié)同跟蹤不但能夠提高跟蹤的精度和數(shù)據(jù)率,而且還可以根據(jù)光電數(shù)據(jù)的俯仰角,解算目標(biāo)高度,為低慢小目標(biāo)的打擊提供高質(zhì)量的引導(dǎo)數(shù)據(jù)。

現(xiàn)有的雷達(dá)光電數(shù)據(jù)融合主要采用以下流程:

1)光電數(shù)據(jù)獲取距離信息:由于光電數(shù)據(jù)只提供角度信息,一般利用雷達(dá)數(shù)據(jù)濾波預(yù)報的距離作為光電數(shù)據(jù)的距離信息;

2)雷達(dá)和光電數(shù)據(jù)同步:雷達(dá)和光電數(shù)據(jù)是不同步的,一般采用內(nèi)插、外推的方法將雷達(dá)和光電數(shù)據(jù)對齊;

3)融合算法:根據(jù)雷達(dá)和光電同步的數(shù)據(jù),采用集中/分布式融合,濾波方法有標(biāo)準(zhǔn)KF,EKF,UKF,IMM-EKF和IMM-UKF等[5-10]。

當(dāng)前雷達(dá)光電數(shù)據(jù)融合存在以下缺點:1)雷達(dá)的數(shù)據(jù)率較低(大約10秒/幀),利用雷達(dá)數(shù)據(jù)濾波預(yù)報的目標(biāo)距離精度較差,特別是目標(biāo)發(fā)生強機動時;2)光電數(shù)據(jù)率較高(一般小于1秒/幀),雷達(dá)利用內(nèi)插外推與光電數(shù)據(jù)同步,會導(dǎo)致雷達(dá)內(nèi)插或者外推的點跡精度降低,特別當(dāng)目標(biāo)發(fā)生強機動時。

針對低慢小目標(biāo),首先提出了光電雷達(dá)協(xié)同探測的流程,并提出了基于雷達(dá)光電數(shù)據(jù)的距離解耦算法,大大地提高了光電的預(yù)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(dá)光電的協(xié)同跟蹤算法,不但提高了雷達(dá)光電協(xié)同跟蹤的精度和數(shù)據(jù)率,同時給出了較高精度的高度信息,為低慢小目標(biāo)提供高質(zhì)量的引導(dǎo)信息,同時可以利用光電的圖像信息對目標(biāo)進(jìn)行識別和威脅識別。

1 雷達(dá)光電協(xié)同跟蹤原理

1.1 雷達(dá)光電協(xié)同跟蹤流程

在低慢小目標(biāo)探測中,當(dāng)目標(biāo)威脅等級較高時,雷達(dá)操作人員將該目標(biāo)的批號發(fā)送到雷達(dá)數(shù)據(jù)處理,對該目標(biāo)進(jìn)行重點跟蹤,同時將濾波值轉(zhuǎn)化到光電站心極坐標(biāo)系,并發(fā)送至光電設(shè)備,光電截獲目標(biāo)后立即鎖定,并轉(zhuǎn)為跟蹤模式,同時將目標(biāo)角度信息和圖像信息傳輸至協(xié)同處理中心,并在紅外站心坐標(biāo)系完成雷達(dá)與光電數(shù)據(jù)的融合和高度的計算,獲取目標(biāo)精確的距離、方位、高度及速度信息,同時進(jìn)行基于目標(biāo)圖像信息的分類識別處理,并進(jìn)行威脅確認(rèn),形成最終情報信息上報上級指揮所,并轉(zhuǎn)發(fā)雷達(dá)數(shù)據(jù)處理。具體流程如圖1所示。

圖1 雷達(dá)光電協(xié)同跟蹤流程

1.2 雷達(dá)光電序貫集中式融合流程

協(xié)同處理中心接收到信息時,首先判斷是光電信息還是雷達(dá)的航跡信息,如果是雷達(dá)的航跡信息,則直接進(jìn)行IMM-BLUE處理,并進(jìn)行俯仰Singer模型預(yù)報;如果是光電信息,需要確定是否與雷達(dá)引導(dǎo)航跡相關(guān)成功,如果沒有成功,光電數(shù)據(jù)丟棄,如果相關(guān)成功,則進(jìn)行光電數(shù)據(jù)距離解耦,并進(jìn)行IMM-BLUE處理、俯仰Singer模型濾波。根據(jù)IMM-BLUE處理的距離、方位估計值及俯仰Singer濾波/預(yù)報值進(jìn)行大地坐標(biāo)轉(zhuǎn)換[11],得到目標(biāo)的高度。具體流程如圖2所示。

圖2 雷達(dá)光電序貫集中式融合流程

2 距離解耦算法

雷達(dá)的數(shù)據(jù)率一般為10秒/幀,光電的數(shù)據(jù)率小于1秒/幀,當(dāng)目標(biāo)發(fā)生高機動時,雷達(dá)數(shù)據(jù)濾波給出的預(yù)報距離信息,精度將大大降低。

數(shù)據(jù)假設(shè)k時刻,光電站心雷達(dá)數(shù)據(jù)濾波值分別為時刻目標(biāo)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(nèi),目標(biāo)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(dá)和光電的量測方程是非線性的,而狀態(tài)方程是線性的混合坐標(biāo)系,非線性量測的最優(yōu)線性無偏濾波(BLUE)[12]是針對該混合坐標(biāo)系提出來的,其性能比EKF、UKF、去偏量測轉(zhuǎn)換方法[13]、無偏量測轉(zhuǎn)換方法[14]、修正的無偏量測轉(zhuǎn)換方法好。針對高機動目標(biāo)的運動模型和雷達(dá)光電量測模型的非線性,提出基于IM M-BLUE的數(shù)據(jù)融合方法。在模型集設(shè)計上采用傳統(tǒng)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(zhǔn)則的二維量測轉(zhuǎn)換

假設(shè)目標(biāo)按照如下的線性動態(tài)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(dá)和光電(補距離)的量測是兩維的:

由上面推導(dǎo)就可以采用文獻(xiàn)[10]中的最優(yōu)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(biāo)模型并行運行,輸出結(jié)果取它們的加權(quán)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(dāng)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(zhuǎn)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(jìn)行初始化狀態(tài)與協(xié)方差:

4)狀態(tài)預(yù)測

狀態(tài)預(yù)測,即分別計算:

5)狀態(tài)更新

狀態(tài)更新,即分別計算:

計算似然函數(shù)并更新模型概率為

式中,c為歸一化常數(shù):

計算k時刻,系統(tǒng)融合后的狀態(tài)和誤差協(xié)方差陣:

4 性能分析

在工程試驗中,雷達(dá)光電設(shè)備對無人機進(jìn)行聯(lián)合探測,雷達(dá)航跡起始后,引導(dǎo)光電設(shè)備對目標(biāo)進(jìn)行跟蹤,第8幀后光電設(shè)備截獲并鎖定目標(biāo),轉(zhuǎn)為跟蹤模式,同時將目標(biāo)角度信息和圖像信息傳輸至雷達(dá)情報處理,雷達(dá)情報處理采用基于雷達(dá)光電數(shù)據(jù)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(dá)與光電數(shù)據(jù)進(jìn)行融合,獲取目標(biāo)高精度的距離、方位、高度信息,當(dāng)雷達(dá)光電協(xié)同跟蹤一段時間后,光電設(shè)備跟蹤丟失,故聯(lián)合探測結(jié)束。具體如圖4所示。

圖4 雷達(dá)光電聯(lián)合跟蹤效果

高度估計值如圖5所示。

雷達(dá)的數(shù)據(jù)率為10秒/幀,光電的數(shù)據(jù)率為0.5秒/幀。由表1的實驗結(jié)果可以看出,基于IMM-BLUE的序貫集中式融合算法具有高數(shù)據(jù)更新率,在跟蹤精度上占優(yōu),特別在非機動段上跟蹤精度占有明顯的優(yōu)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(dá)光電數(shù)據(jù)的距離解耦算法,IMM-BLUE2采用基于雷達(dá)光電數(shù)據(jù)的距離解耦算法。由表2可以看出,采用基于雷達(dá)光電數(shù)據(jù)的距離解耦算法能夠較大提高強機動目標(biāo)的跟蹤精度。

5 結(jié)束語

針對當(dāng)前雷達(dá)光電融合算法存在的問題,首先給出了雷達(dá)光電協(xié)同跟蹤的數(shù)據(jù)處理流程,然后提出了基于雷達(dá)光電數(shù)據(jù)的光電數(shù)據(jù)距離解耦算法,最后根據(jù)雷達(dá)光電數(shù)據(jù)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(dá)光電跟蹤精度和數(shù)據(jù)率,而且給出了目標(biāo)的精確高度信息,從而為低慢小目標(biāo)的打擊,提供了高質(zhì)量的引導(dǎo)信息,特別是目標(biāo)發(fā)生高機動時,效果更明顯。

[1]殷艷華,王學(xué)偉.雷達(dá)/紅外成像復(fù)合制導(dǎo)信息融合技術(shù)[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(biāo)跟蹤中的應(yīng)用[J].火力與指揮控制,2008,33(8):27-29.

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

[4]方青,任清安.機載有源無源傳感器穩(wěn)健融合方法[J].雷達(dá)科學(xué)與技術(shù),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(shù)據(jù)融合及其應(yīng)用[M].西安:西安電子科技大學(xué)出版社,2004:62-65.

[6]何友,王國宏,彭應(yīng)寧,等.多傳感器信息融合及應(yīng)用[M].北京:電子工業(yè)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(biāo)與大地坐標(biāo)之間的變換方法研究[J].華北工學(xué)院學(xué)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.