雷達(dá)/紅外/激光復(fù)合制導(dǎo)信息融合技術(shù)

李時(shí)光 李嬋 劉崢

摘 要：????? 多模復(fù)合制導(dǎo)武器在現(xiàn)代戰(zhàn)爭中的作用越來越重要。 以雷達(dá)/紅外/激光三模復(fù)合導(dǎo)引頭為應(yīng)用背景， 設(shè)計(jì)了一種分布式、 特征級信息融合方案。 該方案重點(diǎn)研究了協(xié)同抗干擾和多特征融合識別等關(guān)鍵技術(shù)， 并在專用數(shù)字仿真測試平臺中進(jìn)行了性能驗(yàn)證。? 結(jié)果表明， 該方案可有效提高導(dǎo)引頭在復(fù)雜干擾背景下的抗干擾性能和目標(biāo)鑒別能力。

關(guān)鍵詞：???? 多模復(fù)合制導(dǎo);?? 抗干擾;??? 目標(biāo)鑒別;?? 測試平臺

中圖分類號：??? TJ765.3? 文獻(xiàn)標(biāo)識碼：??? A? 文章編號：???? 1673-5048（2018）01-0033-06

0 引? 言

在由毫米波雷達(dá)/紅外成像/激光半主動探測器構(gòu)成的三模復(fù)合導(dǎo)引頭系統(tǒng)中， 雷達(dá)導(dǎo)引頭作用距離遠(yuǎn)， 采集的目標(biāo)位置信息（包括距離和角度等信息）全面， 可以全天時(shí)、 全天候工作， 但容易受到偵察干擾且測量精度較低;?? 紅外導(dǎo)引頭雖然只能測角或角速度， 但其測量精度高， 且紅外圖像可以刻畫出目標(biāo)的幾何特征信息， 對于鑒別目標(biāo)身份具有很大優(yōu)勢， 再加上其為被動觀測， 所以具有較強(qiáng)的抗電子干擾能力[1];? 半主動激光導(dǎo)引頭作用距離相對較遠(yuǎn)， 可測距、 測角且角分辨率高[2]， 但其受天氣影響較大， 且易受到煙幕干擾。 利用這三種探測器各自的優(yōu)點(diǎn)進(jìn)行組合探測與跟蹤， 一方面可對所接收的三組關(guān)于目標(biāo)的運(yùn)動狀態(tài)信息進(jìn)行融合， 提高跟蹤精度;? 另一方面通過航跡關(guān)聯(lián)與目標(biāo)鑒別可以進(jìn)行干擾判別， 從而提高復(fù)合制導(dǎo)系統(tǒng)的整體抗干擾性能和目標(biāo)鑒別性能[3]。

本文針對毫米波雷達(dá)/紅外成像/激光半主動三模復(fù)合導(dǎo)引頭， 給出了復(fù)合導(dǎo)引頭信息融合處理總體技術(shù)方案和關(guān)鍵技術(shù)說明， 可為毫米波雷達(dá)/紅外成像/激光半主動復(fù)合導(dǎo)引頭的工程化應(yīng)用提供理論技術(shù)參考。

1 總體方案設(shè)計(jì)

1.1 復(fù)合導(dǎo)引頭的結(jié)構(gòu)

多模復(fù)合導(dǎo)引頭在結(jié)構(gòu)復(fù)合方式上主要有分口徑和共口徑兩種方式， 共口徑相對于分口徑在結(jié)構(gòu)上具有體積小、 質(zhì)量輕等優(yōu)勢， 同時(shí)還可以實(shí)現(xiàn)多個(gè)傳感器數(shù)據(jù)的精確配準(zhǔn)， 為復(fù)合信息處理減小誤差[4]。 在本方案中， 毫米波雷達(dá)/紅外成像/激光半主動三模導(dǎo)引頭的集能器采用共口徑結(jié)構(gòu)復(fù)合方式， 對觀測場景的搜索與目標(biāo)跟蹤均在同一個(gè)伺服控制平臺上完成。

1.2 復(fù)合導(dǎo)引頭信息融合方案

針對前述共口徑結(jié)構(gòu)復(fù)合導(dǎo)引頭， 本文給出了分布式、 特征級信息融合方案， 見圖1。

分布式融合是對目標(biāo)位置信息的融合處理， 其過程是由各探測器完成單探測器的多目標(biāo)跟蹤與狀態(tài)估計(jì)， 把獲得的目標(biāo)航跡信息送入融合中心。 融合中心完成時(shí)間對準(zhǔn)、 坐標(biāo)變換， 然后基于這些探測器的目標(biāo)狀態(tài)估計(jì)進(jìn)行航跡關(guān)聯(lián)處理，? 最后對來自同一目標(biāo)的航跡估計(jì)進(jìn)行航跡融合。 與集中式融合處理方式相比， 分布式融合的優(yōu)點(diǎn)是可以以較低的費(fèi)用獲得較高的可靠性和可用性[5]。

特征級融合是對目標(biāo)屬性信息的融合處理， 以實(shí)現(xiàn)目標(biāo)身份的確認(rèn)。 按照所處理對象的數(shù)據(jù)類型不同， 目標(biāo)屬性融合分為數(shù)據(jù)級融合、 特征級融合和決策級融合。 其中特征級融合和決策級融合可以進(jìn)行異類探測器間的信息融合。 本方案采用特征級融合， 與數(shù)據(jù)級融合相比， 其實(shí)現(xiàn)了信息壓縮， 有利于實(shí)時(shí)處理;? 與決策級融合相比， 則多保留了目標(biāo)的信息， 減少了信息損失[6]。

由圖1可知， 分布式、 特征級信息融合方案中， 信息融合處理單元包括兩個(gè)部分： 局部探測器目標(biāo)跟蹤濾波處理和信息融合中心處理。 與常規(guī)分布式結(jié)構(gòu)相比， 不同之處是將局部探測器目標(biāo)跟蹤移至信息融合處理單元進(jìn)行處理， 這樣調(diào)整可以使整個(gè)信息融合處理單元掌握更多的目標(biāo)狀態(tài)信息， 使處理更加靈活。

雷達(dá)、 紅外、 激光前端首先完成目標(biāo)檢測、 參數(shù)估計(jì)等步驟， 形成各自目標(biāo)的狀態(tài)觀測信息（目標(biāo)點(diǎn)跡）。 然后， 局部跟蹤器再分別對各自前端探測的目標(biāo)點(diǎn)跡進(jìn)行濾波估計(jì)， 產(chǎn)生穩(wěn)定的目標(biāo)跟蹤局部航跡信息。

信息融合中心處理的對象為局部航跡和各航跡所攜帶的目標(biāo)屬性特征信息。 具體工作步驟為時(shí)空配準(zhǔn)、 航跡關(guān)聯(lián)、 特征融合和航跡融合。 其中， 多探測器數(shù)據(jù)層協(xié)同抗干擾功能在航跡關(guān)聯(lián)環(huán)節(jié)實(shí)現(xiàn)， 多特征融合識別在特征融合環(huán)節(jié)實(shí)現(xiàn)。

2 協(xié)同抗干擾技術(shù)

多模復(fù)合導(dǎo)引頭在復(fù)雜干擾背景下工作時(shí)， 需要采取合適的信息融合策略， 以確定采用何種航跡信息對最終輸出的系統(tǒng)航跡進(jìn)行更新， 進(jìn)而引導(dǎo)導(dǎo)彈飛行。 本方案中， 航跡信息包括雷達(dá)航跡、 紅外航跡、 激光航跡以及系統(tǒng)航跡。

復(fù)合導(dǎo)引頭的三個(gè)探測器在完成制導(dǎo)任務(wù)過程中工作狀態(tài)分為正常和故障（受干擾）兩種狀態(tài)。 在“航跡關(guān)聯(lián)”環(huán)節(jié)中， 當(dāng)某一探測器航跡不能與其他探測器航跡關(guān)聯(lián)成功時(shí)， 可以判斷該探測器受到干擾。

本方案假設(shè)雷達(dá)探測器輸出2條航跡（R1和R2）， 紅外探測器輸出2條航跡（H1和H2）， 激光探測器輸出1條航跡（L）。 分別將每個(gè)探測器的航跡與其他兩個(gè)探測器的航跡進(jìn)行兩兩關(guān)聯(lián)， 得到8組關(guān)聯(lián)對， 將其分為三組， 然后判斷每組是否有關(guān)聯(lián)成功的關(guān)聯(lián)對， 若有則輸出“1”， 沒有則輸出“0”。 這樣就可以得到8種狀態(tài)， 分別用“000”、 “001”、 “010”、 “100”、 “011”、 “101”、 “110”和“111”表示。 每種狀態(tài)下， 航跡關(guān)聯(lián)的輸出結(jié)果如下：

（1） 111：? 表示雷達(dá)與紅外、 紅外與激光、 激光與雷達(dá)之間均有關(guān)聯(lián)對， 其處理流程如圖2所示。

（2） 110/101/011： 以“110”為例， 表示雷達(dá)與激光之間不存在關(guān)聯(lián)對， 雷達(dá)與紅外之間、 紅外與激光之間均存在關(guān)聯(lián)對。 此時(shí)紅外與另外兩種探測器均存在關(guān)聯(lián)對， 航跡關(guān)聯(lián)環(huán)節(jié)輸出紅外航跡， 進(jìn)而利用特征融合進(jìn)行目標(biāo)判別， 最終輸出紅外的庫內(nèi)目標(biāo)航跡。 “101”和“011”的情況與“110”類似。

（3） 010/001/100： 以“010”為例， 表示僅有紅外與激光的航跡之間存在關(guān)聯(lián)對， 雷達(dá)航跡與紅外航跡、 激光航跡均不關(guān)聯(lián)， 因此判定雷達(dá)受到了干擾。 “航跡關(guān)聯(lián)”環(huán)節(jié)輸出紅外與激光之間的關(guān)聯(lián)對。 “001”和“100”的情況與“010”類似。

（4） 000： 該狀態(tài)出現(xiàn)時(shí)， 表示三個(gè)探測器輸出的航跡互相均不兩兩相關(guān)聯(lián)， 航跡關(guān)聯(lián)環(huán)節(jié)不再向后續(xù)環(huán)節(jié)輸出用于航跡融合進(jìn)而更新系統(tǒng)航跡的航跡信息， 系統(tǒng)航跡采用外推進(jìn)行自我更新。

多探測器數(shù)據(jù)層協(xié)同抗干擾技術(shù)是本方案信息融合策略的核心， 該技術(shù)在航跡關(guān)聯(lián)環(huán)節(jié)實(shí)現(xiàn)， 在一定程度上體現(xiàn)了復(fù)合體制優(yōu)異的抗干擾性能。

3 多特征融合識別

特征級融合屬于屬性融合， 其一般流程如圖3所示。

在整個(gè)信息融合系統(tǒng)結(jié)構(gòu)中， 特征級融合發(fā)生在航跡關(guān)聯(lián)之后、 航跡融合之前。 航跡關(guān)聯(lián)的結(jié)果是產(chǎn)生一個(gè)或多個(gè)關(guān)聯(lián)航跡組， 每組關(guān)聯(lián)航跡即代表一個(gè)觀測目標(biāo)。 特征級融合就是將多個(gè)觀測目標(biāo)中的多探測器異類特征加以融合， 利用融合后的多特征信息與模型庫中待攻擊目標(biāo)的相應(yīng)特征向量進(jìn)行匹配， 根據(jù)匹配率的高低來判斷是否為模板庫中的待攻擊目標(biāo)。

導(dǎo)引頭對目標(biāo)進(jìn)行探測時(shí)主要面對三方面的干擾， 分別是強(qiáng)雜波、 假目標(biāo)與有源干擾。 目標(biāo)鑒別需要解決的問題是如何在復(fù)雜背景下區(qū)分待攻擊目標(biāo)與假目標(biāo)。 實(shí)際應(yīng)用中， 該問題可以歸納為對典型待攻擊目標(biāo)與假目標(biāo)的二元分類問題， 與待攻擊目標(biāo)間的分類不同， 這種鑒別所需的特征是待攻擊目標(biāo)間的共性特征以及待攻擊目標(biāo)與假目標(biāo)之間的差異特征。

特征融合目標(biāo)鑒別方案分為訓(xùn)練階段和鑒別階段。 在訓(xùn)練階段， 分別提取雷達(dá)與紅外探測器目標(biāo)訓(xùn)練樣本的特征（本方案中，激光探測器不包含特征信息， 因此僅對雷達(dá)與紅外探測器的特征信息進(jìn)行融合）， 利用實(shí)測數(shù)據(jù)分析各個(gè)特征的可分性， 進(jìn)行有效的特征選擇。 本方案選擇的紅外特征包括像素?cái)?shù)、 寬高比、 目標(biāo)復(fù)雜度等;? 雷達(dá)特征包括長度、 波形熵、 中心距等。 在此基礎(chǔ)上， 利用基于OWA算子的特征融合算法[7]對雷達(dá)與紅外特征進(jìn)行融合， 得到訓(xùn)練樣本的融合特征向量， 進(jìn)而利用支持向量域描述（Support Vector Data Description， SVDD）模型[8]作為目標(biāo)鑒別器模型進(jìn)行訓(xùn)練并生成多傳感器融合的目標(biāo)訓(xùn)練模板庫[9]。 訓(xùn)練階段的處理流程如圖4所示。

在鑒別階段， 對傳感器收到的目標(biāo)雷達(dá)特征與紅外特征進(jìn)行基于OWA算子的特征融合， 并利用SVDD模型對所得的融合特征向量進(jìn)行判別， 以判別該目標(biāo)是否為庫內(nèi)目標(biāo)。 鑒別階段的處理流程如圖5所示。

雷達(dá)/紅外復(fù)合制導(dǎo)系統(tǒng)為目標(biāo)識別提供了比單探測器更多的有關(guān)目標(biāo)的特征信息， 增大了特征空間維數(shù)。 本方案對來自雷達(dá)探測器和紅外探測器的異類信息進(jìn)行特征級融合， 能有效區(qū)分庫內(nèi)目標(biāo)與庫外目標(biāo)， 提高了正確鑒別待攻擊目標(biāo)的概率。

4 信息融合仿真測試平臺構(gòu)建

為了驗(yàn)證復(fù)合導(dǎo)引頭信息融合處理方案的正確性， 結(jié)合現(xiàn)有的硬件條件， 本文基于計(jì)算機(jī)建模仿真技術(shù)搭建了一套多模復(fù)合導(dǎo)引頭信息融合仿真測試平臺。

4.1 平臺組成與功能

測試平臺由仿真計(jì)算機(jī)、 仿真接口插件組成， 被測件為復(fù)合導(dǎo)引頭信號與信息處理器， 如圖6所示。 其中信號與信息處理器硬件平臺與仿真接口板之間用RS422接口連接， 再通過PCI總線接口連接到仿真計(jì)算機(jī)。

測試平臺滿足以下測試需求：

（1） 模擬產(chǎn)生信息融合處理單元所需要的雷達(dá)、 紅外和激光導(dǎo)引頭前端測量的數(shù)據(jù)， 包括目標(biāo)的位置點(diǎn)跡信息、 目標(biāo)特征信息和對各傳感器施加一些常見干擾后的數(shù)據(jù)信息;

（2） 將模擬的仿真數(shù)據(jù)按照一定的數(shù)據(jù)格式以一定的數(shù)據(jù)率， 通過連接仿真計(jì)算機(jī)的仿真接口板實(shí)時(shí)送入信息融合處理單元;

（3） 導(dǎo)引頭信號與信息處理器通過相關(guān)接口， 將信息融合處理結(jié)果實(shí)時(shí)傳送至仿真計(jì)算機(jī)， 通過在計(jì)算機(jī)上構(gòu)造的用戶操作界面來實(shí)時(shí)顯示信息融合系統(tǒng)的處理結(jié)果并進(jìn)行性能評估。

針對以上設(shè)計(jì)需求， 設(shè)計(jì)了信息融合仿真測試軟件界面， 如圖7所示。

測試軟件主界面分為動畫觀測區(qū)、 測量結(jié)果顯示區(qū)、 工作狀態(tài)顯示區(qū)、 工作模式顯示區(qū)、 操作提示區(qū)以及控制面板區(qū)等6個(gè)區(qū)域， 其中前5個(gè)區(qū)域均用來直觀演示或顯示實(shí)時(shí)數(shù)據(jù)和狀態(tài)， 可供用戶觀察測試過程現(xiàn)象。 控制面板區(qū)是主要操作的區(qū)域， 具體包含“系統(tǒng)自檢”、 “參數(shù)設(shè)置”、 “開機(jī)指令”、 “系統(tǒng)復(fù)位”、 “航向角輸出”、 “俯仰角輸出”、 “運(yùn)動軌跡”和“退出系統(tǒng)”等8個(gè)按鈕， 主要提供三大功能：

（1） 控制系統(tǒng)的狀態(tài)， 包括自檢、 開機(jī)、 復(fù)位和退出等。

（2） 設(shè)置仿真參數(shù)： “參數(shù)設(shè)置”按鈕負(fù)責(zé)打開如圖8所示的參數(shù)裝訂界面， 可以根據(jù)設(shè)計(jì)好的攻擊場景模擬生成復(fù)合導(dǎo)引頭的觀測數(shù)據(jù)。 參數(shù)設(shè)置界面中包括5個(gè)區(qū)域： 導(dǎo)引頭工作模式設(shè)置、 目標(biāo)參數(shù)設(shè)置、 干擾設(shè)置、 導(dǎo)彈參數(shù)設(shè)置和環(huán)境參數(shù)設(shè)置。

（3） 顯示處理結(jié)果： 顯示信息融合系統(tǒng)對目標(biāo)航向角和俯仰角的融合結(jié)果以及導(dǎo)彈和目標(biāo)的運(yùn)動軌跡， 并對系統(tǒng)的性能做出評估。

4.2 仿真測試及分析

設(shè)置兩個(gè)目標(biāo)， 假定目標(biāo)1為待攻擊目標(biāo)， 目標(biāo)2為假目標(biāo);??? 仿真開始時(shí)刻彈目距離為2.8 km;??? 仿真步長為5 ms;??? 當(dāng)彈目距離為1 km時(shí)， 雷達(dá)質(zhì)心式箔條干擾出現(xiàn)。 本次仿真的航向角融合結(jié)果見圖9。

由圖可知， T時(shí)刻之前， 雷達(dá)、 紅外和激光探測器均未受到干擾， 航跡關(guān)聯(lián)控制字為“111”， 航跡關(guān)聯(lián)的輸出結(jié)果為兩組關(guān)聯(lián)對， 分別代表目標(biāo)1和目標(biāo)2。 融合系統(tǒng)進(jìn)入特征融合階段， 將這2個(gè)觀測目標(biāo)的雷達(dá)和紅外特征加以融合， 利用融合后的多特征信息與模型庫中待攻擊目標(biāo)的相應(yīng)特征向量進(jìn)行匹配， 根據(jù)匹配率的高低判斷出目標(biāo)1是庫內(nèi)目標(biāo)， 目標(biāo)2是庫外目標(biāo)， 因此融合系統(tǒng)將目標(biāo)1的融合結(jié)果作為系統(tǒng)航跡。

T時(shí)刻時(shí)， 雷達(dá)箔條干擾出現(xiàn)， 雷達(dá)目標(biāo)1的航跡逐漸偏離紅外、 激光目標(biāo)1的航跡。 如前文所述， 此時(shí)的航跡關(guān)聯(lián)情況為“110”（雷達(dá)目標(biāo)2與紅外目標(biāo)2關(guān)聯(lián)成功、 紅外目標(biāo)1與激光目標(biāo)關(guān)聯(lián)成功， 雷達(dá)目標(biāo)與激光目標(biāo)關(guān)聯(lián)失?。?根據(jù)融合策略， 航跡關(guān)聯(lián)環(huán)節(jié)輸出2個(gè)紅外目標(biāo)的航跡， 進(jìn)而通過后續(xù)的特征融合環(huán)節(jié)對這2個(gè)紅外目標(biāo)進(jìn)行鑒別， 鑒別出目標(biāo)1為庫內(nèi)目標(biāo)， 目標(biāo)2為庫外目標(biāo)， 因此融合系統(tǒng)將以紅外目標(biāo)1的航跡來更新系統(tǒng)航跡。

從仿真測試可以看出， 本方案利用航跡關(guān)聯(lián)協(xié)同抗干擾和特征級融合兩大關(guān)鍵技術(shù)， 起到了抗干擾和正確鑒別目標(biāo)的作用。

5 結(jié)? 論

本文針對毫米波雷達(dá)/紅外成像/半主動激光三模復(fù)合導(dǎo)引頭， 給出了一種分布式、 特征級信息融合方案， 該方案采用了多探測器數(shù)據(jù)層協(xié)同抗干擾和特征級信息融合兩大關(guān)鍵技術(shù)。 通過自行設(shè)計(jì)構(gòu)建的專用數(shù)字仿真測試平臺驗(yàn)證， 表明該方案能有效提高導(dǎo)引頭的抗干擾性能和對目標(biāo)的鑒別性能， 可為復(fù)合導(dǎo)引頭的工程化應(yīng)用提供技術(shù)參考。

參考文獻(xiàn)：

[1] 吳爽. 紅外成像導(dǎo)引頭信號處理算法研究[D]. 西安： 西安電子科技大學(xué)， 2011： 1-3.

Wu Shuang. Study on Algorithms of Signal Processing Involved in Infrared Image Seeker[D]. Xian： Xidian University， 2011： 1-3.（in Chinese）

[2] 王狂飆. 激光制導(dǎo)武器的現(xiàn)狀、 關(guān)鍵技術(shù)與發(fā)展[J]. 紅外與激光工程， 2007， 36（5）： 651-653.

Wang Kuangbiao. Statusquo， Key Technology and Deve-lopment of Laser Guided Weapon[J]. Infrared and Laser Engineering， 2007， 36（5）： 651-653.（in Chinese）

[3] 艾薇， 劉崢. 雷達(dá)/紅外復(fù)合導(dǎo)引頭信息融合技術(shù)研究 [J].航空兵器， 2007（4）： 30-31.

Ai Wei， Liu Zheng. The Survey of Radar/IR Seeker Information Fusion Technique[J]. Areo Weaponry， 2007（4）： 30-31. （in Chinese）

[4] 左保軍， 況耀武. 紅外/激光雙模導(dǎo)引頭的光學(xué)系統(tǒng)[J]. 紅外與激光工程， 2009， 38（3）： 496-498.

Zuo Baojun， Kuang Yaowu. Optical Design of the IR/Laser Dual-Mode Seeker[J]. Infrared and Laser Engineering， 2009， 38（3）：? 496-498. （in Chinese）

[5] 李輝， 程琤， 張安， 等. 基于反饋結(jié)構(gòu)的多傳感器自適應(yīng)航跡融合算法[J]. 計(jì)算機(jī)學(xué)報(bào)， 2006， 29（12）： 2232-2237.

Li Hui， Cheng Zheng， Zhang An， et al. Adaptive Algorithm for Multisensor Track Fusion with Feedback Architecture[J]. Chinese Journal of Computers， 2006，29（12）：? 2232-2237. （ in Chinese）.

[6] 韓崇昭， 朱紅艷， 段戰(zhàn)勝， 等. 多源信息融合[M]. 2版. 北京： 清華大學(xué)出版社， 2012：? 7-10.

Han Chongzhao， Zhu Hongyan， Duan Zhansheng， et al. Multi-Source Information Fusion[M]. 2nd ed.? Beijing： Tsinghua University Press， 2012：? 7-10.（ in Chinese）

[7] Yager R R. On Ordered Weighted Averaging Aggregation Operators in Multicriteria Decision Making[J]. IEEE Transactions on Systems， Man and Cybernetics， 1998， 18（1）：? 183-190.

[8] 劉艷紅， 薛安榮， 史習(xí)云. K-means聚類與SVDD結(jié)合的新的分類算法[J].計(jì)算機(jī)應(yīng)用研究，? 2010， 27（3）：? 883-886.

Liu Yanhong， Xue Anrong， Shi Xiyun. New Classification Algorithm K-Means Clustering Combined with SVDD [J].Application Research of Computers， 2010， 27（3）：??? 883-886. （in Chinese）

[9] 李龍， 劉崢. 基于訓(xùn)練特征空間分布的雷達(dá)地面目標(biāo)鑒別器設(shè)計(jì)[J].電子與信息學(xué)報(bào)， 2016， 38（4）：? 950-957.

Li Long， Liu Zheng. Identifier for Radar Ground Target Based on Distribution of Space of Training Features[J].? Journal of Electronics & Information Technology，? 2016， 38（4）：?? 950-957. （in Chinese）