基于通信時分框架的單站無源動目標定位技術(shù)

高元峰，江　漫，葛　蕾，賈鐵燕

(中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

0　引言

現(xiàn)代戰(zhàn)爭中各種高新技術(shù)兵器對于作戰(zhàn)武器平臺生存的威脅日趨嚴重，除了實現(xiàn)更多平臺間的信息情報共享、資源協(xié)同支持，還要提升平臺自身的綜合作戰(zhàn)能力，形成更大的感知域、拒止域和掌控域。

長久以來，武器平臺的單站動目標定位技術(shù)都是其能力建設(shè)的重中之重，而主動探測手段由于原理簡單、性能優(yōu)越等特點長期占據(jù)主導(dǎo)地位，但隨著各種電子對抗技術(shù)的發(fā)展，主動探測的電磁輻射風(fēng)險日甚而其回報驟減，同時以被動相參定位(Passive Coherent Location，PCL)技術(shù)[1-3]為代表的單站無源定位技術(shù)開始不斷發(fā)展。無源定位技術(shù)[4-6]具有良好的電磁隱蔽特征，同時其在反隱探測、設(shè)備成本方面具有較大優(yōu)勢，已經(jīng)成為世界各國新技術(shù)手段發(fā)展的熱點。

本文主要針對單站無源[7-8]動目標定位技術(shù)體制和基于通信時分結(jié)構(gòu)下時差變化率[9-10]進行理論分析與仿真研究，較好地解決了單站徑向探測的瓶頸限制和測量精度問題，提升了整體的定位能力。

1　　　　單站無源動目標定位體制分析及常規(guī)算法的技術(shù)限制

圖1　單站無源定位基本模型

在具體應(yīng)用算法研究中，會根據(jù)不同設(shè)定，補充三角形已知要素使其合理并可解。比如，當把點T設(shè)定為第三方電波輻射源(如廣播電臺等)，并利用直達波和折射波間的波程差估計(其本質(zhì)是已知三角形一條邊(c)、一個內(nèi)角(∠TOA)和另一條邊的條件(兩邊差))可以得到目標A的位置，即PCL的基本概念模型。

考慮到所提基礎(chǔ)三角形模型的結(jié)構(gòu)需要，有單運動平臺對固定目標的無源定位技術(shù)研究，其設(shè)定目標A固定不動而偵測站O發(fā)生運動的條件。此時由于O的合作性運動導(dǎo)致隨時間變化的一系列連續(xù)三角形，通過多次測角可統(tǒng)計交匯位置，從而得到對目標A的定位估計。

在固定單站無源定位技術(shù)的研究中，目標和偵測站間的徑向位移測量模糊是十分棘手的難題。在圖1的模型中，如果目標A運動則會得到一系列角αi，i=1，2...，i為觀測時刻。顯然有

(1)

近些年，有學(xué)者提出基于角度變化率、多普勒頻率變化率、方向信息、角速度及多普勒頻率變化率信息等技術(shù)方法實現(xiàn)單站無源動目標定位能力。其算法核心都是基于對多普勒頻率估計推測目標的徑向運動，同時算法對于對象的運動規(guī)律還有較多要求，不具備廣泛的適應(yīng)性和動態(tài)穩(wěn)健性。

基于多普勒頻率與變化率的方法，前提條件不是需要約束目標的運動規(guī)律(如勻速直線運動)，就是要求明確目標的運動速度或載波頻率信息，其假設(shè)顯然不具有良好的工程實用基礎(chǔ)和應(yīng)用前景。其中，多普勒頻率直接反映了目標的相對運動速度和頻率之間的物理關(guān)系，如果知道目標的多普勒頻率就等于知道目標的徑向運動速度。但對于非合作方獲得目標的多普勒頻率幾乎是不可能達到的條件，因此該方法研究甚少。而多普勒頻率變化率估計規(guī)避了目標頻率已知的要求，通過連續(xù)測頻得到頻差的方式提取可用信息。而多普勒頻率變化率反映目標徑向速度的變化值，是目標運動加速度的直接物理體現(xiàn)，對其的研究依舊存在對運動規(guī)律的約定。如標準二維定位算法(要求目標做勻加速運動)、EKF[11-12]的定位與跟蹤濾波算法(要求目標做平滑運動)等。

2　基于時差變化率增強的新定位技術(shù)

通信系統(tǒng)作為眾多分散收發(fā)信息交互活動的支撐，需要具有嚴格的規(guī)則和固有的循環(huán)?，F(xiàn)代通信系統(tǒng)中，時分復(fù)用[13]體制是解決多用戶接入、低概率截獲和提高資源利用率的重要方式。系統(tǒng)通過建立統(tǒng)一、標準化的時間基準框架，對通信帶寬資源進行時間片劃分，將不同用戶和各種業(yè)務(wù)按需進行時隙(時間片)資源分配，而用戶時隙以最大運行時間周期循環(huán)，即

(2)

式中，Tn為第n個時隙的結(jié)構(gòu)集合；Δt為時隙的時間片寬度；T為整體時間運行周期。單個用戶因需會獲得1個以上的時隙資源分配，而在使用中用戶也有個別具體時隙未使用的情況，但總體上其通信電磁行為總是發(fā)生在總周期T的整數(shù)倍時刻。

時隙結(jié)構(gòu)及其規(guī)律是通信信號一種較為顯著的特征，而在內(nèi)部還有很多的同步、循環(huán)、固定的信息或結(jié)構(gòu)。在對目標有一定分析和了解的基礎(chǔ)上，都是可能成為提取其行為周期性特征的依據(jù)。

2.1　通信的時分復(fù)用原理和體制結(jié)構(gòu)

通過對于定位目標電磁行為規(guī)律的掌握和時間序列的估計，可以提供一種核心三角結(jié)構(gòu)關(guān)系的新理解。它區(qū)別于傳統(tǒng)PCL等技術(shù)的突出特點是，通過研究目標，不單純依靠基本物理信號參數(shù)測量，掌握并利用其上層電磁行為規(guī)律信息特征建立分析模型，其估計精度優(yōu)勢明顯。需要強調(diào)的是此種估計可以替代之前多普勒頻率及其變化率測量的方法，解決單站模型中徑向測量模糊的難題。

建立基于通信時分框架的時差變化率增強單站無源動目標定位技術(shù)，其核心模型由固定偵測站O和運動目標A組成，t0，t1，...，tn...分別是不同的偵測時刻，以其中的t0，t1為例建立三角結(jié)構(gòu)關(guān)系，結(jié)構(gòu)如圖2所示。

圖2　時差變化率增強單站無源動目標定位模型

在該模型中，角α和θ是動目標t0，t1兩個時刻的方向角，可用θi，i∈Z時刻i的方向角統(tǒng)一表示，角β=α-θ=θi-θi+1=Δθi，i+1代表方向角變化值。顯然有

(3)

即估計足夠高頻度的測向序列值變化率，將收斂于目標運動的切向角度速。

2.2　新算法的流程

時差變化率增強單站無源動目標定位算法的定位模型如圖2所示，其中角度α，β，θ可以通過測向設(shè)備測得，d||為由于目標徑向運動分量引起的徑向位移的變化，其求解可以通過周期信號的時差變化率乘以光速求得。因此，只要初始距離c可求，即距離信息加上方向信息可以唯一確定目標的位置。

新模型定位算法流程如圖3所示。先對預(yù)求解的目標距離設(shè)定t0時刻未知變量c，再按照計算步驟順序，依次開展數(shù)據(jù)演算估計。

圖3　時差變化率增強單站無源動目標定位算法流程

步驟2 顯然當目標的位置與相對距離不發(fā)生變化時，偵測站將按以Δt為最小周期的時間序列收到其通信信號。而實際偵收信號時刻偏離時間基準序列就意味著其位置移動和距離(徑向)變化，如式(4)計算相對時差值則可徑向距離的變化量d‖。

DefineΔt′=(t1-t0)-Δt，d‖， t1=Δt′×C。

(4)

(5)

進而可以計算t1時刻目標的位置(rt0，θt0)=(rt0=c+Δt′×C，θt0)。

步驟5 很多目標的運動具有固定規(guī)律性，這集中表現(xiàn)為其運動過程的起點和終點確知。由此可唯一確定數(shù)學(xué)模型中的初始/終止距離c/cn，從而確定整個運動過程中的位置。

通過以上估計可得到對t0～tn時刻，運動目標位置距離ci的值，進而實現(xiàn)對運動目標的單站無源定位能力。

在動目標的徑向距離估計研究中，傳統(tǒng)使用多普勒頻率[14]、多普勒變化率[15]和相位差變化率[16]等方法較多。而新方法掌握目標通信信號行為規(guī)律，并據(jù)此建立的時間基準序列，可以很好地描述目標的電磁信號特征，具有超越傳統(tǒng)信號參數(shù)測量上界的性能指標。

2.3　算法定位參數(shù)提取

本文所介紹的定位技術(shù)主要由測向信息加上距離信息獲得，而距離信息的求解精度依賴于與對目標電磁通信行為規(guī)律的掌握所建立的徑向距離變化測量的精度，要由接收系統(tǒng)的信號截獲時間精度所決定。而對于信號檢測處理，理論上界為信號自相關(guān)函數(shù)，輸出信噪比與信號自身能量相關(guān)，是其時寬帶寬積的函數(shù)。基于時差的徑向距離高精度估計，歸根到底就是如何高精度地提取信號的到達時間，等價于如何高概率地檢測截獲突發(fā)信號。

時差會提高目標徑向的距離測量進度，而系統(tǒng)整體定位的主要誤差來自于單站DOA估計。在雷達、聲納等領(lǐng)域中，對于空間信號到達方向(DOA)估計的研究由來已久。基于陣列天線對DOA估計[17]的方法包括ARMA譜分析、最大似然法、熵譜分析和特征分解法等多種。其中傳統(tǒng)的DOA估計方法，如Capon波束形成法[18-19]，在最小方差法(MVM)優(yōu)化[20-21]求解后，可得到噪聲與來自非θ方向的任何干擾貢獻功率最小，又能保持θ方向上的信號功率。其估計結(jié)果為：

(6)

而MUSIC算法由噪聲特征矢量和信號矢量的正交關(guān)系，得到陣列空間譜函數(shù)：

(7)

通過對于θ變化，掃描搜索空間中的波峰來估計到達角。而對其在理想情況下，估計誤差協(xié)方差矩陣的克拉美-羅界分析有：

(8)

式中，S(i)=diag[s1(i)，s2(i)，...，sK(i)]。另外，噪聲功率的克拉美-羅界為：

(9)

3　仿真對比與分析驗證

3.1　新算法對各種運動規(guī)律適應(yīng)性

本算法由于是對目標結(jié)果數(shù)據(jù)的后處理，且不需要對其運動規(guī)律模型的約束，所以算法表現(xiàn)出良好的運動適應(yīng)性。算法對勻速直線運功的估計效果如圖4所示，觀察點為原點，目標從仰角5°距離10 km外出發(fā)，沿x軸做300 m/s的勻速直線運動，在無噪條件下可以達到10-4的定位誤差。仿真顯示將初始距離設(shè)為100 km時，其定位誤差也小于10-2m。

(a)定位軌跡線

(b)定位軌跡誤差

算法對曲線運功的估計效果如圖5所示，觀察點為原點，目標從仰角5°距離10 km外出發(fā)，沿x軸做初速300 m/s加速度仰角2°的曲線運動，在無噪條件下可以達到10-3的定位誤差。仿真顯示將初始距離設(shè)為100 km時，其定位誤差也小于10-3m。

(a)定位軌跡線

(b)定位軌跡誤差

3.2　新算法對量化誤差和信噪比的適應(yīng)性

當算法考慮實際信號條件，引入量化誤差和信噪比條件后可得到如圖6所示的仿真結(jié)果。當考慮相位量化精度在0.1°，相位測量誤差小于10°，目標距離80 km時典型定位誤差在50 m以內(nèi)。而當目標距離達到300 km時則達到200 m左右的誤差。

(a)定位軌跡線

(b)定位軌跡誤差

當算法考慮實際信號條件，引入量化誤差和信噪比條件后可得到如圖7所示的仿真結(jié)果。當考慮相位量化精度在0.1°，相位測量誤差小于10°，目標距離80 km時典型定位誤差在100 m以內(nèi)。而當目標距離達到300 km時則達到400 m左右的誤差上限。

(a)定位軌跡線

(b)定位軌跡誤差

結(jié)合以上仿真可知，新算法對目標的運動狀態(tài)沒有依賴，表現(xiàn)出良好的運動適應(yīng)性，同時再引入量化誤差和信噪比之后，由其所帶來的誤差也控制在1%R(R為偵測距離)之內(nèi)，在可以容忍的誤差范圍內(nèi)。

4　結(jié)束語

本文方法最大程度地利用了通信類對象在電磁發(fā)射行為上的基本規(guī)律，將其行為規(guī)律轉(zhuǎn)化為信號分析中的時間性規(guī)律，并據(jù)此建立模型獲得了超額處理增益。實際的通信系統(tǒng)中有載波同步、幀同步和位同步等結(jié)構(gòu)，其中的時間規(guī)律信息都將為分析帶來巨大的收益。此外，對于時間結(jié)構(gòu)周期具體值的估計誤差有隨著時間積累的弊端，在后續(xù)的研究使用中應(yīng)考慮加以改進并克服。

[1]秦軍振.外輻射源雷達系統(tǒng)的測向及定位算法研究[D].西安：西安電子科技大學(xué)，2009：1-4.

[2]侍偉偉，胡文，王艷芳，等.基于壓縮觀測的解距離模糊算法[J].數(shù)據(jù)采集與處理，2013，28(4)：38-40.

[3]CALIKOGLU B.Evaluation and Analysis of Array Anteimas for Passive Coherent Loeation(PCL)Systems[R].Thesis of Air Force Institute of Technology，2002.

[4]韓軍偉.機載單站無源定位技術(shù)研究[D].西安：西安電子科技大學(xué)，2015：1-14.

[5]李海靜，王立剛.遠程空空導(dǎo)彈機彈協(xié)同無源定位技術(shù)研究[J].現(xiàn)代防御技術(shù)，2016，44(1)：16-21.

[6]胡來招.無源定位技術(shù)綜述[J].電子對抗，2004，8(4)：65-70.

[7]張芹.固定單站無源定位系統(tǒng)的可行性研究[D].成都：電子科技大學(xué)，2007：1-4.

[8]占榮輝.基于空頻域信息的單站被動目標跟蹤算法研究[D].鄭州：國防科學(xué)技術(shù)大學(xué)，2007：2-12.

[9]應(yīng)文，李冬海，胡德秀.一種基于時差變化率的單站無源定位方法[J].指揮信息系統(tǒng)與技術(shù)，2011，2(1)：27-48.

[10] 應(yīng)文，李冬海，胡德秀.基于時差和時差變化率的寬帶信號單站無源定位方法[J].電子信息對抗技術(shù)，2012，27(2)：14-17.

[11] 李仕云.基于EKF的雙站測向/時差聯(lián)合定位算法[J].無線電通信技術(shù)，2015，41(1)：38-40.

[12] KANG C W.A Human Motion Tracking Algorithm Using Adaptive EKF Based on Markov Chain[J].IEEE Sensors Journal，2016，16(24)：8953-8962.

[13] 張恒，張迎春.一種動態(tài)時分復(fù)用方法及FPGA實現(xiàn)[J].無線電工程，2015，45(6)：85-87.

[14] 王鼎，張剛.一種基于窄帶信號多普勒頻率測量的運動目標直接定位方法[J].電子學(xué)報，2017(3)：591-598.

[15] 田由甲，張冠杰.基于多普勒頻率變化率的固定單站定位算法研究[J].無線電通信技術(shù)，2016，42(4)：61-64.

[16] 高義，高元鋒.基于相位差變化率的無源定位技術(shù)研究[J].無線電工程，2013，43(1)：52-55.

[17] 王建英.陣列信號多參量聯(lián)合估計技術(shù)研究[D].成都：電子科技大學(xué)，2000：1-6.

[18] 任曉松，楊嘉偉，崔嵬，等.基于穩(wěn)健Capon波束形成技術(shù)的矢量相關(guān)測向方法[J].現(xiàn)代電子技術(shù)，2014，37(18)：26-29.

[19] 丁靜.穩(wěn)健數(shù)字波束形成算法研究[J].無線電通信技術(shù)，2012，38(6)：30-31.

[20] 廖海軍.一種新的測向交叉定位算法[J].電光與控制，2008，15(9)：29-31.

[21] 王天華.MUSIC算法在無源測向技術(shù)中的研究[D].哈爾濱：哈爾濱工程大學(xué)，2011：1-7，19-25.