多站點低空防御系統(tǒng)關鍵技術研究

王炳琪, 聶瀟乾, 嚴 鵬, 吳彬彬, 高承帥

(上海無線電設備研究所,上海201109)

0 引言

近年來,中小型無人機商業(yè)化發(fā)展愈加迅速[1],其對涉密場所帶來的威脅也越來越大,因而針對低空領域的小型無人機集探測、識別、監(jiān)控以及反制功能為一體的低空防御系統(tǒng)應運而生[2-3]。低空防御系統(tǒng)主要包含主動雷達、無線電頻譜探測設備、光電監(jiān)控跟蹤設備以及信號干擾設備。通過主動雷達探測獲取到無人機方位、距離、高度等信息,并將這些信息坐標轉換后傳送給光電轉臺,聯(lián)動光電轉臺對無人機進行監(jiān)控、跟蹤。無線電頻譜探測設備通過信號特征提取、比幅測向等技術探測到動、靜態(tài)無人機,并且獲取其大致方位,以達到輔助探測的功能。

由于單站設備覆蓋面有限,為了能夠全方位覆蓋重點監(jiān)測區(qū)域,就需要分站點部署設備進行補盲[4],這樣就會引入單站點多個不同類型探測設備以及多站點探測設備的數(shù)據(jù)融合問題。其中雷達作為整個系統(tǒng)的主要探測設備,目前有關其數(shù)據(jù)融合的研究主要有基于神經(jīng)網(wǎng)絡訓練模型的融合方法[5-6]、基于航跡加權平均的融合方法[7]等。但由于低空環(huán)境較為復雜,雷達存在虛警較多,近距離盲區(qū)較大,且無法分辨靜止目標等問題,單獨使用這些方法難以實現(xiàn)整個系統(tǒng)的數(shù)據(jù)融合。無線電頻譜探測設備作為一種輔助被動探測設備,目前相關數(shù)據(jù)融合的研究較少。本文通過分析低空防御系統(tǒng)的應用環(huán)境以及現(xiàn)狀,針對多站設備存在的問題,對無線電頻譜探測定位、多站雷達數(shù)據(jù)融合等關鍵技術進行研究。

1 問題描述

在低空領域,由于鳥類、龍門塔吊等移動物體以及樓房、山體等固定物體對雷達旁瓣波束的反射,導致雷達虛警較多,且近距離盲區(qū)較大。雷達由于本身探測原理所限,對靜止目標也無法分辨。圖1為某單站雷達掃描航跡圖,其中帶有編號的線條為雷達探測到的目標航跡,中心為設備安裝點,以設備安裝點為中心的圓形陰影區(qū)域為雷達探測盲區(qū)。

針對多站點設備,由于普通機掃雷達機械零位與電子零位難以完全校準,再加上安裝誤差,多個雷達數(shù)據(jù)融合成為難題。

圖1 單站雷達掃描航跡圖

圖2為多站雷達掃描航跡圖,圖中A、B、D、G四個設備安裝點分別配有雷達、無線電頻譜探測設備、光電監(jiān)控跟蹤設備以及干擾設備各一臺。一架無人機從西北方入侵,圖中93號航跡為B站雷達探測結果,96號航跡為D站雷達探測結果。兩者在同一地圖坐標系中顯示的空間距離差距較大,難以聚類融合。

圖2 多站雷達掃描航跡圖

2 無線電頻譜探測定位與融合

無線電頻譜探測設備是一種無源被動探測設備,內置8根測向天線,通過提取2.4 GHz、5.8 GHz無線電信號特征以達到發(fā)現(xiàn)無人機并確定其方位的目的。由于雷達無法分辨近距離移動目標以及靜止目標,因此采用多站無線電頻譜探測設備對這種類型的目標進行定位,即可對雷達進行補盲。除此之外,無線電頻譜探測設備的測向數(shù)據(jù)與雷達探測到的目標方位數(shù)據(jù)進行融合,還可以消除雷達虛警。

如圖3所示,A、B點為無線電頻譜探測設備安裝位置,C點為無人機位置。A站設備測到的方位角為θA',B站設備測到的方位角為θB',θA為B點相對于A點的真方位角,θB為A點相對于B點的真方位角。

圖3 多站無線電頻譜探測定位示意圖

已知A、B點經(jīng)緯度,利用Haversine公式可以計算出AB兩點之間的距離dAB,即

式中：R為地球半徑,取其平均值6 371 km;haversin(θ)=(1-cosθ)/2;αA、αB分別為 A、B兩點的緯度;βA、βB分別為A、B兩點的經(jīng)度。

由于站點間距離較近,地球在站點之間可以認為是平面,因此,通過將經(jīng)度和緯度差轉化成地面距離,再運用平面幾何,便可推導出由經(jīng)緯度求方位角的簡化公式,即

式中：θA為B點相對于A點的真方位角。同理可以計算出A點相對于B點的真方位角θB。則可以得到∠BAC、∠ABC及∠ACB的大小。根據(jù)正弦定理,利用式(1)求到的A、B點距離dAB,可以解出AC兩點之間的距離dAC和BC兩點之間的距離dBC。 根據(jù)式(3)便可求出C點的經(jīng)緯度。

式中：βC為C點的經(jīng)度;αC為C點的緯度。利用兩站具備測向功能的無線電頻譜探測設備便可以確定無人機的平面位置。

除此之外,根據(jù)無線電頻譜探測設備測到的無人機方位,可以將雷達探測范圍約束到對應方向,并將對應方向的無人機型號、頻率等信息整合到雷達數(shù)據(jù)里,從而約束雷達掃描范圍,以達到降低雷達虛警率,初步融合目標信息的目的。

3 雷達數(shù)據(jù)預處理

3.1 坐標系轉換

傳統(tǒng)雷達探測到的目標信息,包括目標距離、方位、高度、徑向速度等,都是以雷達本地空間極坐標(ρ,θ,φ)來表示的。為將多個站點探測到的目標數(shù)據(jù)融合起來,首先要分別將多個站點探測到目標的本地極坐標轉化為本地直角坐標(x,y,z),然后根據(jù)本地經(jīng)緯度坐標,以 WGS-84坐標系(World Geodetic System-1984)下的橢球為參考,將各站點極坐標系下的目標位置以經(jīng)緯高的格式表示在地心直角坐標系下 (β,α,h)。 具體過程如圖4所示。

圖4 目標坐標轉換

3.2 時間對準

由于目標相對各站雷達的位置是不同的,因此各站雷達掃描到目標的時間會有差異,這樣會導致同一目標被不同站點雷達探測到的位置會有較大差異,所以有必要進行各站點雷達的時間對準。

關于時間對準,首先應該保證各站雷達探測目標的時間戳在同一時間軸上,因此需要架設一臺網(wǎng)絡時間協(xié)議(Network Time Protocol,NTP)服務器,將其接入到各站點雷達之中,從而保證各站點探測到的目標點跡都在同一時間基準上。在小范圍內,可以認定無人機沿直線飛行,因而對雷達獲取的同一編號目標的點跡進行線性插值,便可以擬合出目標位置與時間的函數(shù)關系曲線,方便后續(xù)目標聚類。

4 多站目標聚類融合

由于雷達本身探測誤差和安裝誤差的存在,多站雷達難以實現(xiàn)準確的目標聚類融合。本文借鑒了數(shù)據(jù)挖掘里的聚類方法,進行目標融合。常用的聚類方法有以K均值聚類算法(K-means Clustering Algorithm,K-means)為代表的完全聚類[8-9]和以基于密度的噪聲應用空間聚類(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法為代表的基于密度的聚類[10],本文利用了K-means算法可以完全聚類的特點,實現(xiàn)了目標數(shù)據(jù)的聚類。

K-means是最普及的聚類算法。為將多站雷達探測到的所有目標進行歸類,首先需要將目標點初始化成K個類別,即在所有目標點中隨機選取K個點的位置作為初始聚類中心。然后計算其余各個目標點到聚類中心的距離,將其與最近的聚類中心歸為一個類,形成K個簇。接著計算每個簇內所有目標點位置的平均值,距離平均值最近的點為中心點,重復給每個點劃分類以及計算類中心點,直到中心點位置不再變化或者達到指定迭代次數(shù)。

由于多站雷達探測到的目標個數(shù)未知,因此聚類的個數(shù)未知,并且每個雷達探測到的目標位置是有誤差的,所以每個類的范圍需要根據(jù)雷達探測精度進行限制。首先以多站雷達探測到的所有目標點分別作為初始聚類中心,針對每個聚類中心點,計算其到其它中心點的距離,距離在精度范圍D之內,則歸為一個類,這樣便形成了初始的K個類,精度范圍D可由式(4)確定。

式中：i=1,2,…,N,N為多站雷達探測到的目標的個數(shù);Li為探測到的第i個目標與探測到其的雷達之間的距離;ΔLi為該雷達的距離探測精度;Δθi為該雷達的方位角精度。接著計算每個類的中心點,即求每個類里的每個目標點與該類其余目標點之間的距離和,距離和最小的目標點即為中心點。重復分類和計算中心點的過程,直到中心點位置不再變化或達到迭代次數(shù),則停止迭代,這樣便將所有目標完全分類。

本文采用加權平均法對分類之后的目標進行融合。由于雷達測到的目標信息有距離、徑向速度、方位角、高度等,不失一般性,可以認為目標相對于雷達徑向飛行的探測精度比切向飛行的探測精度更高,所以對每個類里的目標加權融合時,目標方位角變化率越小,其位置加權的權值越高,每個類里的目標點按照該原則求出加權平均值,最終實現(xiàn)多站雷達探測目標的融合。

5 試驗驗證

本文針對多站低空防御系統(tǒng)數(shù)據(jù)融合的關鍵技術問題提出了上述解決方案,并將其應用到某大型水電站低空防御項目,搭建了指揮控制平臺和智能控制軟件。

5.1 系統(tǒng)構建

指揮控制平臺借助感知物聯(lián)網(wǎng)技術,地理信息系統(tǒng)(Geographic Information System,GIS)電子地圖、衛(wèi)星地圖,并聯(lián)合雷達、無線電頻譜探測、光電、定向干擾等設備為一體,實現(xiàn)多臺設備的聯(lián)網(wǎng)互動。結合GIS經(jīng)緯度和高程信息,可以實現(xiàn)全天候和全方位的入侵無人機監(jiān)控以及歷史數(shù)據(jù)回放。平臺采用服務器-客戶機(Client-Server,C/S)架構模式,基于.Net框架,系統(tǒng)組成如圖5所示。

智能控制軟件通過傳輸控制協(xié)議/網(wǎng)際協(xié)議(Transmission Control Protocol/Internet Protocol,TCP/IP)獲取底層雷達、無線電頻譜探測、光電、干擾等設備的信息,進行數(shù)據(jù)融合、虛警濾除、雷達光電引導等系統(tǒng)集成操作,涉及多站無線電頻譜探測設備的目標定位、無線電頻譜探測與雷達數(shù)據(jù)的融合以及雷達數(shù)據(jù)聚類融合等關鍵技術。智能控制軟件基于微軟Visual Studio平臺進行開發(fā),與指揮控制平臺采用TCP/IP連接,上傳融合數(shù)據(jù)、設備狀態(tài)等信息,實現(xiàn)數(shù)據(jù)交互與控制功能。數(shù)據(jù)庫采用Mysql 5.7,兼顧穩(wěn)定性與開放性。

測試地點在某大型水電站兩岸出線廠,衛(wèi)星圖如圖6所示。

圖5 低空防御系統(tǒng)框圖

圖6 某水電站低空防御系統(tǒng)設備分布圖

A、B、D、G站點分別布置了一套低空防御設備,其中B、D站相距1 300 m、海拔一致,A站海拔相較于B站低260 m,G站海拔相較于A站低200 m。

5.2 無線電頻譜探測定位

多站無線電頻譜探測設備定位如圖7所示。其中編號為89的無人機正在懸停,無人機定位系統(tǒng)反饋的經(jīng)緯度海拔比B站高100 m。灰色扇形為B、D站無線電頻譜探測設備探測到無人機信號的方向,而A、G站由于水平距離較遠,海拔落差較大,難以測到該點處無人機信號。其中B站測得無人機真方位角為325°,D站測得無人機真方位角為273°,以此便可以確定無人機經(jīng)緯度信息。

圖7 多站無線電頻譜探測設備定位與融合

表1為系統(tǒng)探測到的無人機相對于A站的信息,其中型號和頻率由無線電頻譜探測設備直接給出,高度為擬合值,距離和航向由多站無線電頻譜探測設備測向數(shù)據(jù)計算得到。根據(jù)表1數(shù)據(jù),將無人機位置轉換為經(jīng)緯度坐標,并與無人機定位系統(tǒng)返回的真實經(jīng)緯度坐標作對比,如表2所示。將表2中數(shù)據(jù)代入式(1)可以計算出真實值與定位結果的誤差為58.7 m。

表1 無人機列表數(shù)據(jù)

由表1和表2可以看出,此時無人機處于靜止狀態(tài),雷達無法分辨出目標,而多站無線點頻譜探測設備可以定位該目標,并且誤差在可接受范圍內。

表2 多站無線電頻譜探測定位結果與真實數(shù)據(jù)對比

5.3 雷達探測目標融合

測試無人機由B站上空150 m飛向D站,此時B、D站雷達都可以探測到無人機,而A、G站點由于高度落差較大,無法探測到該范圍無人機。其中無人機飛行速度為10 m/s,雷達6 s掃描一圈,無人機原始航跡如圖8所示,融合之后航跡如圖9所示。圖8中,由于B、D站雷達測量精度以及安裝誤差,兩站測到的無人機位置在地圖上不一致。采用本文提出的聚類方法對目標聚類融合之后,兩站探測到的目標融合為一個,降低了雷達虛警率。

圖8 無人機原始航跡

圖9 無人機聚類融合航跡

B、D站測到的目標距離和方位角以及采用聚類融合算法得到的目標距離和方位角曲線如圖10所示,無人機真實位置由其定位系統(tǒng)提供。

圖10 多站雷達數(shù)據(jù)融合前后對比

從圖10中可以看出,B、D站雷達探測到的目標相對于A站距離的最大誤差為8 m,方位角最大誤差為1.8°,融合之后相對于A站距離的最大誤差為3 m,方位角最大誤差為0.5°。

6 結論

本文針對目前多站點雷達虛警較多、近距離盲區(qū)大以及無法分辨靜止目標等低空防御系統(tǒng)數(shù)據(jù)融合關鍵技術問題,提出了相應的解決方案。利用多站無線電頻譜探測設備進行目標定位,并融合雷達數(shù)據(jù)以降低雷達虛警率;借鑒了聚類融合算法,對多站雷達目標數(shù)據(jù)實現(xiàn)了融合。將該系統(tǒng)解決方案應用到某大型水電站低空防御系統(tǒng)。結果表明,該方案有效解決了雷達近距離以及靜止目標探測盲區(qū)的問題,降低了雷達虛警率。