中心級多目標測量數(shù)據(jù)融合的設(shè)計與實現(xiàn)

摘" 要： 為切實提升組網(wǎng)測控系統(tǒng)的實際效能，文中從方案設(shè)計和實際運用兩個方面對中心級多目標測量數(shù)據(jù)融合進行了研究。首先，搭建了模塊化的融合策略框架，并對各模塊主要技術(shù)原理和實現(xiàn)方法進行了分析；其次，根據(jù)測量數(shù)據(jù)的來源設(shè)置了不同的編組序列，制定了相應(yīng)的數(shù)據(jù)關(guān)聯(lián)邏輯；然后，根據(jù)測量設(shè)備的性能特點設(shè)置測量數(shù)據(jù)的優(yōu)先級，采用多種融合算法生成精確可靠的目標軌跡，并具備設(shè)置數(shù)據(jù)率向外發(fā)送引導數(shù)據(jù)的功能；最后，搭建了中心級多目標測量數(shù)據(jù)融合軟件平臺，模擬構(gòu)建了典型復雜導空態(tài)勢下的組網(wǎng)測控場景，對軟件平臺的功能進行了驗證。仿真實驗結(jié)果表明，根據(jù)技術(shù)方案系統(tǒng)搭建的軟件平臺能滿足組網(wǎng)測控系統(tǒng)的多目標數(shù)據(jù)融合需求，且具備較強的迭代更新、性能擴展等能力。

關(guān)鍵詞： 中心級； 多目標； 組網(wǎng)測控； 數(shù)據(jù)處理； 融合策略； 模塊化設(shè)計； 工程化實現(xiàn)

中圖分類號： TN919?34； E919" " " " " " " " " " "文獻標識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2024）23?0131?07

Design and implementation of center?level multi?objective measured data fusion

WU Lihua， HU Shuang， CAO Rui

（Northwest Institute of Nuclear Technology， Xi’an 710000， China）

Abstract： The center?level multi?objective measured data fusion is studied in the two aspects of scheme design and practical application to improve the actual efficiency of networking TTamp;C （telemetry， tracking and control） effectively. A modular convergence strategy framework is built and the main technical principles and implementation methods of each module are analyzed. According to the source of the measured data， different grouping sequences are set up， and the corresponding data association logic is formulated. And then， the priority of the measured data is set according to the performance characteristics of the measurement equipment. A variety of fusion algorithms are adopted to generate accurate and reliable object trajectories， and the function of setting the data rate to send the guidance data outward is provided. Finally， a central?level multi?objective measured data fusion software platform is built. The networking TTamp;C scenario under typical complex air guidance situation is simulated， and the functions of the software platform are verified. The results of simulation experiment show that the software platform built according to the technical scheme system can meet with the multi?objective data fusion requirements of the networking TTamp;C system， and has strong capabilities of iterative update and performance expansion.

Keywords： center?level; multi?objective; networking TTamp;C; data processing; fusion strategy; modular design; engineering implementation

0" 引" 言

隨著聯(lián)合作戰(zhàn)、體系對抗理念的深入，多目標、多傳感器等復雜環(huán)境下的全域多維度攻防對抗將成為未來戰(zhàn)場常態(tài)，目標、傳感器類型單一或同質(zhì)的傳統(tǒng)測控系統(tǒng)已難以滿足其測試測量需求。研究人員為提高測控系統(tǒng)的多目標測試測量能力，一方面結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機制等人工智能技術(shù)，研究目標測量數(shù)據(jù)處理和軌跡融合等相關(guān)算法[1?3]，如文獻[1]提取目標多維特征，通過無錨一階段主干網(wǎng)絡(luò)進行多目標軌跡修正，從而提升跟蹤效果，文獻[2]采用transformer等注意力時序網(wǎng)絡(luò)提取測量數(shù)據(jù)特征，完成了融合軌跡的分類，相關(guān)研究雖然方法比較新，但因數(shù)據(jù)集、平臺搭建等的局限性，算法難以在工程實踐中發(fā)揮作用；另一方面，根據(jù)目標特點研究組網(wǎng)系統(tǒng)的設(shè)計，但存在遙測[4?5]、光電[6?7]、航天飛行器[8?9]和雷達組網(wǎng)[10?11]等測控設(shè)備類型單一，且多局限于策略、方案等理論研究層面。

針對當前研究存在的算法與工程應(yīng)用聯(lián)系不緊密、方案設(shè)計不夠全面等系統(tǒng)的不足，本文設(shè)計了多設(shè)備類型的中心級多目標數(shù)據(jù)融合方案并搭建了參數(shù)、算法靈活設(shè)置的軟件平臺，從而達到理論研究與實踐運用相結(jié)合的目的。

1" 整體框架及主要流程

根據(jù)組網(wǎng)測控目標測量數(shù)據(jù)的特點及測試測量需求，中心級多目標測量數(shù)據(jù)融合可以分為數(shù)據(jù)預(yù)處理、航跡關(guān)聯(lián)和數(shù)據(jù)融合三個模塊，以及接口、存儲交互、算法等相關(guān)配套技術(shù)等，整體框架如圖1所示。

2" 模塊功能及原理分析

2.1" 預(yù)處理模塊

數(shù)據(jù)預(yù)處理主要包括數(shù)據(jù)的歸一化、異常數(shù)據(jù)點的剔除、航跡數(shù)據(jù)的平滑/擬合和時間/空間配準等方面，為確保功能穩(wěn)定，采用傳統(tǒng)的經(jīng)典算法完成數(shù)據(jù)的預(yù)處理工作，故在此進行簡要分析。

2.1.1" 數(shù)據(jù)歸一化

主要功能是從數(shù)據(jù)庫中調(diào)取不同測控設(shè)備的技術(shù)參數(shù)，并按照對應(yīng)的接口協(xié)議提取測量數(shù)據(jù)中的位置信息。

2.1.2" 時間配準

時間配準按照“算法選取→參數(shù)設(shè)置→軌跡生成”流程，完成異常數(shù)據(jù)點剔除和航跡數(shù)據(jù)的平滑/擬合，形成單條測量軌跡。當前主要采用穩(wěn)定性較高的滑窗最小二乘法和卡爾曼濾波作為平滑算法，并保留算法迭代更新的接口。

2.1.3" 空間配準

空間配準主要功能為將各測控設(shè)備的外測數(shù)據(jù)轉(zhuǎn)換為地心直角坐標系進行統(tǒng)一處理，并能夠?qū)⒏髟O(shè)備接收的引導數(shù)據(jù)轉(zhuǎn)化為地心直角坐標系、大地坐標系或站心極坐標系，從而具備實時測量數(shù)據(jù)與引導數(shù)據(jù)比對等航跡監(jiān)測功能。

2.2" 航跡關(guān)聯(lián)模塊設(shè)計

航跡關(guān)聯(lián)模塊主要根據(jù)嚴謹?shù)年P(guān)聯(lián)邏輯選取關(guān)聯(lián)算法，采用同一性識別策略完成關(guān)聯(lián)軌跡的統(tǒng)一編組。通過設(shè)定分組編目，可以直觀地監(jiān)視每個目標的跟蹤狀態(tài)，根據(jù)實時態(tài)勢變化制定應(yīng)對措施。該模塊的關(guān)聯(lián)邏輯如圖2所示。

由圖2可知，關(guān)聯(lián)邏輯主要包括數(shù)據(jù)的分類編組（圖中灰色部分）和不同邏輯的同一性識別策略（帶底紋部分）。

2.2.1" 目標分類編組

外測數(shù)據(jù)包含遙測/引導設(shè)備傳輸?shù)暮献髂繕藬?shù)據(jù)和其他測控設(shè)備獲取的非合作目標數(shù)據(jù)，根據(jù)這一特征，制定了一種基于測控設(shè)備的分類編組規(guī)范，按照其在目標軌跡融合中的重要性，分為編組序列1～4，每個編組序列為測量軌跡的集合，具體劃分如下。

1） 合作目標數(shù)據(jù)與其他目標數(shù)據(jù)航跡關(guān)聯(lián)成功的目標編組，編為編組序列1，其他目標數(shù)據(jù)包含遙測設(shè)備獲取的合作目標數(shù)據(jù)和其他測控設(shè)備獲取的非合作目標數(shù)據(jù)。如果遙測設(shè)備和其他設(shè)備都傳回測量軌跡且關(guān)聯(lián)成功，則基本可以確定跟蹤目標就是任務(wù)目標。

2） 只有合作目標數(shù)據(jù)的目標編組，編為編組序列2。合作目標數(shù)據(jù)一般需要建立目標與測量設(shè)備的數(shù)據(jù)交互鏈路，且非合作目標數(shù)據(jù)受限于測控設(shè)備的威力和精度，故合作目標數(shù)據(jù)對目標軌跡識別的準確性相比于非合作目標數(shù)據(jù)高。且因遙測設(shè)備的作用距離通常大于其他測控設(shè)備，因此當目標由遠及近時，遙測設(shè)備首先發(fā)現(xiàn)目標的概率較大，該測量軌跡可作為重點關(guān)注對象。

3） 非合作目標與非合作目標測量軌跡關(guān)聯(lián)成功的目標編組，編為編組序列3。該序列中的航跡數(shù)據(jù)一般作為編組序列1和2的補充，彌補在實際任務(wù)中因數(shù)據(jù)交互鏈路未建立或中斷，導致的合作目標航跡數(shù)據(jù)缺失或非連續(xù)等不足。而在任務(wù)中，多臺測控設(shè)備同時發(fā)現(xiàn)相同目標時，也基本可以確定該目標就是任務(wù)目標。

4） 只有非合作目標數(shù)據(jù)的目標編組，編為編組序列4。該編組序列首先作為航跡數(shù)據(jù)分類后的容器，受限于測控設(shè)備的威力、精度等，其包含的測量軌跡存在較多的冗余或錯誤，一般作為前述三類編組序列的驗證和補充。

2.2.2" 不同邏輯的同一性識別策略

根據(jù)目標分類編組規(guī)范，將航跡關(guān)聯(lián)的邏輯分為三種方式：合作目標與合作目標、合作目標與非合作目標、非合作目標與非合作目標。邏輯關(guān)系如圖3a）～圖3c）所示。

綜合圖2和圖3可知，將測量軌跡按照合作目標與非合作目標存儲至數(shù)據(jù)庫，并同步在數(shù)據(jù)庫中設(shè)置編組序列1和編組序列3的存儲空間，可以將軌跡關(guān)聯(lián)與數(shù)據(jù)接收相分離，使得邏輯更為清晰，且有效降低了外部接收端口的數(shù)據(jù)壓力；與此同時，三個不同的同一性識別策略可以并行實施，既能充分發(fā)揮測控中心的數(shù)據(jù)處理能力，也有效提升了遍歷的效率，提高了關(guān)聯(lián)的實時性。以分別包含[a]條合作目標測量軌跡和[b]條非合作目標的測量軌跡為例，在所有軌跡彼此之間皆無法關(guān)聯(lián)，采用順序遍歷時，遍歷次數(shù)[m]與[a]、[b]的關(guān)系如式（1）所示：

[m=a+b22] （1）

當并行開展時，結(jié)合式（1），三個策略的遍歷次數(shù)[m1]、[m2]和[m3]如式（2）所示：

[m1=a22m2=a×bm3=b22] （2）

由式（1）和式（2）可知，[m=m1+m2+m3]，則[m≥max（m1，m2，m3）]，所以本文提出的同一性識別策略在關(guān)聯(lián)遍歷次數(shù)上要少于以往順序遍歷次數(shù)，且隨著測量軌跡的增多，兩者的差異增大。

綜上所述，相比于工程實踐中常用的順序關(guān)聯(lián)策略，本文提出的關(guān)聯(lián)邏輯具有時間成本低、資源利用率高、性能穩(wěn)定可靠的特點。

2.2.3" 算法及其他

1） 匹配算法

在戰(zhàn)場測控環(huán)境中，一方面，存在較少的先驗信息，導致難以有效構(gòu)建機器學習的數(shù)據(jù)集用于訓練分類識別模型；另一方面，為保證關(guān)聯(lián)算法的實時性和穩(wěn)定性，復雜度較高的依據(jù)聯(lián)合概率分布[12]、貝葉斯估計[13]等也難以滿足實際需求，故采用最近鄰算法[14]作為軌跡關(guān)聯(lián)的主要算法，完成任務(wù)目標的確定和航跡數(shù)據(jù)關(guān)聯(lián)。

2） 自檢功能

為確保航跡關(guān)聯(lián)的準確性、穩(wěn)定性和魯棒性，設(shè)定重檢周期，對已經(jīng)融合的編組序列進行關(guān)聯(lián)檢定，及時刪減冗余的、拆分異常的融合軌跡，更新編組序列，既提高了融合軌跡與目標真實航跡的表征能力，也降低了系統(tǒng)的計算、存儲資源。

2.3" 融合處理模塊及簡要分析

融合處理模塊的主要功能為：采用數(shù)據(jù)融合算法將同一性識別成功的相互關(guān)聯(lián)的測量軌跡，按照一定的數(shù)據(jù)融合算法生成融合軌跡；根據(jù)引導分發(fā)的需求設(shè)定合適的采樣率，給測控設(shè)備提供目標引導數(shù)據(jù)。

數(shù)據(jù)融合算法包含按權(quán)重優(yōu)選、按權(quán)重融合、統(tǒng)計誤差加權(quán)融合三種，系統(tǒng)可以在融合過程中進行靈活切換。

2.3.1" 按權(quán)重優(yōu)選

根據(jù)測控設(shè)備的特點，事先設(shè)定好各測量軌跡的權(quán)重，當不同權(quán)重的測量軌跡航跡關(guān)聯(lián)成功時，模塊會優(yōu)先選取權(quán)重更高的測量軌跡。

如果高權(quán)重測量軌跡失效，會根據(jù)權(quán)重排序自動切換為其他測量軌跡。

2.3.2" 按權(quán)重融合

根據(jù)測控設(shè)備的特點，事先設(shè)定好各測量軌跡的權(quán)重，當不同權(quán)重的測量軌跡航跡關(guān)聯(lián)成功時，模塊會根據(jù)權(quán)重占比進行數(shù)據(jù)融合，權(quán)重更高的測量軌跡占有更高的百分比，失效的測量軌跡占比降為0，新加入的測量軌跡會根據(jù)權(quán)重重新分配比例。

2.3.3" 統(tǒng)計誤差加權(quán)融合

緩存一定數(shù)量的測量軌跡，分別計算出對應(yīng)的標準差，根據(jù)所有緩存數(shù)據(jù)的標準差的實時變化動態(tài)確定融合權(quán)值，標準差數(shù)值越小，說明該測量軌跡的平滑度越高，數(shù)據(jù)質(zhì)量越好，融合時占比也就越高。

3" 工程化實現(xiàn)及仿真驗證

3.1" 工程化實現(xiàn)

根據(jù)圖1的流程策略，以B/S架構(gòu)搭建了軟件平臺，采用UDP協(xié)議接收測量數(shù)據(jù)和發(fā)送引導數(shù)據(jù)，數(shù)據(jù)庫存儲設(shè)備參數(shù)及各階段的處理數(shù)據(jù)。共包括目標軌跡顯示控制和參數(shù)設(shè)置兩個操作界面，如圖4、圖5所示。

3.1.1" 顯示控制界面

如圖4所示，顯示控制界面主要為目標航跡相關(guān)信息，包括融合批號、測量設(shè)備、測量軌跡及優(yōu)先級排序，引導分發(fā)數(shù)據(jù)選定及發(fā)送速率設(shè)定等。由該圖可知，該界面能實時顯示測量軌跡融合情況，可追溯測量軌跡的來源，且能夠根據(jù)測控設(shè)備需求選擇融合軌跡，并對外發(fā)送引導數(shù)據(jù)。

3.1.2" 參數(shù)設(shè)置界面

如圖5所示，該界面主要包括數(shù)據(jù)預(yù)處理、同一性識別、數(shù)據(jù)融合算法選擇及參數(shù)設(shè)置界面，以及引導分發(fā)的優(yōu)先級設(shè)置。數(shù)據(jù)預(yù)處理包含滑窗最小二乘和卡爾曼濾波算法；同一性識別主要采用最近鄰算法；數(shù)據(jù)融合包含權(quán)重優(yōu)選、按權(quán)重融合、統(tǒng)計誤差加權(quán)融合算法。

由圖5可知，各類型算法及參數(shù)均能根據(jù)數(shù)據(jù)處理需求進行刪減增加和迭代更新，在數(shù)據(jù)處理過程中，可以根據(jù)數(shù)據(jù)融合情況實時進行不同算法選定、算法參數(shù)修改等操作。

3.2" 仿真實驗

3.2.1" 場景設(shè)置

設(shè)置5個目標的飛行航跡，軟件接收了引導、光電、雷達、遙測等四類10條測量軌跡，具體情形如表1所示。

生成1條目標航跡后，分別沿坐標軸平移生成另外4條目標航跡。光電誤差設(shè)置為：測距50 m，測角0.000 1 rad；雷達誤差設(shè)置為：測距20 m，測角0.000 3 rad，隨機設(shè)置異常值；引導和遙測誤碼率為0.001。

3.2.2" 多目標測量數(shù)據(jù)融合結(jié)果

1） 算法選取及參數(shù)設(shè)置

選擇滑窗最小二乘法作為預(yù)處理算法，因數(shù)據(jù)率不同，為確?；伴L度的一致性，需要對不同設(shè)備部分參數(shù)進行分別設(shè)定，具體設(shè)置如表2所示。

2） 融合結(jié)果

設(shè)定不同設(shè)備的ID，軟件接收各設(shè)備測量數(shù)據(jù)并擬合成為測量軌跡，進行數(shù)據(jù)融合處理，其結(jié)果如圖6所示。

由圖6可知，軟件能夠有效形成不同目標的融合軌跡，且融合批號前兩位“00、01、02、03”分別代表編組序列1～4，比對表1態(tài)勢，融合數(shù)據(jù)與測量數(shù)據(jù)能準確對應(yīng)，且能夠根據(jù)測量數(shù)據(jù)分類編組規(guī)則生成對應(yīng)的融合批號。

3.3" 性能分析

從軟件數(shù)據(jù)庫中導出融合數(shù)據(jù)和測量數(shù)據(jù)，通過數(shù)據(jù)比對，分析軟件各模塊性能。

3.3.1" 數(shù)據(jù)預(yù)處理模塊性能分析

選取批號0302的融合航跡和與之對應(yīng)的測量誤差較大的雷達2?3測量數(shù)據(jù)，繪制三維圖和局部放大的投影圖，如圖7所示。

由圖7a）可知，數(shù)據(jù)預(yù)處理剔除了測量數(shù)據(jù)中的2組野值；由圖7b）可知，算法能夠?qū)⒁蛘`差散布的測量數(shù)據(jù)擬合成測量軌跡。

綜上所述，軟件的預(yù)處理模塊能夠剔除測量數(shù)據(jù)的異常點，并完成數(shù)據(jù)平滑。

3.3.2" 數(shù)據(jù)關(guān)聯(lián)、融合模塊性能分析

1） 分別選取批號0001的融合航跡和與之對應(yīng)的引導、雷達、遙測數(shù)據(jù)，批號0201的融合軌跡和與之對應(yīng)的雷達、光電數(shù)據(jù)，繪制如圖8所示的三維圖。

由圖8可知：關(guān)聯(lián)模塊能夠分別采用合作目標與非合作目標、非合作目標之間的同一性識別策略完成測量數(shù)據(jù)的分類編組，設(shè)置相應(yīng)的融合批號；與此同時，軟件能將關(guān)聯(lián)的編組數(shù)據(jù)進行有效融合，特別是，從圖8a）中可知，軟件能夠根據(jù)測量軌跡和外推數(shù)據(jù)關(guān)聯(lián)融合，確保融合批號的一致性。綜上所述，軟件能夠有效關(guān)聯(lián)引導、光電、雷達、遙測的數(shù)據(jù)，且能夠按照設(shè)定的編組規(guī)則，依據(jù)測量數(shù)據(jù)特點建立不同分組的穩(wěn)定融合批號。

2） 選取0101和與之對應(yīng)的遙測2數(shù)據(jù)，繪制三維圖和局部放大的投影圖，如圖9所示。圖9a）從整體上確認軟件能夠擬合測量數(shù)據(jù)，并按照分類編組規(guī)則生成融合批號，生成融合軌跡。結(jié)合表1中遙測2的數(shù)據(jù)率，圖9b）表明，軟件融合處理模塊能夠采用插值的方式，將測量數(shù)據(jù)的數(shù)據(jù)率從10 Hz提高到20 Hz。綜上所述，軟件能夠根據(jù)算法有效融合不同的測量數(shù)據(jù)，并按分類編組規(guī)則設(shè)置融合批號，且根據(jù)局部圖中融合軌跡與測量數(shù)據(jù)的稀疏程度可知，融合處理模塊能夠通過插值方式發(fā)送特定數(shù)據(jù)率的引導數(shù)據(jù)。

4" 結(jié)" 語

本文針對多目標測控中存在的方案設(shè)計不夠系統(tǒng)、工程運用效果不夠好的問題，設(shè)計了中心級多目標測量數(shù)據(jù)融合方案并進行了工程化實現(xiàn)。綜合考慮測控設(shè)備性能和測量數(shù)據(jù)特點，設(shè)定測量數(shù)據(jù)優(yōu)先級并進行分類編組，根據(jù)編組設(shè)計了相應(yīng)的關(guān)聯(lián)邏輯和融合算法。仿真驗證了本文設(shè)計方案和軟件平臺的合理性和可行性，且具備靈活的算法擴容和迭代更新功能。

注：本文通訊作者為胡爽。

參考文獻

[1] 田嘉意，李輝，李賽宇，等.基于多重信息融合與軌跡關(guān)聯(lián)修正的多目標跟蹤方法[J].控制與決策，2024，39（6）：1888?1896.

[2] 夏英，陳航.融合Transformer和卷積LSTM的軌跡分類網(wǎng)絡(luò)[J].重慶郵電大學學報（自然科學版），2024，36（1）：29?38.

[3] PEI L， MOHAMED A. Real?time crash likelihood prediction using temporal attention?based deep learning and trajectory fusion [J]. Journal of transportation engineering， part A： systems， 2022， 148（7）： 1?9.

[4] 劉云杰，孟景濤，田之俊，等.新一代地面站測控數(shù)傳通用處理資源池設(shè)計[J].無線電通信技術(shù)，2024，50（3）：541?547.

[5] 婁樂，柳震，齊星，等.面向遙感星座的地面測控資源調(diào)度方法[J/OL].電訊技術(shù)：1?7[2024?04?08].https：//doi.org/10.20079/j.issn.1001?893x.231026003.

[6] XIA W R， MAO Y， ZHANG L Y， et al. Extended state Kalman filter?based model predictive control for electro?optical tracking systems with disturbances： Design and experimental verification [J]. Actuators， 2024， 13（3）： 113.

[7] 劉可為，謝俊杰，吳冰冰，等.通感一體化光網(wǎng)絡(luò)的技術(shù)、應(yīng)用與展望[J/OL].光通信研究：1?15[2024?04?20].http：//kns.cnki.net/kcms/detail/42.1266.TN.20240419.1435.002.html.

[8] 鞠宏浩，程楷鈞，鄧彩連，等.無人機空地網(wǎng)絡(luò)研究綜述[J].西南交通大學學報，2024，59（4）：877?899.

[9] 蘇繼東，徐偉琳，翟盛華，等.航天器自組網(wǎng)技術(shù)實踐與展望[J].航空學報，2024，45（5）：125?135.

[10] GUO J J， TAO H H. Resource allocation scheme of netted radar system for target localization [J]. IET radar， sonar navigation， 2023， 17（10）： 1456?1468.

[11] CHEN S， ZHANG H， MA J， et al. Asynchronous track?to?track association based on pseudo nearest neighbor distance for distributed networked radar system [J]. Electronics， 2023， 12（8）： 1794.

[12] 付興，徐志凱，李宏男，等.臺風精細化風雨聯(lián)合概率分布模型及輸電線路失效概率評估[J].振動與沖擊，2023，42（18）：1?10.

[13] 嚴鈞，陳允潔.柏拉圖?伽馬模型下尾在險價值度量的貝葉斯估計的漸近行為及其應(yīng)用[J].工程數(shù)學學報，2024，41（2）：365?376.

[14] 張曉楠，龐亞軍，郎利影.基于毫米波雷達的多運動目標體征檢測方法研究[J/OL].激光雜志：1?7[2024?05?07].http：//kns.cnki.net/kcms/detail/50.1085.TN.20240506.1853.016.html.

[15] 劉敬一，彭舉，唐建波，等.融合多特征的軌跡數(shù)據(jù)自適應(yīng)聚類方法[J].地球信息科學學報，2023，25（7）：1363?1377.

[16] 劉麗華，陳志豪，楊皓宇，等.面向?qū)１O(jiān)視的艦船目標跟蹤與航跡融合數(shù)據(jù)集[J].中國科學數(shù)據(jù)（中英文網(wǎng)絡(luò)版），2024，9（1）：260?272.

[17] WANG M， LIU W F， WEN C L. A high?order Kalman filter method for fusion estimation of motion trajectories of multi?robot formation [J]. Sensors （Basel， Switzerland）， 2022， 22（15）： 5590.

[18] 柴蓉，崔相霖，孫瑞錦，等.基于通感融合的無人機預(yù)編碼及飛行軌跡設(shè)計[J].電子與信息學報，2024，46（4）：1266?1275.

[19] LEI H. Research on the design and control strategy of the second simulated spindle under KND CNC system [J]. International journal of frontiers in engineering technology， 2024， 6（1）： 060111.

[20] CHEN H， WANG X K， SHEN L C， et al. Formation flight of fixed?wing UAV swarms： A group?based hierarchical approach [J]. Chinese journal of aeronautics， 2021， 34（2）： 504?515.

[21] 白向龍，潘泉，馬恩淳，等.基于消息傳遞的機載雷達組網(wǎng)航跡融合[J].控制理論與應(yīng)用，2024，41（7）：1235?1245.

[22] 鄒瑋琦，牛朝陽，劉偉，等.面向組網(wǎng)雷達干擾任務(wù)的多機伴隨式編隊航跡預(yù)規(guī)劃方法[J].系統(tǒng)工程與電子技術(shù)，2024，46（8）：2807?2819.

作者簡介：吳力華（1987—），男，浙江金華人，碩士研究生，工程師，研究方向為智能信息處理、目標測控。

胡" 爽（2001—），男，河南正陽人，助理工程師，研究方向為智能信息處理、目標測控。

曹" 銳（1986—），男，陜西渭南人，碩士研究生，高級工程師，研究方向為智能信息處理、目標測控。