搜索
多基地雷达融合用于交换不同基地间航迹信息的方法取决于基地是否固定以及采取何种通信链接。最常用的多基地雷达跟踪系统的原理是，一个站控制一条雷达航迹（担负测报任务）并且经通信链路发送航迹的参数，而接收单元显示遥控航迹。一条航迹仅仅接收来自一个基地的更新，这样得不到在不同地点的和不同频率的其他雷达的相互支援的好处。这个原理一般用在通信能力有限的多基地雷达系统中。大的坐标定向误差和传感器失配误差是多基地雷达融合中的一个难题。若多个雷达站测到的目标相关，就可以用Kalman滤波技术来估计坐标定向误差和传感器失配误差[62]。然而，如果坐标定向误差和传感器失配误差较大，就不能进行必要的相关处理。Bath把相关、坐标定向和失配联系在一起求解这个问题[63]。首先，定义在经度、纬度和方位失准上的最大误差。其次，在经度上定义误差单元的大小为x，在纬度上定义误差单元的大小为y，在方位上定义误差单元的大小为，将空间误差以误差单元的大小进行分割。计算雷达站1和雷达站2检测的航迹误差，并将1输入到与计算误差相应的单元中。若雷达站1检测到n个航迹，雷达站2检测到m个航迹，计算nm个误差，并将m×n个1输入到误差单元中。对于不同的航迹，m×n个1会随机地分布在误差空间中。然而，对于相同的航迹，每个1将出现在同一误差单元中。图8.34显示的是二维互相关函数，其中方位误差为0。将所有1相加得到一个尖峰，该尖峰不仅给出了坐标定向偏差，而且确定了来自多基地雷达的航迹间的正确相关。Kalman滤波器技术可以用于相关航迹配对，以得到更精确的偏差估计。图8.34二维互相关函数（基于仅有x和y偏差的双航迹）（引自参考资料63）雷达组网工程（NRP）是由林肯（Lincoln）实验室为地面目标监视而研究的雷达组网系统[64]。其基本的思路是，将每部雷达与自动检测和跟踪系统结合起来（与MTD系统相似），第8章自动检测、自动跟踪和多传感器融合·314·然后将航迹数据发送到中心位置（雷达控制中心），在雷达控制中心将航迹数据融合为一个单一的航迹文件。这里发送的是航迹数据而不是检测结果，这是因为发送航迹数据所需的带宽比发送检测结果所需的带宽要小得多。在NRP系统中所用的带宽大约是2400b。在美国俄克拉荷马州锡尔堡基地对NRP系统进行了试验，尽管由于地形遮蔽引起漏检测和其他各种原因引起的偶然的漏检测，在雷达控制中心自动融合仍能连续提供对航迹的更新和确定。注意，坐标定向是通过雷达场地测量得到的。当雷达站的位置是固定的且有时间和有条件进行测量时，通常偏爱这种方法。不同传感器数据融合许多传感器都可以进行融合，如雷达、敌我识别器（IFF）、空中交通管制雷达信标系统（ATCRBS）、红外系统、光学系统以及声学系统。最容易融合的传感器是电磁传感器，例如，雷达、IFF和噪声源或发射源的脉冲选通器。IFF融合雷达数据与军用IFF数据的融合问题比两部雷达数据融合要容易一些。究竟是检测（点迹）融合还是航迹融合由应用要求决定。在军事技术中，进行融合，只可询问目标几次，就要对目标进行识别，然后将其与雷达航迹关联起来。此后，就不必再次对目标进行询问。然而，用ATCRBS进行航空管制的情况下，雷达每扫描一次，就对目标询问一次，接着进行检测融合或航迹融合。雷达-DF方位选通脉冲融合Coleman[65]以及在他之后的Trunk和Wilson[66][67]已考虑过，在发射机上用DF方位选通脉冲进行雷达航迹相关处理。Trunk和Wilson考虑过这样一个问题，就是对于给定的K个DF角度航迹，每一个航迹都由不同数目的DF测量数据所确定，每一个DF航迹要么与雷达航迹不关联，要么只与m条雷达航迹中的一条关联，且雷达航迹由不同数目的雷达测量数据决定。由于每个目标具有多个发射机（即每一条雷达航迹可以与多条DF航迹相关），而DF航迹间不考虑关联，这就导致了K个互斥的相关的问题。因此，一个等效的问题是，由n个DF方位测量结果确定的一条DF航迹，DF航迹没有与雷达航迹相关联或与m条雷达航迹中的一个相关联，则要将其与第j条雷达航迹相关联。那么，第j条雷达航迹是由mj个雷达测量的结果确定的。将Bayes方法和Neyman-Pearson准则结合起来，并且假设DF测量误差是独立的，服从均值为0，方差为常数2的高斯分布，并有极个别不满足此假设的情况（即大的误差，不具备高斯型分布密度），Trunk和Wilson判决所基于的概率为jPZ≥dj的概率（8.59）式中，Z是具有nj个自由度的2分布；dj由下式给出：jniijiejmjttd122,1,}/)]()([,4min{（8.60）式中，nj是作为第j条雷达航迹存在时重叠时间间隔上的DF测量次数，e(ti)是在ti时刻的DF测量数据，j(ti)是在ti时刻雷达航迹j的预测方位，系数4则是考虑到例外的DF，将其第8章自动检测、自动跟踪和多传感器融合·315·平方误差限制到42。使用以Pmax和Pnext指定的最大的Pj以及门限TL,TH,TM和R，就产生下列判决和判决规则。（1）强相关：在Pmax≥TH和Pmax≥Pnext＋R时，DF信号与具有最大的Pj（即Pmax）的雷达航迹一致。（2）临时相关：在THPmax≥TM且Pmax≥Pnext＋R时，DF信号可能与具有最大的Pj（即Pmax）的雷达航迹一致。（3）与某些航迹的临时相关：在Pmax≥TM但Pmax≤Pnext＋R时，DF信号有可能与某些雷达航迹一致（但不能确定是哪一条）。（4）临时不相关：TMPmaxTL时，DF信号有可能不与任何雷达航迹一致。（5）强不相关：TL≥Pmax时，DF信号与任何雷达航迹都不一致。较低的门限TL决定了正确的雷达航迹（即与DF信号相关的雷达航迹）被进一步的考虑而作出不正确抑制的概率。如果希望以PR的概率保持正确航迹的抑制率，可以通过设置TL=PR得到。当DF信号不属于雷达航迹时，就将门限TH设置成与Pfa相等，其中Pfa是一个DF信号与某一条雷达航迹错误相关的概率。门限TH是考虑了雷达航迹和真实（DF）位置之间方位差的函数。在=1.0和=1.5,Pfa=0.001时，确定门限TH的仿真结果如图8.35所示。在高低门限之间有一个临时区域，中间门限将这个临时区域分为临时相关区域和临时不相关区域。设置这个门限的基本原理是，对于某个特定的方位差，设置两个相关误差概率相等。用仿真确定门限TM，同样如图8.35所示。图8.35对于两个不同间隔的高门限（实线）和中门限（虚线）与样本数的关系曲线（引自参考资料66）当有2条或更多的雷达航迹互相靠得很近时，边缘概率R能保证选择正确的DF和雷达关联（避免错误的目标分类）。通过推迟判决时间，在两个识别概率之差为R时，就可得到第8章自动检测、自动跟踪和多传感器融合·316·正确的跟踪。根据Pe=PR（Pmax≥Pnext＋R），依靠确定关联误差概率Pe可确定R的值，其中Pmax表示不正确的相关，Pnext表示正确相关。边缘概率R是Pe和雷达航迹分离度的函数。当=0.25,=0.50,=1.00时，在Pe=0.01的情况下，可确定边缘概率R，其仿真结果如图8.36所示。由于各个曲线都相交，对任意的，对n中的每一个值，通过将R设置成等于任何曲线的最大值，这样就可以保证Pe≤0.01。图8.36对于3个不同的分离目标，边缘概率与DF测量值的关系曲线标记有o,,的点分别为=0.25,0.5,1.0仿真的结果。（引自参考资料66）算法是用仿真和记录数据来评估的。当雷达航迹间相距有数个误差的标准差时，可以很快地确定正确的检测结果。然而，如果雷达的航迹之间相当接近，要避免误差就要通过时间延迟来积累足够多的数据。图8.37和图8.38示出实测数据的一个有趣的例子。图8.37示出控制飞机的雷达（方位）测量的结果，以及在控制飞机的邻近处，可能出现的4架飞机的雷达测量结果和控制飞机上雷达的DF测量结果。概率的判别都显示在图8.38中，图中一个用限幅，一个不用限幅。开始，一架可能出现的飞机具有最高的判别概率；然而，Pmax没有超过Pnext一个边缘概率，所以还不能得到确定的结论。经过14次DF测量后，辐射器就与控制飞机发生了强相关。但是，在第18次DF测量时，得到了一个很差的测量结果（局外点），如果不用限幅技术，强相关会下降为临时相关。若用了限幅技术，则会维持正确的检测，保