CN103728598A - 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 - Google Patents

Abstract

本发明公开了一种用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，主要解决现有技术计算量大、数据传输量大的问题。其实现步骤是：1.用主被动雷达网中的主被动雷达分别对目标进行检测，得到目标的量测值；2.对主被动雷达的量测值进行点迹关联检验，并利用点迹关联结果U_ij剔除主动雷达的部分假目标，对保留的量测值跟踪滤波，得到目标航迹信息B_i′；3.对点迹关联结果U_ij进行多义性处理，并利用处理后的结果

对被动雷达的量测值跟踪滤波，得到目标航迹信息

4.对目标航迹信息B_i′和进行航迹关联检验，并对其进行多义性处理；5.利用处理后的航迹关联结果

鉴别并剔除主动雷达的虚假航迹。本发明有效地抑制了航迹欺骗干扰，可用于异地配置的主被动雷达网。

Description

用异地配置的主被动雷达网抑制航迹欺骗干扰的方法

技术领域

本发明涉及雷达技术领域，特别涉及航迹欺骗干扰对抗技术，具体地说是利用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，该方法可用于主被动雷达网的数据融合中心，通过航迹关联检验，鉴别并剔除欺骗式假目标形成的虚假航迹，提高主被动雷达网在航迹欺骗干扰下的探测跟踪性能。

背景技术

欺骗式干扰是指在雷达接收机中干扰信号与目标回波信号难以区分，以假乱真，使雷达不能正确地检测到目标信息。欺骗式干扰的工作原理为对接收的雷达发射信号，经过干扰调制，改变其有关参数，再转发回雷达，以模拟雷达目标的回波信号，使雷达难以辨别真假目标，从而达到迷惑和扰乱雷达对真目标检测和跟踪的目的。数字射频存储器技术的成熟使得高逼真度假目标的产生成为可能，所述的高逼真度假目标可通过信号处理阶段，顺利形成点迹信息，且数据处理阶段被稳定进行跟踪滤波，形成航迹欺骗干扰。相比于单纯的假目标干扰，航迹欺骗干扰的欺骗性更强，若雷达无法有效对抗航迹欺骗干扰，则必需对虚假航迹始终保持稳定跟踪，将占用大量雷达系统资源，严重影响雷达在多目标情况下的数据处理能力。

针对航迹欺骗干扰，单站雷达由于视角单一，很难对其进行对抗，而组网雷达可通过对各个节点雷达跟踪滤波得到的航迹信息进行关联检验，以鉴别和剔除各节点雷达中的虚假航迹，但是由于分布式组网雷达中的所有节点雷达均会受到欺骗式干扰，各节点雷达得到的航迹总数较大，且需要对不同节点雷达得到的所有航迹信息进行航迹关联检验，才可剔除所有节点雷达中的虚假航迹，这将导致这种抗航迹欺骗干扰方法的计算量较大，可能会超出数据融合中心的负荷范围。

针对分布式组网雷达抗航迹欺骗干扰方法所存在的问题，可利用异地配置的主被动雷达网对抗航迹欺骗干扰，以有效解决其计算量较大的问题。异地配置的主被动雷达网是由分布在不同空间位置的主动雷达和被动雷达构成，并由数据融合中心进行统一管理的一个雷达网，被动雷达不向外辐射能量，工作在无源模式下，所以干扰机将无法通过截获其发射信息来对其实施欺骗式干扰。主被动雷达网点迹关联方法就是利用主被动雷达网的特点，实现对航迹欺骗干扰的对抗，但是这种集中式融合结构需要对各时刻的点迹，均利用关联检验的方法鉴别出主动雷达中的假目标，这一过程是相当繁琐的，且由于采用了集中式融合结构，主被动雷达网的数据传输量较大，干扰环境下生存能力下降。

发明内容

本发明的目的在于针对上述现有方法抑制航迹欺骗干扰存在的问题，提出一种用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，以降低数据融合中心的计算量，同时降低主被动雷达网的数据传输量，提高主被动雷达网在干扰环境下生存能力。

为实现上述目的，本发明的技术方案包括如下步骤：

（1）用主被动雷达网中的主动雷达对目标进行检测，得到主动雷达各目标不同时刻的量测值Z_i(k)：

其中，i表示主动雷达中目标的序号，i＝1,2,...,M，M为主动雷达检测到目标的个数，k表示时间序号，k＝1,2,...,T，T是主被动雷达网检测时间总长度，r_i(k)、θ_i(k)、

分别为第i个目标在第k个时刻相对于主动雷达的径向距离、方位角和俯仰角；

（2）用主被动雷达网中的被动雷达对目标进行检测，得到被动雷达各目标不同时刻的量测值G_j(k)：

其中，j表示被动雷达中目标的序号，j＝1,2,...,N，N是被动雷达检测到目标的个数，θ′_j(k)、

分别为第j个目标在第k个时刻相对于被动雷达的方位角和俯仰角；

（3）对主动雷达各目标的量测值Z_i(k)与被动雷达各目标的量测值G_j(k)进行点迹关联检验，得到点迹关联结果U_ij；

（4）利用步骤（3）得到的点迹关联结果U_ij对主动雷达中的目标进行真假鉴别：

若

则判定主动雷达第i个目标为真目标，予以保留；

若

则判定主动雷达第i个目标为假目标，将其剔除；

（5）对步骤（4）保留的主动雷达各目标进行航迹起始，并跟踪滤波得到各目标的航迹信息：

B_i′＝{X_i′(k),P_i′(k)}，

其中，i′表示主动雷达中保留的目标序号，i′＝1,2,...,M′，M′为步骤（4）保留的主动雷达目标的个数，X_i′(k)是主动雷达航迹上各时刻点的滤波状态矢量，P_i′(k)是主动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵；

（6）对步骤（3）得到的点迹关联结果U_ij进行多义性处理，得到多义性处理后的点迹关联结果

（7）利用步骤（6）得到的多义性处理后的点迹关联结果

判断是否对被动雷达中的目标进行航迹起始：

若

则判定对被动雷达第j个目标进行航迹起始，予以保留；

若

则判定对被动雷达第j个目标不进行航迹起始，将其剔除；

（8）对步骤（7）保留的被动雷达各目标，利用与其关联的主动雷达量测值辅助被动雷达进行航迹起始，并跟踪滤波得到被动雷达各目标的航迹信息：

${\tilde{B}}_{j^{\′}}=\{{\tilde{X}}_{j^{\′}}\left(k\right),{\tilde{P}}_{j^{\′}}\left(k\right)\},$

其中，j′表示被动雷达中保留的目标序号，j′＝1,2,...,N′，N′为步骤（7）保留的被动雷达目标的个数，

是被动雷达航迹上各时刻点的滤波状态矢量，

是被动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵；

（9）对步骤（5）得到的主动雷达各目标的航迹信息B_i′与步骤（8）得到的被动雷达各目标的航迹信息进行航迹关联检验，得到航迹关联结果A_i′j′；

（10）对航迹关联结果A_i′j′进行多义性处理，得到多义性处理后的航迹关联结果

（11）利用步骤（10）得到的多义性处理后航迹关联结果

对步骤（4）保留的主动雷达各目标进行真假鉴别：

若

则判定主动雷达第i′个目标为真目标，予以保留；

若

则判定主动雷达第i′个目标为假目标，将其剔除。

本发明与现有技术相比具有如下优点：

1、相比于分布式组网雷达抑制航迹欺骗干扰的方法，本发明由于利用了被动雷达中的观测信息，减小了航迹关联的个数，故可有效地降低数据融合中心的计算量；

2、相比于主被动雷达网点迹关联抑制航迹欺骗干扰的方法，本发明由于利用航迹关联的方法直接对虚假航迹进行鉴别，故可降低主被动雷达网的数据传输量，提高主被动雷达网在干扰环境下生存能力。

附图说明

图1是本发明的实现流程图；

图2是主被动雷达跟踪滤波的目标航迹在统一直角坐标系下的仿真结果图；

图3是主被动雷达各航迹间关联距离的仿真结果图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1：用主被动雷达网中的主动雷达对目标进行检测，得到主动雷达各目标不同时刻的量测值Z_i(k)：

其中，i表示主动雷达中目标的序号，i＝1,2,...,M，M为主动雷达检测到目标的个数，k表示时间序号，k＝1,2,...,T，T是主被动雷达网检测时间总长度，r_i(k)、θ_i(k)、分别为第i个目标在第k个时刻相对于主动雷达的径向距离、方位角和俯仰角。

步骤2：用主被动雷达网中的被动雷达对目标进行检测，得到被动雷达各目标不同时刻的量测值G_j(k)：

其中，j表示被动雷达中目标的序号，j＝1,2,...,N，N是被动雷达检测到目标的个数，θ′_j(k)、

分别为第j个目标在第k个时刻相对于被动雷达的方位角和俯仰角。

步骤3：对步骤（1）得到的主动雷达各目标的量测值，分别与步骤（2）得到的被动雷达各目标的量测值进行点迹关联检验，得到点迹关联结果U_ij。

3a）计算主动雷达各目标不同时刻相对于被动雷达量测值的估计值

3a1）根据步骤1得到的主动雷达各目标不同时刻的量测值Z_i(k)，计算主动雷达各目标不同时刻在统一直角坐标系下的坐标：X_i(k)＝[x_i(k),y_i(k),z_i(k)]，其中各目标在x轴的坐标x_i(k)、在y轴的坐标y_i(k)和在z轴的坐标z_i(k)分别为：

式中，x₀、y₀、z₀分别为主动雷达在统一直角坐标系下的x轴坐标、y轴坐标和z轴坐标；

3a2）根据步骤3a1）得到的主动雷达各目标不同时刻在统一直角坐标系下的坐标X_i(k)＝[x_i(k),y_i(k),z_i(k)]，计算主动雷达各目标在不同时刻相对于被动雷达量测值的估计值：

其中，方位角的估计值

和俯仰角的估计值

分别为：

${\widehat{\mathrm{\θ}}}_i^{\′}\left(k\right)=\arctan \left(\frac{y_i\left(k\right)-y_0^{\′}}{x_i\left(k\right)-x_0^{\′}}\right),$

式中，x′₀、y′₀、z′₀分别为被动雷达在统一直角坐标系下的x轴坐标、y轴坐标和z轴坐标；

3b）计算被动雷达量测值的估计值

的误差协方差矩阵R_i(k)：

3b1）根据被动雷达量测值的估计值

中方位角的估计值分别计算方位角估计值的三个不同偏导数

和

其中，中间变量Δx_i(k)＝x_i(k)-x′₀，Δy_i(k)＝y_i(k)-y′₀；

3b2）根据被动雷达量测值的估计值

中俯仰角的估计值

分别计算俯仰角估计值的三个不同偏导数

和

其中，中间变量Δz_i(k)＝z_i(k)-z′₀；

3b3）根据步骤3b1）得到的方位角估计值的三个不同偏导数

和

以及步骤3b2）得到的俯仰角估计值的三个不同偏导数

和

构造变换矩阵Q_i(k)：

3b4）根据步骤3b3）得到的变换矩阵Q_i(k)，计算被动雷达量测值的估计值

的误差协方差矩阵R_i(k)：

R_i(k)＝Q_i(k)·Λ·(Q_i(k))^T，

其中，

diag(·)表示以其变量为对角元素的对角矩阵，σ_r为主动雷达的测距误差，σ_θ为主动雷达的方位角误差，

为主动雷达的俯仰角误差，(·)^T为转置运算；

3c）计算主动雷达各目标和被动雷达各目标在不同时刻的关联距离Γ_ij(k)：

3c1）根据主动雷达各目标不同时刻相对于被动雷达量测值的估计值

和被动雷达各目标不同时刻的量测值G_j(k)，计算主动雷达各目标和被动雷达各目标在不同时刻的量测值误差ΔG_ij(k)：

$\mathrm{\Δ}{G}_{\mathrm{ij}}\left(k\right)={\hat{G}}_i\left(k\right)-G_j\left(k\right),$

3c2）根据被动雷达量测值的估计值

的误差协方差矩阵R_i(k)，计算量测值误差ΔG_ij(k)的误差协方差矩阵P_ij(k)：

P_ij(k)＝R_i(k)+Λ′，

其中，

σ′_θ为被动雷达的方位角误差，

为被动雷达的俯仰角误差；

3c3）根据量测值误差ΔG_ij(k)，及其误差协方差矩阵P_ij(k)，计算主动雷达各目标和被动雷达各目标在不同时刻的关联距离Γ_ij(k)：

${\mathrm{\Γ}}_{\mathrm{ij}}\left(k\right)={\mathrm{\ΔG}}_{\mathrm{ij}}\left(k\right)P_{\mathrm{ij}}^{-1}\left(k\right){\left({\mathrm{\ΔG}}_{\mathrm{ij}}\left(k\right)\right)}^T,$

其中，(·)^-1为求逆运算；

3d）根据主动雷达各目标和被动雷达各目标在不同时刻的关联距离Γ_ij(k)，计算主被动雷达的航迹起始鉴别统计量Ω_ij：

${\mathrm{\Ω}}_{\mathrm{ij}}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\Γ}}_{\mathrm{ij}}\left(k\right),$

其中，m为航迹起始时间段的结束时刻点；

3e）根据步骤3d）得到的航迹起始鉴别统计量Ω_ij，得到点迹关联结果U_ij：

3e1）根据航迹起始鉴别统计量Ω_ij服从自由度为2m的卡方分布，计算检测门限δ′：

${\mathrm{\δ}}^{\′}={\mathrm{\χ}}_{2m}^2\left({\mathrm{\α}}^{\′}\right),$

其中，

表示自由度为2m的卡方分布，α′是对航迹起始鉴别统计量Ω_ij进行假设检验的显著性水平；

3e2）将航迹起始鉴别统计量Ω_ij与检测门限δ′进行比较，得到点迹关联结果U_ij：

如果Ω_ij<δ′，表示主动雷达中的第i个目标和被动雷达中的第j个目标关联检验成功，则U_ij＝1；

如果Ω_ij>δ′，表示主动雷达中的第i个目标和被动雷达中的第j个目标关联检验失败，则U_ij＝0。

步骤4：利用步骤（3）得到的点迹关联结果U_ij对主动雷达各目标进行真假鉴别：

若

则判定主动雷达第i个目标为真目标，予以保留；

若

则判定主动雷达第i个目标为假目标，将其剔除。

步骤5：对步骤（4）保留的主动雷达各目标进行航迹起始，并跟踪滤波得到各目标的航迹信息：

B_i′＝{X_i′(k),P_i′(k)}，

其中，i′表示主动雷达中保留的目标序号，i′＝1,2,...,M′，M′为步骤（4）保留的主动雷达目标的个数，X_i′(k)是主动雷达航迹上各时刻点的滤波状态矢量，P_i′(k)是主动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵。

步骤6：对步骤（3）得到的点迹关联结果U_ij进行多义性处理，得到多义性处理后的点迹关联结果

6a）判断点迹关联结果U_ij是否存在多义性：

如果

则判为点迹关联结果U_ij不存在多义性，

如果

则判为点迹关联结果U_ij存在多义性，执行步骤6b）；

6b）对存在多义性的点迹关联结果U_ij，找到被动雷达第j个目标和主动雷达所有目标航迹起始鉴别统计量Ω_1j,Ω_2j,...,Ω_Mj中的最小值，记该最小值对应的主动雷达的目标序号为q；

6c）根据步骤6b）得到的主动雷达的目标序号q，得到多义性处理后的点迹关联结果

${\tilde{U}}_{\mathrm{ij}}=\left\{\begin{array}{c}1,i=q\\ 0,i\&NotEqual;q\end{array}\right..$

步骤7：利用步骤（6）得到的多义性处理后的点迹关联结果

判断是否对被动雷达中的目标进行航迹起始：

若

则判定对被动雷达中的第j个目标进行航迹起始，予以保留；

若

则判定对被动雷达中的第j个目标不进行航迹起始，将其剔除。

步骤8：对步骤（7）保留的被动雷达各目标，利用与其关联的主动雷达的量测值辅助被动雷达进行航迹起始，并跟踪滤波得到被动雷达各目标的航迹信息：

${\tilde{B}}_{j^{\&prime;}}=\{{\tilde{X}}_{j^{\&prime;}}\left(k\right),{\tilde{P}}_{j^{\&prime;}}\left(k\right)\},$

其中，j′表示被动雷达中保留的目标序号，j′＝1,2,...,N′，N′为步骤（7）保留的被动雷达目标的个数，是被动雷达航迹上各时刻点的滤波状态矢量，

是被动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵。

步骤9：对步骤（5）得到的主动雷达各目标的航迹信息B_i′与步骤（8）得到的被动雷达各目标的航迹信息

进行航迹关联检验，得到航迹关联结果A_i′j′。

9a）计算主动雷达各航迹B_i′与被动雷达各航迹在不同时刻的滤波状态矢量差ΔX_i′j′(k)，及其误差协方差矩阵S_i′j′(k)：

$\mathrm{\&Delta;}{X}_{i^{\&prime;}{j}^{\&prime;}}\left(k\right)=X_{i^{\&prime;}}\left(k\right)-{\tilde{X}}_{j^{\&prime;}}\left(k\right),$

$S_{i^{\&prime;}{j}^{\&prime;}}\left(k\right)=P_{i^{\&prime;}}\left(k\right)-{\tilde{P}}_{j^{\&prime;}}\left(k\right);$

9b）根据步骤9a）得到的滤波状态矢量差ΔX_i′j′(k)及其误差协方差矩阵S_i′j′(k)，计算主动雷达各航迹与被动雷达各航迹在不同时刻的关联距离d_i′j′(k)：

d_i′j′(k)＝(ΔX_i′j′(k))^T[S_i′j′(k)]^-1ΔX_i′j′(k)；

9c）对主动雷达各航迹与被动雷达各航迹在不同时刻的关联距离d_i′j′(k)进行求和，得到主动雷达各航迹和被动雷达各航迹之间的总关联距离D_i′j′：

$D_{i^{\&prime;}{j}^{\&prime;}}=\underset{k=1}{\overset{T}{\mathrm{\&Sigma;}}}{d}_{i^{\&prime;}{j}^{\&prime;}}\left(k\right);$

9d）根据总关联距离D_i′j′服从自由度为L的卡方分布，计算检测门限δ：

$\mathrm{\&delta;}={\mathrm{\&chi;}}_L^2\left(\mathrm{\&alpha;}\right),$

其中，

表示自由度为L的卡方分布，L＝6T，α是对总关联距离D_i′j′进行假设检验的显著性水平；

9e）将步骤9c）得到的总关联距离D_i′j′与检测门限δ进行比较，得到航迹关联结果A_i′j′：

如果D_i′j′<δ，表示主动雷达的第i′条航迹和被动雷达的第j′条航迹关联成功，则A_i′j′＝1；

如果D_i′j′>δ，表示主动雷达的第i′条航迹和被动雷达的第j′条航迹关联失败，则A_i′j′＝0。

步骤10：对航迹关联结果A_i′j′进行多义性处理，得到多义性处理后的航迹关联结果

10a）判断航迹关联结果A_i′j′是否存在多义性：

如果

则判定航迹关联结果A_i′j′不存在多义性，

如果

则判定航迹关联结果A_i′j′存在多义性，执行步骤10b）；

10b）对存在多义性的航迹关联结果A_i′j′，找到被动雷达第j′个目标和主动雷达所有目标航迹间的总关联距离D_1j′,D_2j′,...,D_Mj′′中的最小值，记该最小值对应的主动雷达的目标序号为q′；

10c）根据步骤10b）得到的主动雷达的目标序号q′，得到多义性处理后的航迹关联结果

${\tilde{A}}_{i^{\&prime;}{j}^{\&prime;}}=\left\{\begin{array}{c}1,i^{\&prime;}=q^{\&prime;}\\ 0,i^{\&prime;}\&NotEqual;q^{\&prime;}\end{array}\right..$

步骤11：利用步骤（10）得到的多义性处理后航迹关联结果对步骤（4）保留的主动雷达各目标进行真假鉴别：

若

则判定主动雷达第i′个目标为真目标，予以保留；

若则判定主动雷达第i′个目标为假目标，将其剔除。

本发明抑制航迹欺骗干扰的能力可通过以下仿真进一步验证。

1.实验场景：

本发明仿真实验采用异地配置的主被动雷达网由一个主动雷达和一个被动雷达组成。主动雷达在统一直角坐标系下的坐标为(0,0,0)km，测距误差σ_r＝25m，方位角误差σ_θ＝0.3°，俯仰角误差

被动雷达在统一直角坐标系下的坐标为(5,0,0.1)km，方位角误差σ′_θ＝1°，俯仰角误差

仿真场景中有一个真目标，其初始坐标为(3.5,8,8)km，初始运动速度为(-10,-80,2)m/s，真目标在雷达网探测阶段，始终做匀速运动，运动噪声标准差为0.05，主动雷达除检测到真目标外，由于受到欺骗式干扰，还检测到两个欺骗式假目标，欺骗距离为±500m。被动雷达未受到欺骗式干扰，仅检测到真目标。真目标和假目标的持续时间均为1～200s，航迹起始时间段为1～3s，采样时间间隔为1s。

2.实验内容和结果分析：

实验1：利用本发明方法，对主动雷达和被动雷达各目标的航迹起始概率进行5000次Monte Carlo仿真实验，统计出：被动雷达目标被成功起始的概率为99.12%；主动雷达中真目标的误鉴别概率为0.88%；主动雷达中假目标的误鉴别概率为80.56%。

从实验1的仿真结果中可以看到，本发明方法保证了被动雷达的航迹起始概率，且航迹起始阶段可在尽量保证主动雷达真目标不被剔除的条件下，剔除掉部分欺骗式干扰产生的假目标，但是假目标仍有80.56%的概率被误判为真目标而予以保留，针对这些被误判的假目标，将利用航迹关联的方法进一步对其进行鉴别与剔除。

实验2：利用本发明方法，由主动雷达和被动雷达分别对目标进行跟踪滤波，得到主被动雷达跟踪滤波的目标航迹在统一直角坐标系下的仿真结果图，如图2所示。

从图2可以看到，主动雷达跟踪滤波得到3条航迹，被动雷达跟踪滤波得到1条航迹，与设置的仿真场景相符。

实验3：利用本发明方法对主动雷达各航迹和被动雷达各航迹进行航迹关联检验，得到主被动雷达各航迹间关联距离的仿真结果图，如图3所示，图3中实线表示不同时刻两条航迹间的关联距离，虚线表示跟踪期间关联距离的平均值，其中，图3（a）是主动雷达的第1条航迹和被动雷达航迹间关联距离的仿真结果图，图3（b）是主动雷达的第2条航迹和被动雷达航迹间关联距离的仿真结果图，图3（c）主动雷达的第3条航迹和被动雷达航迹间关联距离的仿真结果图。

从图3可以看到，主动雷达第1条航迹和被动雷达航迹间的关联距离均小于主动雷达第2条航迹和被动雷达航迹间的关联距离以及主动雷达第3条航迹和被动雷达航迹间的关联距离。

实验4：利用本发明方法计算主被动雷达各航迹间总关联距离，结果如表1所示：

表1主被动雷达每两条航迹间的总关联距离

对表1中主被动雷达各航迹间总关联距离与门限进行比较，选择显著性水平α＝0.005，自由度为L＝6T＝1200，得到检测门限δ＝1329.94。由于表1中仅有主动雷达的第1条航迹和被动雷达航迹间总关联距离小于检测门限，则判定主动雷达第1条航迹为真实航迹，主动雷达的其它航迹为虚假航迹，予以剔除。

从表1的关联检验结果可以看到，虚假航迹被成功剔除，说明本发明方法可有效抑制航迹欺骗干扰。

Claims (3)

1.一种用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，包括如下步骤：

（1）用主被动雷达网中的主动雷达对目标进行检测，得到主动雷达各目标不同时刻的量测值Z_i(k)：

其中，i表示主动雷达中目标的序号，i＝1,2,...,M，M为主动雷达检测到目标的个数，k表示时间序号，k＝1,2,...,T，T是主被动雷达网检测时间总长度，r_i(k)、θ_i(k)、分别为第i个目标在第k个时刻相对于主动雷达的径向距离、方位角和俯仰角；

（2）用主被动雷达网中的被动雷达对目标进行检测，得到被动雷达各目标不同时刻的量测值G_j(k)：

其中，j表示被动雷达中目标的序号，j＝1,2,...,N，N是被动雷达检测到目标的个数，θ′_j(k)、

分别为第j个目标在第k个时刻相对于被动雷达的方位角和俯仰角；

（3）对主动雷达各目标的量测值Z_i(k)与被动雷达各目标的量测值G_j(k)进行点迹关联检验，得到点迹关联结果U_ij；

（4）利用步骤（3）得到的点迹关联结果U_ij对主动雷达中的目标进行真假鉴别：

若

则判定主动雷达第i个目标为真目标，予以保留；

若

则判定主动雷达第i个目标为假目标，将其剔除；

（5）对步骤（4）保留的主动雷达各目标进行航迹起始，并跟踪滤波得到各目标的航迹信息：

B_i′＝{X_i′(k),P_i′(k)}，

其中，i′表示主动雷达中保留的目标序号，i′＝1,2,...,M′，M′为步骤（4）保留的主动雷达目标的个数，X_i′(k)是主动雷达航迹上各时刻点的滤波状态矢量，P_i′(k)是主动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵；

（6）对步骤（3）得到的点迹关联结果U_ij进行多义性处理，得到多义性处理后的点迹关联结果

（7）利用步骤（6）得到的多义性处理后的点迹关联结果

判断是否对被动雷达中的目标进行航迹起始：

若

则判定对被动雷达第j个目标进行航迹起始，予以保留；

若

则判定对被动雷达第j个目标不进行航迹起始，将其剔除；

（8）对步骤（7）保留的被动雷达各目标，利用与其关联的主动雷达量测值辅助被动雷达进行航迹起始，并跟踪滤波得到被动雷达各目标的航迹信息：

${\tilde{B}}_{j^{\&prime;}}=\{{\tilde{X}}_{j^{\&prime;}}\left(k\right),{\tilde{P}}_{j^{\&prime;}}\left(k\right)\},$

其中，j′表示被动雷达中保留的目标序号，j′＝1,2,...,N′，N′为步骤（7）保留的被动雷达目标的个数，

是被动雷达航迹上各时刻点的滤波状态矢量，

是被动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵；

（9）对步骤（5）得到的主动雷达各目标的航迹信息B_i′与步骤（8）得到的被动雷达各目标的航迹信息

进行航迹关联检验，得到航迹关联结果A_i′j′；

（10）对航迹关联结果A_i′j′进行多义性处理，得到多义性处理后的航迹关联结果

（11）利用步骤（10）得到的多义性处理后航迹关联结果

对步骤（4）保留的主动雷达各目标进行真假鉴别：

若

则判定主动雷达第i′个目标为真目标，予以保留；

若

则判定主动雷达第i′个目标为假目标，将其剔除。

2.根据权利要求1所述的用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，其中步骤（9）所述的对步骤（5）得到的主动雷达各目标的航迹信息B_i′与步骤（8）得到的被动雷达各目标的航迹信息进行航迹关联检验，得到航迹关联结果A_i′j′，按如下步骤进行：

9a）计算主动雷达各航迹B_i′与被动雷达各航迹

在不同时刻滤波状态矢量差ΔX_i′j′(k)，及其误差协方差矩阵S_i′j′(k)：

$\mathrm{\&Delta;}{X}_{i^{\&prime;}{j}^{\&prime;}}\left(k\right)=X_{i^{\&prime;}}\left(k\right)-{\tilde{X}}_{j^{\&prime;}}\left(k\right),$

$S_{i^{\&prime;}{j}^{\&prime;}}\left(k\right)=P_{i^{\&prime;}}\left(k\right)-{\tilde{P}}_{j^{\&prime;}}\left(k\right),$

其中，i′表示主动雷达中保留的目标序号，i′＝1,2,...,M′，M′为步骤（4）保留的主动雷达目标的个数，j′表示被动雷达中保留的目标序号，j′＝1,2,...,N′，N′为步骤（7）保留的被动雷达目标的个数，k表示时间序号，k＝1,2,...,T，T为主被动雷达网检测时间总长度，X_i′(k)是主动雷达航迹上各时刻点的滤波状态矢量，P_i′(k)是主动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵，

是被动雷达航迹上各时刻点的滤波状态矢量，

是被动雷达航迹上各时刻点滤波状态矢量的误差协方差矩阵；

9b）根据步骤9a）得到的滤波状态矢量差ΔX_i′j′(k)及其误差协方差矩阵S_i′j′(k)，计算主动雷达各航迹与被动雷达各航迹在不同时刻的关联距离d_i′j′(k)：d_i′j′(k)＝(ΔX_i′j′(k))^T[S_i′j′(k)]^-1ΔX_i′j′(k)；

其中，(·)^T表示转置运算，(·)^-1表示求逆运算；

9c）对主动雷达各航迹与被动雷达各航迹在不同时刻的关联距离d_i′j′(k)进行求和，得到主动雷达各航迹和被动雷达各航迹之间的总关联距离D_i′j′：

$D_{i^{\&prime;}{j}^{\&prime;}}=\underset{k=1}{\overset{T}{\mathrm{\&Sigma;}}}{d}_{i^{\&prime;}{j}^{\&prime;}}\left(k\right);$

9d）根据总关联距离D_i′j′服从自由度为L的卡方分布，计算检测门限δ：

$\mathrm{\&delta;}={\mathrm{\&chi;}}_L^2\left(\mathrm{\&alpha;}\right),$

其中，

表示自由度为L的卡方分布，L＝6T，α是对总关联距离D_i′j′进行假设检验的显著性水平；

9e）将步骤9c）得到的总关联距离D_i′j′与检测门限δ进行比较，得到航迹关联结果A_i′j′：

如果D_i′j′<δ，表示主动雷达的第i′条航迹和被动雷达的第j′条航迹关联成功，则A_i′j′＝1；

如果D_i′j′>δ，表示主动雷达的第i′条航迹和被动雷达的第j′条航迹关联失败，则A_i′j′＝0。

3.根据权利要求1所述的用异地配置的主被动雷达网抑制航迹欺骗干扰的方法，其中步骤（10）所述的对航迹关联结果A_i′j′进行多义性处理，得到多义性处理后的航迹关联结果

按如下步骤进行：

10a）判断航迹关联结果A_i′j′是否存在多义性：

如果

则判定航迹关联结果A_i′j′不存在多义性，

如果

则判定航迹关联结果A_i′j′存在多义性，执行步骤10b）；

其中，i′表示主动雷达中保留的目标序号，i′＝1,2,...,M′，M′为步骤（4）保留的主动雷达目标的个数，j′表示被动雷达中保留的目标序号，j′＝1,2,...,N′，N′为步骤（7）保留的被动雷达目标的个数；

10b）对存在多义性的关联检验结果A_i′j′，找到被动雷达第j′个目标和主动雷达所有目标航迹间的总关联距离D_1j′,D_2j′,...,D_Mj′′中的最小值，记该最小值对应的主动雷达的目标序号为q′；

10c）根据步骤10b）得到的主动雷达的目标序号q′，得到多义性处理后的关联检验结果

${\tilde{A}}_{i^{\&prime;}{j}^{\&prime;}}=\left\{\begin{array}{c}1,i^{\&prime;}=q^{\&prime;}\\ 0,i^{\&prime;}\&NotEqual;q^{\&prime;}\end{array}\right..$

Images