CN105093201A - 一种基于多基地mimo雷达的目标关联方法 - Google Patents

Abstract

本发明属于组网雷达信息融合中数据预处理领域，具体提供一种基于多基地MIMO雷达的目标关联方法，该方法首先在多基地MIMO雷达系统中设定融合中心，将各个接收站对目标的量测转换到融合中心的极坐标系下，得到目标量测参数；然后对融合中心的来自各个接收站的量测进行关联，以距离相减作为距离检验统计，以角度相减作为角度检验统计量；对角度、距离检验统计量分别设置关联门限，当被检验量同时落入两门限时，认定关联成功；最后进行二次判别，当接收站测得一个目标量测与另一个接收站测得多个目标量测同时关联成功时，则取检验统计量的范数最小的一组目标量测作为最终的关联结果。本发明有效提高目标正确关联概率；且目标关联的稳定性提高。

Description

一种基于多基地MIMO雷达的目标关联方法

技术领域

本发明属于组网雷达信息融合中数据预处理领域，涉及应用于双/多基地MIMO雷达目标定位跟踪系统中目标关联部分，具体为一种基于多基地MIMO雷达的目标关联方法。

技术背景

雷达或雷达组网的主要目的是充分利用不同传感器量测信息的互补特性，通过信息融合提升组网系统对目标的测量精度和复杂条件下的探测跟踪能力，以克服单部雷达的不确定性和局限性，提高整个雷达系统的效能。目标关联是信息融合的前提，其实质就是进行目标配对，通过分析、对比多个观测系统的测量结果，将同一目标被不同观测设备观测结果关联起来。

根据信息融合系统的结构特点，目标关联则可分为分布式和集中式两种。集中式指各接收站所测量的参数都送至融合中心，进行关联融合，再进行定位跟踪；分布式是指各接收站分别利用所得参数进行定位，各自形成航迹，将各个航迹送至融合中心，进行航迹的关联融合。自1971年Singer等人首次提出最近邻(NN)关联方法以来，信息关联技术得到了快速的发展，越来越多的关联方法被提出，除了最近邻关联方法，其中经典的关联方法有：加权关联方法、概率数据互联方法(PDA)、多假设关联方法(MHT)等，如文献[何友，王国宏，陆大琻等编著.多传感器信息融合及应用[M].电子工业出版社，2007.]，这些经典方法均可以用在分布式和集中式中。

MIMO雷达作为一种新体制雷达，有着诸多的特点和优势，如文献[何子述，韩春林，刘波.MIMO雷达概念及其技术特点分析[J].电子学报，2005,33(12A):2441-2445.]。MIMO雷达发射阵列各阵元发射相互正交的信号，在传输空间内不会直接相互叠加，使得回波信号中含有目标在发射站的角度信息。以集中式正交波形发射阵列为基础构成的T/R-nR模式的多基地MIMO雷达中，每个接收阵列均能独立完成发射阵列目标视线角测量，且在空间同步、干扰联合对抗等方面具有较大潜力，因此是未来雷达组网技术重要的发展方向。

和常规雷达组网一样，目标关联也是这一新型雷达组网系统中核心的技术问题之一。前面的各种目标关联方法都是针对传统多雷达系统提出来的，虽然都也可直接应用于T/R-nR模式MIMO雷达系统中，但是并未充分利用MIMO雷达的工作特点，无疑会影响多基地mimo雷达优势和潜力的发挥。提出一种MIMO雷达特有的关联方法，是有着重要实际意义的；注意到多基地MIMO雷达系统的每个接收阵列独立完成的发射阵列目标视线角测量结果中，其测量参数均以发射阵列为基准，本专利提出一种MIMO雷达特有的关联方法，将上述特点运用于目标关联过程，有效规避了测角系统误差导致的关联失误，能显著改善多个接收站之间目标关联的正确概率，对促进该系统技术优势和作战效能的发挥具有非常重要的意义。

发明内容

本发明的目的在于针对MIMO技术背景下的T/R-nR模式多基地雷达系统提供了一种目标关联方法，以本发明提供关联方法为基础，能够充分利用MIMO雷达的工作特点，使得在测角系统误差存在的条件下，T/R-nR模式多基地MIMO雷达能够较为精准的完成目标的关联，有效避免阵列指向角度系统误差估计和配准的结果精度对目标关联的不良影响。

本发明采用的技术方案为：一种基于多基地MIMO雷达的目标关联方法，包括以下步骤：

步骤1.多基地MIMO雷达系统中设定融合中心，将各个接收站对目标的量测转换到融合中心的极坐标系下，得到目标量测参数(R,θ_T)；

步骤2.对融合中心的来自各个接收站的量测进行关联，以距离相减作为距离检验统计，以角度相减作为角度检验统计量；对角度、距离检验统计量分别设置关联门限，当被检验量同时落入两门限时，认定关联成功；

步骤3.二次判别，当接收站测得一个目标量测与另一个接收站测得多个目标量测同时关联成功时，则取检验统计量的范数最小的一组目标量测作为最终的关联结果。

2.按权利要求1所述基于多基地MIMO雷达的目标关联方法，其特征在于，具体包括以下步骤：

步骤1.接收站坐标转换

多基地MIMO雷达系统中包括N个接收站，设定T/R站为融合中心，将各接收站对目标的量测转换到融合中心的极坐标系下；具体转换过程为：

接收站目标测量表示为(R_S,θ_R,θ_TR)，选取(R_S,θ_R)和(R_S,θ_TR)两组测量子集进行融合；根据测量子集(R_S,θ_R)的定位方程解出X₁＝[_x1y1]^T；根据测量子集(R_S,θ_TR)的定位方程解出X₂＝[x₂y₂]^T；

采用简化的加权最小二乘法，取加权矩阵为：P₁、P₂为两组测量子集的定位误差协方差矩阵，得到目标位置估计：

其中，I为2维的单位矩阵，，令

根据目标位置的估计(x_R,y_R)后，解出接收站转换到融合中心极坐标系下的距离：

MIMO雷达各接收站可独立测得发射视线角，角度不需要转换，那么便可得到接收站转换后目标量测参数(R,θ_T)

设融合中心测角系统误差为δθ_T，接收站测角系统误差为δθ_R、接收站目标量测的随机起伏误差分别为ξR_S、ξθ_R、ξθ_TR，计算距离转换后距离误差：

从而，推算得到矩阵C₀；

步骤2.初次目标关联决策

若接收站m的目标量测参数为(R_m ⁱ,θ_Tm ⁱ)，接收站n的目标量测参数为(R_n ^j,θ_Tn ^j)，i,j分别表示两接收站对应的目标序号，则检验统计量为，

设K_R,K_θ分别为距离、角度关联门限，那么关联规则如下，

其中，角度门限：

距离门限：σ_θ为测角起伏误差的均方根，σ_R为测距误差的均方根矩阵；分别表示接收站m、n距离转换后误差得到矩阵，δθ_Rm、δθ_Rn、δθ_T分别表示接收站m、n和融合中心的测角系统误差；

步骤3.二次判别

当接收站m测得一个目标量测与接收站n测得多个目标量测同时关联成功时，则取检验统计量的范数最小的那一组目标量测作为最终的关联结果。

本发明的基本原理是：结合最近邻关联算法，将发射视线角和距离分别作为关联量，各个接收站量测进行关联之前需对参数进行时空对准，由于T/R-nR模式多基地MIMO雷达各系统本身就是协同工作的，因此所有测量参数不需要精确的时间对准环节，只需要进行空间对准，即将各个接收站的量测转换到融合中心极坐标系下；由于MIMO雷达各个接收站可以分别独立测得目标发射视线角，因此只需要对距离进行坐标转换。关联判决时，将发射视线角作为关联量之一，由于各个接收站所测的发射视线角均是以发射站为基准的，系统误差来源相同，检验统计量中的角度相减，使得测量系统误差相互抵消，从而规避了测角系统误差带来的目标关联失误。

综上，本发明基于多基地MIMO雷达系统提供具有针对性的目标关联方法，该方法能够使得多基地MIMO雷达系统中目标正确关联概率有较大幅度的提高；且能够保证在存在随机角度系统误差的情况下，正确关联概率的浮动幅度减小，即目标关联的稳定性提高。

附图说明

图1为T/R-R模式双基地MIMO雷达的几何配置。

图2为目标关联过程的流程图。

图3为目标隔间固定时正确关联概率随信噪比的变化图。

图4为信噪比固定时正确关联概率随目标间隔的变化图。

图5为角度系统误差随机变动时引起的正确关联概率的波动幅度，MIMO雷达与相控阵对比图。

具体实施方案

下面结合附图和实施例对本发明的上述内容再作详细说明，需要指出的是，本发明上述方法的应用不仅仅局限于以下实例。

本实施例中采用T/R-R模式双基地MIMO雷达系统，如图1所示为T/R-R模式双基地MIMO雷达的几何配置，目标关联过程的流程如图2所示，具体步骤为：

步骤1.接收站坐标转换

在T/R-R双基地MIMO雷达系统中，以T/R站为主站，即为融合中心，以R站为副站；双基地MIMO雷达的副站可以测得主站的视线角，因此角度无需进行坐标转换，距离的转换需要两步：第一，利用副站的测量参数估计出目标的位置；第二，根据目标位置的估计值，解算出目标相对于主站的距离；副站每组量测都需要这两步来实现坐标转换，转换过程相同，下面就一组量测给出坐标转换的具体过程：

步骤1-1.利用加权最小二乘法根据副站的测量参数估计出目标的位置

副站有三个测量参数(R_S,θ_R,θ_TR)，需要由此估算出出目标位置坐标(x_R,y_R)，有三组测量子集，选取(R_S,θ_R)和(R_S,θ_TR)两组测量子集进行融合；

(1)测量子集(R_S,θ_R)的定位方程为：

利用中间量R_R，可解出：

(2)测量子集(R_S,θ_TR)的定位方程：

利用中间变量R_T，可解出：

根据简化的加权最小二乘法，I为2维的单位矩阵，取加权矩阵为：令X₁＝[x₁y₁]^T,X₂＝[x₂y₂]^T，可得目标位置估计：

其中P₁、P₂为两组测量子集的定位误差协方差矩阵，计算方法如下：

根据前若干拍的信噪比数据统计出平均信噪比，记为SNR，设发射波束3dB宽度为θ_3dB，可知测角起伏误差的均方根：

设发射信号带宽为B_S，可知测距误差的均方根：

对式(1)按泰勒式展开，舍去高次项，能够求得定位误差与测量误差之间的关系：

记其中的雅克比矩阵为F₁，假设目标所在的位置满足|F₁|≠0，则能够求出定位误差的协方差矩阵：

同理，对式(3)按泰勒式展开，舍去高次项，能够求得定位误差与测量误差之间的关系：

记其中的雅克比矩阵为F₂，假设目标所在的位置满足|F₂|≠0，则能够求出定位误差的协方差矩阵：

步骤1-2.根据目标位置的估计值，解算出目标相对于主站的距离

求得目标位置的估计(x_R,y_R)后，解出副站转换到主站极坐标系下的距离：

步骤2.初次目标关联决策

设定存在两个目标，那么空间对准后融合中心的数据有：主站数据(R_T ¹,θ_TT ¹)和(R_T ²,θ_TT ²)；副站数据：(R_TR ¹,θ_TR ¹)和(R_TR ²,θ_TR ²)，假设量测序号相同代表这两组量测来源于同一目标；

主站各组量测需要分别与副站每一组量测进行关联判决，以下以主站序号为1的量测具体说明关联判决过程，主站其它各组量测的关联与此类似；

步骤2-1.检验统计量

考察(R_T ¹,θ_TT ¹)与(R_TR ¹,θ_TR ¹)关联，距离、角度检验统计量分别为α_R11,α_θ11：

考察(R_T ¹,θ_TT ¹)与(R_TR ²,θ_TR ²)关联，距离、角度检验统计量分别为α_R12,α_θ12：

步骤2-2.关联门限

根据经验，角度、距离关联门限可取对应检验统计量的标准差的三倍，由式(13)知角度检验统计量中系统误差相互抵消，只剩随机起伏误差，结合式(6)角度门限可取为，

距离门限求取较为复杂，需要先计算转换后距离的误差，对式(12)进行泰勒展开，并舍去高次项，有

设R站、T/R站测角系统误差分别为δθ_R、δθ_T，R站对于目标1的三个测量参数的随机起伏误差分别为ξR_S、ξθ_R、ξθ_TR，T/R站对于目标1的两个测量参数的随机起伏误差分别为ξR_T、ξθ_TT，结合式(5)(8)(10)，有

其中，C₀是将矩阵C的第3列加到第1列上去，并去掉第三列所得；设目标1对应的矩阵C₀，以C₀₁表示，目标2对应的以C₀₂表示；那么距离检验统计量可表示为：

α_R11＝R_T ¹-R_TR ¹＝ξR_T ¹-ΔR'¹＝[1-C₀₁]·[ξR_TξR_Sξθ_R+δθ_Rξθ_TR+δθ_T]^H(18)

利用前若干拍数据可对收发站测角系统误差估计，设为距离门限可取为：

步骤2-3.关联决策

步骤3.二次目标关联决策

当(R_T ¹,θ_TT ¹)与(R_TR ¹,θ_TR ¹)和(R_TR ²,θ_TR ²)同时关联成功时，则需要进行二次判决，取检验统计量范数小的那一组作为最终的结果；

考察(R_T ¹,θ_TT ¹)与(R_TR ¹,θ_TR ¹)关联，距离、角度检验统计量的范数为：

考察(R_T ¹,θ_TT ¹)与(R_TR ²,θ_TR ²)关联，距离、角度检验统计量的范数为：

由于两目标之间的间隔与目标到雷达站的距离相比很小，故两种关联情况下的协方差矩阵可近似相等，即

取检验统计量为

α_D＝D₁₂/D₁₁(23)

二次判决规则如下：

综上，结合两次关联判决，若忽略杂波、干扰等虚假目标的存在，对于主站序号为1的测量参数组，最终的关联结果有三种：(1)取₍R_T ¹,θ_TT ¹)与(R_TR ¹,θ_TR ¹)关联，关联正确；(2)取(R_T ¹,θ_TT ¹)与(R_TR ²,θ_TR ²)关联，关联错误；(3)(R_T ¹,θ_TT ¹)与副站的两组测量参数均关联不成功，漏关联；总体的关联判决如下：

本实施例中，通过仿真最本发明效果进一步说明，仿真条件：基线长30km，发射信号带宽3MHZ，发射波束3dB宽度7.4°，目标1所在位置固定为(40,20)km，目标2所在位置为(40km+Δ，20km+Δ)，Δ为目标间隔；

图3研究信噪比变化时正确关联概率的变化，Δ取为定值100m，信噪比取为10～50dB的变量，主站角度系统误差为-0.0254°，副站为0.1459°；

图4研究目标间隔变化时正确关联概率的而变化，信噪比取为定值20dB，目标间隔Δ取为50-400m之间变化的量，主站角度系统误差为-0.0254°，副站为0.1459°；

图5研究随机系统误差对关联概率的影响，信噪比取为定值20dB，目标间隔Δ取为50-400m之间变化的量，主站、副站角度系统误差均取为-0.3°～0.3°范围内服从均匀分布的随机量，进行100次蒙特卡洛实验；

结果分析：

通过与传统相控阵TR-TR模式的关联性能进行对比，可以看出，本发明所提出的目标关联方法充分利用MIMO雷达的特点，在目标关联方面有两方面的优势，其一为正确关联概率大幅度提升；其二为系统误差存在的情况下，正确关联概率受系统误差的影响较小，表现出关联性能稳定的特点。

由图3可见，随着输出信噪比的增加，MIMO模式正确关联概率比相控阵的大，MIMO模式在25dB时正确关联概率基本达到1，相控阵模式在30dB时才达到1。同样的，由图4可见，当两个目标间隔为100m时，MIMO模式的正确关联概率达到0.95左右，而相控阵模式的只有0.75。图3、4验证了MIMO雷达关联性能优势之一，正确关联概率大幅度提升。

图5所示两条曲线上的每一点均是在存在随机系统误差的情况下，进行100次蒙特卡洛实验，求正确关联概率的标准差所得，它反映了系统误差随机变化时，正确关联概率的波动幅度，可以看出MIMO模式的波动幅度明显小于相控阵模式，目标间隔为175m时，MIMO模式的波动幅度接近为0，而此时相控阵的为0.05，这正验证了MIMO雷达关联性能优势之二，系统误差存在的情况下，正确关联概率受系统误差的影响较小，表现出关联性能稳定的特点。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (2)

1.一种基于多基地MIMO雷达的目标关联方法，包括以下步骤：

步骤1.多基地MIMO雷达系统中设定融合中心，将各个接收站对目标的量测转换到融合中心的极坐标系下，得到目标量测参数(R,θ_T)；

步骤2.对融合中心的来自各个接收站的量测进行关联，以距离相减作为距离检验统计，以角度相减作为角度检验统计量；对角度、距离检验统计量分别设置关联门限，当被检验量同时落入两门限时，认定关联成功；

步骤3.二次判别，当接收站测得一个目标量测与另一个接收站测得多个目标量测同时关联成功时，则取检验统计量的范数最小的一组目标量测作为最终的关联结果。

2.按权利要求1所述基于多基地MIMO雷达的目标关联方法，其特征在于，具体包括以下步骤：

步骤1.接收站坐标转换

多基地MIMO雷达系统中包括N个接收站，设定T/R站为融合中心，将各接收站对目标的量测转换到融合中心的极坐标系下；具体转换过程为：

接收站目标测量表示为(R_S,θ_R,θ_TR)，选取(R_S,θ_R)和(R_S,θ_TR)两组测量子集进行融合；根据测量子集(R_S,θ_R)的定位方程解出X₁＝[x₁y₁]^T；根据测量子集(R_S,θ_TR)的定位方程解出X₂＝[x₂y₂]^T；

采用简化的加权最小二乘法，取加权矩阵为： $w=\left[\begin{array}{cc}{P_1}^{-1}& 0\\ 0& {P_2}^{-1}\end{array}\right],$ P₁、P₂为两组测量子集的定位误差协方差矩阵，得到目标位置估计：

$\left[\begin{array}{cc}{x}_R& y_R\end{array}\right]={\left(H^{H}wH\right)}^{-1}{H}^{H}w\left[\begin{array}{c}{X}_1\\ X_2\end{array}\right]$

其中，I为2维的单位矩阵，，令 $H=\left[\begin{array}{c}I\\ I\end{array}\right],$

根据目标位置的估计(x_R,y_R)后，解出接收站转换到融合中心极坐标系下的距离：

$R=\sqrt{{x_R}^2+{y_R}^2};$

MIMO雷达各接收站能够独立测得发射视线角，角度不需要转换，即得到接收站转换后目标量测参数(R,θ_T)；

设融合中心测角系统误差为δθ_T，接收站测角系统误差为δθ_R、接收站目标量测的随机起伏误差分别为ξR_S、ξθ_R、ξθ_TR，计算距离转换后距离误差：

${\mathrm{\ΔR}}^{\′}=C\left[\begin{array}{c}\mathrm{\ξ}{R}_S\\ {\mathrm{\ξ\θ}}_R+{\mathrm{\δ\θ}}_R\\ {\mathrm{\ξR}}_S\\ {\mathrm{\ξ\θ}}_{TR}+{\mathrm{\δ\θ}}_T\end{array}\right]\stackrel{\mathrm{\Δ}}{=}{C}_0\left[\begin{array}{c}\mathrm{\ξ}{R}_S\\ {\mathrm{\ξ\θ}}_R+{\mathrm{\δ\θ}}_R\\ {\mathrm{\ξ\θ}}_{TR}+{\mathrm{\δ\θ}}_T\end{array}\right]$

步骤2.初次目标关联决策

若接收站m的目标量测参数为(R_m ⁱ，θ_Tm ⁱ)，接收站n的目标量测参数为(R_n ^j,θ_Tn ^j)，i,j分别表示两接收站对应的目标序号，则检验统计量为，

$\left\{\begin{array}{c}{\mathrm{\α}}_{Rij}={R_m}^i-{R_n}^j\\ {\mathrm{\α}}_{\mathrm{\θ}ij}={{\mathrm{\θ}}_{Tm}}^i-{{\mathrm{\θ}}_{Tn}}^j\end{array}\right.$

设K_R,K_θ分别为距离、角度关联门限，那么关联规则如下，

其中，角度门限：

距离门限： $\begin{array}{c}{K}_R=3\sqrt{\left[\begin{array}{cc}{C}_0^m& -C_0^n\end{array}\right]diag({\mathrm{\σ}}_R^2,{\mathrm{\σ}}_{\mathrm{\θ}}^2,{\mathrm{\σ}}_{\mathrm{\θ}}^2,{\mathrm{\σ}}_R^2,{\mathrm{\σ}}_{\mathrm{\θ}}^2,{\mathrm{\σ}}_{\mathrm{\θ}}^2){\left[\begin{array}{cc}{C}_0^m& -C_0^n\end{array}\right]}^H}\\ +C_0^m{\left[\begin{array}{ccc}0& {\mathrm{\δ\θ}}_{Rm}& {\mathrm{\δ\θ}}_T\end{array}\right]}^H-C_0^n\·{\left[\begin{array}{ccc}0& {\mathrm{\δ\θ}}_{Rn}& {\mathrm{\δ\θ}}_T\end{array}\right]}^H\end{array};$ σ_θ为测角起伏误差的均方根，σ_R为测距误差的均方根矩阵；分别表示接收站m、n距离转换后误差得到矩阵，δθ_Rm、δθ_Rn、δθ_T分别表示接收站m、n和融合中心的测角系统误差；

步骤3.二次判别

当接收站m测得一个目标量测与接收站n测得多个目标量测同时关联成功时，则取检验统计量的范数最小的那一组目标量测作为最终的关联结果。