CN106526554B - 基于三门限延迟判别的长基线雷达网虚假航迹识别算法 - Google Patents

Abstract

本发明公开了一种基于三门限延迟判别的长基线雷达网虚假航迹识别算法，属于雷达对抗技术领域。虚假航迹干扰是一种新型干扰样式，鉴别难度大。本发明即立足于解决上述问题，主要包括以下步骤：(1)各雷达量测转换到ECEF坐标系，实现空间对准；(2)采用卡尔曼滤波估计目标状态，求得相对雷达3极坐标；(3)构造样本，计算检验统计量κ；(4)选定显著性水平，建立初值为零的计数器；(5)若则判定为真实航迹，若则判定为虚假航迹，若且n＜7，则计数器加1，并重复步骤(2)～(5)；(6)若n＝7且计数器大于4，则判定为虚假航迹，否则判定为真实航迹。本发明适用于长基线雷达组网对虚假航迹的识别，具有较强的工程应用价值和推广前景。

Description

基于三门限延迟判别的长基线雷达网虚假航迹识别算法

技术领域

本发明隶属于雷达对抗技术领域，适用于虚假航迹干扰条件下长基线雷达网对真-假目标的鉴别。

背景技术

雷达对抗是现代战争中电子对抗领域的重要组成部分，随着先进电子技术的发展，数字射频存储(DRFM)技术日趋成熟，导致各种先进的雷达干扰设备和干扰样式不断涌现，而雷达网能够有效利用网内雷达的多视角、多频段等优势，有效对抗压制式、欺骗式等多种干扰样式。为了能够对雷达网达到更好的欺骗效果，虚假航迹干扰应运而生，通过虚假航迹精细规划，该干扰可以在各组网雷达中产生具有高度空-时相关性的虚假航迹，能够在融合中心成功关联，并形成融合航迹，传统的航迹关联检验等方法很难有效鉴别，目前针对该干扰的最新对抗方法是一种基于均值-方差联合检验的虚假航迹识别方法，该方法主要通过以下三个步骤实现：

(1)将组网雷达获得的极坐标量测转化为局部直角坐标，然后计算两直角坐标向量之差

(2)计算直角坐标向量差的方差阵Q，对Q进行对角化和归一化，计算检验统计量，基于显著性水平α确定检验门限G_α/2与G_1-α/2；

(3)通过统计判别检验的方法对虚假航迹进行识别。

这种方法具有以下三个缺陷：

(1)均值-方差联合检验方法的研究背景是局部直角坐标系，因此仅适用于组网雷达相距较近的情况，而在实际雷达部队中组网雷达通常相距较远，不能忽略地球曲率等因素的影响，因此其应用局限性较大；

(2)均值-方差联合检验方法只能适用于两坐标雷达组网的情况，对于三坐标雷达网并不适用；

(3)均值-方差联合检验方法仅用了统计假设检验这一种硬判别的方法，而且在设定好样本容量后，通常不再做相应的变化和调整，如果真-假航迹统计特性差异较小，该方法将会导致较高的误判率。

发明内容

本发明的目的是提出一种基于三门限延迟判别的长基线雷达网虚假航迹识别算法，解决现有均值-方差联合检验方法面临的不适用于长基线雷达网和虚假航迹误判率较高等问题。

本发明提出的基于三门限延迟判别的长基线雷达网虚假航迹识别算法的技术方案包括以下步骤：

步骤1：三部组网雷达分别将各自接收机接收到的目标(真实或虚假)位置信息送到A/D转换器，将模拟信号转换为数字信号；

步骤2：经A/D转换得到k时刻雷达i中点迹的距离量测方位角量测俯仰角量测将点迹位置量测送到雷达网融合中心的数据处理计算机；

在雷达网融合中心数据处理计算机中执行以下步骤：

步骤3：初始化

(B_i,L_i,H_i)为雷达i(i＝1,2,3)的地理坐标，其中B_i为维度、L_i为经度、H_i为高度；

σ_ri为雷达i测距误差标准差；

σ_θi为雷达i方位角测量误差标准差；

σ_εi为雷达i俯仰角测量误差标准差；

步骤4：将极坐标量测转换到东北天坐标系(ENU坐标系)，得到：

步骤5：计算量测的协方差阵

其中：λ′_ε＝(λ_ε)⁴、λ′_θ＝(λ_θ)⁴；

步骤6：将三部雷达虚假航迹的ENU坐标系量测统一到地心直角坐标系(ECEF坐标系)中，计算点迹在ECEF坐标系中的坐标

其中a为地球长半轴，b为地球短半轴，为雷达i的ECEF坐标，为第一偏心率，a＝6378137m、b＝6356752m；

步骤7：在ECEF坐标系内利用Kalman滤波对目标状态进行融合估计：

(1)滤波状态方程：

X(k)＝Φ(k-1)X(k-1)+G(k-1)V(k-1) (18)

(2)雷达的量测方程：

Z_i(k)＝H_i(k)X(k)+W_i(k) (19)

(3)k时刻目标状态预测：

(4)k时刻目标状态估计：

K(k)＝[K₁(k),K₂(k),K₃(k)] (22)

P(k|k-1)＝Φ(k-1)P(k-1)Φ(k-1)^T+G(k-1)Q(k-1)G(k-1)^T (24)

步骤8：计算目标相对雷达3的距离方位角俯仰角

步骤9：将三部雷达上报量测的ECEF坐标两两做差，计算位置差值向量e_ECEF：

步骤10：利用式(11)～式(13)，得到向量e_ECEF的矩阵表示式：

步骤11：计算样本向量J_ECEF

步骤12：构建检验统计量κ

N为样本容量，p＝9为样本向量的维数，Ψ为观测样本方差阵，为样本均值：

为l时刻得到的样本向量；

步骤13：虚假航迹识别

(1)确定样本选取的起始时刻k＝k₀，分别计算样本容量为37、39、41、46、51、56、61时的检验统计量κ_n，得到集合Σ_κ＝{κ_n,n＝1,…,7}，同时确定显著性水平分别为0.5、0.1、0.01情况下的检验门限其中n＝1,2,…,7；

(2)建立累积计数器，初值为C＝0；

(3)将集合Σ_κ中的检验统计量κ_n依次与对应的门限进行比较；

(4)若则判定该航迹为真实航迹；

(5)若则判定该航迹为虚假航迹；

(6)若则将该航迹标定为可疑航迹，并将κ_n与比较；

(7)若且n＜7，则将累积计数器加1，序号n加1并返回步骤(3)～步骤(6)；

(8)若且n＜7，则将累积计数器不变，序号n加1并返回步骤(3)～步骤(6)；

(9)若n＝7，则统计累加计数器结果；

(10)若C＞4，则判定该航迹为虚假航迹，若C≤4，则判定该航迹为真实航迹。

和背景技术相比，本发明的有益效果说明：(1)本发明通过雷达量测数据从ENU坐标系到ECEF坐标系的转换，实现了长基线组网雷达上报数据的空间统一，有效抑制了地球曲率等因素的影响，有效拓展了应用范围；(2)本发明设定了三个不同显著性水平下的检验门限，并利用高-中-低三门限判别、样本容量调整和计数器投票判别的方法实现了真-假航迹的有效鉴别，提高了虚假航迹的正确识别率。

附图说明

附图1是本发明提出的基于三门限延迟判别的长基线雷达网虚假航迹识别算法整体流程图；

附图2是本发明实施例中仿真场景；

附图3是本发明实施例中虚假航迹正确识别率受雷达1测距精度影响的变化曲线；

附图4是本发明实施例中虚假航迹正确识别率受雷达1方位角测量精度影响的变化曲线；

附图5是本发明实施例中虚假航迹正确识别率受雷达1俯仰角测量精度影响的变化曲线；

附图6是本发明实施例中虚假航迹正确识别率受干扰机引入雷达1方位角测量误差影响的变化曲线；

附图7是本发明实施例中虚假航迹正确识别率受干扰机引入雷达1俯仰角测量误差影响的变化曲线；

附图8是本发明实施例中虚假航迹正确识别率受干扰机引入雷达1距离测量误差影响的变化曲线；

具体实施方式

下面结合附图对本发明的基于三门限延迟判别的长基线雷达网虚假航迹识别算法进行详细描述(参照说明书附图1)。

实施例条件：设有三部三坐标雷达组网，雷达1的地理坐标为：纬度B₁＝57°、经度L₁＝30°、高度H₁＝500m；雷达2的地理坐标为：纬度B₂＝55°、经度L₂＝29°、高度H₂＝700m；雷达3的地理坐标为：纬度B₃＝55°、经度L₃＝27°、高度H₃＝500m；粗略估算，雷达1与雷达2的距离大约为251km，雷达1与雷达3的距离大约为400km，雷达2与雷达3的距离大约为222km，可见三部雷达间距离较远，需要考虑地球曲率等因素的影响；三部雷达的测距精度σ_ri均为100m，方位角和俯仰角测量精度(σ_θi、σ_εi)均为0.1°；在雷达1的东北天坐标系内产生虚假航迹，其起始位置为(100km,50km,7km)，E、N、U三个方向运动速度分别为250m/s、70m/s、10m/s，运动持续300s，样本选取的时刻为第170s，样本容量取37、39、41、46、51、56、61；三架电子战飞机分别对三部雷达引入的距离随机误差标准差为方位角和俯仰角随机误差标准差为蒙特卡洛仿真1000次。

步骤1：根据上述条件得到仿真数据

(1)在雷达1的ENU坐标系内产生虚假航迹的真实值，并转化为相对于雷达1的距离、方位、俯仰；

(2)将虚假航迹在雷达1的ENU坐标系的坐标转到ECEF坐标系；

(3)将虚假航迹在ECEF坐标系内的坐标分别转化为在雷达2、雷达3的ENU坐标系内的坐标；

(4)将虚假航迹在雷达2、雷达3的ENU坐标系内的坐标，转化为对应的极坐标，即距离、方位、俯仰；

(5)将虚假航迹在雷达i中的距离真实值加上方差为服从高斯分布的量测误差，生成虚假航迹在雷达i中的距离量测数据；

(6)将虚假航迹在雷达i中的方位真实值加上方差为服从高斯分布的量测误差，生成虚假航迹在雷达i中的方位角量测数据；

(7)将虚假航迹在雷达i中的方位真实值加上方差为服从高斯分布的量测误差，生成虚假航迹在雷达i中的俯仰角量测数据；

(8)将所得仿真量测送入雷达网融合中心的数据处理计算机；

在雷达网融合中心数据处理计算机中执行以下步骤：

步骤2：按照发明内容部分的步骤4将虚假航迹极坐标量测转换到各雷达的ENU坐标系，然后按照发明内容部分的步骤5，将各雷达的量测统一转换的ECEF坐标系，得到各雷达量测在ECEF坐标系内的总体态势(参照说明书附图2)；

步骤3：利用生成的ECEF坐标系内的量测数据，采用Kalman滤波的方法对目标状态进行融合估计，得到估计位置相对雷达3的距离方位角俯仰角

步骤4：按照发明内容部分的步骤9～步骤11，计算样本向量J_ECEF；

步骤5：基于样本向量J_ECEF，计算样本容量为37、39、41、46、51、56、61时的检验统计量κ_n：

步骤6：确定显著性水平分别为0.5、0.1、0.01情况下的检验门限其中n＝1,2,…,7，；

步骤7：建立累积计数器，初值为C＝0；

步骤8：将集合Σ_κ中的检验统计量κ_n依次与对应的门限进行比较，若则判定该航迹为真实航迹，若则判定该航迹为虚假航迹，若则将该航迹标定为可疑航迹，并将κ_n与比较；

步骤9：若且n＜7，则将累积计数器加1，序号n加1并返回步骤8；

步骤10：若且n＜7，则将累积计数器不变，序号n加1并返回步骤8；

步骤11：若n＝7，则统计累加计数器结果，若C＞4，则判定该航迹为虚假航迹，若C≤4，则判定该航迹为真实航迹；

步骤12：其他条件不变，仅改变雷达1测距精度使其从100m变化到500m，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受雷达1测距精度影响的变化曲线(见附图3)；

步骤13：其他条件不变，仅改变雷达1方位角测量精度使其从0.1°变化到0.3°，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受雷达1方位角测量精度影响的变化曲线(见附图4)；

步骤14：其他条件不变，仅改变雷达1俯仰角测量精度使其从0.1°变化到0.3°，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受雷达1俯仰角测量精度影响的变化曲线(见附图5)；

步骤15：其他条件不变，仅改变干扰机引入雷达1方位角测量误差使其从0.01°变化到0.075°，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受干扰机引入雷达1方位角测量误差影响的变化曲线(见附图6)；

步骤16：其他条件不变，仅改变干扰机引入雷达1俯仰角测量误差使其从0.01°变化到0.075°，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受干扰机引入雷达1俯仰角测量误差影响的变化曲线(见附图7)；

步骤17：其他条件不变，仅改变干扰机引入雷达1距离测量误差使其从10m变化到70m，重复步骤1～步骤11进行1000次蒙特卡洛试验，得到虚假航迹正确识别率受干扰机引入雷达1距离测量误差影响的变化曲线(见附图8)；

实施例条件中，组网雷达均是三坐标，并且各雷达之间距离较远，所以在这种情况下不能采用均值-方差联合检验方法对虚假航迹进行鉴别，本方法不受长基线和三坐标的影响和限制，依然能够实现对虚假航迹较好的鉴别，可见本发明和背景技术相比具有应用范围广的优点；本发明提出的基于三门限延迟判别的方法，通过确定高、中、低三个门限，首先排除具有高判别可靠性的航迹，然后对于疑似的虚假航迹采用延迟判别、增大样本容量和计数器累加逻辑判别的方法，实现了虚假航迹的高识别率。

Claims (1)

1.一种基于三门限延迟判别的长基线雷达网虚假航迹识别算法，其特征在于包括以下步骤：

步骤1：三部组网雷达分别将各自接收机接收到的目标位置信息送到A/D转换器，将模拟信号转换为数字信号；

步骤2：经A/D转换得到k时刻雷达i中点迹的距离量测方位角量测俯仰角量测将点迹位置量测送到雷达网融合中心的数据处理计算机；

在雷达网融合中心数据处理计算机中执行以下步骤：

步骤3：初始化

(B_i,L_i,H_i)为雷达i的地理坐标，其中B_i为维度、L_i为经度、H_i为高度；

σ_ri为雷达i测距误差标准差；

σ_θi为雷达i方位角测量误差标准差；

σ_εi为雷达i俯仰角测量误差标准差；

步骤4：将极坐标量测转换到东北天坐标系，得到：

步骤5：计算量测的协方差阵

其中：λ′_ε＝(λ_ε)⁴、λ'_θ＝(λ_θ)⁴；

步骤6：将三部雷达虚假航迹的ENU坐标系量测统一到地心直角坐标系即ECEF坐标系中，计算点迹在ECEF坐标系中的坐标

其中a为地球长半轴，b为地球短半轴，为雷达i的ECEF坐标，为第一偏心率，a＝6378137m、b＝6356752m；

步骤7：在ECEF坐标系内利用Kalman滤波对目标状态进行融合估计：

(1)滤波状态方程：

X(k)＝Φ(k-1)X(k-1)+G(k-1)V(k-1)

(2)雷达的量测方程：

Z_i(k)＝H_i(k)X(k)+W_i(k)

(3)k时刻目标状态预测：

(4)k时刻目标状态估计：

K(k)＝[K₁(k),K₂(k),K₃(k)]

P(k|k-1)＝Φ(k-1)P(k-1)Φ(k-1)^T+G(k-1)Q(k-1)G(k-1)^T

步骤8：计算目标相对雷达3的距离方位角俯仰角

步骤9：将三部雷达上报量测的ECEF坐标两两做差，计算位置差值向量e_ECEF：

步骤10：得到向量e_ECEF的矩阵表示式：

步骤11：计算样本向量J_ECEF

步骤12：构建检验统计量κ

N为样本容量，p＝9为样本向量的维数，Ψ为观测样本方差阵，为样本均值：

为l时刻得到的样本向量；

步骤13：虚假航迹识别

(1)确定样本选取的起始时刻k＝k₀，分别计算样本容量为37、39、41、46、51、56、61时的检验统计量κ_n，得到集合Σ_κ＝{κ_n,n＝1,…,7}，同时确定显著性水平分别为0.5、0.1、0.01情况下的检验门限其中n＝1,2,…,7；

(2)建立累积计数器，初值为C＝0；

(3)将集合Σ_κ中的检验统计量κ_n依次与对应的门限进行比较；

(4)若则判定该航迹为真实航迹；

(5)若则判定该航迹为虚假航迹；

(6)若则将该航迹标定为可疑航迹，并将κ_n与比较；

(7)若且n＜7，则将累积计数器加1，序号n加1并返回步骤(3)～步骤(6)；

(8)若且n＜7，则将累积计数器不变，序号n加1并返回步骤(3)～步骤(6)；

(9)若n＝7，则统计累加计数器结果；

(10)若C＞4，则判定该航迹为虚假航迹，若C≤4，则判定该航迹为真实航迹。