CN106680783B - 基于站址误差融合算法对抗欺骗式假目标的方法 - Google Patents
基于站址误差融合算法对抗欺骗式假目标的方法 Download PDFInfo
- Publication number
- CN106680783B CN106680783B CN201611244502.4A CN201611244502A CN106680783B CN 106680783 B CN106680783 B CN 106680783B CN 201611244502 A CN201611244502 A CN 201611244502A CN 106680783 B CN106680783 B CN 106680783B
- Authority
- CN
- China
- Prior art keywords
- target
- radar
- error
- measuring value
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于站址误差融合算法对抗欺骗式假目标的方法,主要解决现有技术在对抗欺骗式假目标时未考虑站址误差因素导致检测结果不准确的问题。其方案是:1、节点雷达对目标进行量测;2、对量测值进行坐标变换,得到目标在统一直角坐标系中的位置信息;3、通过目标在统一直角坐标系中的位置信息,计算得到目标的定位误差协方差矩阵;4、通过最近邻关联的方法匹配量测值,得到关联量测序列;5、对所有关联量测序列中的量测值两两组合,通过目标定位误差协方差矩阵计算两量测值之间的马氏距离,对马氏距离进行假设检验,剔除假目标,完成真假目标的鉴别。本发明提高了真实目标的正确鉴别概率,可用于目标检测或跟踪。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种对抗欺骗式假目标的方法,可用于目标检测或跟踪。
背景技术
随着电磁干扰领域的逐渐成熟,干扰机对探测系统施放干扰信号变得普遍且更加容易。现有的转发式干扰机能够在接收到雷达信号后,瞬间精确复制雷达发射信号,对其进行调制后转发与真实回波具有不同时延的假目标回波,以扰乱雷达系统对真实目标的判断。
在这种情况下,单站雷达的抗干扰能力受到极大的限制,已很难进行正常的工作,组网雷达系统是将多部节点雷达连接成网,形成信号密集度很高且信号形式多变的雷达信号空间。由于干扰机无法准确获得所有节点雷达信息,难以对整个组网雷达系统进行有效的协同干扰,因此,组网雷达系统可以达到单站雷达所不能达到的抗干扰效果。
现有组网雷达系统采用点迹信息融合抗干扰方法,其原理主要是利用真目标在不同节点雷达中的量测值相关度高而假目标在不同节点雷达中的量测值相关度不高的特点,利用假设检验的方法剔除有源假目标。但原有算法在建模过程中忽略了实际中存在的雷达站址误差,即雷达站对自身位置的估值误差:雷达站对自身的定位不可能做到极其精确,尤其当雷达站处于运动状态时,雷达对自身的定位误差会随着雷达运动速度的增加而变大,进而影响对真假目标的判别。
发明内容
本发明的目的在于针对上述现有组网雷达点迹融合算法对抗欺骗式假目标方法的不足,提出一种基于站址误差融合算法对抗欺骗式假目标的方法,以修正站址误差对组网雷达检测概率的影响,提高真实目标的检测概率。
本发明的技术思想是对现有组网雷达鉴别假目标的方法进行改进,在算法中增加实际中存在的站址误差因素,其实现方案包括如下:
(1)组网雷达系统中的各节点雷达分别对目标进行量测,得到第i个节点雷达对第k个目标的量测值为其中,为第k个目标相对第i个节点雷达的径向距离,为第k个目标相对第i个节点雷达的方位角,为第k个目标相对第i个节点雷达的俯仰角;
(2)对(1)中得到的目标的量测值进行坐标变换,得到目标在统一直角坐标系中的坐标其中,分别为第i个雷达量测到的第k个目标在直角坐标系中x轴、y轴、z轴的位置信息;
(3)对各目标在统一直角坐标系中的位置坐标求微分,得到目标位置误差dX与雷达量测误差dV和站址误差dXs之间的关系表达式:dX=CdV+dXs,计算得到目标的定位误差协方差矩阵P;
(4)对各节点雷达的量测集中的数据利用最近邻关联的方法进行匹配,将欧式距离最小的量测值匹配到同一关联量测序列,一个关联量测序列对应一个目标在不同节点雷达中的量测值;
(5)对(4)中得到的所有关联量测序列中的量测值进行两两组合,并通过目标定位误差协方差矩阵P计算两个量测值之间的马氏距离dij,对马氏距离dij进行假设检验,若一个量测序列中所有组合均通过假设检验,则认为该关联量测序列对应的目标为真实目标,否则,认为其对应假目标,将其剔除。
本发明与现有技术相比具有的优点:
1、相对于现有技术,本发明增加了实际中存在的站址误差因素,修正了站址误差对误差协方差矩阵的影响,因而提高了仿真在真实应用环境下的参考价值;
2、本发明降低了组网雷达被欺骗概率,能够降低不必要的资源损耗。
附图说明
图1是本发明的实现流程图;
图2是在σs=10m时,用本发明和现有方法进行真假目标鉴别的检测概率对比图;
图3是用本发明进行真假目标鉴别时,检测概率随站址的误差大小变化图。
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,组网雷达对目标进行量测。
组网雷达系统中的各节点雷达分别对目标进行量测,得到第i个节点雷达对第k个目标的量测值为其中,为第k个目标相对第i个节点雷达的径向距离,为第k个目标相对第i个节点雷达的方位角,为第k个目标相对第i个节点雷达的俯仰角;
步骤2,坐标转换
对(1)中得到的目标的量测值进行坐标变换,得到目标在统一直角坐标系中的坐标其中:
式中,分别为目标相对于节点雷达的径向距离、方位角和俯仰角信息,分别为第i个节点雷达在统一坐标系下的x轴坐标、y轴坐标和z轴坐标。
步骤3,推导定位误差协方差矩阵。
3a)对目标在统一直角坐标系中的位置坐标Mi(k)求导,由此得到目标定位位置误差与雷达量测误差、站址误差之间的关系表达式:
其中,分别为目标相对于节点雷达的径向距离、方位角和俯仰角信息;
3b)将目标定位误差记为dX,将雷达量测误差记为dV,将雷达站址误差记为dXs,使3a)中目标定位位置误差与雷达量测误差、站址误差之间的关系简化为:
dX=CdV+dXs
其中,
由上述关系式知,当目标位置信息在变换到统一直角坐标系后,目标定位误差dX与雷达量测误差dV和雷达站址误差dXs成线性关系,高斯分布仍然有效,因此目标定位误差dX仍是服从均值为零的高斯分布随机变量;
3c)计算目标定位误差协方差矩阵P:
P=E[dXdXT]
=CE[dVdVT]CT+E[dXsdXs T]
其中,
σr、σθ、分别为雷达的测距误差、测方位角误差和测俯仰角误差;σxs、σys、σzs分别为雷达在x轴、y轴和z轴上的站址误差。
步骤4,通过最近邻关联得到关联量测序列。
对各节点雷达的量测集中的数据利用最近邻关联的方法进行匹配,将欧式距离最小的量测值匹配到同一关联量测序列,一个关联量测序列对应一个目标在不同节点雷达中的量测值,其实现步骤如下:
4a)找到量测值最少的节点雷达s作为参考雷达;
4b)选取参考雷达s的一个量测值si,计算其与第l个雷达的所有量测值之间的欧式距离:
其中,为参考雷达s的第i个量测值的x轴、y轴、z轴坐标, 为节点雷达l的第j个量测值的x轴、y轴、z轴坐标;
4c)选择4b)中得到的欧氏距离最小值对应的第l个雷达的量测值与参考雷达s的量测值匹配到同一关联量测序列。
步骤5,进行假设检验。
5a)提出两个相互对立的第一假设H0和第二假设H1:
第一假设H0为两量测值Zi和Zj为真实目标在不同节点雷达中产生的;
第二假设H1为两量测值Zi和Zj中至少有一个为欺骗式假目标产生的;
5b)计算任意两雷达量测误差的差值ΔZ=dZi-dZj~N(0,∑ij),其中,
∑ij=E[(dZi-dZj)(dZi-dZj)T]=Pi+Pj
dZi为第i个量测值的量测误差,dZj为第j个量测值的量测误差,则在H0成立的条件下,ΔZ也近似服从零均值高斯分布;
5c)计算一个关联序列中两个节点雷达量测值之间的马氏距离:
其中,Zi为第i个量测值,Zj为第j个量测值,将马氏距离dij作为统计检验量,在H0成立的条件下,马氏距离dij服从他方分布,因此根据雷达用户给定判决门限的δ,对马氏距离dij进行如下假设检验:
若dij≤δ成立,则接受第一假设H0,即判定两量测值Zi和Zj为真实目标在不同节点雷达中的量测值;
若dij>δ成立,则接受第二假设H1,即判定两量测值Zi和Zj为假目标在不同节点雷达中的量测值,完成对真假目标的鉴别。
本发明对抗欺骗式假目标的有效性可通过下述仿真实验验证。
1.实验场景:以三个雷达作为节点雷达的组网模型,设置1个真目标,其位置在x维方向上的坐标为50km,在y维方向上的坐标为50km,在z维方向上的坐标为1km,对每个雷达站均设置一个欺骗式假目标。各节点雷达信息如表1所示,其中,节点雷达对自身的定位误差在三个维度相同,即假设检验模型中显著性水平α=0.01,检测门限δ=9.21。
表1 各节点雷达参数信息表
2.实验内容与结果分析
实验1,改变假目标欺骗距离,变化范围为0m到1000m,用本发明与现有组网雷达对抗欺骗式假目标干扰算法分别进行真假目标的鉴别,得到真目标的正确鉴别概率与组网雷达被欺骗概率,结果如图2所示。其中图2(a)为真目标的鉴别概率变化曲线,图2(b)为组网雷达被欺骗概率变化曲线。
由图2(a)可以看出:本发明对真目标的正确鉴别概率高于现有算法对真目标的正确鉴别概率,且随着假目标欺骗距离的增加,两种算法对真目标的正确鉴别概率基本不变;由图2(b)可以看出:随着假目标欺骗距离的增加,两种算法得到的组网雷达被欺骗概率都逐渐减小,且原有算法得到的组网雷达被欺骗概率略低于本发明中算法得到的组网雷达被欺骗概率。
实验2,改变假目标欺骗距离,变化范围为0m到1000m,用本发明进行真假目标的鉴别,设定三个组不同的雷达站址误差,分别为0m、30m、60m,统计真实目标鉴别概率和组网雷达被欺骗概率的变化,结果如图3所示,其中图3(a)为真目标的鉴别概率变化曲线,图3(b)为组网雷达被欺骗概率变化曲线。
从图3(a)可以看出,用本发明进行真假目标鉴别时,雷达站址误差的大小影响真实目标鉴别概率和组网雷达被欺骗概率,随着站址误差的增加,真实目标鉴别概率逐渐减小,组网雷达被欺骗概率也逐渐减小。因此在考虑了站址误差因素后,能够修正原有算法得到的检测概率及被欺骗概率,为真实应用带来更精确的数据,避免了不必要的资源消耗。
Claims (5)
1.一种基于站址误差融合算法对抗欺骗式假目标的方法,包括如下步骤:
(1)组网雷达系统中的各节点雷达分别对目标进行量测,得到第i个节点雷达对第k个目标的量测值为其中,ri k为第k个目标相对第i个节点雷达的径向距离,为第k个目标相对第i个节点雷达的方位角,为第k个目标相对第i个节点雷达的俯仰角;
(2)对(1)中得到的目标的量测值进行坐标变换,得到目标在统一直角坐标系中的坐标其中,分别为第i个雷达量测到的第k个目标在直角坐标系中x轴、y轴、z轴的位置信息;
(3)对各目标在统一直角坐标系中的位置坐标求微分,得到目标位置误差dX与雷达量测误差dV和站址误差dXs之间的关系表达式:dX=CdV+dXs,计算得到目标的定位误差协方差矩阵P,其中C为中间变量,
(4)对各节点雷达的量测集中的数据利用最近邻关联的方法进行匹配,将欧式距离最小的量测值匹配到同一关联量测序列,一个关联量测序列对应一个目标在不同节点雷达中的量测值;
(5)对(4)中得到的所有关联量测序列中的量测值进行两两组合,并通过目标定位误差协方差矩阵P计算两个量测值之间的马氏距离dij,对马氏距离dij进行假设检验,若一个量测序列中所有组合均通过假设检验,则认为该关联量测序列对应的目标为真实目标,否则,认为其对应假目标,将其剔除。
2.根据权利要求1所述的方法,其中步骤(2)中对各节点雷达量测值进行坐标变换,得到目标在组网雷达系统统一的直角坐标系中的坐标按如下公式进行:
其中,ri k(k)、分别目标相对于节点雷达的径向距离、方位角和俯仰角信息,分别为第i个节点雷达在统一坐标系下的x轴坐标、y轴坐标和z轴坐标。
3.根据权利要求1所述的方法,其中步骤(3)中计算目标的定位误差协方差矩阵,按如下步骤:
3a)对目标在统一直角坐标系中的位置坐标求导,由此得到目标定位位置误差与雷达量测误差、站址误差之间的关系表达式:
其中,ri k(k)、分别为目标相对于节点雷达的径向距离、方位角和俯仰角信息;
3b)将目标定位误差记为dX,将雷达量测误差记为dV,将雷达站址误差记为dXs,使3a)中目标定位位置误差与雷达量测误差、站址误差之间的关系简化为:
dX=CdV+dXs,
由上述关系式知,当目标位置信息在变换到统一直角坐标系后,目标定位误差dX与雷达量测误差dV和雷达站址误差dXs成线性关系,高斯分布仍然有效,因此目标定位误差dX仍是服从均值为零的高斯分布随机变量;
3c)计算目标定位误差协方差矩阵P:
P=E[dXdXT]
=CE[dVdVT]CT+E[dXsdXs T]
其中,
σr、σθ、分别为雷达的测距误差、测方位角误差和测俯仰角误差;σxs、σys、σzs分别为雷达在x轴、y轴和z轴上的站址误差。
4.根据权利要求1所述的方法,其中步骤(4)中对各节点雷达的量测集中的数据利用最近邻关联的方法进行匹配,按如下步骤进行:
4a)找到量测值最少的节点雷达s作为参考雷达;
4b)选取参考雷达s的一个量测值si,计算其与第l个雷达的所有量测值之间的欧式距离:
其中,为参考雷达s的第i个量测值的x轴、y轴、z轴坐标,为节点雷达l的第j个量测值的x轴、y轴、z轴坐标;
4c)选择4b)中得到的欧氏距离最小值对应的第l个雷达的量测值与参考雷达s的量测值匹配。
5.根据权利要求1所述的方法,其中步骤(5)中对两两组合后的两个量测值进行基于站址误差融合算法的假设检验,按如下步骤进行:
5a)提出两个相互对立的第一假设H0和第二假设H1:
第一假设H0为两量测值Zi和Zj为真实目标在不同节点雷达中产生的;
第二假设H1为两量测值Zi和Zj中至少有一个为欺骗式假目标产生的;
5b)计算任意两雷达量测误差的差值ΔZ=dZi-dZj~N(0,∑ij),其中,
∑ij=E[(dZi-dZj)(dZi-dZj)T]=Pi+Pj
dZi为量测值i的量测误差,dZj为量测值j的量测误差,则在H0成立的条件下,ΔZ也近似服从零均值高斯分布;
5c)计算一个关联序列中两个不同雷达量测值之间的马氏距离:
其中,Zi为第i个量测值,Zj为第j个量测值,将马氏距离dij作为统计检验量,在H0成立的条件下,马氏距离dij服从他方分布,因此在给定判决门限δ后,对马氏距离dij进行如下假设检验:
若dij≤δ成立,则接受第一假设H0,即判定两量测值Zi和Zj为真实目标在不同节点雷达中的量测值;
若dij>δ成立,则接受第二假设H1,即判定两量测值Zi和Zj为假目标在不同节点雷达中的量测值,完成对真假目标的鉴别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611244502.4A CN106680783B (zh) | 2016-12-29 | 2016-12-29 | 基于站址误差融合算法对抗欺骗式假目标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611244502.4A CN106680783B (zh) | 2016-12-29 | 2016-12-29 | 基于站址误差融合算法对抗欺骗式假目标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106680783A CN106680783A (zh) | 2017-05-17 |
CN106680783B true CN106680783B (zh) | 2019-04-19 |
Family
ID=58873448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611244502.4A Active CN106680783B (zh) | 2016-12-29 | 2016-12-29 | 基于站址误差融合算法对抗欺骗式假目标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106680783B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896968B (zh) * | 2018-07-03 | 2022-04-08 | 西安电子工程研究所 | 一种单站雷达干扰检测和跟踪方法 |
CN109298388B (zh) * | 2018-08-21 | 2020-09-18 | 中国人民解放军战略支援部队信息工程大学 | 基于方位信息的超视距目标地理坐标直接估计方法 |
CN109597034B (zh) * | 2018-12-12 | 2021-08-31 | 哈尔滨工业大学 | 一种基于欧几里得距离的空时自适应处理方法 |
CN111856412B (zh) * | 2020-07-27 | 2023-06-30 | 西安电子科技大学 | 基于船摇补偿数据融合的抗欺骗式假目标干扰方法 |
CN116413675B (zh) * | 2023-05-15 | 2023-09-12 | 南京邮电大学 | 一种对齐误差下多站雷达协同抗欺骗式干扰方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728599A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 |
CN104991232A (zh) * | 2015-06-26 | 2015-10-21 | 西安电子科技大学 | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 |
CN105607045A (zh) * | 2016-01-11 | 2016-05-25 | 西安电子科技大学 | 一种欺骗式干扰下组网雷达的优化布站方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9069066B2 (en) * | 2013-05-20 | 2015-06-30 | Faran Awais Butt | Radar deception jamming prevention using bi-static and mono-static radars |
-
2016
- 2016-12-29 CN CN201611244502.4A patent/CN106680783B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728599A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 |
CN104991232A (zh) * | 2015-06-26 | 2015-10-21 | 西安电子科技大学 | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 |
CN105607045A (zh) * | 2016-01-11 | 2016-05-25 | 西安电子科技大学 | 一种欺骗式干扰下组网雷达的优化布站方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106680783A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106680783B (zh) | 基于站址误差融合算法对抗欺骗式假目标的方法 | |
CN106680806A (zh) | 一种多雷达点迹融合方法 | |
CN105188082B (zh) | 用于室内wlan环境下rss/aoa/tdoa定位性能的评价方法 | |
CN107015249B (zh) | 基于空间相关一致性的ads-b欺骗式干扰检测方法 | |
CN106526549A (zh) | 联合两坐标雷达和三坐标雷达统计量的假目标鉴别方法 | |
CN106959437B (zh) | 一种基于多发多收的外辐射源雷达目标定位方法及装置 | |
CN103605110A (zh) | 基于接收信号强度的室内无源目标定位方法 | |
CN105259541A (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
CN111781565B (zh) | 一种基于多站雷达系统抗有源欺骗假目标的鉴别方法 | |
Li et al. | Machine learning based high accuracy indoor visible light location algorithm | |
CN109633599A (zh) | 一种机载预警雷达多目标跟踪方法 | |
CN110412504A (zh) | 基于角度与时差信息的无源多站多目标关联与定位方法 | |
CN103809161B (zh) | 雷达网抗距离欺骗+soj复合干扰方法 | |
CN105787081A (zh) | 一种基于辐射源空间位置的辐射平台关联方法 | |
CN112881993A (zh) | 自动识别雷达分布杂波引起虚假航迹的方法 | |
CN104931959A (zh) | 形成目标点迹的多目标点迹凝聚方法 | |
CN104569923A (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
CN104965189B (zh) | 基于最大似然估计的室内人员定位方法 | |
CN105259540A (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN110488273A (zh) | 一种基于雷达的车辆跟踪检测方法及装置 | |
CN110488277A (zh) | 基于外辐射源的分布式主被动雷达联合定位方法 | |
CN113453150A (zh) | 一种基于rssi测距的火灾监测网络定位方法 | |
CN113687429A (zh) | 一种确定毫米波雷达监测区域边界的装置及方法 | |
CN107801168A (zh) | 一种室外自适应的被动式目标的定位方法 | |
CN116148794A (zh) | 一种机载火控雷达扫描体制识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |