CN109633628B - 基于分布式组网雷达数据融合的抗rgpo干扰的方法 - Google Patents
基于分布式组网雷达数据融合的抗rgpo干扰的方法 Download PDFInfo
- Publication number
- CN109633628B CN109633628B CN201910013092.XA CN201910013092A CN109633628B CN 109633628 B CN109633628 B CN 109633628B CN 201910013092 A CN201910013092 A CN 201910013092A CN 109633628 B CN109633628 B CN 109633628B
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- fusion
- track
- rgpo
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006855 networking Effects 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 13
- 230000017105 transposition Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000009795 derivation Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- 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
- G01S7/38—Jamming means, e.g. producing false echoes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于分布式组网雷达数据融合的抗RGPO干扰的方法,主要解决现有技术不能克服RGPO干扰产生的虚假航迹问题。其实现方案是:仿真平面内的单个目标作匀速直线运动,得到目标的真实航迹;由目标的真实航迹得到组网雷达中两部雷达的量测值;对每部雷达的量测值进行滤波,得到各雷达的局部航迹;在每部雷达的滤波过程中计算各时刻的新息归一化距离dk,i;根据dk,i计算滤波过程中的干扰判别因子λk,i;推导λk,i的分布并确定其判别门限η,进而计算可信度因子ck,i,由ck,i计算融合权重ω'k,i;根据融合权重ω'k,i,在融合中心将两条局部航迹进行航迹融合,得到与目标真实航迹近似的系统航迹。本发明能有效识别并剔除虚假航迹,可用于分布式组网雷达有效对抗航迹欺骗干扰。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种抗RGPO干扰的方法,可用于分布式组网雷达系统数据融合中心有效地鉴别并剔除RGPO干扰产生的虚假航迹。
背景技术
近几十年来,电子干扰ECM在军事行动中扮演着越来越重要的角色,其相关的研究也取得了空前的发展。雷达电子干扰措施包括有源干扰和无源干扰,有源干扰又可分为压制式干扰和欺骗式干扰。欺骗式干扰是干扰机复制转发雷达发射信号,产生很多假目标干扰,以欺骗迷惑敌方雷达,使得敌方雷达很难分辨真假。欺骗式干扰,相比于压制式干扰,欺骗性更强,且由于其可利用雷达信号处理中的脉压增益,可有效降低干扰机的发射功率。尤其是数字射频存储器,即DRFM的快速发展,使得转发式干扰机可以快速存储转发雷达发射信号,精确地复制截获的敌方雷达发射波形,在真目标附近产生大量距离分布不同的高逼真度的欺骗式假目标。
距离波门拖引干扰是有效的电子干扰方式之一,是常见的有源欺骗式干扰,分为前拖RGPI和后拖RGPO两种形式。实施RGPI干扰比较困难,实际中常采用RGPO干扰,其通过欺骗雷达跟踪到假目标上,同时将距离波门向远离雷达的方向拖动,最终造成目标丢失。距离波门拖引干扰是对目前广泛使用的单脉冲体制跟踪雷达进行干扰的最有效手段之一。其基本原理是:干扰机收到雷达发射脉冲后,立刻转发回一个与目标回波具有相同多普勒频率、脉宽、带宽和载频的脉冲,并且干扰功率大于干扰机处散射的回波功率。其作用是以距离欺骗的方式诱使雷达错误地跟踪干扰信号,并最终使雷达丢失目标,从而达到干扰雷达正常工作的目的。
组网雷达通过把不同位置的雷达对目标的多视角的观测信息综合起来,进行融合处理,以得到目标立体信息,同时利用观测信息的冗余度,可以得到目标更高精度的时域、频域、空域的信息。由于多视角,数据冗余的特点,组网雷达在对抗欺骗式干扰方面有较大优势。
组网雷达有三种典型的融合结构模型:集中式、分布式和混合式。集中式融合结构是将各雷达观测得到的点迹信息进行融合处理,再进行跟踪滤波形成系统航迹。对于分布式融合结构,各雷达独立对观测到的点迹信息进行跟踪滤波,形成局部航迹,融合中心对各雷达的局部航迹进行融合处理,形成系统航迹。混合式融合结构同时对雷达观测到的点迹信息和航迹信息进行融合处理,在通信和计算上要付出较大代价。相比于集中式结构,分布式融合结构可以以较低的费用获得较高的性能,同时,它还同时具有局部雷达独立跟踪的能力和组网雷达全局检测估计的能力,可靠性更高。
目前,应用于分布式组网雷达的协方差交叉CI融合算法,可将各雷达的局部航迹进行融合处理,形成系统航迹,得到比单部雷达更准确的航迹信息。而当组网雷达中的某部雷达受到RGPO干扰时,该雷达所形成的局部航迹比目标的真实航迹会产生严重的偏差,而CI融合算法会将该雷达受到干扰后得到的航迹与其他航迹融合,使融合后的系统航迹的质量变差,组网雷达不能准确得到目标的运动状态,影响跟踪效果。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于分布式组网雷达数据融合的抗RGPO干扰的方法,以识别并剔除距离波门向后拖引形成的航迹欺骗干扰,在融合中心得到更精确的系统航迹,提高组网雷达对目标的跟踪效果。
本发明的技术方案是这样实现的:
一.技术原理
在分布式组网雷达中,真目标的位置信息与各雷达布站位置无关。而当某一部雷达受到RGPO干扰后所观测到的假目标量测的位置信息是由真目标位置和雷达位置共同决定的,分布在真目标与该雷达站的视线上。根据RGPO干扰产生的假目标量测在方位上与真目标量测相近,在径向距离上比真目标量测远的特点构造出一种基于χ2检验的RGPO干扰鉴别算法。本发明利用干扰判别因子来表征雷达是否受到了RGPO干扰,并在组网雷达的融合中心进行航迹融合时,对CI融合算法进行改进,改进原理是丢弃了雷达在受到RGPO干扰后所形成的局部航迹,仅利用跟踪效果好的航迹进行航迹融合,并利用干扰判别因子和改进的CI算法实现对航迹欺骗的鉴别和剔除,提高组网雷达对欺骗式干扰的有效对抗。
二.技术方案
根据上述原理,本发明的实现方案包括如下:
(1)在二维平面内,仿真单个目标作匀速直线运动,得到目标的真实航迹;
(2)由目标的真实航迹得到组网雷达中两部雷达的量测值,其中,第一部雷达1正常跟踪,第二部雷达2在跟踪过程的k1时刻开始受到RGPO干扰;
(4)在每部雷达的滤波过程中计算各时刻的新息归一化距离dk,i:
其中,vk,i表示新息,Sk,i表示新息协方差矩阵,[·]T表示求矩阵转置,[·]-1表示矩阵求逆,dk,i服从m个自由度的卡方分布,表示为dk,i~χ2(m),m为量测向量的维数;
(5)根据各时刻的新息归一化距离,计算干扰判别因子λk,i:
(6)通过dk,i的分布推导出有关干扰判别因子λk,i的分布:
(7)构造假设检验:设雷达在跟踪过程中未受到RGPO干扰这一事件为H0,雷达在某一时刻受到了RGPO干扰这一事件为H1;
(8)根据(6)和(7)的结果确定判别门限η:
Pr{λk,i>η|H0}=α,
其中,α为误判概率,取值为0.05或0.01或0.1,Pr{·}表示求某一分布的概率;
(9)根据(5)中的干扰判别因子λk,i和(8)中的判别门限η,计算可信度因子ck,i:
(10)将可信度因子ck,i引入到协方差交叉CI融合算法中,对CI融合算法进行改进,计算改进后的CI算法融合权重ω'k,i;
(11)根据融合权重ω'k,i,在融合中心将两条局部航迹进行航迹融合,得到融合后的系统航迹:
本发明与现有技术相比具有的优点
1、相对于单站雷达对抗RGPO干扰的方法,本发明由于能够融合组网雷达中各节点雷达获取的量测信息,因而提高了对欺骗式干扰的识别概率;
2、相对于信号级的信噪比检测、N/M逻辑检验这些方法,本发明由于在数据级进行处理,计算速度快,实时性强,利用干扰判别因子能判断航迹的实时变化,鉴别出某些时刻出现的虚假航迹;
3、相对于CI融合算法,本发明由于改进了其融合权重的求解方法,可丢弃雷达在受到RGPO干扰后所形成的局部航迹,进一步降低了组网雷达的被欺骗概率。
附图说明
图1是本发明的实现流程图;
图2是仿真两部雷达的跟踪滤波结果图;
图3是利用干扰判别因子对图2中雷达的跟踪状态进行判定的结果图;
图4是利用现有方法与本发明方法对图2中两个雷达的滤波航迹进行融合处理得到的系统航迹对比图。
具体实施方式
本实例将目标的位置信息[xk yk]T作为量测值,即量测方程为线性,雷达采用的跟踪滤波算法是典型的卡尔曼滤波,即KF算法。
参照图1,实例的实现步骤如下:
步骤1、在二维平面内,仿真单个目标作匀速直线运动,得到目标的真实航迹。
Xk=FkXk-1+Vk, <1>
由第1个时刻的初始状态矢量和目标的运动模型,得到目标第2个时刻及以后各时刻的真实航迹即真实状态信息其中,xk、分别为目标在第k个采样时刻的真实状态在x方向的位置信息和速度信息,yk、分别为目标在第k个采样时刻的真实状态在y方向的位置信息和速度信息,Xk-1表示目标在第k-1时刻的真实状态,k=2,…,100。
步骤2、设第一部雷达1为正常跟踪,第二部雷达2在跟踪过程的k1时刻开始受到RGPO干扰,由目标的真实航迹Xk得到组网雷达中这两部雷达的量测值。
其中,ρi(k)为目标相对于第i个雷达的径向距离信息,θi(k)为目标相对于第i个雷达的角度信息,i=1,2,[·]T表示求矩阵转置,arctan[·]表示求反正切函数;
2b)假设在k1时刻目标自身的干扰机转发RGPO干扰,并实施匀速拖引,设v为匀速拖引时的速度,计算第2个雷达受到RGPO干扰后探测到的与假目标的距离ρ2f(k):
Zk,1=[x'k,1 y'k,1]T, <4>
Zk,2=[x'k,2 y'k,2]T, <5>
其中,
x'k,1和y'k,1分别表示在第k采样时刻的量测值Zk,1在x方向和在y方向的位置信息,x'k,2和y'k,2分别表示在第k采样时刻的量测值Zk,2在x方向和在y方向的位置信息,k=1,…,100。
目前用于单目标跟踪的滤波算法分为线性滤波算法和非线性滤波算法,其中线性滤波方法有卡尔曼滤波KF算法,非线性滤波算法包括扩展卡尔曼滤波EKF算法、无迹卡尔曼滤波UKF算法和粒子滤波PF算法。
本实例中由于组网雷达对一个目标进行跟踪定位,所以采用单目标跟踪算法,同时由于本实例将目标的位置信息作为量测值,即量测方程为线性,所以采用KF算法。
本步骤的具体实现如下:
3b)计算预测误差协方差矩阵Pk|k-1,i:
3c)利用如下公式计算新息vk,i:
其中,Zk,i为第i个雷达的量测值,Hk为量测矩阵,由于滤波器从第2个时刻开始工作,即新息在第2个时刻及以后时刻才能得到,所以这里k的取值为k=2,…,100;
3d)利用如下公式计算新息协方差矩阵Sk,i:
其中,Rk,i为第i个雷达的量测噪声协方差矩阵;
3e)计算滤波器增益Kk,i:
步骤4、在每部雷达的滤波过程中计算各时刻的新息归一化距离dk,i:
其中,k=2,…,100表示采样时刻,vk,i表示新息,Sk,i表示新息协方差矩阵,[·]-1表示矩阵求逆,k不取1的原因是新息在第2个时刻及以后时刻才能得到,这里令d1,i=d2,i,dk,i服从m个自由度的卡方分布,表示为dk,i~χ2(m),m为量测向量的维数。
步骤5、根据各时刻的新息归一化距离dk,i,计算干扰判别因子λk,i。
步骤6、通过新息归一化距离dk,i的分布,推导出有关干扰判别因子λk,i的分布。
当k≥10时,由于dk,i服从m个自由度的卡方分布,根据卡方分布的性质,则服从Twinm个自由度的卡方分布,而则Twinλk,i服从Twinm个自由度的卡方分布,表示为:Twinλk,i~χ2(Twinm),即在卡方分布的基础上除以Twin,得到λk,i近似服从卡方分布的表示式为
当k<10时,由于dk,i服从m个自由度的卡方分布,根据卡方分布的性质,则服从km个自由度的卡方分布,而则kλk,i服从km个自由度的卡方分布,表示为:kλk,i~χ2(km),即在卡方分布的基础上除以k,得到λk,i近似服从卡方分布的表示式为
步骤7、确定判别门限η。
7a)构造假设检验,即将雷达在跟踪过程中未受到RGPO干扰这一事件设定为H0,将雷达在某一时刻受到了RGPO干扰这一事件设定为H1;
7b)根据步骤6中干扰判别因子λk,i的分布和7a)中的假设检验,利用如下公式计算判别门限η:
Pr{λk,i>η|H0}=α, <17>
其中,α为误判概率,取值为0.05或0.01或0.1,本实例取0.01;Pr{·}表示求某一分布的概率。
步骤8、根据步骤5中的干扰判别因子λk,i和步骤8中的判别门限η,计算可信度因子ck,i:
若ck,i的值为1,则说明雷达i在k时刻正常跟踪目标;否则,可信度因子逐渐减小,说明雷达i在k时刻受到了RGPO干扰。
步骤9、将可信度因子ck,i引入到协方差交叉CI融合算法中,对CI融合算法进行改进,计算改进后的CI算法融合权重ω'k,i。
经典CI算法的融合权重ωk,i为以下约束问题的最优解:
其中,ωk,i为两条局部航迹在各采样时刻的权重,Pk,i为雷达i在k时刻得到的状态误差协方差矩阵,Tr[·]表示求矩阵的迹;
当组网雷达中的某部雷达受到RGPO干扰时,采用上述CI融合算法的融合权重ωk,i会将该雷达受到干扰后得到的航迹与其他航迹融合,使融合后的系统航迹的质量变差。
本实例对CI算法进行改进,即通过将可信度因子ck,i引入到上述<19>式融合权重的求解中,以剔除雷达在受到RGPO干扰后所形成的局部航迹,使得仅利用跟踪效果好的航迹进行航迹融合,就能得到精确的系统航迹。
改进后的CI算法融合权重ω'k,i,计算如下:
步骤10、根据融合权重ω'k,i,在融合中心将两条局部航迹进行航迹融合,得到融合后的系统航迹:
本发明对抗RGPO干扰航迹欺骗的能力可通过以下仿真进一步验证。
1.实验场景:
设场景中有一个目标,目标初始位置为(-500,500)m,以(10,0)m/s的速度在二维平面作匀速直线运动,即目标的初始状态矢量为X1=[-500 10 500 0]T,目标的运动模型遵循<1>式,设过程噪声协方差矩阵Qk为0。
组网雷达是由2部两坐标雷达组成的,编号为雷达1和雷达2,雷达1的位置坐标为(0,0)m,雷达2的位置坐标为(-1000,0)m。雷达1的量测精度:x方向为4m,y方向为6m;雷达2的量测精度:x方向为5m,y方向为3m。
仿真总时间设为100s,假设雷达1进行正常跟踪,雷达2在71~100s受到RGPO干扰,这里设定为匀速拖引干扰场景,拖引速度为3m/s。
2.实验内容与分析:
实验内容1,用两部雷达分别对目标进行跟踪滤波,得到雷达的跟踪滤波结果,如图2所示,其中,用黑点标记的实线是目标的真实位置,虚线是雷达1的量测值,用“+”标记的点划线是雷达1的滤波值,点线是雷达2的量测值,实线是雷达2的滤波值。
实验内容2,用本发明中的干扰判别因子λk,i和判别门限η,对图2所示的各雷达的跟踪状态进行判断,判定各雷达是否在某一时刻受到了RGPO干扰,结果如图3所示,图3中,实线是判别门限,点划线是第1个雷达的干扰判别因子λk,1的变化曲线,虚线是第2个雷达的干扰判别因子λk,2的变化曲线。
从图3可知,λk,1在仿真总时间内均小于门限,可知第1个雷达一直对目标进行正常跟踪;在第73个采样时刻,λk,2开始大于门限,由此判断出第2个雷达在此时刻受到了RGPO干扰。
实验内容3,在融合中心,对图2中两个雷达的滤波航迹分别利用现有方法和本发明方法进行融合处理,得到系统航迹,结果如图4所示。
从图4中可以看出,利用经典CI融合算法得到的系统航迹会偏离目标的真实航迹,而用本发明方法可以得到与目标真实航迹十分近似的航迹信息。
综上,本发明通过干扰判别因子的变化曲线可以有效地鉴别出雷达是否受到了RGPO干扰,且在融合中心通过本发明方法可以丢弃雷达在受到RGPO干扰后所形成的局部航迹,仅利用跟踪效果好的航迹进行航迹融合,克服了RGPO干扰产生的虚假航迹的影响,提高了系统航迹的质量。
实验结果验证了本发明的有效性和可靠性,其能成功的鉴别并剔除RGPO干扰产生虚假航迹,降低了组网雷达的被欺骗概率,提高了其在干扰环境下的生存能力。
Claims (3)
1.一种基于分布式组网雷达数据融合的抗RGPO干扰的方法,其特征在于,包括如下:
(1)在二维平面内,仿真单个目标作匀速直线运动,得到目标的真实航迹;
(2)由目标的真实航迹得到组网雷达中两部雷达的量测值,其中,第一部雷达1正常跟踪,第二部雷达2在跟踪过程的k1时刻开始受到RGPO干扰;其实现如下:
其中,i=1,2;xk、分别为目标真实状态在x方向的位置信息和速度信息,yk、分别为目标真实状态在y方向的位置信息和速度信息,ρi(k)为目标相对于第i个雷达的径向距离信息,θi(k)为目标相对于第i个雷达的角度信息,[·]T表示求矩阵转置,arctan[·]表示求反正切函数;
Zk,1=[x'k,1y'k,1]T,
Zk,2=[x'k,2y'k,2]T,
其中,
x'k,1和y'k,1分别表示量测Zk,1在x方向和在y方向的位置信息,x'k,2和y'k,2分别表示量测Zk,2在x方向和在y方向的位置信息;
(4)在每部雷达的滤波过程中计算各时刻的新息归一化距离dk,i:
其中,vk,i表示新息,Sk,i表示新息协方差矩阵,[·]T表示求矩阵转置,[·]-1表示矩阵求逆,dk,i服从m个自由度的卡方分布,表示为dk,i~χ2(m),m为量测向量的维数;
(5)根据各时刻的新息归一化距离,计算干扰判别因子λk,i:
(6)通过dk,i的分布推导出有关干扰判别因子λk,i的分布:
(7)构造假设检验:设雷达在跟踪过程中未受到RGPO干扰这一事件为H0,雷达在某一时刻受到了RGPO干扰这一事件为H1;
(8)根据(6)和(7)的结果确定判别门限η:
Pr{λk,i>η|H0}=α,
其中,α为误判概率,取值为0.05或0.01或0.1,Pr{·}表示求某一分布的概率;
(9)根据(5)中的干扰判别因子λk,i和(8)中的判别门限η,计算可信度因子ck,i:
(10)将可信度因子ck,i引入到协方差交叉CI融合算法中,对CI融合算法进行改进,计算改进后的CI算法融合权重ω'k,i;
(11)根据融合权重ω'k,i,在融合中心将两条局部航迹进行航迹融合,得到融合后的系统航迹:
3b)计算预测误差协方差矩阵Pk|k-1,i:
3c)利用如下公式计算新息vk,i:
其中,Zk,i为第i个雷达的量测值,Hk为量测矩阵,由于滤波器从第2个时刻开始工作,即新息在第2个时刻及以后时刻才能得到,所以这里k的取值为k=2,…,100;
3d)利用如下公式计算新息协方差矩阵Sk,i:
其中,Rk,i为第i个雷达的量测噪声协方差矩阵;
3e)计算滤波器增益Kk,i:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013092.XA CN109633628B (zh) | 2019-01-07 | 2019-01-07 | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013092.XA CN109633628B (zh) | 2019-01-07 | 2019-01-07 | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633628A CN109633628A (zh) | 2019-04-16 |
CN109633628B true CN109633628B (zh) | 2023-04-21 |
Family
ID=66058189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910013092.XA Active CN109633628B (zh) | 2019-01-07 | 2019-01-07 | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633628B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231615B (zh) * | 2019-05-17 | 2023-05-16 | 北京理工大学 | 基于海面目标空间约束的距离测量异常判别方法 |
CN110673132B (zh) * | 2019-10-11 | 2022-01-11 | 电子科技大学 | 一种用于多帧联合检测与跟踪的点迹序列实时滤波方法 |
CN112859004A (zh) * | 2021-01-04 | 2021-05-28 | 南京理工大学 | 基于改进卡尔曼滤波的野值剔除方法 |
CN113608211B (zh) * | 2021-08-09 | 2023-09-05 | 电子科技大学 | 一种基于通信流量信息辅助的雷达组网方式识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093198A (zh) * | 2015-07-28 | 2015-11-25 | 西安电子科技大学 | 一种分布式外辐射源雷达组网探测的航迹融合方法 |
CN105866749A (zh) * | 2016-03-30 | 2016-08-17 | 西安电子科技大学 | 一种距离和速度同步拖引的雷达干扰识别方法 |
CN107422311A (zh) * | 2017-07-03 | 2017-12-01 | 上海无线电设备研究所 | 一种基于α‑β滤波的抗距离拖引方法 |
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 |
-
2019
- 2019-01-07 CN CN201910013092.XA patent/CN109633628B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093198A (zh) * | 2015-07-28 | 2015-11-25 | 西安电子科技大学 | 一种分布式外辐射源雷达组网探测的航迹融合方法 |
CN105866749A (zh) * | 2016-03-30 | 2016-08-17 | 西安电子科技大学 | 一种距离和速度同步拖引的雷达干扰识别方法 |
CN107422311A (zh) * | 2017-07-03 | 2017-12-01 | 上海无线电设备研究所 | 一种基于α‑β滤波的抗距离拖引方法 |
Non-Patent Citations (2)
Title |
---|
Anti-RGPO Method Based On Memory Tracking;Jiang Changyong等;《RADAR 2008》;20081231;全文 * |
RGPO干扰下基于改进的IMM-PDAF的机动目标跟踪技术;包守亮等;《现代雷达》;20180228;第40卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109633628A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109633628B (zh) | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 | |
CN103728598B (zh) | 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 | |
CN103728599B (zh) | 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 | |
CN105785340B (zh) | 单脉冲雷达对主瓣内目标和诱饵干扰的测角与识别方法 | |
JP3122389B2 (ja) | 背景クラッタ中のレーダ目標追跡システム | |
CN112924943B (zh) | 协方差阵-位置偏差联合检验的虚假航迹鉴别方法及系统 | |
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 | |
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 | |
CN109633624B (zh) | 基于滤波数据处理的rgpo干扰鉴别方法 | |
KR100852934B1 (ko) | 부엽제거기를 개선한 잡음 재밍신호 탐지 시스템 및 방법 | |
CN103675808B (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
CN114924236A (zh) | 基于位置和速度信息的空地雷达协同抗欺骗式干扰方法 | |
CN110488273B (zh) | 一种基于雷达的车辆跟踪检测方法及装置 | |
CN107219522B (zh) | 一种椭圆-双曲线联合的穿墙雷达目标定位方法 | |
CN106526554B (zh) | 基于三门限延迟判别的长基线雷达网虚假航迹识别算法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN112799028A (zh) | 一种基于rcs起伏统计特性差异的虚假目标识别方法 | |
CN106093891A (zh) | 基于多普勒速度检验的雷达网抗密集距离假目标干扰方法 | |
CN113484866B (zh) | 一种基于被动声呐方位历程图的多目标检测跟踪方法 | |
CN116299208A (zh) | 基于主/被动雷达复合导引头数据关联的抗干扰方法 | |
CN114548159A (zh) | 信号干扰下的超宽带精确定位方法 | |
Yan et al. | Robust Target Localization for Multistatic Passive Radar Networks | |
CN113608178B (zh) | 一种基于双波段信息融合的抗拖曳欺骗干扰方法 | |
CN116359849B (zh) | 一种无源侦收截获的运动雷达目标关联方法和系统 | |
CN114966573B (zh) | 一种信道干扰信号识别引导系统及方法 |
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 |