CN109633631A - 一种多功能侦察雷达作战任务自动规划方法 - Google Patents
一种多功能侦察雷达作战任务自动规划方法 Download PDFInfo
- Publication number
- CN109633631A CN109633631A CN201811501582.6A CN201811501582A CN109633631A CN 109633631 A CN109633631 A CN 109633631A CN 201811501582 A CN201811501582 A CN 201811501582A CN 109633631 A CN109633631 A CN 109633631A
- Authority
- CN
- China
- Prior art keywords
- target
- threat
- radar
- tas
- gauss
- 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.)
- Pending
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
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Electromagnetism (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种多功能侦察雷达作战任务自动规划方法,根据目标实时威胁度的变化,动态调整多功能侦察雷达作战方式的任务规划技术,实现多功能侦察雷达根据战场实时态势自适应地选择搜索、TWS跟踪、TAS跟踪、目标识别、危险告警和武器分配等工作任务,提高多功能侦察雷达多目标、多任务执行能力,减少操作手人工干预程度,增强其在实战中的实时态势感知和任务规划能力。
Description
技术领域
本发明属于相控阵雷达资源管理技术领域,涉及雷达目标实时威胁度评估和雷达时间/能量资源优化分配技术的结合,具体提供了一种根据目标实时威胁度变化动态调整多功能侦察雷达作战方式的任务规划技术。本发明可实现多功能侦察雷达自适应地选择搜索、TWS跟踪、TAS跟踪、目标识别、危险告警和武器分配等工作任务,提高多功能侦察雷达多目标、多任务执行能力,减少操作手人工干预程度,增强其战场实时态势感知能力和智能化工作水平。
背景技术
任务规划技术是相控阵雷达资源管理技术领域的重要研究方向,目前的研究工作重点在于确定雷达任务工作方式的优先级上,关于相控阵雷达任务工作方式优先级的确立主要有四类方法:(1)预先制定法,如R.A.Baugh给出的经验法则法;(2)网络加权法,即将目标的属性量化后进行一定的加权合成任务的优先次序;(3)模糊推理法,即任务的优先级依据决策树和模糊规则提出;(4)部分排序集法,即将任务之间的排序关系组成网格,以网格节点和节点之间的弧来决定任务的相对优先级。对于具有地面低空目标探测、跟踪、识别以及炮位侦察校射等多种任务的多功能侦察雷达,以上方法均没有考虑目标实时威胁度对任务优先级的影响,在实际应用中难以根据战场实时态势自动调整和规划多功能侦察雷达的作战任务。
目标威胁度是指敌方来袭目标对我方保护对象的攻击可能性及潜在的毁伤程度。合理的目标威胁度评估可以为武器系统火力分配提供高可信度依据,有效缩短指挥员态势感知和策略制定的时间,提高作战效率和质量。经过国内外学者近三十年的研究,目标威胁评估技术已取得一系列研究成果。目前,用于解决复杂战场环境下目标威胁评估的方法主要有多属性决策法、贝叶斯网络推理法以及灰关联法等。其中,多属性决策法把影响威胁程度的定性或定量的多个目标属性值进行量化处理,再结合权值矢量与某种组合法则计算得到目标的综合评价值。该方法具有简单快速、运算量小和易于工程实现等特点,适用于多功能侦察雷达进行地面低空一体化侦察时对敌方目标进行实时和高可信度的威胁度评估。
目前,多功能侦察雷达通常按照固定模板执行作战任务,一般流程为:侦察→TWS跟踪→TAS跟踪→目标识别→打击预警。作战任务之间的切换时机需要操作手根据经验进行人工判断。这种固定任务模板和人工决定任务切换时机的方法在执行复杂作战任务时,难以根据战场实时态势动态的调整和规划作战任务,及时响应瞬息万变的作战形势,造成雷达空时资源浪费和侦察效率低下,并导致战情延误。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种多功能侦察雷达作战任务自动规划方法。
技术方案
一种多功能侦察雷达作战任务自动规划方法,其特征在于步骤如下:
步骤1:雷达开机后,进行定位定向和工作参数装订,随后进入工作状态,对地面和低空范围进行一体化侦察;
步骤2:当雷达侦察到目标后,按照基于DBSCAN聚类和迭代RANSAC模型的航迹起始算法,由数据处理系统对目标自动启动TWS跟踪,并得到目标相对于雷达的距离、高度和径向速度;若雷达未侦察到目标,则返回步骤1,继续进行地面低空侦察;
步骤3:将目标相对于雷达的距离、高度和径向速度转化为目标相对于防御目标的相对距离和面向速度;
步骤4:利用目标相对于防御区的距离、面向速度及其RCS测量信息,计算得到目标相对于防御区的实时威胁度;
步骤5:根据目标的实时威胁度,自动选择和动态调整目标进入TWS跟踪、TAS跟踪或武器分配。
所述的步骤3包括以下步骤:
步骤3a:数据处理系统根据雷达、防护区和目标的位置坐标,得到目标与防护区的距离;同事利用余弦定理计算得到两个连线的夹角θrp;所述的两个连线为目标与雷达之间的连线、目标与防护区之间的连线;
步骤3b:将目标相对于雷达的径向速度Vtr,按照θrp投影到防护区方向,得到目标相对于防护区的面向速度Vtp。
所述的步骤4包括以下步骤:
步骤4a:以高斯模糊度函数作为目标高斯威胁度函数,分别绘制目标距离、速度和RCS的高斯威胁度图,分别从图中读出目标的距离高、中和低高斯威胁度;目标的速度高、中和低高斯威胁度;目标的类型高、中和低高斯威胁度;
步骤4b:以先验信息为基础,建立基于目标参数的威胁度转移概率矩阵Mtp;
步骤4c:在威胁度转移概率矩阵Mtp分别读取目标的距离高、中和低高斯威胁度对应的转移概率,然后将距离高、中和低高斯威胁度分别与对应的转移概率相乘;在威胁度转移概率矩阵Mtp分别读取目标的速度高、中和低高斯威胁度对应的转移概率,然后将速度高、中和低高斯威胁度分别与对应的转移概率相乘;在威胁度转移概率矩阵Mtp分别读取目标的类型高、中和低高斯威胁度对应的转移概率,然后将类型高、中和低高斯威胁度分别与对应的转移概率相乘;使用下式计算目标的高、中、底综合威胁度:
p(X=H)=p(X=H|R)×p(X=H|v)×p(X=H|T)
p(X=M)=p(X=M|R)×p(X=M|v)×p(X=M|T)
p(X=L)=p(X=L|R)×p(X=L|v)×p(X=L|T)
其中,p(X=H|R)、p(X=H|v)、p(X=H|T)分别为目标的距离、速度、类型的高高斯威胁度,p(X=M|R)、p(X=M|v)、p(X=M|T)分别为目标的距离、速度、类型的中高斯威胁度,p(X=L|R)、p(X=L|v)、p(X=L|T)分别为目标的距离、速度、类型的低高斯威胁度;
步骤4d:通过归一化方法,利用公式得到目标分别属于高、中和低威胁度的比重,并将占比重最大的威胁度值P赋给该目标。
所述的步骤5包括以下步骤:
步骤5a:若该目标的威胁度P≤0.6,判该目标当前状态为低危险,由数据处理系统继续对其进行TWS跟踪,并依次执行步骤3和步骤4;
步骤5b:若该目标的威胁度P≥0.8,判该目标当前状态为高危险,由武器分配系统对其进行打击武器分配;
步骤5c:若该目标威胁度P∈(0.6,0.8),判该目标当前状态为准危险,数据处理系统发送命令给信号处理系统,由信号处理系统对该目标转入TAS跟踪,信号处理系统将TAS跟踪得到的目标距离、径向速度和精识别结果发送给数据处理系统,并由数据处理系统按照步骤4计算目标的实时威胁度;
步骤5d:设雷达系统的TAS跟踪容量为K个,若准危险目标数量N>K,则对N个目标按照其威胁度大小进行排序,其中威胁度高的前K个目标进入TAS队列,后N-K个目标进入TWS队列;在此过程中,若某时刻TAS队列中任一目标实时威胁度P≥0.8,则对该目标进行武器分配,当目标被武器系统摧毁后,将其从TAS队列中删除;若某时刻TAS队列中的任一目标实时威胁度P≤0.6,则该目标退出TAS队列,进入TWS队列;若某时刻TWS队列中的任一目标实时威胁度P>0.6,且TAS队列中的目标个数L<K,则该目标退出TWS队列,进入TAS队列。
有益效果
本发明提出的一种多功能侦察雷达作战任务自动规划方法,根据目标实时威胁度的变化,动态调整多功能侦察雷达作战方式的任务规划技术,实现多功能侦察雷达根据战场实时态势自适应地选择搜索、TWS跟踪、TAS跟踪、目标识别、危险告警和武器分配等工作任务,提高多功能侦察雷达多目标、多任务执行能力,减少操作手人工干预程度,增强其在实战中的实时态势感知和任务规划能力。
附图说明
图1是本发明实现步骤的流程框图
图2是基于DBSCAN聚类和RANSAC模型的航迹起始流程框图
图3是雷达、目标和防御区的空间位置示意图
图4是目标距离高斯威胁隶属度模型示意图
图5是目标速度高斯威胁隶属度模型示意图
图6是目标类型高斯威胁隶属度模型示意图
图7是目标综合威胁度计算模型图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
本发明的步骤如下:
步骤101,雷达开机后,进行定位定向和工作参数(包括雷达站址坐标、防御区坐标、防护圈半径和武器系统部署坐标等)装订,随后进入工作状态,对地面和低空范围进行一体化侦察;
步骤102,当雷达侦察到目标后,按照基于DBSCAN聚类和迭代RANSAC模型的航迹起始算法,由数据处理系统对目标自动启动TWS跟踪,并得到目标相对于雷达的运动属性(距离、高度和径向速度);若雷达未侦察到目标,则返回步骤101,继续进行地面低空侦察;
步骤103,将目标相对于雷达的运动属性(距离、高度和径向速度)转化为目标相对于防御目标的运动属性(相对距离和面向速度);
步骤104,利用目标相对于防御区的距离、面向速度及其RCS测量信息,计算得到目标相对于防御区的实时威胁度;
步骤105,根据目标的实时威胁度,自动选择和动态调整目标进入TWS跟踪、TAS跟踪或武器分配。
上述的步骤103,包括如下步骤:
步骤301,数据处理系统根据雷达、防护区和目标的位置坐标,利用余弦定理计算得到目标与雷达以及目标与防护区之间的夹角θrp;
步骤302,将目标相对于雷达的径向速度Vtr,按照目标与雷达以及目标与防护区之间的夹角θrp投影到防护区方向,得到目标相对于防护区的面向速度Vtp;
上述的步骤104,包括如下步骤:
步骤401,以高斯模糊度函数作为目标高斯威胁度函数,分别绘制目标距离、速度和RCS的高斯威胁度图,分别从图中读出目标的距离高斯威胁度P(R)、速度高斯威胁度P(V)和类型高斯威胁度P(T);
步骤402,建立基于目标参数的威胁概率转移矩阵Mtp;
步骤403,对目标高斯威胁隶属度和威胁概率进行加权计算,得到目标的高威胁度P(X=H)、中威胁度P(X=M)和低威胁度P(X=L);
步骤404,通过归一化方法,利用公式得到目标分别属于高、中和低威胁度的比重,并将占比重最大的威胁度值P赋给该目标。
上述的步骤105,包括如下步骤:
步骤501,若该目标的威胁度P≤0.6,判该目标当前状态为低危险,由数据处理系统继续对其进行TWS跟踪,并依次执行步骤104和步骤105;
步骤502,若该目标的威胁度P≥0.8,判该目标当前状态为高危险,由武器分配系统对其进行打击武器分配;
步骤503,若该目标威胁度P∈(0.6,0.8),判该目标当前状态为准危险,数据处理系统发送命令给信号处理系统,由信号处理系统对该目标转入TAS跟踪和精识别。信号处理系统将TAS跟踪得到的目标距离、径向速度和精识别结果发送给数据处理系统,并依次执行步骤104和步骤105。
步骤504,雷达系统TAS跟踪容量为K个,若准危险目标数量N>K,则对N个目标按照其威胁度大小进行排序,其中威胁度最高的前K个目标进入TAS队列,后N-K个目标进入TWS队列;若某时刻TAS队列中任一目标实时威胁度P≥0.8,则对该目标进行武器分配,当目标被武器系统摧毁后,将其从TAS队列中删除;若某时刻TAS队列中的任一目标实时威胁度P≤0.6,则该目标退出TAS队列,进入TWS队列;若某时刻TWS队列中的任一目标实时威胁度P>0.6,且TAS队列中的目标个数L<K,则该目标退出TWS队列,进入TAS队列。
具体实施例:
雷达开机后,利用北斗和陀螺仪完成自主定位定向,然后进行工作参数装订,包括雷达站址坐标、防御区坐标、防护圈半径和武器系统部署坐标等。随后进入综合监视工作模式,对地面和低空范围进行一体化侦察。
当雷达侦察到目标后,按照基于DBSCAN聚类和迭代RANSAC模型的航迹起始算法,由数据处理系统对目标自动启动TWS跟踪,并得到目标相对于雷达的距离、高度和径向速度。不同的机动目标跟踪算法的目标起航规则不尽相同,这里我们采用基于DBSCAN聚类和RANSAC模型的方法进行多目标TWS跟踪起航,航迹起始流程如图2所示。
DBSCAN-RANSAC多目标TWS跟踪起航:航迹起始的量测为包含4帧侦察数据的滑窗,窗长为L,首先对滑窗中的量测集利用密度聚类(DBSCAN)算法进行聚类处理,形成聚类簇,每个聚类簇相当于一个目标起航批次,然后对DBSCAN算法形成的每个聚类簇用迭代R-RANSAC算法进行处理:首先从聚类簇中随机采样3个量测点,并对采样点利用R-RANSAC模型进行目标状态估计,以状态估计点为中心,设置跟踪波门阈值H=80,统计聚类簇中落入跟踪门内的量测个数,落入跟踪门内的量测越多,则估计值的支持度越高。当具有最高支持度的跟踪门内的量测个数N≥0.8倍的滑窗窗长L时,判定其满足航迹起始条件,形成一条初始航迹,航迹起始成功;若RANSAC迭代次数K>5时随机采样仍无法满足起航条件,则判定该聚类簇中的量测点无法形成初始航迹,航迹起始失败。
将目标相对于雷达的运动属性(距离和径向速度)转化为目标相对于防御区的运动属性(相对距离和面向速度)。如图3所示,目标坐标为T(xt,yt),防御区坐标为P(xp,yp),雷达坐标为R(xr,yr)。数据处理系统根据雷达、防护区和目标的位置坐标,计算得到目标相对于防御区的距离Dtp,并利用余弦定理计算得到目标与防御区的夹角θrp,将目标相对于雷达的径向速度Vtr按照夹角θrp投影到防护区方向,得到目标相对于防御区的面向速度Vtp。
目标实时威胁度计算:首先,以高斯模糊函数作为目标高斯威胁隶属度函数,分别计算得到目标相对防护区的距离、速度和类型高斯威胁隶属度P(R)、P(V)和P(T);随后,以威胁转移概率矩阵作为加权函数,对目标高斯威胁度进行加权修正,转移概率根据以往试验数据的先验信息总结得到。其中,高斯模糊度函数的表达式为:
距离高斯威胁隶属度:划分目标相对防护区的威胁距离为远区R1、中区R2和近区R3,其中远区以外的距离威胁度为0,近区以内的距离威胁度为1,制定多功能侦察雷达探测目标的远区、中区和近区威胁距离如表1所示。
表1不同类型目标的威胁距离
威胁距离 | 目标相对防御区距离(km) |
远区R1/km | ≥12.5 |
中区R2/km | 7.8~12.5 |
近区R3/km | ≤7.8 |
根据上表的划分准则,得到目标距离高斯威胁隶属函数如下式2所示:
式中:dj是敌方至我方距离,dj,max是低威胁度时的最大距离,当敌方目标距离大于该距离时,fH(dj)→0,fM(dj)→0,fL(dj)→1;dj,min为高威胁度时的最小距离,当敌方目标距离小于该距离时,fH(dj)→1,fM(dj)→0,fL(dj)→0;其中j为目标类型,分别表示武装直升机、装甲车辆和武装单兵。当目标距离在dj,min和dj,max之间时,敌方目标距离对应的高、中、低威胁度由(1)式的距离高斯威胁隶属函数决定,在(2)式中表示为fX=<H,M,L>(dj)。目标的距离高斯威胁隶属函数图如图4所示。
速度高斯威胁隶属度:武装单兵最大行进速度约为10km/h,装甲车辆最大行进速度约为100km/h,武装直升机最大飞行速度约为300km/h。当敌方目标进入我方近区威胁距离时,速度高威胁隶属度为1,此时认为敌方目标所做的任何机动均为攻击我方的动作。计算速度威胁度时采用的参数为面向速度,计算目标面向速度是防止敌方目标迂回运动攻击我方,其计算公式如下。式中,表示目标i在k时刻时至我方的距离;为目标i在k时刻的时间;表示目标i在k时刻面向雷达的速度。
当目标距离在dj,min和dj,max之间时,敌方目标速度对应的高、中、低高斯威胁度由(1)式高斯隶属度函数决定,表示为:
式中:为目标i面向防护区的速度,是指敌方目标面向我方目标移动,<0是指敌方目标背向我方目标移动,即逃跑动作;为威胁度为高、中、低等级的高斯威胁隶属度函数,表示目标逃跑时低威胁度最大。目标的速度高斯威胁隶属函数图如图5所示。
类型高斯威胁隶属度:目标类型威胁度由目标雷达反射截面积(RCS)进行度量,敌方目标类型对应的高、中、低高斯威胁度由(1)式高斯隶属度函数决定。根据以往设计和试验经验,X、Ku和Ka波段雷达的武装单兵、装甲车辆和武装直升机RCS范围和目标类型对照如下表2所示,目标的类型高斯威胁隶属函数图如图7所示。
表2目标RCS范围和目标类型对照表
目标类型 | 武装单兵 | 武装直升机 | 中型坦克 |
RCS估计/m<sup>2</sup> | δ<1 | 1<δ<3.5 | δ>3.5 |
威胁度转移概率矩阵:进行威胁度评估时,形成基于目标参数的威胁概率转移矩阵,转移概率根据以往试验数据总结得到,如下表3所示。其中,T1表示武装直升机,T2表示中型坦克,T3表示武装单兵;R1表示远区,R2表示中区,R3表示近区;v1表示高速(v≥200km/h),v2表示中速(v∈(50km/h~200km/h)),v3表示低速(v≤50km/h)。
表7威胁度转移概率矩阵表
目标综合威胁度计算:根据目标参数隶属度和转移概率对目标进行综合威胁度计算,目标综合威胁度计算模型如图7所示。
将目标威胁等级划分为高、中、低3种威胁状态集Xi={H,M,L},目标评估属性集P={R,v,T},则加权计算过程如下:
p(Xi|R)=p(Xi|Rj)p(Rj) (6)
p(Xi|v)=p(Xi|vj)p(vj) (7)
p(Xi|T)=p(Xi|Tj)p(Tj) (7)
目标综合威胁度评估公式为:
p(Xi)=p(Xi|R)×p(Xi|v)×p(Xi|T) (9)
最后对目标综合威胁度做归一化处理,并将占比重最大的威胁度值P赋给该目标T。
pT=max{p(Xi),i=1,2,3} (11)
下面是一个目标综合威胁度计算实例:假设雷达探测到一个目标,经过步骤0035处理后,得到其相对于防御区的距离R=9km,面向速度v=75km/h。雷达测量到的目标RCS=2.7m2。
首先,在图4中读出目标位于9km处的距离高、中和低高斯威胁度分别为0.05635、0.3756和0.9225。然后查表7,目标距离R=9km位于目标威胁距离的中区R2,且高、中和低威胁转移概率分别为0.2、0.7和0.1,则目标的距离高、中和低威胁度分别为:
p(X=H|R)=0.05635×0.2=0.36644;
p(X=M|R)=0.3756×0.7=0.26292;
p(X=L|R)=0.9225×0.1=0.09225;
同理,经过读图5,可得目标的速度高、中和低高斯威胁概率分别为3.727×10-6、0.857和0.3523,然后查表7,目标速度v=75km/h,位于目标威胁速度的中区V2,且高、中和低威胁转移概率分别为0.4、0.5和0.1,则目标的速度高、中和低威胁度分别为:
p(X=H|v)=3.727×10-6×0.4=1.5×10-6;
p(X=M|v)=0.857×0.5=0.4285;
p(X=L|v)=0.3523×0.1=0.03523;
同理,经过读图6和查表7,计算得到目标的类型高、中和低威胁概率概率分别为:
p(X=H|T)=0.8825×0.6=0.5295;
p(X=M|T)=0.8825×0.3=0.2648;
p(X=L|T)=0.8825×0.1=0.08825;
根据公式(9),计算得:
p(X=H)=p(X=H|R)×p(X=H|v)×p(X=H|T)
=0.36644×1.5×10-6×0.5295=0.3×10-6
p(X=M)=p(X=M|R)×p(X=M|v)×p(X=M|T)
=0.26292×0.4285×0.2648=0.02983
p(X=L)=p(X=L|R)×p(X=L|v)×p(X=L|T)
=0.09225×0.03523×0.08825=0.00029
根据公式(10)、(11),计算得:
由此可知,该目标为中等威胁目标,威胁度为0.991。
任务规划:根据目标的实时威胁度,数据处理系统自动选择和动态调整目标进入TWS跟踪、TAS跟踪或武器分配:若该目标的威胁度P≤0.6,判该目标当前状态为低危险,由数据处理系统继续对其进行TWS跟踪,并继续执行粗识别和实时目标威胁度计算;若该目标的威胁度P≥0.8,判该目标当前状态为高危险,由武器分配系统对其进行打击武器分配;若该目标威胁度P∈(0.6,0.8),判该目标当前状态为准危险,数据处理系统发送命令给信号处理系统,由信号处理系统对该目标转入TAS跟踪和精识别。信号处理系统将TAS跟踪得到的目标距离、径向速度和精识别结果发送给数据处理系统,并由数据处理系统计算目标相对于防御区的实时威胁度。
设雷达系统的TAS跟踪容量为K个,若准危险目标数量N>K,则对N个目标按照其威胁度大小进行排序,其中威胁度高的前K个目标进入TAS队列,后N-K个目标进入TWS队列。在此过程中,若某时刻TAS队列中任一目标实时威胁度P≥0.8,则对该目标进行武器分配,当目标被武器系统摧毁后,将其从TAS队列中删除;若某时刻TAS队列中的任一目标实时威胁度P≤0.6,则该目标退出TAS队列,进入TWS队列;若某时刻TWS队列中的任一目标实时威胁度P>0.6,且TAS队列中的目标个数L<K,则该目标退出TWS队列,进入TAS队列。
Claims (4)
1.一种多功能侦察雷达作战任务自动规划方法,其特征在于步骤如下:
步骤1:雷达开机后,进行定位定向和工作参数装订,随后进入工作状态,对地面和低空范围进行一体化侦察;
步骤2:当雷达侦察到目标后,按照基于DBSCAN聚类和迭代RANSAC模型的航迹起始算法,由数据处理系统对目标自动启动TWS跟踪,并得到目标相对于雷达的距离、高度和径向速度;若雷达未侦察到目标,则返回步骤1,继续进行地面低空侦察;
步骤3:将目标相对于雷达的距离、高度和径向速度转化为目标相对于防御目标的相对距离和面向速度;
步骤4:利用目标相对于防御区的距离、面向速度及其RCS测量信息,计算得到目标相对于防御区的实时威胁度;
步骤5:根据目标的实时威胁度,自动选择和动态调整目标进入TWS跟踪、TAS跟踪或武器分配。
2.根据权利要求1所述的一种多功能侦察雷达作战任务自动规划方法,其特征在于所述的步骤3包括以下步骤:
步骤3a:数据处理系统根据雷达、防护区和目标的位置坐标,得到目标与防护区的距离;同事利用余弦定理计算得到两个连线的夹角θrp;所述的两个连线为目标与雷达之间的连线、目标与防护区之间的连线;
步骤3b:将目标相对于雷达的径向速度Vtr,按照θrp投影到防护区方向,得到目标相对于防护区的面向速度Vtp。
3.根据权利要求1所述的一种多功能侦察雷达作战任务自动规划方法,其特征在于所述的步骤4包括以下步骤:
步骤4a:以高斯模糊度函数作为目标高斯威胁度函数,分别绘制目标距离、速度和RCS的高斯威胁度图,分别从图中读出目标的距离高、中和低高斯威胁度;目标的速度高、中和低高斯威胁度;目标的类型高、中和低高斯威胁度;
步骤4b:以先验信息为基础,建立基于目标参数的威胁度转移概率矩阵Mtp;
步骤4c:在威胁度转移概率矩阵Mtp分别读取目标的距离高、中和低高斯威胁度对应的转移概率,然后将距离高、中和低高斯威胁度分别与对应的转移概率相乘;在威胁度转移概率矩阵Mtp分别读取目标的速度高、中和低高斯威胁度对应的转移概率,然后将速度高、中和低高斯威胁度分别与对应的转移概率相乘;在威胁度转移概率矩阵Mtp分别读取目标的类型高、中和低高斯威胁度对应的转移概率,然后将类型高、中和低高斯威胁度分别与对应的转移概率相乘;使用下式计算目标的高、中、底综合威胁度:
p(X=H)=p(X=H|R)×p(X=H|v)×p(X=H|T)
p(X=M)=p(X=M|R)×p(X=M|v)×p(X=M|T)
p(X=L)=p(X=L|R)×p(X=L|v)×p(X=L|T)
其中,p(X=H|R)、p(X=H|v)、p(X=H|T)分别为目标的距离、速度、类型的高高斯威胁度,p(X=M|R)、p(X=M|v)、p(X=M|T)分别为目标的距离、速度、类型的中高斯威胁度,p(X=L|R)、p(X=L|v)、p(X=L|T)分别为目标的距离、速度、类型的低高斯威胁度;
步骤4d:通过归一化方法,利用公式得到目标分别属于高、中和低威胁度的比重,并将占比重最大的威胁度值P赋给该目标。
4.根据权利要求1所述的一种多功能侦察雷达作战任务自动规划方法,其特征在于所述的步骤5包括以下步骤:
步骤5a:若该目标的威胁度P≤0.6,判该目标当前状态为低危险,由数据处理系统继续对其进行TWS跟踪,并依次执行步骤3和步骤4;
步骤5b:若该目标的威胁度P≥0.8,判该目标当前状态为高危险,由武器分配系统对其进行打击武器分配;
步骤5c:若该目标威胁度P∈(0.6,0.8),判该目标当前状态为准危险,数据处理系统发送命令给信号处理系统,由信号处理系统对该目标转入TAS跟踪,信号处理系统将TAS跟踪得到的目标距离、径向速度和精识别结果发送给数据处理系统,并由数据处理系统按照步骤4计算目标的实时威胁度;
步骤5d:设雷达系统的TAS跟踪容量为K个,若准危险目标数量N>K,则对N个目标按照其威胁度大小进行排序,其中威胁度高的前K个目标进入TAS队列,后N-K个目标进入TWS队列;在此过程中,若某时刻TAS队列中任一目标实时威胁度P≥0.8,则对该目标进行武器分配,当目标被武器系统摧毁后,将其从TAS队列中删除;若某时刻TAS队列中的任一目标实时威胁度P≤0.6,则该目标退出TAS队列,进入TWS队列;若某时刻TWS队列中的任一目标实时威胁度P>0.6,且TAS队列中的目标个数L<K,则该目标退出TWS队列,进入TAS队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811501582.6A CN109633631A (zh) | 2018-12-10 | 2018-12-10 | 一种多功能侦察雷达作战任务自动规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811501582.6A CN109633631A (zh) | 2018-12-10 | 2018-12-10 | 一种多功能侦察雷达作战任务自动规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109633631A true CN109633631A (zh) | 2019-04-16 |
Family
ID=66072410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811501582.6A Pending CN109633631A (zh) | 2018-12-10 | 2018-12-10 | 一种多功能侦察雷达作战任务自动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633631A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826877A (zh) * | 2019-10-24 | 2020-02-21 | 四川航天系统工程研究所 | 一种针对多个点目标的火力分配方法 |
CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
CN111274524A (zh) * | 2020-01-19 | 2020-06-12 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN111413680A (zh) * | 2020-04-30 | 2020-07-14 | 柳州达迪通信技术股份有限公司 | 基于层次分析法的飞行目标威胁度识别方法、系统及装置 |
CN113091529A (zh) * | 2021-05-12 | 2021-07-09 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于发射约束检测规则的武器决策模型构建方法 |
CN113268865A (zh) * | 2021-05-12 | 2021-08-17 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于规则流程链的飞行器行为建模构建方法 |
CN113866762A (zh) * | 2021-11-04 | 2021-12-31 | 济钢防务技术有限公司 | 一种基于雷达探测信息的无人机威胁判定方法 |
CN114187492A (zh) * | 2021-04-16 | 2022-03-15 | 中国人民解放军海军航空大学航空作战勤务学院 | 空战目标威胁评估方法及装置 |
CN115856870A (zh) * | 2023-02-15 | 2023-03-28 | 南京理工大学 | 可变数据率的相控阵雷达自适应搜配跟方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160178739A1 (en) * | 2014-12-19 | 2016-06-23 | Hyundai Mobis Co., Ltd. | Radar system for vehicle and operating method thereof |
CN106324591A (zh) * | 2016-08-19 | 2017-01-11 | 中国船舶重工集团公司第七二四研究所 | 一种基于相控阵体制雷达的目标多模式跟踪方法 |
RU2660498C1 (ru) * | 2017-07-12 | 2018-07-06 | Акционерное общество "Концерн радиостроения "Вега" | Способ трассового сопровождения воздушных маневрирующих источников радиоизлучения по пеленговой информации от однопозиционной системы радиотехнической разведки воздушного базирования |
-
2018
- 2018-12-10 CN CN201811501582.6A patent/CN109633631A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160178739A1 (en) * | 2014-12-19 | 2016-06-23 | Hyundai Mobis Co., Ltd. | Radar system for vehicle and operating method thereof |
CN106324591A (zh) * | 2016-08-19 | 2017-01-11 | 中国船舶重工集团公司第七二四研究所 | 一种基于相控阵体制雷达的目标多模式跟踪方法 |
RU2660498C1 (ru) * | 2017-07-12 | 2018-07-06 | Акционерное общество "Концерн радиостроения "Вега" | Способ трассового сопровождения воздушных маневрирующих источников радиоизлучения по пеленговой информации от однопозиционной системы радиотехнической разведки воздушного базирования |
Non-Patent Citations (2)
Title |
---|
史小斌等: "战场侦察相控阵雷达波束调度研究", 《兵工学报》 * |
蓝伟华: ""空对空多目标攻击系统技术"", 《电光与控制》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826877A (zh) * | 2019-10-24 | 2020-02-21 | 四川航天系统工程研究所 | 一种针对多个点目标的火力分配方法 |
CN110826877B (zh) * | 2019-10-24 | 2023-05-02 | 四川航天系统工程研究所 | 一种针对多个点目标的火力分配方法 |
CN111175738A (zh) * | 2020-01-08 | 2020-05-19 | 中国船舶重工集团公司第七二四研究所 | 一种基于多模型隶属控制的相控阵雷达目标快速建航方法 |
CN111274524A (zh) * | 2020-01-19 | 2020-06-12 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN111274524B (zh) * | 2020-01-19 | 2023-09-15 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN111413680B (zh) * | 2020-04-30 | 2023-06-30 | 柳州达迪通信技术股份有限公司 | 基于层次分析法的飞行目标威胁度识别方法、系统及装置 |
CN111413680A (zh) * | 2020-04-30 | 2020-07-14 | 柳州达迪通信技术股份有限公司 | 基于层次分析法的飞行目标威胁度识别方法、系统及装置 |
CN114187492A (zh) * | 2021-04-16 | 2022-03-15 | 中国人民解放军海军航空大学航空作战勤务学院 | 空战目标威胁评估方法及装置 |
CN114187492B (zh) * | 2021-04-16 | 2024-08-16 | 中国人民解放军海军航空大学航空作战勤务学院 | 空战目标威胁评估方法及装置 |
CN113091529A (zh) * | 2021-05-12 | 2021-07-09 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于发射约束检测规则的武器决策模型构建方法 |
CN113268865A (zh) * | 2021-05-12 | 2021-08-17 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于规则流程链的飞行器行为建模构建方法 |
CN113268865B (zh) * | 2021-05-12 | 2022-02-22 | 中国人民解放军军事科学院评估论证研究中心 | 一种基于规则流程链的飞行器行为建模构建方法 |
CN113866762A (zh) * | 2021-11-04 | 2021-12-31 | 济钢防务技术有限公司 | 一种基于雷达探测信息的无人机威胁判定方法 |
CN113866762B (zh) * | 2021-11-04 | 2022-10-18 | 济钢防务技术有限公司 | 一种基于雷达探测信息的无人机威胁判定方法 |
CN115856870A (zh) * | 2023-02-15 | 2023-03-28 | 南京理工大学 | 可变数据率的相控阵雷达自适应搜配跟方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109633631A (zh) | 一种多功能侦察雷达作战任务自动规划方法 | |
Zhang et al. | A novel real-time penetration path planning algorithm for stealth UAV in 3D complex dynamic environment | |
CN110031004A (zh) | 基于数字地图的无人机静态和动态路径规划方法 | |
CN104317305B (zh) | 一种面向复杂战场威胁的射前航迹确定方法 | |
CN110109477A (zh) | 基于鸽群智能反向学习的无人机集群多目标控制优化方法 | |
CN114676743B (zh) | 基于隐马尔可夫模型的低慢小目标航迹威胁识别方法 | |
CN110765586A (zh) | 一种基于改进粒子群算法的雷达组网优化布站方法 | |
Sun et al. | Route evaluation for unmanned aerial vehicle based on type-2 fuzzy sets | |
CN105372653B (zh) | 面向岸基空管雷达系统中一种高效转弯机动目标跟踪方法 | |
CN112506218A (zh) | 一种基于轨迹智能预测的再入飞行器任意禁飞区绕飞方法 | |
CN115775472A (zh) | 一种低空动目标处置落点智能预判系统和算法 | |
CN114548674B (zh) | 面向多智能体对抗场景的威胁态势评估方法、装置及设备 | |
CN112000126A (zh) | 一种基于鲸鱼算法的多无人机协同搜索多动态目标方法 | |
CN115657711A (zh) | 一种基于深度强化学习的高超声速飞行器规避制导方法 | |
CN111612673A (zh) | 一种无人驾驶飞行器对多要地威胁程度确认方法及系统 | |
CN112987765B (zh) | 一种仿猛禽注意力分配的无人机/艇精准自主起降方法 | |
Ximeng et al. | Threat assessment in air combat based on ELM neural network | |
Fu et al. | Air combat assignment problem based on bayesian optimization algorithm | |
Duan et al. | Route planning method design for UAV under radar ECM scenario | |
Ummah et al. | A simple fight decision support system for BVR air combat using fuzzy logic algorithm | |
CN113901398A (zh) | 一种船舶会遇局面核密度估计带宽智能优化方法 | |
Yang et al. | Study on the trajectory positioning and prediction framework of unmanned aerial vehicle based on long short-term memory neural network | |
CN102880191B (zh) | 一种基于昆虫视觉仿生的末制导方法 | |
Hao et al. | A study on route planning of helicopter in low altitude area | |
Jan et al. | Artificial neural networks in the filtration of radiolocation information |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190416 |