CN110794395B - 组网雷达多目标跟踪时间资源与信号带宽联合优化方法 - Google Patents

组网雷达多目标跟踪时间资源与信号带宽联合优化方法 Download PDF

Info

Publication number
CN110794395B
CN110794395B CN201910967055.2A CN201910967055A CN110794395B CN 110794395 B CN110794395 B CN 110794395B CN 201910967055 A CN201910967055 A CN 201910967055A CN 110794395 B CN110794395 B CN 110794395B
Authority
CN
China
Prior art keywords
target
radar
time
predicted
moment
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
Application number
CN201910967055.2A
Other languages
English (en)
Other versions
CN110794395A (zh
Inventor
时晨光
仇伟
汪飞
李海林
周建江
夏伟杰
孔莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910967055.2A priority Critical patent/CN110794395B/zh
Publication of CN110794395A publication Critical patent/CN110794395A/zh
Application granted granted Critical
Publication of CN110794395B publication Critical patent/CN110794395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar

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

本发明公开了一种组网雷达多目标跟踪时间资源与信号带宽联合优化方法，不仅满足了多目标跟踪过程中各目标的跟踪精度，而且对多目标跟踪过程中照射目标选择、雷达分配方式和发射信号带宽等参数进行自适应动态优化，最大限度地减少了组网雷达系统在整个跟踪过程中的目标照射次数，从而有效提升了组网雷达系统多目标跟踪时的射频隐身性能。

Description

组网雷达多目标跟踪时间资源与信号带宽联合优化方法
技术领域
本发明涉及雷达信号处理技术领域，尤其是一种组网雷达多目标跟踪时间资源与信号带宽联合优化方法。
背景技术
当今战场环境中，相控阵雷达必须能对抗敌方的截获接收机。由于组网雷达系统可以自适应地调整发射参数，因此相比于传统的相控阵雷达，其在目标跟踪时的跟踪精度、射频隐身性能等方面具有明显优势。目前，组网雷达的辐射参数设计越来越受到国内外学者和研究机构的重视。从时间资源角度出发，增大各雷达对照射目标的重访时间间隔是提高组网雷达系统射频隐身性能的重要措施。
针对采样间隔的优化设计问题，目前已有的研究成果都仅局限于单雷达单目标跟踪、单雷达多目标跟踪和组网雷达单目标跟踪的场景，还未涉及到组网雷达多目标跟踪场景下的研究，并且都没有考虑到发射信号带宽对采样间隔的影响，具有一定的局限性。现有技术中尚未有组网雷达多目标跟踪时间资源与信号带宽联合优化方法。
发明内容
本发明所要解决的技术问题在于，提供一种组网雷达多目标跟踪时间资源与信号带宽联合优化方法，能够最大限度地减少组网雷达系统在整个跟踪过程中的目标照射次数，从而有效提升了组网雷达系统多目标跟踪时的射频隐身性能。
为解决上述技术问题，本发明提供一种组网雷达多目标跟踪时间资源与信号带宽联合优化方法，包括如下步骤：
(1)考虑由N部空间、时间、频率同步的两坐标相控阵雷达组成的组网雷达系统，在对多目标进行跟踪时，每部雷达只能接收并处理来自自身发射信号的目标回波，同时，各个时刻每部雷达最多只能跟踪一个目标；
(2)对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差定位；
(3)构建以照射目标指标、雷达二元选择变量和发射信号带宽为自变量的目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，将其作为该目标跟踪精度的衡量指标；
(4)在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射。
优选的，步骤(2)中，对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差定位具体为：
设(xi,yi)为第i(1≤i≤N)部无源传感器的位置坐标，k时刻目标q和各部无源传感器之间的距离为：
Figure BDA0002230833290000021
其中，
Figure BDA0002230833290000022
为k时刻目标q的位置；假设无源传感器1为主站，其余无源传感器为辅站，k时刻目标q辐射的信号到达主站和到达各个辅站之间的时间差为：
Figure BDA0002230833290000023
其中，c为电磁波传播速度。将式(1)代入式(2)中可以得到：
Figure BDA0002230833290000024
可以看出，式(3)是N-1个双曲线方程，根据双曲线的焦点可以确定k时刻目标q的位置，将
Figure BDA0002230833290000025
作为无源传感器组网观测模型的观测值，观测模型表示为：
Figure BDA0002230833290000026
式中，
Figure BDA0002230833290000027
Figure BDA0002230833290000028
为k时刻无源传感器组网对目标q的量测误差，
Figure BDA0002230833290000029
是均值为零，方差为
Figure BDA00022308332900000210
的高斯白噪声；
Figure BDA00022308332900000211
式中，
Figure BDA00022308332900000212
为
Figure BDA00022308332900000213
的观测误差的标准差，
Figure BDA00022308332900000214
为
Figure BDA00022308332900000215
和
Figure BDA00022308332900000216
的相关系数。
优选的，步骤(3)中，构建以照射目标指标、雷达二元选择变量和发射信号带宽为自变量的目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，将其作为该目标跟踪精度的衡量指标具体为：
k时刻目标q的预测贝叶斯信息矩阵
Figure BDA0002230833290000031
可以表示为：
Figure BDA0002230833290000032
式中，
Figure BDA0002230833290000033
是目标q在k时刻的预测状态向量，其中，上标[·]T表示转置运算，
Figure BDA0002230833290000034
表示目标q在k时刻的预测位置，
Figure BDA0002230833290000035
表示目标q在k时刻的预测运动速度；假设机动目标的运动轨迹由匀速(Constant Velocity，CV)模型和转弯(Coordinated Turn Rate，CT)模型构成，对应的目标状态转移矩阵分别表示为：(a)匀速运动模型
Figure BDA0002230833290000036
(b)转弯模型
Figure BDA0002230833290000037
考虑三种目标运动模型：匀速运动模型；具有正角速度ω+的转弯模型；具有负角速度ω-的转弯模型；设目标可能的运动模型集为M＝{m1,m2,m3}，
Figure BDA00022308332900000313
表示在k时刻目标q的运动模型为mj(1≤j≤3)；模型从
Figure BDA0002230833290000038
到
Figure BDA0002230833290000039
的转换概率为
Figure BDA00022308332900000310
则k时刻目标q的运动模型模型为mj的预测概率为：
Figure BDA00022308332900000311
式中，
Figure BDA00022308332900000312
表示k-1时刻目标q运动模型为mj的概率，因此，k时刻先验信息的预测Fisher信息矩阵
Figure BDA0002230833290000041
可通过下式进行计算：
Figure BDA0002230833290000042
式中，上标[·]-1表示矩阵的逆，
Figure BDA0002230833290000043
为k-1时刻目标q状态的BIM，Fj为模型mj对应的状态转移矩阵，Qq是目标q过程噪声的方差，可以表示为：
Figure BDA0002230833290000044
式中，
Figure BDA0002230833290000045
为目标q的过程噪声强度，T为目标观测时间间隔；
定义二元变量
Figure BDA0002230833290000046
为目标照射指标，
Figure BDA0002230833290000047
表示k时刻需要对目标q进行照射，
Figure BDA0002230833290000048
表示k时刻不需要对目标q进行照射；对于需要雷达照射的目标，定义二元变量
Figure BDA0002230833290000049
为雷达分配指标，当
Figure BDA00022308332900000410
时表示k时刻雷达i对目标q进行照射，当
Figure BDA00022308332900000411
时表示k时刻雷达i不对目标q进行照射；
Figure BDA00022308332900000412
表示雷达i对目标q量测数据的Fisher信息矩阵，通过下式进行计算：
Figure BDA00022308332900000413
式中，E{·}表示求数学期望运算，
Figure BDA00022308332900000414
为非线性量测函数
Figure BDA00022308332900000415
的雅克比矩阵，表示为：
Figure BDA00022308332900000416
式中，
Figure BDA00022308332900000417
表示对目标状态向量
Figure BDA00022308332900000418
求一阶偏导，
Figure BDA00022308332900000419
表示为：
Figure BDA0002230833290000051
式中，(xi,yi)为第i部雷达的位置坐标，
Figure BDA0002230833290000052
为k时刻雷达i与目标q之间的预测距离，
Figure BDA0002230833290000053
为k时刻目标q相对于雷达i的预测方位角；
Figure BDA0002230833290000054
表示目标相对雷达预测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure BDA0002230833290000055
表示目标相对雷达预测方位角对目标预测位置和预测运动速度的一阶偏导数；
Figure BDA0002230833290000056
为量测噪声的预测协方差矩阵，表示为：
Figure BDA0002230833290000057
式中，
Figure BDA0002230833290000058
和
Figure BDA0002230833290000059
分别表示目标预测距离和预测方位角的估计均方误差，由下式计算：
Figure BDA00022308332900000510
式中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达工作波长，γ为天线孔径，
Figure BDA00022308332900000511
为k时刻雷达i对目标q照射的预测回波信噪比，表示为：
Figure BDA00022308332900000512
式中，Pt为雷达发射功率，雷达i对目标q照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure BDA00022308332900000513
为信号传播衰减参数；
由于式(12)中含有求期望，于是，需要用蒙特卡罗方法对
Figure BDA00022308332900000514
进行求解；为使算法满足实时性的需求，式(12)近似表示为：
Figure BDA00022308332900000515
同理，对于不需要雷达照射的目标，其无源探测器量测数据的Fisher信息矩阵为：
Figure BDA00022308332900000516
结合式(18)与式(19)，得到k时刻目标q量测数据的Fisher信息矩阵
Figure BDA0002230833290000061
为：
Figure BDA0002230833290000062
综上可以看出，
Figure BDA0002230833290000063
的第一项先验信息的预测Fisher信息矩阵只与前一时刻目标状态的贝叶斯信息矩阵、目标的运动模型以及观测时间间隔有关；而对于需要雷达辐射的目标，第二项量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式与发射信号带宽有关；
根据式(10)和式(20)，对
Figure BDA0002230833290000064
求逆即可得到目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵，即：
Figure BDA0002230833290000065
优选的，步骤(4)中，在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射具体包括如下步骤：
(41)照射目标选择
以k时刻所有目标的预测跟踪精度均满足要求为约束条件，需要照射的目标个数最少为目标函数，建立目标照射指标的优化模型：
Figure BDA0002230833290000066
式中，
Figure BDA0002230833290000067
为k时刻目标q预测位置估计均方误差的下界，只与k-1时刻目标状态的BIM有关，其计算过程如下：
Figure BDA0002230833290000068
Fmax为预先设定的
Figure BDA0002230833290000069
的门限值，求解式(22)得到k时刻所有目标跟踪指标的结果
Figure BDA0002230833290000071
(42)雷达选择及信号带宽分配
根据(41)中得到的vk,opt，以融合中心的数据处理量以及雷达发射资源为约束条件，以k时刻需要照射目标的预测跟踪精度之和最小为目标函数，建立雷达选择及信号带宽分配的优化模型：
Figure BDA0002230833290000072
式中，
Figure BDA0002230833290000073
为k时刻雷达i需要传输至融合中心并且和目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为每个目标所需的采样数据量；βmin和βmax分别表示发射信号带宽的上限和下限；
Figure BDA0002230833290000074
表示在k时刻每部雷达最多跟踪一个目标；
Figure BDA0002230833290000075
表示在k时刻每个目标由M部雷达进行跟踪；
(43)采用枚举法、两步分解法和内点法对优化模型(22)和(24)进行求解。
(a)首先，只要
Figure BDA0002230833290000076
成立，则
Figure BDA0002230833290000077
必然成立，优化模型(22)等效为：
Figure BDA0002230833290000078
优化模型(22)通过枚举法很容易得到最优结果；
(b)其次，针对需要雷达照射的目标q对于一种给定的满足约束条件
Figure BDA0002230833290000079
的雷达分配方式，优化模型(24)改写为只含有变量βm,q,k的形式，模型(24)化简为：
Figure BDA00022308332900000710
式中，βtotal为照射单个目标的所有雷达发射信号带宽和；由于模型(26)是一个线性约束、非线性规划的凸优化问题，因此，采用内点法和梯度投影法，得到最优解；
(c)最后，根据通过内点法得到的各目标在指定雷达分配方式下的预测跟踪精度值和各雷达发射信号带宽值，选取在雷达分配不冲突的情况下使得组网雷达系统目标预测跟踪精度之和最小的雷达选择
Figure BDA0002230833290000081
和发射信号带宽βm,q,k作为模型(24)的最优解。
本发明的有益效果为：本发明不仅满足了多目标跟踪过程中各目标的跟踪精度，而且对多目标跟踪过程中照射目标选择、雷达分配方式和发射信号带宽等参数进行自适应动态优化，最大限度地减少了组网雷达系统在整个跟踪过程中的目标照射次数，从而有效提升了组网雷达系统多目标跟踪时的射频隐身性能。
附图说明
图1为本发明多目标运动轨迹与组网雷达空间分布示意图。
图2为本发明目标1的雷达选择与信号带宽分配示意图。
图3为本发明目标2的雷达选择与信号带宽分配示意图。
图4为不同算法下目标1的采样间隔对比示意图。
图5为不同算法下目标2的采样间隔对比示意图。
图6为不同算法下多目标跟踪误差对比示意图。
具体实施方式
一种组网雷达多目标跟踪时间资源与信号带宽联合优化方法，包括如下步骤：
(1)考虑由N部空间、时间、频率同步的两坐标相控阵雷达组成的组网雷达系统，在对多目标进行跟踪时，每部雷达只能接收并处理来自自身发射信号的目标回波，同时，各个时刻每部雷达最多只能跟踪一个目标；
(2)对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差定位；
(3)构建以照射目标指标、雷达二元选择变量和发射信号带宽为自变量的目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，将其作为该目标跟踪精度的衡量指标；
(4)在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射。
1、确定组网雷达系统组成及其工作参数：
考虑由多部空间、时间、频率同步的两坐标相控阵雷达组成的组网雷达系统，在对多目标进行跟踪时，每部雷达只能接收并处理来自自身发射信号的目标回波，同时，各个时刻每部雷达最多只能跟踪一个目标。另外，设定雷达工作参数与目标跟踪精度阈值等。
2、建立无源探测器的观测模型：
对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，可以接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差(Time Difference of Arrival,TDOA)定位。设(xi,yi)为第i(1≤i≤N)部无源传感器的位置坐标，k时刻目标q和各部无源传感器之间的距离为：
Figure BDA0002230833290000091
其中，
Figure BDA0002230833290000092
为k时刻目标q的位置；假设无源传感器1为主站，其余无源传感器为辅站，k时刻目标q辐射的信号到达主站和到达各个辅站之间的时间差为：
Figure BDA0002230833290000093
其中，c为电磁波传播速度。将式(1)代入式(2)中可以得到：
Figure BDA0002230833290000094
可以看出，式(3)是N-1个双曲线方程，根据双曲线的焦点可以确定k时刻目标q的位置，将
Figure BDA0002230833290000095
作为无源传感器组网观测模型的观测值，观测模型表示为：
Figure BDA0002230833290000096
式中，
Figure BDA0002230833290000097
Figure BDA0002230833290000098
为k时刻无源传感器组网对目标q的量测误差，
Figure BDA0002230833290000099
是均值为零，方差为
Figure BDA00022308332900000910
的高斯白噪声；
Figure BDA0002230833290000101
式中，
Figure BDA0002230833290000102
为
Figure BDA0002230833290000103
的观测误差的标准差，
Figure BDA0002230833290000104
为
Figure BDA0002230833290000105
和
Figure BDA0002230833290000106
的相关系数。
3、构建以照射目标指标、雷达二元选择变量和发射信号带宽为自变量的目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，将其作为目标跟踪精度的衡量指标，如下所示：
k时刻目标q的预测贝叶斯信息矩阵
Figure BDA0002230833290000107
可以表示为：
Figure BDA0002230833290000108
式中，
Figure BDA0002230833290000109
是目标q在k时刻的预测状态向量，其中，上标[·]T表示转置运算，
Figure BDA00022308332900001010
表示目标q在k时刻的预测位置，
Figure BDA00022308332900001011
表示目标q在k时刻的预测运动速度；假设机动目标的运动轨迹由匀速(Constant Velocity，CV)模型和转弯(Coordinated Turn Rate，CT)模型构成，对应的目标状态转移矩阵分别表示为：
(a)匀速运动模型
Figure BDA00022308332900001012
(b)转弯模型
Figure BDA00022308332900001013
考虑三种目标运动模型：匀速运动模型；具有正角速度ω+的转弯模型；具有负角速度ω-的转弯模型；设目标可能的运动模型集为M＝{m1,m2,m3}，
Figure BDA00022308332900001014
表示在k时刻目标q的运动模型为mj(1≤j≤3)；模型从
Figure BDA0002230833290000111
到
Figure BDA0002230833290000112
的转换概率为
Figure BDA0002230833290000113
则k时刻目标q的运动模型模型为mj的预测概率为：
Figure BDA0002230833290000114
式中，
Figure BDA0002230833290000115
表示k-1时刻目标q运动模型为mj的概率，因此，k时刻先验信息的预测Fisher信息矩阵
Figure BDA0002230833290000116
可通过下式进行计算：
Figure BDA0002230833290000117
式中，上标[·]-1表示矩阵的逆，
Figure BDA0002230833290000118
为k-1时刻目标q状态的BIM，Fj为模型mj对应的状态转移矩阵，Qq是目标q过程噪声的方差，可以表示为：
Figure BDA0002230833290000119
式中，
Figure BDA00022308332900001110
为目标q的过程噪声强度，T为目标观测时间间隔；
定义二元变量
Figure BDA00022308332900001111
为目标照射指标，
Figure BDA00022308332900001112
表示k时刻需要对目标q进行照射，
Figure BDA00022308332900001113
表示k时刻不需要对目标q进行照射；对于需要雷达照射的目标，定义二元变量
Figure BDA00022308332900001114
为雷达分配指标，当
Figure BDA00022308332900001115
时表示k时刻雷达i对目标q进行照射，当
Figure BDA00022308332900001116
时表示k时刻雷达i不对目标q进行照射；
Figure BDA00022308332900001117
表示雷达i对目标q量测数据的Fisher信息矩阵，通过下式进行计算：
Figure BDA00022308332900001118
式中，E{·}表示求数学期望运算，
Figure BDA00022308332900001119
为非线性量测函数
Figure BDA00022308332900001120
的雅克比矩阵，表示为：
Figure BDA0002230833290000121
式中，
Figure BDA0002230833290000122
表示对目标状态向量
Figure BDA0002230833290000123
求一阶偏导，
Figure BDA0002230833290000124
表示为：
Figure BDA0002230833290000125
式中，(xi,yi)为第i部雷达的位置坐标，
Figure BDA0002230833290000126
为k时刻雷达i与目标q之间的预测距离，
Figure BDA0002230833290000127
为k时刻目标q相对于雷达i的预测方位角；
Figure BDA0002230833290000128
表示目标相对雷达预测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure BDA0002230833290000129
表示目标相对雷达预测方位角对目标预测位置和预测运动速度的一阶偏导数；
Figure BDA00022308332900001210
为量测噪声的预测协方差矩阵，表示为：
Figure BDA00022308332900001211
式中，
Figure BDA00022308332900001212
和
Figure BDA00022308332900001213
分别表示目标预测距离和预测方位角的估计均方误差，由下式计算：
Figure BDA00022308332900001214
式中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达工作波长，γ为天线孔径，
Figure BDA00022308332900001215
为k时刻雷达i对目标q照射的预测回波信噪比，表示为：
Figure BDA00022308332900001216
式中，Pt为雷达发射功率，雷达i对目标q照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure BDA00022308332900001217
为信号传播衰减参数；
由于式(12)中含有求期望，于是，需要用蒙特卡罗方法对
Figure BDA00022308332900001218
进行求解；为使算法满足实时性的需求，式(12)近似表示为：
Figure BDA0002230833290000131
同理，对于不需要雷达照射的目标，其无源探测器量测数据的Fisher信息矩阵为：
Figure BDA0002230833290000132
结合式(18)与式(19)，得到k时刻目标q量测数据的Fisher信息矩阵
Figure BDA0002230833290000133
为：
Figure BDA0002230833290000134
综上可以看出，
Figure BDA0002230833290000135
的第一项先验信息的预测Fisher信息矩阵只与前一时刻目标状态的贝叶斯信息矩阵、目标的运动模型以及观测时间间隔有关；而对于需要雷达辐射的目标，第二项量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式与发射信号带宽有关；
根据式(10)和式(20)，对
Figure BDA0002230833290000136
求逆即可得到目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵，即：
Figure BDA0002230833290000137
4、建立基于射频隐身的组网雷达多目标跟踪采样间隔优化模型：
在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射。具体步骤如下所示：
(41)照射目标选择
以k时刻所有目标的预测跟踪精度均满足要求为约束条件，需要照射的目标个数最少为目标函数，建立目标照射指标的优化模型：
Figure BDA0002230833290000138
式中，
Figure BDA0002230833290000139
为k时刻目标q预测位置估计均方误差的下界，只与k-1时刻目标状态的BIM有关，其计算过程如下：
Figure BDA0002230833290000141
Fmax为预先设定的
Figure BDA0002230833290000142
的门限值，求解式(22)得到k时刻所有目标跟踪指标的结果
Figure BDA0002230833290000143
(42)雷达选择及信号带宽分配
根据(41)中得到的vk,opt，以融合中心的数据处理量以及雷达发射资源为约束条件，以k时刻需要照射目标的预测跟踪精度之和最小为目标函数，建立雷达选择及信号带宽分配的优化模型：
Figure BDA0002230833290000144
式中，
Figure BDA0002230833290000145
为k时刻雷达i需要传输至融合中心并且和目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为每个目标所需的采样数据量；βmin和βmax分别表示发射信号带宽的上限和下限；
Figure BDA0002230833290000146
表示在k时刻每部雷达最多跟踪一个目标；
Figure BDA0002230833290000147
表示在k时刻每个目标由M部雷达进行跟踪；
(43)采用枚举法、两步分解法和内点法对优化模型(22)和(24)进行求解。
(a)首先，只要
Figure BDA0002230833290000148
成立，则
Figure BDA0002230833290000149
必然成立，优化模型(22)等效为：
Figure BDA00022308332900001410
优化模型(22)通过枚举法很容易得到最优结果；
(b)其次，针对需要雷达照射的目标q对于一种给定的满足约束条件
Figure BDA00022308332900001411
的雷达分配方式，优化模型(24)改写为只含有变量βm,q,k的形式，模型(24)化简为：
Figure BDA0002230833290000151
式中，βtotal为照射单个目标的所有雷达发射信号带宽和；由于模型(26)是一个线性约束、非线性规划的凸优化问题，因此，采用内点法和梯度投影法，得到最优解；
(c)最后，根据通过内点法得到的各目标在指定雷达分配方式下的预测跟踪精度值和各雷达发射信号带宽值，选取在雷达分配不冲突的情况下使得组网雷达系统目标预测跟踪精度之和最小的雷达选择
Figure BDA0002230833290000152
和发射信号带宽βm,q,k作为模型(24)的最优解。
假设组网雷达系统中的雷达个数为N＝6，目标个数为Q＝2，且各雷达的工作参数均相同。其余参数设置如表1所示。
表1仿真参数设置
Figure BDA0002230833290000153
假设机载雷达组网跟踪过程持续时间为100s。
多目标运动轨迹与组网雷达空间分布图如图1所示，目标1的雷达选择与信号带宽分配图如图2所示，目标2的雷达选择与信号带宽分配图如图3所示。从图2和图3中可以看出，在目标跟踪过程中，随着目标的运动，组网雷达系统会优先选择与目标距离较近且相对位置更好的两部雷达对该目标进行照射；同时，更多的信号带宽资源倾向于分配给所选雷达中距离目标较远的那一部，从而保证组网雷达系统的目标预测跟踪精度之和最小。
不同算法下目标1的采样间隔对比图如图4所示，不同方法下目标2的采样间隔对比图如图5所示。由图4和图5可以看出，相比于带宽均匀分配方法，本专利所提方法使得组网雷达系统对同一目标的照射间隔时间更长，从而进一步提升了组网雷达多目标跟踪时的射频隐身性能。为了更加直观地体现所提算法在采样间隔上的改善，统计了不同方法下雷达组网在整个跟踪过程中对目标1和目标2的照射总次数，如表2所示：
表2不同方法下目标照射次数对比
Figure BDA0002230833290000161
从表2中可以看出，相比于带宽均匀分配方法，本文所提方法中雷达组网在100s的跟踪过程中照射目标1和目标2的次数均有明显下降，并且照射总次数减少了接近19％，充分说明本专利方法进一步改善了组网雷达多目标跟踪时的射频隐身性能。
不同方法下多目标跟踪误差对比如图6所示，其中，目标跟踪均方根误差(RootMean Square Error，RMSE)定义为：
Figure BDA0002230833290000162
式中，NMC为蒙特卡洛实验次数，
Figure BDA0002230833290000163
为第n次蒙特卡洛实验时得到的目标估计位置，此处，设NMC＝100。从图1和图6中可以看出，本发明所提方法在节省更多辐射资源的同时，能够较好地满足所有目标的跟踪精度要求。
由上述仿真结果可知，组网雷达多目标跟踪时间资源与信号带宽联合优化方法，可在满足下一观测时刻目标预测跟踪精度、融合中心数据处理量以及雷达发射资源约束的条件下，自适应地优化调整多目标跟踪过程中照射目标选择、雷达分配方式和发射信号带宽等参数，最大限度地减少了组网雷达系统在整个跟踪过程中的目标照射次数，从而有效提升了组网雷达系统多目标跟踪时的射频隐身性能。
本发明考虑由多部空间、时间、频率同步的两坐标相控阵雷达组成的组网雷达系统，在对多目标进行跟踪时，每部雷达只能接收并处理来自自身发射信号的目标回波，同时，各个时刻每部雷达最多只能跟踪一个目标。首先，根据目标跟踪精度的预测值选择下一观测时刻需要雷达辐射的目标，在满足所有目标预测跟踪精度要求的同时最小化需要辐射的目标数目。针对需要辐射的目标，以融合中心的数据处理量以及雷达发射资源为约束条件，以所有辐射目标的预测跟踪精度之和最高为优化目标，建立组网雷达多目标跟踪时间资源与信号带宽联合优化方法，自适应地优化调整多目标跟踪过程中照射目标选择、雷达选择和发射信号带宽，使得雷达组网在跟踪过程中的雷达辐射次数最少，从而提升其射频隐身性能。
本发明从实际工程应用需求出发，提出了组网雷达多目标跟踪时间资源与信号带宽联合优化方法，首先根据设定的目标跟踪精度门限判断下一观测时刻需要雷达照射的目标，选择使得所有辐射目标的预测跟踪精度之和最高的雷达节点以及信号带宽分配方式。然后，对雷达辐射的目标利用雷达量测信息对目标状态进行更新，对没有雷达辐射的目标利用飞机平台的无源传感器接收到目标辐射信号的到达时间差，获得目标状态估计进行更新。

Claims (3)

1.组网雷达多目标跟踪时间资源与信号带宽联合优化方法，其特征在于，包括如下步骤：
(1)考虑由N部空间、时间、频率同步的两坐标相控阵雷达组成的组网雷达系统，在对多目标进行跟踪时，每部雷达只能接收并处理来自自身发射信号的目标回波，同时，各个时刻每部雷达最多只能跟踪一个目标；
(2)对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差定位；
(3)构建以照射目标指标、雷达二元选择变量和发射信号带宽为自变量的目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，将其作为该目标跟踪精度的衡量指标；具体为：
k时刻目标q的预测贝叶斯信息矩阵
Figure FDA0004036712000000011
表示为：
Figure FDA0004036712000000012
式中，
Figure FDA0004036712000000013
是目标q在k时刻的预测状态向量，其中，上标[·]T表示转置运算，
Figure FDA0004036712000000014
表示目标q在k时刻的预测位置，
Figure FDA0004036712000000015
表示目标q在k时刻的预测运动速度；假设机动目标的运动轨迹由匀速CV模型和转弯CT模型构成，对应的目标状态转移矩阵分别表示为：
(a)匀速运动模型
Figure FDA0004036712000000016
(b)转弯模型
Figure FDA0004036712000000017
考虑三种目标运动模型：匀速运动模型；具有正角速度ω+的转弯模型；具有负角速度ω_的转弯模型；设目标的运动模型集为M＝{m1,m2,m3}，
Figure FDA0004036712000000021
表示在k时刻目标q的运动模型为mj(1≤j≤3)；模型从
Figure FDA0004036712000000022
到
Figure FDA0004036712000000023
的转换概率为
Figure FDA0004036712000000024
则k时刻目标q的运动模型为mj的预测概率为：
Figure FDA0004036712000000025
式中，
Figure FDA0004036712000000026
表示k-1时刻目标q运动模型为mj的概率，因此，k时刻先验信息的预测Fisher信息矩阵
Figure FDA0004036712000000027
通过下式进行计算：
Figure FDA0004036712000000028
式中，上标[·]-1表示矩阵的逆，
Figure FDA0004036712000000029
为k-1时刻目标q状态的BIM，Fj为模型mj对应的状态转移矩阵，Qq是目标q过程噪声的方差，表示为：
Figure FDA00040367120000000210
式中，
Figure FDA00040367120000000211
为目标q的过程噪声强度，T为目标观测时间间隔；
定义二元变量
Figure FDA00040367120000000212
为目标照射指标，
Figure FDA00040367120000000213
表示k时刻需要对目标q进行照射，
Figure FDA00040367120000000214
表示k时刻不需要对目标q进行照射；对于需要雷达照射的目标，定义二元变量
Figure FDA00040367120000000215
为雷达分配指标，当
Figure FDA00040367120000000216
时表示k时刻雷达i对目标q进行照射，当
Figure FDA00040367120000000217
时表示k时刻雷达i不对目标q进行照射；
Figure FDA00040367120000000218
表示雷达i对目标q量测数据的Fisher信息矩阵，通过下式进行计算：
Figure FDA00040367120000000219
式中，E{·}表示求数学期望运算，
Figure FDA0004036712000000031
为非线性量测函数
Figure FDA0004036712000000032
的雅克比矩阵，表示为：
Figure FDA0004036712000000033
式中，
Figure FDA0004036712000000034
表示对目标状态向量
Figure FDA0004036712000000035
求一阶偏导，
Figure FDA0004036712000000036
表示为：
Figure FDA0004036712000000037
式中，(xi,yi)为第i部雷达的位置坐标，
Figure FDA0004036712000000038
为k时刻雷达i与目标q之间的预测距离，
Figure FDA0004036712000000039
为k时刻目标q相对于雷达i的预测方位角；
Figure FDA00040367120000000310
表示目标相对雷达预测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure FDA00040367120000000311
表示目标相对雷达预测方位角对目标预测位置和预测运动速度的一阶偏导数；
Figure FDA00040367120000000312
为量测噪声的预测协方差矩阵，表示为：
Figure FDA00040367120000000313
式中，
Figure FDA00040367120000000314
和
Figure FDA00040367120000000315
分别表示目标预测距离和预测方位角的估计均方误差，由下式计算：
Figure FDA00040367120000000316
式中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达工作波长，γ为天线孔径，
Figure FDA00040367120000000317
为k时刻雷达i对目标q照射的预测回波信噪比，表示为：
Figure FDA00040367120000000318
式中，Pt为雷达发射功率，雷达i对目标q照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure FDA00040367120000000319
为信号传播衰减参数；
由于式(12)中含有求期望，于是，需要用蒙特卡罗方法对
Figure FDA0004036712000000041
进行求解；为使算法满足实时性的需求，式(12)近似表示为：
Figure FDA0004036712000000042
同理，对于不需要雷达照射的目标，其无源探测器量测数据的Fisher信息矩阵为：
Figure FDA0004036712000000043
结合式(18)与式(19)，得到k时刻目标q量测数据的Fisher信息矩阵
Figure FDA0004036712000000044
为：
Figure FDA0004036712000000045
综上看出，
Figure FDA0004036712000000046
的第一项先验信息的预测Fisher信息矩阵只与前一时刻目标状态的贝叶斯信息矩阵、目标的运动模型以及观测时间间隔有关；而对于需要雷达辐射的目标，第二项量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式与发射信号带宽有关；
根据式(10)和式(20)，对
Figure FDA0004036712000000048
求逆即得到目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵，即：
Figure FDA0004036712000000047
(4)在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射。
2.如权利要求1所述的组网雷达多目标跟踪时间资源与信号带宽联合优化方法，其特征在于，步骤(2)中，对于跟踪精度满足要求不需要雷达进行辐射的目标，假设飞机编队中所有飞机都装载了无源传感器，接收来自目标的辐射信号，并利用目标的辐射信号进行无源到达时间差定位具体为：
设(xi,yi)为第i(1≤i≤N)部无源传感器的位置坐标，k时刻目标q和各部无源传感器之间的距离为：
Figure FDA0004036712000000051
其中，
Figure FDA0004036712000000052
为k时刻目标q的位置；假设无源传感器1为主站，其余无源传感器为辅站，k时刻目标q辐射的信号到达主站和到达各个辅站之间的时间差为：
Figure FDA0004036712000000053
其中，c为电磁波传播速度，将式(1)代入式(2)中得到：
Figure FDA0004036712000000054
式(3)是N-1个双曲线方程，根据双曲线的焦点确定k时刻目标q的位置，将
Figure FDA0004036712000000055
作为无源传感器组网观测模型的观测值，观测模型表示为：
Figure FDA0004036712000000056
式中，
Figure FDA0004036712000000057
Figure FDA0004036712000000058
为k时刻无源传感器组网对目标q的量测误差，
Figure FDA0004036712000000059
是均值为零，方差为
Figure FDA00040367120000000510
的高斯白噪声；
Figure FDA00040367120000000511
式中，
Figure FDA00040367120000000512
为
Figure FDA00040367120000000513
的观测误差的标准差，
Figure FDA00040367120000000514
为
Figure FDA00040367120000000515
和
Figure FDA00040367120000000516
的相关系数。
3.如权利要求1所述的组网雷达多目标跟踪时间资源与信号带宽联合优化方法，其特征在于，步骤(4)中，在各个观测时刻，通过判断目标的预测跟踪精度是否满足约束条件决定该目标是否需要雷达开机进行照射；对于需要雷达照射的目标，再根据不同雷达对目标的预测跟踪精度选择使得所有目标预测跟踪精度之和最小的雷达和信号带宽分配方式进行照射具体包括如下步骤：
(41)照射目标选择
以k时刻所有目标的预测跟踪精度均满足要求为约束条件，需要照射的目标个数最少为目标函数，建立目标照射指标的优化模型：
Figure FDA0004036712000000061
式中，
Figure FDA0004036712000000062
为k时刻目标q预测位置估计均方误差的下界，只与k-1时刻目标状态的BIM有关，其计算过程如下：
Figure FDA0004036712000000063
Fmax为预先设定的
Figure FDA0004036712000000064
的门限值，求解式(22)得到k时刻所有目标跟踪指标的结果
Figure FDA0004036712000000065
(42)雷达选择及信号带宽分配
根据(41)中得到的vk,opt，以融合中心的数据处理量以及雷达发射资源为约束条件，以k时刻需要照射目标的预测跟踪精度之和最小为目标函数，建立雷达选择及信号带宽分配的优化模型：
Figure FDA0004036712000000066
式中，
Figure FDA0004036712000000067
为k时刻雷达i需要传输至融合中心并且和目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为每个目标所需的采样数据量；βmin和βmax分别表示发射信号带宽的上限和下限；
Figure FDA0004036712000000068
表示在k时刻每部雷达最多跟踪一个目标；
Figure FDA0004036712000000069
表示在k时刻每个目标由M部雷达进行跟踪；
(43)采用枚举法、两步分解法和内点法对优化模型(22)和(24)进行求解；
(a)首先，只要
Figure FDA00040367120000000610
成立，则
Figure FDA00040367120000000611
必然成立，优化模型(22)等效为：
Figure FDA0004036712000000071
优化模型(22)通过枚举法很容易得到最优结果；
(b)其次，针对需要雷达照射的目标q对于一种给定的满足约束条件
Figure FDA0004036712000000072
的雷达分配方式，优化模型(24)改写为只含有变量βm,q,k的形式，模型(24)化简为：
Figure FDA0004036712000000073
式中，βtotal为照射单个目标的所有雷达发射信号带宽和；由于模型(26)是一个线性约束、非线性规划的凸优化问题，因此，采用内点法和梯度投影法，得到最优解；
(c)最后，根据通过内点法得到的各目标在指定雷达分配方式下的预测跟踪精度值和各雷达发射信号带宽值，选取在雷达分配不冲突的情况下使得组网雷达系统目标预测跟踪精度之和最小的雷达选择
Figure FDA0004036712000000074
和发射信号带宽βm,q,k作为模型(24)的最优解。
CN201910967055.2A 2019-10-12 2019-10-12 组网雷达多目标跟踪时间资源与信号带宽联合优化方法 Active CN110794395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910967055.2A CN110794395B (zh) 2019-10-12 2019-10-12 组网雷达多目标跟踪时间资源与信号带宽联合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910967055.2A CN110794395B (zh) 2019-10-12 2019-10-12 组网雷达多目标跟踪时间资源与信号带宽联合优化方法

Publications (2)

Publication Number Publication Date
CN110794395A CN110794395A (zh) 2020-02-14
CN110794395B true CN110794395B (zh) 2023-05-09

Family

ID=69440273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910967055.2A Active CN110794395B (zh) 2019-10-12 2019-10-12 组网雷达多目标跟踪时间资源与信号带宽联合优化方法

Country Status (1)

Country Link
CN (1) CN110794395B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444805A (zh) * 2020-11-01 2021-03-05 复旦大学 基于雷达的分布式多目标检测、定位跟踪与身份识别系统
CN113687321B (zh) * 2021-08-30 2024-04-19 中国人民解放军海军航空大学航空作战勤务学院 雷达目标探测距离评估方法和装置
CN114666219B (zh) * 2022-03-15 2023-04-28 南京航空航天大学 非理想检测下多雷达网络功率与带宽联合优化分配方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291481B (zh) * 2016-07-27 2019-07-19 南京航空航天大学 基于射频隐身的分布式mimo雷达资源联合优化方法
CN107064882B (zh) * 2017-01-22 2019-12-20 南京航空航天大学 无源协同下基于射频隐身的雷达组网资源控制方法
CN107907863B (zh) * 2017-10-09 2020-05-08 南京航空航天大学 基于雷达-通信频谱共享的组网雷达波形设计方法
CN108732543B (zh) * 2018-04-24 2021-08-06 南京航空航天大学 一种基于射频隐身的机载组网雷达辐射参数联合优化方法
CN108614261B (zh) * 2018-05-18 2021-10-26 南京航空航天大学 一种组网雷达系统多目标跟踪下的辐射参数控制方法
CN108896985B (zh) * 2018-06-11 2022-07-22 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法

Also Published As

Publication number Publication date
CN110794395A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110794395B (zh) 组网雷达多目标跟踪时间资源与信号带宽联合优化方法
CN107656264B (zh) 杂波环境下的机会阵雷达多目标跟踪的功率资源管理方法
CN111323773A (zh) 基于射频隐身的组网雷达功率与带宽联合优化分配方法
CN111090078B (zh) 一种基于射频隐身的组网雷达驻留时间优化控制方法
CN111025275B (zh) 基于射频隐身的多基雷达辐射参数多目标联合优化方法
CN108896985B (zh) 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法
CN107064882B (zh) 无源协同下基于射频隐身的雷达组网资源控制方法
CN110412515B (zh) 基于射频隐身的组网雷达多目标跟踪发射功率分配方法
CN108614261B (zh) 一种组网雷达系统多目标跟踪下的辐射参数控制方法
Narykov et al. Algorithm for resource management of multiple phased array radars for target tracking
CN110412534B (zh) 基于射频隐身的组网雷达多目标跟踪驻留时间优化方法
CN108562894B (zh) 雷达波束指向与发射功率的分配方法
CN111190176B (zh) 共址mimo雷达组网系统的自适应资源管理方法
CN113466848B (zh) 一种面向角闪烁噪声场景的共址mimo雷达多目标跟踪资源优化分配方法
CN105137408A (zh) 一种最优天线方向图选取的雷达角超分辨方法
Sun et al. JPBA of ARN for target tracking in clutter
CN112068124B (zh) 面向低截获的组网雷达驻留时间与辐射功率联合优化方法
Han et al. Antenna array aperture resource management of opportunistic array radar for multiple target tracking
CN112213718B (zh) 多目标跟踪下组网雷达节点选择与辐射资源联合优化方法
CN111198366B (zh) 分布式mimo雷达多任务下的有限阵元快速选取方法
CN110488276B (zh) 面向多目标跟踪任务的异构雷达网最优资源按需分配方法
CN108107415B (zh) 基于机会约束的集中式mimo雷达多波束功率分配方法
CN115561748A (zh) 基于射频隐身的网络化雷达目标搜索跟踪资源分配方法
CN113466825B (zh) 基于互信息最大化的组网雷达资源分配方法
RU109869U1 (ru) Устройство для определения параметров движения цели

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