CN116299208A - 基于主/被动雷达复合导引头数据关联的抗干扰方法 - Google Patents

基于主/被动雷达复合导引头数据关联的抗干扰方法 Download PDF

Info

Publication number
CN116299208A
CN116299208A CN202211104256.8A CN202211104256A CN116299208A CN 116299208 A CN116299208 A CN 116299208A CN 202211104256 A CN202211104256 A CN 202211104256A CN 116299208 A CN116299208 A CN 116299208A
Authority
CN
China
Prior art keywords
radar
active
covariance matrix
passive
coordinate system
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
Application number
CN202211104256.8A
Other languages
English (en)
Inventor
张娟
周自强
华瑞哲
张文韬
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202211104256.8A priority Critical patent/CN116299208A/zh
Publication of CN116299208A publication Critical patent/CN116299208A/zh
Pending legal-status Critical Current

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
    • 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

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主/被动雷达复合导引头数据关联的抗干扰方法，主要解决现有技术计算量大、设备成本高和受环境因素影响较大的问题。其实现方案是：主/被动雷达分别对目标进行跟踪滤波得到状态估计值和误差协方差矩阵；将主动雷达的状态估计值和误差协方差矩阵转换到极坐标系；在极坐标系下对主/被动雷达的滤波数据进行航迹关联；根据航迹关联结果和判决条件对干扰种类进行鉴别；在未受到干扰时，利用主/被动融合后的数据进行制导，在受到干扰时，利用被动雷达数据进行制导。本发明能有效识别干扰种类，降低导引头被欺骗的概率，提高目标的跟踪精度，可用于主/被动复合体制导引头的跟踪制导。

Description

基于主/被动雷达复合导引头数据关联的抗干扰方法
技术领域
本发明属于雷达技术领域，更进一步涉及一种抗干扰方法，可用于导引头对舰船目标的跟踪。
背景技术
随着现代电子战争日趋激烈，干扰类型层出不穷，这对雷达系统的生存和工作能力带来了极大的威胁和挑战。在海战场上，质心无源干扰和舷外有源干扰是舰船对抗反舰导弹最常见的干扰措施。两种干扰的机理较为类似，都是致使导引头在末制导阶段跟踪目标和干扰的能量质心；质心无源干扰的干扰回波主要由箔条这种干扰物反射雷达的发射信号产生，舷外有源干扰的干扰回波由干扰机自主产生。对于抵抗这些干扰，现有技术仍存在一定的问题和不足，如计算复杂，成本过高或受环境影响较大等。
梁子尧在发论文“反舰雷达导引头极化抗干扰技术研究”(中国运载火箭技术研究院，硕士论文2022年2月)中提出了一种基于极化特征的无源干扰鉴别方法。该方法的具体步骤是：第一步，雷达发射信号的极化方式在“垂直”和“水平”之间周期性的切换，并同时接收水平和垂直极化的反射回波；第二步，信号处理模块对接收到的回波信号经过数字滤波、数字脉压、相参积累、恒虚警检测、目标聚类等处理后，对目标时、频、极化域特征参数进行提取；第三步，计算水平、垂直极化比，真实目标水平和垂直方向上的极化比均很大且能量接近，而干扰水平和垂直极化比差异较大，由此可以鉴别无源干扰存在。该方法由于工作模式复杂，且要实时提取目标的时、频、极化域特征参数，因而增大了信号处理模块的计算量，增加了制造难度和成本。
李刚等人在论文“雷达/红外复合导引头抗干扰跟踪方法”(飞行力学，2016年第34卷第5期)中提出了一种雷达/红外复合导引头抗干扰跟踪方法。该方法的具体步骤是：第一步，根据雷达、红外两种传感器得到的目标的观测信息进行关联度检测，若关联度较高，则认为导引头未受到有效干扰，若关联度较低，则认为导引头受到干扰；第二步，若导引头未受到干扰，则采用分布式融合算法对目标状态进行估计，否则对各自传感器的滤波新息方差的迹值进行检测，认为迹值较大者对应的传感器受到干扰；第三步，系统输出迹值较小者对应传感器的目标状态估计，并用于制导。该方法由于使用红外传感器获取目标的观测信息，不仅成本较高，而且探测距离受天气和环境影响严重，同时对于导引头飞行速度也有要求，局限性较强。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于主/被动雷达复合导引头的抗干扰方法，以减小对干扰识别的计算量，提高设备的环境适应性和可靠性，降低设备的使用成本。
本发明的技术方案是：通过结合主动雷达和被动雷达的探测数据实现抗干扰，即将主动雷达的探测数据转换到直角坐标系下进行滤波；将被动雷达的探测数据直接在极坐标系下进行滤波；再将主动雷达的状态估计量和误差协方差转换到极坐标系，以便进行关联处理；然后根据不同干扰的特点增加判决条件，对干扰种类进行鉴别；最后对目标的状态进行估计并输出估计量。其实现步骤包括如下：
(1)由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据，并对其进行滤波，计算直角坐标系下主动雷达的状态估计量
Figure BDA0003840794290000021
误差协方差矩阵Pk,a和极坐标系下被动雷达的状态估计量/>
Figure BDA0003840794290000022
误差协方差矩阵Pk,p；
(2)根据直角坐标系下主动雷达状态估计量
Figure BDA0003840794290000023
和误差协方差Pk,a，计算极坐标系下主动雷达的状态估计量/>
Figure BDA0003840794290000024
和误差协方差/>
Figure BDA0003840794290000025
(3)根据极坐标系下主动雷达的状态估计量
Figure BDA0003840794290000026
误差协方差矩阵/>
Figure BDA0003840794290000027
和极坐标系下被动雷达的状态估计量/>
Figure BDA0003840794290000028
误差协方差矩阵Pk,p，计算滤波过程中各时刻的状态估计量之间的马氏距离dk,ap；
(4)根据马氏距离dk,ap计算主/被动雷达滤波过程中各时刻的航迹关联统计量λk,ap；
(5)根据航迹关联统计量λk,ap，利用假设检验得到主/被动雷达航迹关联结果；
(6)根据航迹关联结果对干扰的种类进行鉴别；
(6a)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰：
若关联成功，则表示导引头未受到干扰，执行步骤(7)；
否则，表示导引头受到了干扰，执行步骤(6b)；
(6b)根据k时刻目标的主动航迹与可疑的被动航迹的关联结果鉴别导引头受到干扰的种类：
若关联成功，则表示导引头受到了舷外有源干扰，执行步骤(8)；
否则，表示导引头受到了质心无源干扰，执行步骤(8)；
(7)根据极坐标系下主动雷达的状态估计量
Figure BDA0003840794290000031
误差协方差矩阵/>
Figure BDA0003840794290000032
和极坐标系下被动雷达的状态估计量/>
Figure BDA0003840794290000033
误差协方差矩阵Pk,p，通过航迹融合计算状态估计量/>
Figure BDA0003840794290000034
并用于导引头的制导；
(8)根据被动雷达的状态估计量
Figure BDA0003840794290000035
对导引头进行制导。
本发明与现有技术相比具有如下优点：
第一，由于本发明在数据处理层结合主/被动雷达的探测数据来识别干扰，其只依赖于目标的时域信息，不需要对目标频域、极化域信息进行提取，同时不需要通过多脉冲积累来分解极化特征，计算简单，克服了现有技术存在的判决条件复杂计算量大的缺陷，使本发明显著提高了对干扰的识别效率。
第二，本发明由于采用主/被动雷达协同工作的方式，设备成本低，受天气和环境影响较小，克服了现有技术探测能力受天气和环境影响严重和搭载平台飞行速度受限的不足，使本发明可以稳定进行长距离探测并且可应用于高速平台上，显著提高了设备的性价比和泛用性。
附图说明
图1是本发明的实现流程图；
图2是在质心无源干扰下主/被动雷达目标方位角滤波值与真实值的偏差曲线图；
图3是本发明在质心无源干扰下航迹关联统计量的变化曲线图；
图4是在舷外有源干扰下主/被动雷达目标方位角滤波值与真实值的偏差曲线图；
图5是本发明在舷外有源干扰下航迹关联统计量的变化曲线图。
具体实施方式
以下结合附图对本发明的实施例和效果做进一步详细描述。
参照图1，本实例的实施步骤如下：
步骤1，由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据。
本步骤根据不同的干扰种类，生成相应的量测数据，其实现如下：
设在三维平面内，导引头k时刻的位置xyzk,m＝(xk,m,yk,m,zk,m)，目标或者等效质心的位置xyzk,t＝(xk,t,yk,t,zk,t)，则其相对于导引头的极坐标信息为：
Figure BDA0003840794290000041
其中，
Figure BDA0003840794290000042
分别表示径向距离、方位角、和俯仰角；
(1.1)生成无干扰下的量测数据：
将各雷达和导引头视为同一个质点，在干扰释放之前，主动雷达和被动雷达均会跟踪上目标；
设目标的位置xyzk,s＝(xk,s,yk,s,zk,s)，根据主动雷达能够获取目标的径向距离、方位角和俯仰角信息，而被动雷达只能获得方位角和俯仰角信息的特性，将xyzk,t＝xyzk,s代入公式<1>分别计算主动雷达的量测值Zk,a和被动雷达的量测值Zk,p：
Figure BDA0003840794290000043
其中，
Figure BDA0003840794290000044
分别为主动雷达对目标径向距离、方位角和俯仰角的量测值，
Figure BDA0003840794290000045
分别为被动雷达对目标方位角和俯仰角的量测值，Wk,a为主动雷达的观测噪声，Wk,p为被动雷达的观测噪声；
(1.2)生成干扰下的量测数据：
1.2.1)生成质心无源干扰下的量测数据：
基于干扰释放之后，被动雷达将会继续跟踪目标，而主动雷达会跟踪目标和干扰的等效质心，设目标的位置xyzk,s＝(xk,s,yk,s,zk,s)，干扰的位置xyzk,j1＝(xk,j1,yk,j1,zk,j1)，质心的位置xyzk,c1＝(xk,c1,yk,c1,zk,c1)，在导引头飞至可分辨距离前，计算质心的位置信息：
Figure BDA0003840794290000051
其中，σs、σj分别为目标和干扰的等效雷达截面积；
令xyzk,t＝xyzk,c1，结合公式<1>和公式<2>计算质心在无源干扰下主动雷达的量测值Zk,a1：
Figure BDA0003840794290000052
其中，
Figure BDA0003840794290000053
分别为主动雷达对等效质心径向距离、方位角和俯仰角的量测值；
1.2.2)生成舷外有源干扰下的量测数据：
基于在干扰释放之后，被动雷达不仅会继续跟踪目标，同时也会跟踪干扰，而主动雷达会跟踪舰船目标和干扰的等效质心，设目标的位置xyzk,s＝(xk,s,yk,s,zk,s)，干扰的位置xyzk,j2＝(xk,j2,yk,j2,zk,j2)，质心的位置xyzk,c2＝(xk,c2,yk,c2,zk,c2)，且干扰机以恒功率的状态进行工作，计算导引头接收到干扰机的发射信号的功率Pj和目标反射回波信号的功率Ps：
Figure BDA0003840794290000054
其中，Pj为干扰辐射功率，Pt为导引头发射功率，Gj为干扰天线增益，Gt为导引头天线增益，λ为波长，R1为干扰与导引头之间的距离，R2为目标与导引头之间的距离；
根据能量关系Pj/Ps＝σj/σs，计算干扰的等效雷达截面积σj：
Figure BDA0003840794290000055
将σj代入公式<3>即可计算质心的位置xyzk,c2，令xyzk,t＝xyzk,c2，结合公式<1>和公式<2>计算在舷外有源干扰下主动雷达的量测值Zk,a2：
Figure BDA0003840794290000061
其中，
Figure BDA0003840794290000062
分别为主动雷达对等效质心径向距离、方位角和俯仰角的量测值；
令xyzk,t＝xyzk,j2，结合公式<1>和公式<2>计算在舷外有源干扰下被动雷达对干扰的量测值Zk,p2：
Figure BDA0003840794290000063
其中，
Figure BDA0003840794290000064
分别为被动雷达对干扰方位角和俯仰角的量测值。
步骤2，对主/被动雷达的量测值进行滤波，得到直角坐标系下主动雷达的状态估计量
Figure BDA0003840794290000065
误差协方差矩阵Pk,a和极坐标系下被动雷达的状态估计量/>
Figure BDA0003840794290000066
误差协方差矩阵Pk,p。
(2.1)计算直角坐标系下主动雷达的状态估计量
Figure BDA0003840794290000067
误差协方差矩阵Pk,a；
2.1.1)计算直角坐标系下主动雷达的量测信息Z'k,a：
Figure BDA0003840794290000068
其中，
Figure BDA0003840794290000069
分别为主动雷达极坐标系下径向距离、方位角和俯仰角的量测值，xk.a、yk,a、zk,a分别为主动雷达直角坐标系下x、y、z轴转换后的量测值，设主动雷达在直角坐标系下的状态估计量/>
Figure BDA00038407942900000610
2.1.2)为了避免在极坐标系下滤波而产生的伪加速度的问题，需将量测数据转换到直角坐标系下进行滤波，即计算主动雷达状态估计量预测
Figure BDA00038407942900000611
和误差协方差矩阵的预测Pk|k-1,a：
Figure BDA00038407942900000612
其中，
Figure BDA00038407942900000613
为k-1时刻主动雷达的状态估计量，Pk-1,a为k-1时刻主动雷达的误差协方差矩阵，Fk,a为主动雷达的状态转移矩阵，Qk,a为主动雷达的状态噪声协方差矩阵，[·]T表示求矩阵转置；
2.1.3)根据直角坐标系下主动雷达的量测信息Z'k,a和预测状态估计量
Figure BDA0003840794290000071
计算主动雷达的滤波新息vk,a：
Figure BDA0003840794290000072
其中，Hk,a为主动雷达的量测矩阵；
2.1.4)根据主动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,a：
Figure BDA0003840794290000073
其中，Rk,a为主动雷达的量测噪声协方差矩阵；
2.1.5)根据主动雷达的预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a和新息协方差矩阵Sk,a计算主动雷达的滤波器增益Kk,a：
Figure BDA0003840794290000074
2.1.6)根据主动雷达的预测状态估计量
Figure BDA0003840794290000075
预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a、滤波新息vk,a和新息协方差矩阵Sk,a计算状态估计量/>
Figure BDA0003840794290000076
及误差协方差矩阵Pk,a：
Figure BDA0003840794290000077
(2.2)计算极坐标系下被动雷达的状态估计量
Figure BDA0003840794290000078
误差协方差矩阵Pk,p：
2.2.1)设被动雷达在极坐标系下的状态估计量
Figure BDA0003840794290000079
其中
Figure BDA00038407942900000710
分别为被动雷达方位角、方位角角速度、俯仰角和俯仰角角速度估计量，
2.2.2)计算被动雷达状态估计量预测
Figure BDA00038407942900000711
和误差协方差矩阵的预测Pk|k-1,p：
Figure BDA00038407942900000712
其中，
Figure BDA00038407942900000713
为k-1时刻被动雷达的状态估计量，Pk-1,p为k-1时刻被动雷达的误差协方差矩阵，Fk,p为被动雷达的状态转移矩阵，Qk,p为被动雷达的状态噪声协方差矩阵；
2.2.3)根据被动雷达的预测状态估计量
Figure BDA00038407942900000714
计算滤波新息vk,p：
Figure BDA0003840794290000081
其中，Hk,p为被动雷达的量测矩阵，Zk,p为被动雷达极坐标系下的量测值；
2.2.4)根据被动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,p：
Figure BDA0003840794290000082
其中，Rk,p为被动雷达的量测噪声协方差矩阵；
2.2.5)根据被动雷达的预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p和新息协方差矩阵Sk,p计算被动雷达的滤波器增益Kk,p：
Figure BDA0003840794290000083
2.2.6)根据被动雷达的预测状态估计量
Figure BDA0003840794290000084
预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p、滤波新息vk,p和新息协方差矩阵Sk,p，计算其状态估计量/>
Figure BDA0003840794290000085
及误差协方差矩阵Pk,p：
Figure BDA0003840794290000086
步骤3，根据直角坐标系下主动雷达状态估计量
Figure BDA0003840794290000087
和误差协方差Pk,a，计算极坐标系下主动雷达的状态估计量/>
Figure BDA0003840794290000088
和误差协方差/>
Figure BDA0003840794290000089
(3.1)计算极坐标系下主动雷达的状态估计量
Figure BDA00038407942900000810
3.1.1)根据直角坐标系下主动雷达状态估计量
Figure BDA00038407942900000811
计算极坐标系下目标的径向距离/>
Figure BDA00038407942900000812
方位角/>
Figure BDA00038407942900000813
和俯仰角/>
Figure BDA00038407942900000814
的状态估计量：
Figure BDA00038407942900000815
其中,
Figure BDA00038407942900000816
分别为直角坐标系下x、y、z轴上的位置估计，(·)T表示求矩阵转置；
3.1.2)根据直角坐标系下主动雷达状态估计量
Figure BDA00038407942900000817
计算极坐标系下目标的径向速度/>
Figure BDA00038407942900000818
方位角角速度/>
Figure BDA00038407942900000819
和俯仰角角速度/>
Figure BDA00038407942900000820
的状态估计量：
Figure BDA0003840794290000091
其中
Figure BDA0003840794290000092
分别为直角坐标系下x、y、z轴上的速度估计，(·)-1表示求矩阵的逆，A(k)为变换矩阵，表示为：
Figure BDA0003840794290000093
其中，
Figure BDA0003840794290000094
分别为主动雷达极坐标系下方位角、俯仰角和径向距离的量测值；
3.1.3)提取方位角和俯仰角的角度和角速度信息，得到主动雷达在极坐标系下状态估计量
Figure BDA0003840794290000095
Figure BDA0003840794290000096
(3.2)计算极坐标系下主动雷达的误差协方差
Figure BDA0003840794290000097
3.2.1)对主动雷达的误差协方差矩阵Pk,a进行如下分块：
Figure BDA0003840794290000098
其中P11、P12、P13、P21、P22、P23、P31、P32和P33均为3×3的分块矩阵；
3.2.2)提取分块矩阵中与角度和角速度有关的项，构成过渡协方差矩阵Pnew：
Figure BDA0003840794290000099
其中
Figure BDA00038407942900000910
和/>
Figure BDA00038407942900000911
均为3×3的分块矩阵；
3.2.3)根据变换矩阵A(k)计算极坐标系下的误差协方差矩阵Rnew：
Figure BDA0003840794290000101
其中
Figure BDA0003840794290000102
和/>
Figure BDA0003840794290000103
均为3×3的分块矩阵；
3.2.4)提取与角度和角速度有关的量，得到极坐标系下主动雷达的误差协方差矩阵
Figure BDA0003840794290000104
Figure BDA0003840794290000105
步骤4，对主/被动雷达滤波过程中的数据进行航迹关联。
本步骤是通过航迹关联来判断被动雷达状态估计量
Figure BDA0003840794290000106
和主动雷达状态估计量
Figure BDA0003840794290000107
是否为同一目标的航迹估计，具体实现如下：
(4.1)计算滤波过程中各时刻的状态估计量之间的马氏距离dk,ap：
Figure BDA0003840794290000108
其中，
Figure BDA0003840794290000109
为主动雷达的状态估计量、/>
Figure BDA00038407942900001010
主动雷达的误差协方差矩阵为和极坐标系下/>
Figure BDA00038407942900001011
为被动雷达的状态估计量、Pk,p为被动雷达/>
Figure BDA00038407942900001012
误差协方差矩阵；(·)T表示求矩阵转置，(·)-1表示求矩阵的逆；
(4.2)考虑到将当前时刻的航迹关联与历史时刻联系起来，并借用滑窗法的思想，计算航迹关联统计量λk,ap：
Figure BDA00038407942900001013
其中，
Figure BDA00038407942900001014
为航迹关联检验长度，Twin为时间窗的大小；
由dk,ap的分布可知
Figure BDA00038407942900001015
服从自由度为Ln的卡方分布，Lλk,ap服从自由度为Ln的卡方分布，即/>
Figure BDA0003840794290000111
(4.3)利用假设检验得到主/被动雷达航迹关联结果：
4.3.1)将主动航迹与被动航迹关联成功表示为事件H0，将主动航迹与被动航迹关联失败表示为事件H1；
4.3.2)设βk,ap为航迹关联的判别门限，其满足：P{λk,ap＞βk,ap|H0}＝α，其中，α为显著性水平，通常α的取值为0.05、0.01或者0.1，在本实例中取0.01，Pr{·}表示求某一分布的概率；
4.3.3)将航迹关联统计量λk,ap与判别门限βk,ap相比较，确定所要接受的事件：
若λk,ap≤βk,ap，则接受事件H0；
否则，接受事件H1。
步骤5，根据关联结果对干扰的种类进行鉴别；
(5.1)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰：
若关联成功，则表示导引头未受到干扰，执行步骤6；
否则，表示导引头受到了干扰，执行步骤(5.2)；
(5.2)根据k时刻目标的主动航迹与干扰的被动航迹的关联结果鉴别导引头受到干扰的种类：
若关联成功，则表示导引头受到了舷外有源干扰，执行步骤7；
否则，表示导引头受到了质心无源干扰，执行步骤7；
步骤6，根据极坐标系下主动雷达的状态估计量
Figure BDA0003840794290000112
误差协方差矩阵/>
Figure BDA0003840794290000113
和极坐标系下被动雷达的状态估计量/>
Figure BDA0003840794290000114
误差协方差矩阵Pk,p，计算状态估计量/>
Figure BDA0003840794290000115
并用于导引头的制导。
(6.1)设ωk,a为主动航迹的融合权重，ωk,p为被动航迹的融合权重ωk,p，且满足如下方程：
Figure BDA0003840794290000116
其中，min(·)表示求最小值，Tr[·]表示求矩阵的迹；
(6.2)根据主动航迹的融合权重ωk,a、被动航迹的融合权重ωk,p，计算融合后的误差协方差矩阵Pk和状态估计量
Figure BDA0003840794290000121
Figure BDA0003840794290000122
步骤7，根据被动雷达的状态估计量
Figure BDA0003840794290000123
对导引头进行制导。
下面结合仿真实验对本发明的效果做进一步的说明：
一.仿真实验条件：
本发明的仿真实验的硬件平台为：处理器为Intel i5 7300HQ CPU，主频为2.50GHz，内存16GB。
本发明的仿真实验的软件平台为：Windows 10专业版，64位操作系统，MATLABR2018b。
本发明的仿真实验的场景设置有两个，其中：
场景一：
设舰船目标的初始位置为(12000,5000,0)m，以17m/s的速度匀速运动，航向角为(30,0)°，等效的雷达截面积为4500m2，运动的过程噪声协方差矩阵Qk为0。
导引头的初始位置为(0,0,1000)m，速度500m/s，初始航向为(0,0)°，采用比例导引法制导，比例系数为2。主动雷达方位角、俯仰角测角误差标准差为0.2°，测距误差标准差为20m；主动雷达方位角、俯仰角测角误差标准差为0.8°。
采样间隔为0.1s，采样次数150，质心无源干扰在第50个采样时刻释放，干扰等效的雷达截面积为8000m2，相对于舰船的距离为250m，角度为(180,0)°，其速度只与风速有关，风速5m/s，风向为(130,0)°。
目标辐射源的工作频率与主动雷达的工作频率不在同一频段上，干扰不会对被动雷达产生影响，且各雷达的探测数据已完成空间和时间对准。
场景二：
主动雷达发射功率为40000W，天线增益为25dB；干扰机发射功率为200W，天线增益为2dB。
舷外有源干扰在第70个采样时刻释放，干扰相对于舰船的距离为300m，角度为(180,0)°，速度只与风速有关，风速为5m/s，风向为(90,0)°。
其他参数和条件与场景一相同。
二.仿真内容及其结果分析：
仿真1，在场景一中仿真质心无源干扰下主/被动雷达舰船目标方位角滤波值与真实值的偏差，结果如图2所示，其中实线代表主动雷达，虚线代表被动雷达。由图2可知，主动雷达在第50个采样时刻后的偏差逐渐变大，即导引头可能受到了干扰，但是受到了何种干扰还无法鉴别。
仿真2，在场景一中用本发明的方法对质心无源干扰进行仿真鉴别，结果如图3所示。由图3可知，舰船目标的航迹关联统计量λk,11在第55个采样时刻大于判别门限，即航迹关联失败，且只存在一个关联统计量，因此不存在干扰的被动航迹。据此可知导引头受到了质心无源干扰，在这种情况下，用被动雷达的数据进行制导，可实现抗干扰的目的。
仿真3，在场景二中仿真在舷外有源干扰下主/被动雷达对舰船目标方位角滤波值与真实值的偏差，结果如图4所示，其中实线代表主动雷达，虚线代表被动雷达。由图4可知，主动雷达在第70个采样时刻后的偏差逐渐变大，即导引头可能受到了干扰，但是受到了何种干扰还无法鉴别。
仿真4，在场景二中用本发明的方法对舷外有源干扰进行仿真鉴别，结果如图5所示。由图5可知，舰船目标的航迹关联统计量λk,11在第74个采样时刻大于判别门限，即航迹关联失败，且此时目标的主动航迹和干扰的被动航迹的关联统计量λk,12小于判别门限，据此可知导引头受到了舷外有源干扰。在这种情况下，用被动雷达的数据进行制导，以实现抗干扰的目的。但随着导引头飞临目标，等效质心的位置会逐渐远离干扰，故干扰的被动航迹与等效质心的主动航迹的关联度会降低，λk,12的值会逐渐增大。
上述实验结果验证了本发明的可靠性和有效性，表明本发明能成功鉴别和抵抗质心无源干扰和舷外有源干扰，降低了导引头被欺骗的概率，提高了其在复杂环境下的生存能力。

Claims (9)

1.一种基于主/被动雷达复合导引头数据关联的抗干扰方法，其特征在于，包括如下步骤：
(1)由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据，并对其进行滤波，计算直角坐标系下主动雷达的状态估计量
Figure FDA0003840794280000011
误差协方差矩阵Pk,a和极坐标系下被动雷达的状态估计量/>
Figure FDA0003840794280000012
误差协方差矩阵Pk,p；
(2)根据直角坐标系下主动雷达状态估计量
Figure FDA0003840794280000013
和误差协方差Pk,a，计算极坐标系下主动雷达的状态估计量/>
Figure FDA0003840794280000014
和误差协方差/>
Figure FDA0003840794280000015
(3)根据极坐标系下主动雷达的状态估计量
Figure FDA0003840794280000016
误差协方差矩阵/>
Figure FDA0003840794280000017
和极坐标系下被动雷达的状态估计量/>
Figure FDA0003840794280000018
误差协方差矩阵Pk,p，计算滤波过程中各时刻的状态估计量之间的马氏距离dk,ap；
(4)根据马氏距离dk,ap计算主/被动雷达滤波过程中各时刻的航迹关联统计量λk,ap；
(5)根据航迹关联统计量λk,ap，利用假设检验得到主/被动雷达航迹关联结果；
(6)根据航迹关联结果对干扰的种类进行鉴别；
(6a)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰：
若关联成功，则表示导引头未受到干扰，执行步骤(7)；
否则，表示导引头受到了干扰，执行步骤(6b)；
(6b)根据k时刻目标的主动航迹与干扰的被动航迹的关联结果鉴别导引头受到干扰的种类：
若关联成功，则表示导引头受到了舷外有源干扰，执行步骤(8)；
否则，表示导引头受到了质心无源干扰，执行步骤(8)；
(7)根据极坐标系下主动雷达的状态估计量
Figure FDA0003840794280000019
误差协方差矩阵/>
Figure FDA00038407942800000110
和极坐标系下被动雷达的状态估计量/>
Figure FDA00038407942800000111
误差协方差矩阵Pk,p，计算状态估计量/>
Figure FDA00038407942800000112
并用于导引头的制导；
(8)根据被动雷达的状态估计量
Figure FDA0003840794280000021
对导引头进行制导。
2.根据权利要求1的方法，其特征在于，步骤(1)计算直角坐标系下主动雷达的状态估计量
Figure FDA0003840794280000022
误差协方差矩阵Pk,a实现如下：
(1a)计算直角坐标系下主动雷达的量测信息Z'k,a：
Figure FDA0003840794280000023
其中，rk,a、θk.a、
Figure FDA00038407942800000211
分别为主动雷达极坐标系下径向距离、方位角和俯仰角的量测值，xk.a、yk,a、zk,a分别为主动雷达直角坐标系下x、y、z轴转换后的量测值；
(1b)计算主动雷达状态估计量预测
Figure FDA0003840794280000024
和误差协方差矩阵的预测Pkk-1,a：
Figure FDA0003840794280000025
Figure FDA0003840794280000026
其中，
Figure FDA0003840794280000027
为k-1时刻主动雷达的状态估计量，Pk-1,a为k-1时刻主动雷达的误差协方差矩阵，Fk,a为主动雷达的状态转移矩阵，Qk,a为主动雷达的状态噪声协方差矩阵，[·]T表示求矩阵转置；
(1c)根据直角坐标系下主动雷达的量测信息Z'k,a和预测状态估计量
Figure FDA0003840794280000028
计算主动雷达的滤波新息vk,a：
Figure FDA0003840794280000029
其中，Hk,a为主动雷达的量测矩阵；
(1d)根据主动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,a：
Figure FDA00038407942800000210
其中，Rk,a为主动雷达的量测噪声协方差矩阵；
(1e)根据主动雷达的预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a和新息协方差矩阵Sk,a计算主动雷达的滤波器增益Kk,a：
Figure FDA0003840794280000031
(1f)根据主动雷达的预测状态估计量
Figure FDA0003840794280000032
预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a、滤波新息vk,a和新息协方差矩阵Sk,a计算状态估计量/>
Figure FDA0003840794280000033
及误差协方差矩阵Pk,a：
Figure FDA0003840794280000034
Figure FDA0003840794280000035
3.根据权利要求1的方法，其特征在于，步骤(1)计算极坐标系下被动雷达的状态估计量
Figure FDA0003840794280000036
误差协方差矩阵Pk,p，实现如下：
(1g)计算被动雷达状态估计量预测
Figure FDA0003840794280000037
和误差协方差矩阵的预测Pk|k-1,p：
Figure FDA0003840794280000038
Figure FDA0003840794280000039
其中，
Figure FDA00038407942800000310
为k-1时刻被动雷达的状态估计量，Pk-1,p为k-1时刻被动雷达的误差协方差矩阵，Fk,p为被动雷达的状态转移矩阵，Qk,p为被动雷达的状态噪声协方差矩阵；
(1h)根据被动雷达的预测状态估计量
Figure FDA00038407942800000311
计算滤波新息vk,p：
Figure FDA00038407942800000312
其中，Hk,p为被动雷达的量测矩阵，Zk,p为被动雷达极坐标系下的量测值；
(1i)根据被动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,p：
Figure FDA00038407942800000313
其中，Rk,p为被动雷达的量测噪声协方差矩阵；
(1j)根据被动雷达的预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p和新息协方差矩阵Sk,p计算被动雷达的滤波器增益Kk,p：
Figure FDA00038407942800000314
(1k)根据被动雷达的预测状态估计量
Figure FDA00038407942800000315
预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p、滤波新息vk,p和新息协方差矩阵Sk,p，计算其状态估计量/>
Figure FDA0003840794280000041
及误差协方差矩阵Pk,p：
Figure FDA0003840794280000042
Figure FDA0003840794280000043
4.根据权利要求1的方法，其特征在于，步骤(2)中计算直角坐标系下主动雷达状态估计量
Figure FDA0003840794280000044
实现如下：
(2a)根据直角坐标系下主动雷达状态估计量
Figure FDA0003840794280000045
计算极坐标系下目标的径向距离/>
Figure FDA0003840794280000046
方位角/>
Figure FDA0003840794280000047
和俯仰角/>
Figure FDA0003840794280000048
的状态估计量：
Figure FDA0003840794280000049
其中,
Figure FDA00038407942800000410
Figure FDA00038407942800000411
分别直角坐标系下x、y、z轴上的位置估计,，(·)T表示求矩阵转置；
(2b)根据直角坐标系下主动雷达状态估计量
Figure FDA00038407942800000412
计算极坐标系下目标的径向速度/>
Figure FDA00038407942800000413
方位角角速度/>
Figure FDA00038407942800000414
和俯仰角角速度/>
Figure FDA00038407942800000415
的状态估计量：
Figure FDA00038407942800000416
其中
Figure FDA00038407942800000417
分别为直角坐标系下x、y、z轴上的速度估计，(·)-1表示求矩阵的逆，A(k)为变换矩阵，表示为：
Figure FDA00038407942800000418
其中，θk.a、
Figure FDA00038407942800000419
rk,a分别为主动雷达极坐标系下方位角、俯仰角和径向距离的量测值；
(2c)提取方位角和俯仰角的角度和角速度信息，得到主动雷达在极坐标系下状态估计量
Figure FDA0003840794280000051
Figure FDA0003840794280000052
5.根据权利要求1的方法，其特征在于，步骤(2)中计算极坐标系下主动雷达的误差协方差矩阵
Figure FDA0003840794280000053
实现如下：
(2d)对主动雷达的误差协方差矩阵Pk,a进行如下分块：
Figure FDA0003840794280000054
其中P11、P12、P13、P21、P22、P23、P31、P32和P33均为3×3的分块矩阵；
2e)提取分块矩阵中与角度和角速度有关的项，构成过渡协方差矩阵Pnew：
Figure FDA0003840794280000055
其中
Figure FDA0003840794280000056
和/>
Figure FDA0003840794280000057
均为3×3的分块矩阵；
2f)根据变换矩阵A(k)计算极坐标系下的误差协方差矩阵Rnew：
Figure FDA0003840794280000058
其中
Figure FDA0003840794280000059
和/>
Figure FDA00038407942800000510
均为3×3的分块矩阵；
2g)提取与角度和角速度有关的量，得到极坐标系下主动雷达的误差协方差矩阵
Figure FDA00038407942800000511
Figure FDA0003840794280000061
6.根据权利要求1的方法，其特征在于，步骤(3)中根据极坐标系下主动雷达的状态估计量
Figure FDA0003840794280000062
误差协方差矩阵/>
Figure FDA0003840794280000063
和极坐标系下被动雷达的状态估计量/>
Figure FDA0003840794280000064
误差协方差矩阵Pk,p，计算滤波过程中各时刻的状态估计量之间的马氏距离dk,ap中，公式如下：
Figure FDA0003840794280000065
其中，(·)T表示求矩阵转置，(·)-1表示求矩阵的逆。
7.根据权利要求1的方法，其特征在于，步骤(4)根据马氏距离dk,ap计算主/被动雷达滤波过程中各时刻的航迹关联统计量λk,ap中，公式如下：
Figure FDA0003840794280000066
其中，
Figure FDA0003840794280000067
为航迹关联检验长度，Twin为时间窗的大小。
8.根据权利要求1，其特征在于，步骤(5)中根据航迹关联统计量λk,ap，利用假设检验得到主/被动雷达航迹关联结果，实现如下：
(5a)将主动航迹与被动航迹关联成功表示为事件H0，将主动航迹与被动航迹关联失败表示为事件H1；
(5b)设βk,ap为航迹关联的判别门限，其满足：P{λk,ap＞βk,ap|H0}＝α，其中，α为显著性水平，Pr{·}表示求某一分布的概率；
(5c)将航迹关联统计量λk,ap与判别门限βk,ap相比较，确定所要接受的事件：
若λk,ap≤βk,ap，则接受事件H0；否则，接受事件H1。
9.根据权利要求1，其特征在于，步骤(7)中根据极坐标系下主动雷达的状态估计量
Figure FDA0003840794280000071
误差协方差矩阵/>
Figure FDA0003840794280000072
和极坐标系下被动雷达的状态估计量/>
Figure FDA0003840794280000073
误差协方差矩阵Pk,p，计算目标的状态估计量/>
Figure FDA0003840794280000074
实现如下：
(7a)设ωk,a为主动航迹的融合权重，ωk,p为被动航迹的融合权重ωk,p，且满足如下方程：
Figure FDA0003840794280000075
其中，min(·)表示求最小值，Tr[·]表示求矩阵的迹；
(7b)根据主动航迹的融合权重ωk,a、被动航迹的融合权重ωk,p，计算融合后的误差协方差矩阵Pk和状态估计量
Figure FDA0003840794280000076
Figure FDA0003840794280000077
Figure FDA0003840794280000078
CN202211104256.8A 2022-09-09 2022-09-09 基于主/被动雷达复合导引头数据关联的抗干扰方法 Pending CN116299208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211104256.8A CN116299208A (zh) 2022-09-09 2022-09-09 基于主/被动雷达复合导引头数据关联的抗干扰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211104256.8A CN116299208A (zh) 2022-09-09 2022-09-09 基于主/被动雷达复合导引头数据关联的抗干扰方法

Publications (1)

Publication Number Publication Date
CN116299208A true CN116299208A (zh) 2023-06-23

Family

ID=86819113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211104256.8A Pending CN116299208A (zh) 2022-09-09 2022-09-09 基于主/被动雷达复合导引头数据关联的抗干扰方法

Country Status (1)

Country Link
CN (1) CN116299208A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117452342A (zh) * 2023-12-26 2024-01-26 湖南力研光电科技有限公司 一种基于极化特征的箔条干扰检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117452342A (zh) * 2023-12-26 2024-01-26 湖南力研光电科技有限公司 一种基于极化特征的箔条干扰检测方法
CN117452342B (zh) * 2023-12-26 2024-03-19 湖南力研光电科技有限公司 一种基于极化特征的箔条干扰检测方法

Similar Documents

Publication Publication Date Title
Duan et al. Comments on" unbiased converted measurements for tracking"
CN107607916B (zh) 一种抗自卫式速度距离联合欺骗干扰方法
Garvanov et al. Target detection using a GPS forward-scattering radar
CN110231615B (zh) 基于海面目标空间约束的距离测量异常判别方法
CN108614245B (zh) 一种基于射频隐身的边跟踪边干扰方法
CN110161494B (zh) 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置
CN109633628B (zh) 基于分布式组网雷达数据融合的抗rgpo干扰的方法
CN111948657A (zh) 一种基于多模粒子滤波的机动弱目标检测前跟踪方法
CN112881993A (zh) 自动识别雷达分布杂波引起虚假航迹的方法
CN116299208A (zh) 基于主/被动雷达复合导引头数据关联的抗干扰方法
KR100852934B1 (ko) 부엽제거기를 개선한 잡음 재밍신호 탐지 시스템 및 방법
CN110673130A (zh) 一种基于航迹关联的运动目标航迹跟踪方法
CN110133612A (zh) 一种基于跟踪反馈的扩展目标检测方法
CN109031221B (zh) 数据层基于多维度特征提取的雷达抗密集假目标干扰方法
CN112834999B (zh) 一种干扰方位已知时雷达目标恒虚警检测方法与系统
Fang et al. E 2 DTF: An End-to-End Detection and Tracking Framework for Multiple Micro-UAVs With FMCW-MIMO Radar
CN114325599B (zh) 一种针对不同环境的自动门限检测方法
CN115616502A (zh) 无人飞行器机载雷达目标检测的杂波抑制方法
CN115616629A (zh) 一种基于天基外辐射源信号的运动目标探测补偿方法
Wang et al. Research on multi-maneuvering target tracking JPDA algorithm
CN108896968B (zh) 一种单站雷达干扰检测和跟踪方法
CN112698295A (zh) 一种知识辅助的雷达检测跟踪一体化方法及系统
Lin et al. Research on composite deception interference recognition and suppression technology based on multi-dimensional features
CN112068084B (zh) 基于方向谱的干扰回波与地杂波识别方法
CN115372956B (zh) 一种基于正逆逻辑Hough变换的混合体制雷达航迹起始方法

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