基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法
【專利摘要】本發明提出了一種基于目標多普勒速度估計的鑒別方法，主要是為了解決雷達網在鑒別密集距離假目標干擾過程中，鑒別效果隨虛假目標密集程度增大而變差的問題。首先，選定基準雷達并進行量測分組預處理，將其他組網雷達目標量測轉換至基準雷達局部坐標系下進行基于位置信息的量測關聯，以初步排除不相關的虛假量測與雜波，同時減小計算量；然后，基于坐標轉換后量測的位置信息估計出目標多普勒速度，與基準雷達多普勒速度量測進行檢驗，以實現虛假目標的鑒別。與經典的基于位置信息關聯鑒別的方法相比，本發明方法在距離多假目標密集程度較大的情況下能夠保證真假目標的高鑒別率。
【專利說明】
基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法
技術領域
[0001] 本發明隸屬于雷達數據處理領域，適用于解決雷達網密集距離假目標干擾鑒別問 題。
【背景技術】
[0002] 隨著現代電子戰技術的逐漸發展，雷達組網的方式正在越來越多地應用于目標的 跟蹤探測，而對于雷達網的干擾方式也隨之不斷更新。欺騙式干擾通過運用數字射頻存儲 器等先進的器件對雷達信號進行復制、調制與轉發，能夠以較小的投入換取較好的干擾效 果，因此欺騙式干擾及其對抗技術成為當前國內外專家研究的熱點。
[0003] 對雷達距離信息的欺騙干擾是一種常見的欺騙干擾方式，主要通過干擾設備對接 收到的雷達照射信號進行時延調制與放大轉發來實現，而距離多假目標干擾則是對雷達距 離信息欺騙的一種重要方式。在干擾機實施距離多假目標干擾的過程中，雷達、干擾機與虛 假目標在徑向距離方向上近似處于同一條直線上，虛假目標以等間隔分布于真實目標兩 側，且保持與真實目標相近的運動特征，極具迷惑性。當前對于距離多假目標的鑒別方法主 要基于真假目標的位置特征進行分析。經典的最近鄰方法是一種較為有效的距離多假目標 鑒別方法，該方法構建基于角度信息、距離信息的統計量，通過卡方檢驗實現真假目標的鑒 另IJ。然而，當前基于數字射頻存儲器等先進期間的干擾設備通過對雷達發射信號的精確復 制、調制與轉發可以有效控制虛假目標數量與間隔距離，使得虛假目標在空間分布上更加 接近于真實目標。當前經典的最近鄰方法能夠實現虛假目標密集程度較小情況下的真假目 標鑒別，而當距離向的虛假目標數量大幅增加，且虛假目標密集程度增大時，僅通過分析目 標的位置信息進行真假目標鑒別的方法的錯誤關聯率將上升，鑒別效果將變差，且隨著虛 假目標密集程度進一步增加時，鑒別效果將急劇惡化。因此，需要引入新的目標量測信息以 改善對虛假目標的鑒別能力。
[0004] 對于雷達網距離向的欺騙干擾，干擾設備通過控制轉發雷達信號的延遲時間來實 現距離信息的欺騙，而對于虛假目標的多普勒信息調制并沒有兼顧，這就會出現虛假目標 的多普勒速度信息與其運動狀態不匹配的情況，根據這一特性，對于具備測速功能的雷達， 通過引入目標的多普勒速度量測信息與基于位置信息估計出的真假目標運動狀態進行比 較，分析兩者之間的差異，以實現真假目標的鑒別，從而有效改善雷達網的鑒別能力。
【發明內容】
[0005] 針對雷達網在密集距離假目標干擾鑒別過程中，鑒別效果隨虛假目標密集程度增 大而變差的問題，提出了一種基于多普勒速度估計的密集距離假目標干擾鑒別方法。首先 選定基準雷達進行量測分組預處理，將其他組網雷達目標量測轉換至基準雷達局部坐標系 下進行基于位置信息的量測關聯，以初步剔除不相關的虛假目標量測，同時減小計算量;然 后基于坐標轉換后的量測的位置信息估計出目標的多普勒速度，與基準雷達多普勒速度量 測進行檢驗，即實現最終的真假目標的鑒別。本發明采用技術方案步驟如下：
[0006] 1.基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法，其特征在于包括以 下技術步驟：
[0007] 步驟(一）、基準雷達量測分組與數據壓縮；
[0008] 選定組網雷達中雷達1為基準雷達，假設k時刻雷達1第i個量測的距離SPl(k)，方 位角為Qi(k)，俯仰角為￡i(k)，第j個量測的距離、方位角和俯仰角分別為Pj(k)、9j(k)、ej (k)。通過(1)式對雷達1量測進行分組：
[0010] 其中/^ 是檢驗門限，α是其顯著性水平，n = 2是自由度，σθ和〇￡分別表示雷達 的方位角和俯仰角量測誤差標準差；如果雷達1的i和j量測滿足（1)式，則將這兩個量測劃 歸一組，其他量測按照（1)式與已劃分為一組的任意量測按照此方法進行檢驗，若滿足（1) 式，則將該量測劃歸該組中，若某量測與所有已分組量測均不滿足（1)式，則將此量測劃入 一個新的組，按照此過程，直到所有量測判斷劃分完為止；
[0011] 經過量測分組，方位角與俯仰角相同的各個量測被劃分為一組;將各個分組中的 目標量測方位角與俯仰角進行數據壓縮，考慮各個分組中的量測均來自同一部組網雷達， 壓縮后的量測為各個分組中量測的算術平均，若k時刻第1個分組中有NKk)個量測，則壓縮 后量測精度提高了^/^y;
[0012]步驟(二）、基于量測位置信息的關聯檢驗；
[0013] 建立馬氏距離統計量：
[0014] n2(k)= AT(k)(R2t〇i(k)+Ri(k))^A (k) (2) 則虛假目標鑒別問題可用如下準則進行判別：
[0015] Η〇:ι(幻<%(3)，目標量測為潛在真實目標；
[0016] 目標量測為虛假目標或雜波點；
[0017] 其中，其中1(3)為判決門限，α為顯著性水平；Δ (k) = Z2t〇i,ENU(k)_Zi,ENU(k)， Z2t。1,ENU(k)為其他組網雷達量測轉換至基準雷達ENU坐標系中的坐標矩陣，Zl, ENU(k)為基準 雷達第1個分組的坐標;R2tol(k)與Rl(k)分別為量測Z2t0l,ENU(k)與Zl,ENU(k)的量測協方差矩 陣；
[0018] 步驟(三）、將通過步驟(二)關聯檢驗的目標量測用于目標多普勒速度的估計，得 到潛在真實目標的多普勒速度估計；
[0019] 步驟（四）、將步驟(三)得到的潛在真實目標多普勒速度估計值與基準雷達多普勒 速度量測進行作差，并構造檢驗統計量，通過卡方檢驗實現真實目標的最終鑒別；
[0020] 步驟(五）、將通過步驟(四）檢驗的量測所對應的位置信息組成一個新的集合：
[0021 ] Zreal,q(k) = { (P2tol,l,p(k)，02tol,l,p(k)，82tol,l,p(k) ),(Pl,l(k),9l，l(k)，ei，l(k))} (3)
[0022] 其中（P2t〇i,i,p(k) Jwndk) ^:^:^:^仏:^表示其他組網雷達轉換至基準雷達后 對應基準雷達第1個分組方向上的第P個目標量測，（p1;i(k)，Θ 1;1(10，ei>1(k))表示基準雷達 第1個分組方向上的真實目標量測;z real,q(k)的下標q表示第q個真實目標量測集合;將通過 多普勒速度檢驗后的兩個量測視為組網雷達探測到的同一真實目標量測；
[0023] 假設集合Zre3al,q(k)中共有L個量測，則這L個量測被認為是同一目標量測，為提高 雷達網的測量精度，將集合zre3al,q(k)中的量測進行基于點跡合成的融合處理，其中真實目 標的多普勒速度量測采用基準雷達的多普勒速度量測V1(k);
[0024] 對于集合Zreai,q(k)中的量測向量21(1〇、22(1〇、一^(1〇，與之相對應的量測誤差 協方差Ri(k)、R 2(k)、…、RL(k)，進行融合處理后得到新的量測數據與協方差數據：
[0027]將融合后的真實目標量測2如：1。11(1〇 = |>|^：1。11(1〇0￡1^。11(1〇￡￡1^。 11(1〇￥1(1〇]1'作 為量測輸入，利用擴展卡爾曼濾波算法實現真實目標的穩定跟蹤。
[0028]具體的，所述的步驟(三）中基于多普勒速度檢驗的雷達網抗密集距離假目標干擾 方法具體又可分為以下步驟：
[0029] (1)在得到潛在真實目標量測后，考慮到在雷達網在鑒別虛假目標的過程中的非線 性因素，將通過擴展卡爾曼濾波算法進行非線性濾波估計;基于位置信息的狀態方程為X: (k+l)=FXi(k)+V(k)，極坐標量測方程為ZKlOzhKXKkD+WKk);其中，Xi(k)為k時刻潛在 真實目標狀態向量，F為狀態轉移矩陣，V(k)為過程噪聲矩陣，Xi(k+1)為k+Ι時刻潛在真實 目標狀態向量，Zi(k)為潛在真實目標的量測向量，
Wi (k)是量測噪聲，其協方差陣
[0030] ⑵根據潛在真實目標的狀態方程與量測方程得到目標碰估計為咖似'(叫， 速度估計矢量為$㈨= %2(〇1(幻因此轉換至基準雷達的目標量測相對于基 準雷達的方向矢量為：
[0032] (3)潛在真實目標量測的多普勒估計速度為速度估計?⑷在?(々)方向上的投影，即 轉換至基準雷達后的潛在真實目標多普勒速度估計為：
[0034]多普勒速度估計的方差為4 =ΒΡΒτ，其中，Ρ為k時刻的速度估計和位置估計的協方
[0035] 具體的，所述的步驟（四）中基于多普勒速度檢驗的雷達網抗密集距離假目標干擾 方法具體又可分為以下步驟：
[0036] (1)將步驟(三）中估計出的潛在真實目標多普勒速度與基準雷達對應潛在真實目 標的多普勒速度量測構建統計量：
[0038] 其中，v(k)為k時刻基準雷達對應潛在真實目標的多普勒速度量測，< 為測速誤差 方差；
[0039] (2)根據所構建統計量，對基于多普勒速度的虛假目標鑒別問題建立判決
[0040] Ho: %⑷</〗(])，目標量測為真實目標量測；
[0041 ] Hi: ",(/〇>允(1)，目標量測為虛假目標量測；
[0042]其中，￡(1)為判決門限，α為其顯著性水平。
[0043]本發明的有益效果是：
[0044] 對比現有基于位置信息的關聯鑒別方法，本技術方案所述的基于多普勒速度檢驗 的雷達網抗密集距離假目標干擾方法，有益效果在于：
[0045] 1)虛假目標密集程度大時能夠保證真假目標的高鑒別率。當虛假目標數量大，密 集程度高時，基于位置信息的關聯鑒別方法的錯誤關聯率變大，無法實現真實目標的正確 鑒別；本發明首先通過基于位置信息的關聯檢驗實現初步剔除一部分虛假目標，以降低計 算量，然后對通過位置信息關聯的潛在真實目標進行多普勒速度估計以實現最終的真假目 標鑒別。
[0046] 2)雷達位置參數測量精度變化時仍能保持真假目標的高鑒別率。當雷達位置參數 測量精度降低時，基于位置信息的關聯鑒別方法的錯誤關聯率變大，鑒別效果變差;本發明 通過引入多普勒速度信息，在多普勒速度維層面上增加了一重關聯檢驗，有效保證了良好 的鑒別效果。
【附圖說明】
[0047]附圖1本發明的方法步驟流程圖；
[0048]附圖2是密集距離假目標干擾示意圖；
[0049] 附圖3是虛假目標密集程度對真實目標正確鑒別率的影響變化趨勢圖；
[0050] 附圖4是雷達測距精度變化對本發明方法與基于位置信息關聯方法真實目標正確 鑒別率的影響對比圖；
[0051] 附圖5是雷達測角精度變化對本發明方法與基于位置信息關聯方法真實目標正確 鑒別率的影響對比圖。
【具體實施方式】
[0052] 下面結合附圖，詳細描述本發明的技術方案，參照附圖1，本發明的具體步驟包括：
[0053] 步驟(一）、基準雷達量測分組與數據壓縮；
[0054] 選定組網雷達中雷達1為基準雷達，假設k時刻雷達1第i個量測的距離SPl(k)，方 位角為Qi(k)，俯仰角為￡i(k)，第j個量測的距離、方位角和俯仰角分別為Pj(k)、9j(k)、ej (k)。通過(9)式對雷達1量測進行分組：
[0056]其中巧=ζ〗(》)是檢驗門限，α是其顯著性水平，n = 2是自由度，σθ和σε分別表示雷達 的方位角和俯仰角量測誤差標準差；如果雷達1的i和j量測滿足(9)式，則將這兩個量測劃 歸一組，其他量測按照(9)式與已劃分為一組的任意量測按照此方法進行檢驗，若滿足(9) 式，則將該量測劃歸該組中，若某量測與所有已分組量測均不滿足(9)式，則將此量測劃入 一個新的組，按照此過程，直到所有量測判斷劃分完為止；
[0057]經過量測分組，方位角與俯仰角相同的各個量測被劃分為一組;將各個分組中的 目標量測方位角與俯仰角進行數據壓縮，考慮各個分組中的量測均來自同一部組網雷達， 壓縮后的量測為各個分組中量測的算術平均，若k時刻第1個分組中有NKk)個量測，則壓縮 后量測精度提尚了 *'
[0058]步驟(二）、基于量測位置信息的關聯檢驗；
[0059] 建立馬氏距離統計量：
[0060] n2(k)= AT(k)(R2t〇i(k)+Ri(k))_1A (k) (10) 則虛假目標鑒別問題可用如下準則進行判別：
[0061] ΗοαΟΚΖΠ )，目標量測為潛在真實目標；
[0062] Hi: %⑷ > 允⑶，目標量測為虛假目標或雜波點；
[0063] 其中，其中為判決門限，α為顯著性水平；Δ (k) = Z2t〇i,ENU(k)_Zi,ENU(k)， Z2t。1,ENU(k)為其他組網雷達量測轉換至基準雷達ENU坐標系中的坐標矩陣，Zl, ENU(k)為基準 雷達第1個分組的坐標;R2tol(k)與Rl(k)分別為量測Z2t0l,ENU(k)與Zl,ENU(k)的量測協方差矩 陣；
[0064] 步驟(三）、在得到潛在真實目標量測后，考慮到在雷達網在鑒別虛假目標的過程中 的非線性因素，將通過擴展卡爾曼濾波算法進行非線性濾波估計;基于位置信息的狀態方程 為Xi(k+1) zFXiGO+VU)，極坐標量測方程為Zi(k) zhiUKk) HWiGO ;其中，Xi(k)為k時刻潛 在真實目標狀態向量，F為狀態轉移矩陣，V(k)為過程噪聲矩陣，X^k+1)為k+1時刻潛在真實 目標狀態向量，Zi(k)為潛在真實目標的量測向量，
Wi (k)是量測噪聲，其協方差陣
[0065] 根據潛在真實目標的狀態方程與量測方程得到目標位置估計為 速度估計矢量為汐閎= ⑷％ :，因此轉換至基準雷達的目標量測相對于基 準雷達的方向矢量為：
[0067]潛在真實目標量測的多普勒速度估計為估計速度?(/〇在?Ρ)方向上的投影，即轉 換至基準雷達后的潛在真實目標多普勒速度估計為：
[0069] 多普勒速度估計的方差為# =ΒΡΒΤ，其中，Ρ為k時刻的速度估計和位置估計的協
[0070] 步驟（四）、將步驟(三）中估計出的潛在真實目標多普勒速度估計與基準雷達對應 潛在真實目標的多普勒速度量測構建統計量：
[0072] 其中，v(k)為k時刻基準雷達對應潛在真實目標的多普勒速度量測，<為測速誤差 方差；
[0073] 對基于多普勒速度的虛假目標鑒別問題建立判決：
[0074] Ho: %(*) ；￡力1)，目標量測為真實目標量測；
[0075] Hi: %(幻> ，目標量測為虛假目標量測；
[0076] 其中，允⑴為判決門限，α為其顯著性水平；
[0077] 步驟(五）、將通過步驟(四）檢驗的量測所對應的位置信息組成一個新的集合：
[0078] Zreal,q(k) = { (P2tol, l,p (k) , 02tol,l,p(k) , ￡2tol,l,p(k) ) , (Pl,l(k) , 9l,l(k) , ￡l;l(k) ) } (14)
[0079] 其中（P2t0i,i,p(k) Jwndk) ^^化:^仏:^表示其他組網雷達轉換至基準雷達后 對應基準雷達第1個分組方向上的第P個目標量測，（p1;i(k)，Θ 1;1(10，ei>1(k))表示基準雷達 第1個分組方向上的真實目標量測;z real,q(k)的下標q表示第q個真實目標量測集合;將通過 多普勒速度檢驗后的兩個量測視為組網雷達探測到的同一真實目標量測；
[0080] 假設集合Zre3al,q(k)中共有L個量測，則這L個量測被認為是同一目標量測，為提高 雷達網的測量精度，將集合Z re3al,q(k)中的量測進行基于點跡合成的融合處理，其中真實目 標的多普勒速度量測采用基準雷達的多普勒速度量測 V1(k);
[0081] 對于集合Zreai,q(k)中的量測向量21(1〇、2 2(1〇、一^(1〇，與之相對應的量測誤差 協方差Ri(k)、R2(k)、…、RL(k)，進行融合處理后得到新的量測數據與協方差數據：
[0084]將融合后的真實目標量測2&：1。11(1〇 = |>|^：1。11(1〇0￡1^。11(1〇￡￡1^。 11(1〇￥1(1〇]1'作 為量測輸入，利用擴展卡爾曼濾波算法實現真實目標的穩定跟蹤。
[0085]本發明的效果可以通過以下matlab仿真實驗進一步說明：
[0086]仿真實驗場景設置
[0087]假設具備測速功能的雷達1為基準雷達，其地理坐標為北煒37.0°、東經120°、高度 100m，雷達2的地理坐標為北煒37.5°、東經120°、高度300m。兩部雷達的測距精度均為100m， 方位角、俯仰角測量精度均為〇. 1°，多普勒速度測量精度均為lm/s，采樣周期均為Is;真實 目標起始位置為北煒37.3°、東經121.3°、高度10000m，相對雷達1的E、N、U三個方向上的運 動速度分別為340111/8、-200111/8、-25111/8 ;雷達網對目標連續觀測2008，目標檢測概率為1〇
[0088] 假設真實目標自身攜帶干擾設備，干擾設備通過捕獲組網雷達的信號，同時進行 復制、調制與轉發，能夠實施有效的密集距離假目標欺騙干擾，干擾機在調制產生虛假目標 的過程中，虛假目標多普勒信息與其運動狀態出現"不匹配"的現象，由這一現象產生的多 普勒速度偏差設為lOm/s;干擾過程中，干擾設備在真實目標兩側每間隔1300m產生一個虛 假目標，每側各產生10個，共20個虛假目標。蒙特卡洛仿真次數均為500次。
[0089] 仿真結果及分析:在其他仿真條件不變的情況下，改變虛假目標密集程度，由附圖 3可以看出，隨著距離向虛假目標的密集程度不斷增大，僅基于位置信息的鑒別方法的正確 識別率出現大幅下降的趨勢，而本發明方法始終保持較高的正確識別率。分析其原因可知， 當虛假目標密集程度較小時，距離多假目標之間間隔較大，組網雷達目標量測點之間相互 關聯成功的概率隨之提高，因此基于位置信息檢驗方法能夠有效鑒別出真實目標與虛假目 標;而虛假目標密集程度逐漸增大時，距離多假目標之間的間隔隨之變小，使得組網雷達目 標量測點之間發生錯誤關聯的概率大大增加，僅基于位置信息將很難區分出真假目標量 測，因此導致正確識別率大幅降低;而本發明方法在目標位置信息的基礎上，通過將測速雷 達得到的目標多普勒速度信息與基于位置信息估計出的多普勒速度進行作差、構建檢驗量 來進行統計判決，將基于位置信息關聯檢驗后存在的多對量測組合作進一步篩選，最終實 現真假目標的區分，由此保證了在距離多假目標密集程度較大情況下的真實目標識別率。 在其他仿真條件不變的情況下，分別改變組網雷達測距精度和測角精度，由附圖4和附圖5 可以看出，當虛假目標密集程度較大時，本發明方法仍能夠保持較高的正確識別率，而基于 位置信息關聯方法的識別率明顯低于本文方法。分析其原因可知，當虛假目標密集程度較 大時，僅通過目標的位置信息已經較難實現真假目標的有效鑒別，而本發明方法在目標位 置信息的基礎上引入了多普勒速度信息，使目標量測增加了新的信息量，由此通過結合位 置信息與多普勒速度信息保證了鑒別效果。
【主權項】
1. 基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法，其特征在于，包括W下 步驟： 步驟(一）、選定基準雷達，并將基準雷達量測進行分組與數據壓縮； 步驟(二）、基于目標量測位置信息構建馬氏距離統計量，通過卡方檢驗進行真假目標 鑒別，W初步剔除不相關的虛假目標量測，同時減小計算量，將通過關聯檢驗的目標視為潛 在真實目標； 步驟(Ξ)、將通過步驟(二)關聯檢驗的目標量測用于目標多普勒速度的估計，得到潛 在真實目標的多普勒速度估計； 步驟（四）、將步驟(Ξ)得到的潛在真實目標多普勒速度估計值與基準雷達多普勒速度 量測進行作差，并構造檢驗統計量，通過卡方檢驗實現真實目標的最終鑒別； 步驟(五）、將通過步驟（四）檢驗的各組網雷達的真實目標量測進行融合處理，并將融 合后的目標量測作為量測輸入，通過卡爾曼濾波算法進行濾波與估計，最終實現真實目標 的穩定跟蹤。2. 根據權利要求1所述的基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法， 其特征在于，步驟(Ξ)具體包括W下子步驟： (1) 在得到潛在真實目標量測后，考慮到在雷達網在鑒別虛假目標的過程中的非線性 因素，將通過擴展卡爾曼濾波算法進行非線性濾波估計;基于位置信息的狀態方程為Xi化+ l)=FXi化)+Wk)，極坐標量測方程為Zi化）=hi(Xi化））+Wi化）；其中，Xi化)為k時刻潛在真 實目標狀態向量，F為狀態轉移矩陣，Wk)為過程噪聲矩陣，Xi化+1)為k+1時刻潛在真實目 標狀態向量，Zi化)為潛在真實目標的量測向量，hi化化)）為(2) 根據潛在真實目標的狀態方程與量測方程得到目標位置估計知電,。#化，。腳.佩)， 速度估計矢量為巧巧=[么，,。,腳％，，。,腳\。，腳]，因此轉換至基準雷達的目標量測相對于基 準雷達的方向矢量為：(3) 潛在真實目標量測的多普勒速度估計為估計速度帝W在τ腳方向上的投影，即轉換 至基準雷達后的潛在真實目標多普勒速度估計為多普勒速度估計的方差為為=βρβτ，其中，Ρ為k時刻的速度估計和位置估計的協方差 陣3.根據權利要求1所述的基于多普勒速度檢驗的雷達網抗密集距離假目標干擾方法， 其特征在于，步驟(四）具體包括W下子步驟： (1) 將步驟(Ξ)中估計出的潛在真實目標多普勒速度與基準雷達對應潛在真實目標的 多普勒速度量測構建統計量：其中，V化)為k時刻基準雷達對應潛在真實目標的多普勒速度量測，4為測速誤差方差； (2) 根據所構建統計量，對基于多普勒速度的虛假目標鑒別問題建立判決： 化:義W)，目標量測為真實目標量測； 出:化，腳> 乂扣)，目標量測為虛假目標量測； 其中，ω為判決口限，α為其顯著性水平。
【文檔編號】G01S7/36GK106093891SQ201610766378
【公開日】2016年11月9日
【申請日】2016年8月30日
【發明人】王國宏, 吉喆, 吳巍, 張翔宇
【申請人】中國人民解放軍海軍航空工程學院