CN104656070A - 雷达组网下的虚假目标消除方法 - Google Patents

Abstract

雷达组网下的虚假目标消除方法，属于雷达目标信息处理技术领域。本发明解决了现有的多个组网雷达观测同一区域时，由于雷达的精度不同而导致多个雷达所采集的目标位置数据存在差异而产生虚假目标，进而影响当前战场态势的正确判断的问题。本发明的技术要点为：构建通用雷达通讯协议模板，利用所述通讯协议模板获取雷达目标数据；进行目标数据信息关联；进行目标数据相似度度量；在目标数据相似度度量完成后，进行目标数据融合处理。本发明使得虚假目标产生概率降低了50％左右，降低雷达组网情况下的虚假目标产生概率。本发明主要应用于军用雷达目标信息处理过程，也可以扩展应用于测量过程中的多传感器信息融合处理。

Description

雷达组网下的虚假目标消除方法

技术领域

本发明涉及一种雷达组网下的虚假目标消除方法，属于雷达目标信息处理技术领域。

背景技术

雷达是现代武器***的“千里眼”，其主要功能是搜索、发现、捕获、跟踪、测量目标。在现代战争中，雷达可以超视距、全天候、高精度地提供战场所需要的各种信息，是信息化作战体系的核心。自从第一部雷达在第二次世界大战期间诞生以来，越来越细、越来越全的空情需求不断推动着雷达技术的发展。如今，现代战争的战场范围扩大到陆、海、空、天、电磁五维空间中，高技术兵器尤其是精确制导武器和远程打击武器的诞生，使雷达成为现代高技术战争中敌方打击的首要目标。传统单独工作的雷达所面临的“四大威胁”(电子干扰、隐身、反辐射摧毁和低空突防)，使单雷达已不可能与电子对抗***全面抗衡。在这种情况下，单台雷达所能提供的信息已无法满足区域作战指挥决策的需求，于是，最早的雷达组网***“Home Chain”在50多年前应运而生。

雷达组网是通过对多个不同频段、不同极化方式的雷达适当布站，对网内各部雷达的信息形成“网”状收集与传递，并由中心站综合处理、控制和管理，从而形成一个统一的有机整体。网内各雷达的信息汇集至中心站综合处理，得出雷达网覆盖范围内的情报信息、战略态势。雷达组网与情报综合具有实质性的不同，情报综合是将各雷达站航迹信息送至情报处理中心，中心选取主站航迹作为***航迹，从而进行威胁估计、拟定作战方案并实施。而雷达组网紧紧抓住了信息数据融合这一关键，对各雷达送来的信息进行信息融合，由此可得出许多单部雷达得不到的信息；其次，网内具有信息反馈与控制功能，这样就具备了网的重组能力，以灵活多变的工作方式极大地提高了整个网的“四抗”能力，确保有效的数据、情报上报。雷达组网***的性能优势是任何单一雷达或以往那种以单纯的情报收集为目的雷达网所不可攀比的。

雷达组网信息融合也会产生虚假目标，通过多雷达信息融合固然可以搜集更详细的情报、提高目标定位的精度，但同时也会引入数据实时和同步的问题。在实时性方面，多个雷达通过网络将数据传送给数据融合处理机必然存在不同的网络延时，融合处理也需要时间，这会造成情报显示滞后。在同步性方面，雷达相扫周期较长而且各个雷达开机时间和相扫周期可能不同，这就会造成多个雷达定位到同一目标的数据在时间上和目标运动状态上可能有很大的差异，融合中不能被识别而引入新的虚假目标。虚假目标产生的原因是多个雷达探测同一目标时，由于雷达精度不同会得到多个位置数据，以至于无法确定目标的准确位置。由于各雷达传输到融合中心的数据本身不含有虚假目标，所以虚假目标出现在多个雷达探测范围的交集区域。由于雷达的精度不同而导致多个雷达所采集的目标位置数据存在差异而产生虚假目标，进而影响当前战场态势的正确判断。

发明内容

本发明的目的是提出一种雷达组网下的虚假目标消除方法，以解决针对现有的多个组网雷达观测同一区域时，由于雷达的精度不同而导致多个雷达所采集的目标位置数据存在差异而产生虚假目标，进而影响当前战场态势的正确判断的问题。

本发明为解决上述技术问题所采用的技术方案是：

本发明所述的雷达组网下的虚假目标消除方法，是按照以下步骤实现的：

步骤一、构建通用雷达通讯协议模板，利用所述通讯协议模板获取雷达目标数据；

采用数据帧、数据元素、数据元素位三级层次进行各种雷达通讯协议的统一描述，数据帧为雷达输出的完整目标数据协议；

数据元素为目标数据协议中的属性信息单元；

数据元素位为数据元素中单个二进制位或多个二进制位的与逻辑组合；

所述构建通用雷达通讯协议模板的具体过程为：

步骤一一、根据雷达通讯协议类型添加对应的数据帧；

步骤一二、根据雷达通讯协议中的属性信息单元，在数据帧下增加数据元素；

步骤一三、根据数据元素中的各个位的不同取值是否代表不同含义，决定是否增加数据元素位信息；

步骤一四、使用LIBXML2以数据帧为根节点，数据元素为枝节点，数据元素位为叶节点，生成XML格式的通用雷达通讯协议模板；

步骤二、在步骤一完成后，进行目标数据信息关联；

用R1表示1号雷达，用R2表示2号雷达，用{B11，B12,B13，…B1I}表示1号雷达探测的目标数据，I≤M、M为1号雷达最大探测目标的数量，用{B21，B22,B23，…B2J}表示2号雷达探测的目标数据，J≤N，N为2号雷达最大探测目标的数量，具体过程如下：

步骤二一、从1号雷达中选择第一个目标数据B11，从2号雷达选择第一个目标数据B21，计算B11和B21之间的距离D，将距离D与预先设定的阈值G比较，若距离D超过了预先设定的阈值G，则抛弃这组目标航迹配对，执行步骤二二，若不超过，直接执行步骤二三；

步骤二二、将1号雷达中的目标数据B11与2号雷达的下一目标B22再进行比较，直到比较结果小于阈值G，从1号雷达和2号雷达中的可配对航迹中删除这组航迹，然后再从1号雷达中选择下一个目标数据与2号雷达中没有配对的目标数据关联；

步骤二三、重复步骤二一与步骤二二，直至1号雷达中所有的航迹都完成关联，即1号雷达中的目标航迹列表已经配对完成，对1号雷达中没有配上对的航迹也保留，以便以后与其他雷达未配上对的航迹配对。

步骤三、在步骤二完成后，进行目标数据相似度度量；

通过目标数据信息关联处理之后，若两个雷达的数据都有速度值，利用速度值对配对的结果进行相似性度量，若两个雷达中的任意一个雷达数据没有速度值，则不执行目标数据相似度度量；

步骤四、在目标数据相似度度量完成后，进行目标数据融合处理；

在目标数据信息关联和目标相似度度量之后，对于配对成功后的数据采用加权平均的方法进行目标数据融合处理。

本发明的有益效果是：

1、本发明提高了多个雷达组网情况下的目标识别定位精度，多个雷达组网情况下的目标定位精度高于单一雷达的目标定位精度，在N个等精度雷达组网进行目标定位时，通过本发明方法可使得目标定位精度提高至原单一雷达的倍；同时消除由于多个雷达精度不一致所产生的虚假目标，通过目标数据信息关联、相似度度量和数据融合处理过程，使得虚假目标产生概率降低了50％左右，能够保证在提高目标定位精度的同时，降低雷达组网情况下的虚假目标产生概率。

附图说明

图1为本发明的流程图；

图2为具体实施方式一中某型号雷达1某信息帧发布数据格式；

图3为具体实施方式一中某型号雷达2某报文发布数据格式；

图4为通用雷达通讯协议模板结构图，其中M为数据元素的总数，K为数据元素位的总数；

图5为目标数据信息关联过程流程图。

具体实施方式

结合附图进一步详细说明本发明的具体实施方式。

具体实施方式一：下面结合图1、图2、图3，图5说明本实施方式，本实施方式所述的一种雷达组网下的虚假目标消除方法，包括以下步骤：

步骤一、构建通用雷达通讯协议模板，利用所述通讯协议模板获取雷达目标数据；

为实现各种通讯协议类型雷达数据的获取，构建一种通用的雷达通讯协议模板，采用数据帧、数据元素、数据元素位三级层次进行各种雷达通讯协议的统一描述，在通用雷达通讯协议模板中，数据帧为雷达输出的完整目标数据协议，包括警戒雷达新97、原97、目标航迹报、测量雷达情报信息帧、AIS***信息传输规范；

数据元素为目标数据协议中的属性信息单元；

数据元素位为数据元素中单个二进制位或多个二进制位的与逻辑组合；

所述构建通用雷达通讯协议模板的具体过程为：

步骤一一、根据雷达通讯协议类型添加对应的数据帧；

步骤一二、根据雷达通讯协议中的属性信息单元，在数据帧下增加数据元素；

步骤一三、根据数据元素中的各个位的不同取值是否代表不同含义，决定是否增加数据元素位信息；

步骤一四、使用LIBXML2以数据帧为根节点，数据元素为枝节点，数据元素位为叶节点，生成XML格式的通用雷达通讯协议模板；

雷达目标数据获取是指通过各种雷达设备外部通讯接口方式接收其探测到的目标数据信息的过程。雷达目标数据的获取需要按照其外部通讯协议格式进行解析，通讯协议指通信双方为完成通信或服务所必须遵循的规则，是通信双方数据传输控制过程中的一种约定。通讯协议通常包含三部分：语法、语义、定时。语法定义了协议数据的格式、编码和控制信息(如高低电平等)；语义规定了数据的内容和含义等；定时规定了协议的传输延迟、速率匹配等信息。

在目前常用的雷达设备外部通讯协议类型不尽相同，常用的雷达通讯协议有警戒雷达新97、原97、目标航迹报、测量雷达情报信息帧、AIS***信息传输规范等多种通讯协议规范，为了便于雷达目标数据的获取以及方便后续目标信息融合处理过程，需要抽象一种通用的通讯协议模板进行雷达通讯协议的描述。

以某型号雷达1信息传输格式为例，该雷达输出的目标数据信息在网络层采用IP协议，传输层采用UDP用户数据报协议，应用层采用信息包为单位进行信息传输，一个信息包中可包含多个信息帧，其中某信息帧数据发布格式如图2所示。该信息帧采用Byte、Int等数据类型，描述了类别码、情报源、时间、批号、动态、标志位、数量、经度、纬度、高度、速度和航向角等信息。此外，标志位采用位定义的方式，使用D0-D7位定义了该信息帧数据有效标志信息。

在某型号雷达2信息传输过程中，采用UDP/IP数据报协议，某报文格式如图3所示。在该报文中使用BYTE、Int、Double等数据类型定义了必选项和可选项两类元素信息。其中必选项元素包含情报源、批号、属性、访问等信息，是报文传输过程中必需包含的信息；可选项元素包含高度、航向等信息，是报文传输过程中可以不包含的信息。为了能够正确识别各可选项元素，该报文规定每个可选项元素数据的第一位为前导符位，并使用大写英文字母作为前导符标识，并规定前导符标识不能重复。

此外，在某些雷达的通讯协议中存在包含动态元素的协议信息，这类协议中协议数据总长度不定，其总长度取决于动态数据的长度。此外，某些协议元素存在物理值处理的需求，必须通过协议数据的计算才能得到相关协议元素的数据值从而被其他设备所使用。根据以上对靶场各类协议格式的分析可知，为了实现通讯协议各异的雷达设备信息快速获取，必须提出一个通用的通讯协议数据结构，以覆盖目前多数雷达设备常用的通讯协议。该通讯协议数据结构可以支持协议数据常用的数据类型，能够全面描述协议特征信息并可以实现相关的数据处理。

步骤二、在步骤一完成后，进行目标数据信息关联；

在获取各雷达目标信息数据后，接下来进行目标数据信息关联。

先考虑两个雷达目标数据之间的关联问题，用R1表示1号雷达，用R2表示2号雷达，用{B11，B12,B13，…B1I}表示1号雷达探测的目标数据，I≤M、M为1号雷达最大探测目标的数量，用{B21，B22,B23，…B2J}表示2号雷达探测的目标数据，J≤N，N为2号雷达最大探测目标的数量，具体过程如下：

步骤二一、从1号雷达中选择第一个目标数据B11，从2号雷达选择第一个目标数据B21，计算B11和B21之间的距离D，将距离D与预先设定的阈值G比较，若距离D超过了预先设定的阈值G(阈值选择雷达1的精度与雷达2的精度值的绝对值之和)，则抛弃这组目标航迹配对，执行步骤二二，因为超过阈值意味着B11和B21来源于同一目标的概率很低。若不超过，直接执行步骤二三；

步骤二二、将1号雷达中的目标数据B11与2号雷达的下一目标B22再进行比较，直到比较结果小于阈值G，就认为这两个数据来源于同一目标，从1号雷达和2号雷达中的可配对航迹中删除这组航迹，然后再从1号雷达中选择下一个目标数据与2号雷达中没有配对的目标数据关联；

步骤二三、重复步骤二一与步骤二二，直至1号雷达中所有的航迹都完成关联，即1号雷达中的目标航迹列表已经配对完成，对1号雷达中没有配上对的航迹(目标可能不在两个雷达的交集区域，一个雷达检测到目标，另一个未检测到)也保留，以便以后与其他雷达未配上对的航迹配对。

如果还有其它雷达探测目标数据时，也采用上述相同的方法进行配对。整个目标数据信息关联过程如图5所示。

步骤三、在步骤二完成后，进行目标数据相似度度量；

通过目标数据信息关联处理之后，若两个雷达的数据都有速度值，利用速度值对配对的结果进行相似性度量，进一步验证配对的正确性。若两个雷达中的任意一个雷达数据没有速度值，则不执行目标数据相似度度量；

步骤四、在目标数据相似度度量完成后，进行目标数据融合处理；

在目标数据信息关联和目标相似度度量之后，对于配对成功后的数据采用加权平均的方法进行目标数据融合处理。加权平均的基本思想是根据各个雷达的精度、可靠性等性能指标给各个雷达分配一个权值，对精度高、可靠性高的雷达分配一个较大的权值，对精度低、可靠性差的雷达分配较小的权值，而权值的选取正是该算法的核心。

具体实施方式二：下面结合图4说明本实施方式，本实施方式与具体实施方式一不同的是：步骤一一所述的根据雷达通讯协议类型添加对应的数据帧的具体方法如下：

按照通讯协议中的信源填写源设备；

按照通讯协议中的信宿填写目标设备；

按照通讯协议长度是否固定填写动态帧标识，对于长度不固定的通讯协议，按照通讯协议中的数量填写动态帧个数所在位置，按照通讯协议中的最大值填写动态帧上限，对于长度固定的通讯协议，不填写动态帧个数所在位置和动态帧上限；

按照通讯协议中的识别符填写帧头信息；

按照通讯协议中的结束符填写帧尾信息；

按照通讯协议中的补充填写备注。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤一二所述的根据雷达通讯协议中的属性信息单元，在数据帧下增加数据元素的具体方法如下：

按照属性编号填写ID；

按照属性名填写名称；

按照属性的数据类型填写类型；

按照属性的数据类型长度填写长度；

按照属性是否必须出现填写可选标识符，对于不必须出现的属性，按照属性之前符号的数据类型填写前导符类型，按照属性之前符号的数据类型长度填写前导符长度，按照属性之前符号的值填写前导符内容，对于必须出现的属性，则不填写前导符类型，前导符长度和前导符内容；

按照属性是否有正负含义填写符号标识符；

按照属性最低位代表的物理值填写分辨率；

按照属性的含义选择处理函数，对于处理函数为物理值的属性，根据物理值类型填写目标数据类型，对于处理函数为物理值和不处理的属性，则不填写目标数据类型；

按照属性所属的通讯协议长度是否固定，填写动态帧标识符；根据属性是否表示新的数据帧填写嵌套标识符；

根据属性的补充填写备注。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤一三所述的根据数据元素中的各个位的不同取值是否代表不同含义，决定是否增加数据元素位信息的具体方法如下：

若数据元素中的各个位取值不同是表示不同的含义，则向数据元素下增加数据位信息，按照数据元素位的编号填写名称，按照数据元素位的取值填写位组合值，按照位组合值的含义填写位组合值说明，若数据元素中的各个位取值不同是表示相同的含义，则不添加数据元素位信息。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤一所述的利用通讯协议模板获取雷达目标数据的具体过程如下：

基于构造的通讯协议模板，采用标准通讯协议接口接收雷达原始数据信息，按照数据元素中填写的处理函数将雷达原始数据信息转换为雷达目标数据信息，在雷达目标数据信息转换完成后，最终完成雷达目标数据的获取；

所述标准通讯协议接口为以太网及串口模式。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述的雷达原始数据信息转换为雷达目标数据信息的转换过程如下：

对于处理函数为物理值的数据元素，采用属性值乘以分辨率的方式进行转换；对于处理函数为位分析的数据元素，按照顺序模式依次通过二进制移位方式进行转换；对于处理函数为不处理的数据元素，采用属性值直接赋值方式进行转换。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤三所述的目标数据相似度度量的具体方法如下：

如果两个数据的速度值之差小于两者之中速度值最大的10％，则这两个数据来源于同一目标，配对成功；如果两个数据的速度值之差大于两者之中速度值最大的10％，则这两个数据来源于位置很近的不同目标，配对失败，对配对失败的航迹，重新进行数据关联和数据相似性度量。

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤四所述的目标数据融合处理的具体过程如下：

步骤四一、设有n个雷达对目标进行测量，第i个雷达的测量值为z_i，其中i＝1,2,…,n，由于各个雷达的性能指标不同，受各种随机因素干扰的影响不同，z_i的值具有一定的随机性。根据实验证明，z_i服从正态分布，即z_i服从N(μ_i,σ_i)，μ_i为其数学期望，包含测量值的参数信息，同时也包括该雷达的测量常值偏差，σ_i为均方差，表示该雷达的精度，σ_i越大，该雷达的测量值对目标真实值的偏离度就越大，雷达的精度越低；反之σ_i越小，雷达精度越高；

步骤四二、设第i个雷达测量值z_i的权值为w_i，所有雷达获取的目标数据融合后的最终结果为：

S＝WZ＝[w₁,w₂,w₃...w_n][z₁，z₂,z₃…z_n]^T       (1)

其中，W为所有雷达测量值的权值集合，Z为所有雷达测量值的集合，[w₁,w₂,w₃…w_n]是测量值向量[z₁,z₂,z₃…z_n]^T的权向量；

数据融合后的最终结果S的分布密度函数f(s)服从正态分布N(Σw_iμ_i，Σw_i ²μ_i ²)：

$\begin{array}{c}\end{array}\begin{array}{c}f\left(s\right)=\left(2\mathrm{\π}\right)-n/2\left|W{\mathrm{\Ω}}^{-1}{\left({\mathrm{\Ω}}^{-1}\right)}^T{W}^T\right|\exp \left\{\frac{1}{2}(s-\mathrm{WU})\left(W{\mathrm{\Ω}}^{-1}{\left({\mathrm{\Ω}}^{-1}\right)}^T{W}^T\right){(s-\mathrm{WU})}^T\right\}\\ =\left(2\mathrm{\π}\right)-n/2\left|\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i^2{\mathrm{\σ}}_i^2\right|\exp \left\{\frac{-1}{2}\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i^2{\mathrm{\σ}}_i^2{(s-\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i{\mathrm{\μ}}_i)}^2\right\}\end{array}---\left(2\right)$

其中，Ω为所有雷达测量值均方差倒数所组成的对角阵，U为所有雷达测量值均值所组成的列向量；

z_i服从N(μ_i,σ_i)的正态分布，所以h_i＝(z_i-μ_i)/σ_i服从标准正态分布，即h_i＝(z_i-μ_i)/σ_i服从N(0,1)，向量形式为：

H＝Ω(Z-U)         (3)

其中：

$\left\{\begin{array}{c}\mathrm{\Ω}=\mathrm{diag}[1/{\mathrm{\σ}}_1,1/{\mathrm{\σ}}_2...1/{\mathrm{\σ}}_n]\\ U={[{\mathrm{\μ}}_1,{\mathrm{\μ}}_2...{\mathrm{\μ}}_n]}^T\\ H=[h_1,h_2{...h}_n]\end{array}\right.---\left(4\right)$

步骤四三、由式(3)得到Z＝Ω^-1H+U，代入式(1)，得S＝W(Ω^-1H+U)，由多元统计理论得到目标数据融合后的最终结果的数学期望为各个雷达目标数据数学期望的加权平均，其均方差为：

${\mathrm{\σ}}_s=\sqrt{\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i^2{\mathrm{\σ}}_i^2}---\left(5\right)$

为了使融合后的精度最高，采用拉格朗日乘数法求解σ_s的最小值。

具体实施方式九：本实施方式与具体实施方式一至八之一不同的是：步骤四三所述的采用拉格朗日乘数法进行求解σ_s最小值的具体过程如下：

拉格朗日乘数法的修正函数为F＝Σw_i ²σ_i ²+λ(Σw_i-1)，对该函数分别求w_i的偏导数，λ为融合测量值修正系数，得到：

$\left\{\begin{array}{c}\frac{\∂F}{\∂w_1}=2w_1{\mathrm{\σ}}_1^2+\mathrm{\λ}\\ \frac{\∂F}{\∂w_2}=2w_2{\mathrm{\σ}}_2^2+\mathrm{\λ}\\ .\\ .\\ .\\ \frac{\∂F}{\∂w_n}=2w_n{\mathrm{\σ}}_{\text{n}}^2+\mathrm{\λ}\end{array}\right.---\left(6\right)$

当 $\∂F/\∂w_i=2w_i{\mathrm{\σ}}_i^2+\mathrm{\λ}=0(i=\mathrm{1,2,3}...n)$ 时，函数F取得最小值，即解得：

w_i＝-λ/2σ_i ²         (7)

由Σw_i＝1(w_i＞0，i=1，2，3...n)得：

Σ-λ/2σ_i ²＝1，即λ＝-2/Σ(1/σ_i ²)，解得：

w_i＝1/(σ_i ²Σσ_i ^-2)     (8)

所以n个雷达数据融合后结果的精度为：

${\mathrm{\σ}}_s=\sqrt{\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i^2{\mathrm{\σ}}_i^2}=\frac{1}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}}\frac{1}{{\mathrm{\σ}}_i^2}}---\left(9\right)$

如果n个雷达的精度相等，即σ₁＝σ₂＝…＝σ_n＝σ，则σ_s＝σ/n^1/2说明n个相同精度的雷达经过融合后的测量精度增加为原来单个雷达测量精度的n^1/2倍。若n个雷达中精度最高的雷达与精度最低的雷达的均方根分别为σ_min和σ_max，得出：

${\mathrm{\σ}}_y=\frac{1}{\sqrt{\frac{1}{{{\mathrm{\σ}}_{\max }}^2}+\frac{1}{{{\mathrm{\σ}}_{\max }}^2}+\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{{\mathrm{\σ}}_i^2}}}\≤\frac{1}{\sqrt{\frac{1}{{{\mathrm{\σ}}_{\max }}^2}+\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{{\mathrm{\σ}}_i^2}}}---\left(10\right)$

其中，σ_y为n个雷达目标数据测量值融合结果的均方差。

上式表明，采用加权的最优分配方法，使得精度再差的雷达参与数据融合后都有利于提高测量的精度。

经过加权平均融合后的数据，保留其融合后的精度，与其它雷达探测的目标数据再进行信息关联、相似度度量处理，进一步消除虚假目标。

最终，通过雷达目标信息关联过程可以通过位置信息有效减少多个雷达测量精度不同导致的假目标问题；通过目标相似度度量过程可以通过速度信息有效减少多个雷达测量精度不同导致的假目标问题；通过目标数据融合处理，有效提高多个雷达测量结果的精度，进一步降低虚假目标产生的概率。

Claims (9)

1.一种雷达组网下的虚假目标消除方法，其特征在于所述方法包括以下步骤：

步骤一、构建通用雷达通讯协议模板，利用所述通讯协议模板获取雷达目标数据；

采用数据帧、数据元素、数据元素位三级层次进行各种雷达通讯协议的统一描述，数据帧为雷达输出的完整目标数据协议；

数据元素为目标数据协议中的属性信息单元；

数据元素位为数据元素中单个二进制位或多个二进制位的与逻辑组合；

所述构建通用雷达通讯协议模板的具体过程为：

步骤一一、根据雷达通讯协议类型添加对应的数据帧；

步骤一二、根据雷达通讯协议中的属性信息单元，在数据帧下增加数据元素；

步骤一三、根据数据元素中的各个位的不同取值是否代表不同含义，决定是否增加数据元素位信息；

步骤一四、使用LIBXML2以数据帧为根节点，数据元素为枝节点，数据元素位为叶节点，生成XML格式的通用雷达通讯协议模板；

步骤二、在步骤一完成后，进行目标数据信息关联；

用R1表示1号雷达，用R2表示2号雷达，用{B11，B12,B13，…B1I}表示1号雷达探测的目标数据，I≤M、M为1号雷达最大探测目标的数量，用{B21，B22,B23，…B2J}表示2号雷达探测的目标数据，J≤N，N为2号雷达最大探测目标的数量，具体过程如下：

步骤二一、从1号雷达中选择第一个目标数据B11，从2号雷达选择第一个目标数据B21，计算B11和B21之间的距离D，将距离D与预先设定的阈值G比较，若距离D超过了预先设定的阈值G，则抛弃这组目标航迹配对，执行步骤二二，若不超过，直接执行步骤二三；

步骤二二、将1号雷达中的目标数据B11与2号雷达的下一目标B22再进行比较，直到比较结果小于阈值G，从1号雷达和2号雷达中的可配对航迹中删除这组航迹，然后再从1号雷达中选择下一个目标数据与2号雷达中没有配对的目标数据关联；

步骤二三、重复步骤二一与步骤二二，直至1号雷达中所有的航迹都完成关联，即1号雷达中的目标航迹列表已经配对完成，对1号雷达中没有配上对的航迹也保留，以便以后与其他雷达未配上对的航迹配对；

步骤三、在步骤二完成后，进行目标数据相似度度量；

通过目标数据信息关联处理之后，若两个雷达的数据都有速度值，利用速度值对配对的结果进行相似性度量，若两个雷达中的任意一个雷达数据没有速度值，则不执行目标数据相似度度量；

步骤四、在目标数据相似度度量完成后，进行目标数据融合处理；

在目标数据信息关联和目标相似度度量之后，对于配对成功后的数据采用加权平均的方法进行目标数据融合处理。

2.根据权利要求1所述的雷达组网下的虚假目标消除方法，其特征在于步骤一一所述的根据雷达通讯协议类型添加对应的数据帧的具体方法如下：

按照通讯协议中的信源填写源设备；

按照通讯协议中的信宿填写目标设备；

按照通讯协议长度是否固定填写动态帧标识，对于长度不固定的通讯协议，按照通讯协议中的数量填写动态帧个数所在位置，按照通讯协议中的最大值填写动态帧上限，对于长度固定的通讯协议，不填写动态帧个数所在位置和动态帧上限；

按照通讯协议中的识别符填写帧头信息；

按照通讯协议中的结束符填写帧尾信息；

按照通讯协议中的补充填写备注。

3.根据权利要求2所述的雷达组网下的虚假目标消除方法，其特征在于步骤一二所述的根据雷达通讯协议中的属性信息单元，在数据帧下增加数据元素的具体方法如下：

按照属性编号填写ID；

按照属性名填写名称；

按照属性的数据类型填写类型；

按照属性的数据类型长度填写长度；

按照属性是否必须出现填写可选标识符，对于不必须出现的属性，按照属性之前符号的数据类型填写前导符类型，按照属性之前符号的数据类型长度填写前导符长度，按照属性之前符号的值填写前导符内容，对于必须出现的属性，则不填写前导符类型，前导符长度和前导符内容；

按照属性是否有正负含义填写符号标识符；

按照属性最低位代表的物理值填写分辨率；

按照属性的含义选择处理函数，对于处理函数为物理值的属性，根据物理值类型填写目标数据类型，对于处理函数为物理值和不处理的属性，则不填写目标数据类型；

按照属性所属的通讯协议长度是否固定，填写动态帧标识符；根据属性是否表示新的数据帧填写嵌套标识符；

根据属性的补充填写备注。

4.根据权利要求3所述的雷达组网下的虚假目标消除方法，其特征在于步骤一三所述的根据数据元素中的各个位的不同取值是否代表不同含义，决定是否增加数据元素位信息的具体方法如下：

若数据元素中的各个位取值不同是表示不同的含义，则向数据元素下增加数据位信息，按照数据元素位的编号填写名称，按照数据元素位的取值填写位组合值，按照位组合值的含义填写位组合值说明，若数据元素中的各个位取值不同是表示相同的含义，则不添加数据元素位信息。

5.根据权利要求4所述的雷达组网下的虚假目标消除方法，其特征在于步骤一所述的利用通讯协议模板获取雷达目标数据的具体过程如下：

基于构造的通讯协议模板，采用标准通讯协议接口接收雷达原始数据信息，按照数据元素中填写的处理函数将雷达原始数据信息转换为雷达目标数据信息，在雷达目标数据信息转换完成后，最终完成雷达目标数据的获取；

所述标准通讯协议接口为以太网及串口模式。

6.根据权利要求5所述的雷达组网下的虚假目标消除方法，其特征在于所述的雷达原始数据信息转换为雷达目标数据信息的转换过程如下：

对于处理函数为物理值的数据元素，采用属性值乘以分辨率的方式进行转换；对于处理函数为位分析的数据元素，按照顺序模式依次通过二进制移位方式进行转换；对于处理函数为不处理的数据元素，采用属性值直接赋值方式进行转换。

7.根据权利要求6所述的雷达组网下的虚假目标消除方法，其特征在于步骤三所述的目标数据相似度度量的具体方法如下：

如果两个数据的速度值之差小于两者之中速度值最大的10％，则这两个数据来源于同一目标，配对成功；如果两个数据的速度值之差大于两者之中速度值最大的10％，则这两个数据来源于位置很近的不同目标，配对失败，对配对失败的航迹，重新进行数据关联和数据相似性度量。

8.根据权利要求7所述的雷达组网下的虚假目标消除方法，其特征在于步骤四所述的目标数据融合处理的具体过程如下：

步骤四一、设有n个雷达对目标进行测量，第i个雷达的测量值为z_i，其中i＝1,2,…,n，z_i服从正态分布，即z_i服从N(μ_i,σ_i)，μ_i为其数学期望，包含测量值的参数信息，同时也包括该雷达的测量常值偏差，σ_i为均方差，表示该雷达的精度；

步骤四二、设第i个雷达测量值z_i的权值为w_i，所有雷达获取的目标数据融合后的最终结果为：

S＝WZ＝[w₁,w₂,w₃…w_n][z₁,z₂,z₃…z_n]^T    (1)

其中，W为所有雷达测量值的权值集合，Z为所有雷达测量值的集合，[w₁,w₂,w₃…w_n]是测量值向量[z₁,z₂,z₃…z_n]^T的权向量；

数据融合后的最终结果S的分布密度函数f(s)服从正态分布N(∑w_iμ_i,∑w_i ²μ_i ²)：

$\begin{array}{c}f\left(s\right)={\left(2\mathrm{\π}\right)}^{-n}/2\left|W{\mathrm{\Ω}}^{-1}{\left({\mathrm{\Ω}}^{-1}\right)}^T{W}^T\right|\exp \left\{\frac{1}{2}(s-\mathrm{WU})\left(W{\mathrm{\Ω}}^{-1}{\left({\mathrm{\Ω}}^{-1}\right)}^T{W}^T\right){(s-\mathrm{WU})}^T\right\}\\ ={\left(2\mathrm{\π}\right)}^{-n}/2\left|\underset{i}{\overset{n}{\mathrm{\Σ}}}{w_i}^2{{\mathrm{\σ}}_i}^2\right|\exp \left\{\frac{-1}{2}\underset{i}{\overset{n}{\mathrm{\Σ}}}{w_i}^2{{\mathrm{\σ}}_i}^2{(s-\underset{i}{\overset{n}{\mathrm{\Σ}}}{w}_i{\mathrm{\μ}}_i)}^2\right\}\end{array}---\left(2\right)$

其中，Ω为所有雷达测量值均方差倒数所组成的对角阵，U为所有雷达测量值均值所组成的列向量；

z_i服从N(μ_i,σ_i)的正态分布，所以h_i＝(z_i-μ_i)/σ_i服从标准正态分布，即h_i＝(z_i-μ_i)/σ_i服从N(0,1)，向量形式为：

H＝Ω(Z-U)    (3)

其中：

$\left\{\begin{array}{c}\mathrm{\Ω}=\mathrm{diag}[1/{\mathrm{\σ}}_1,1/{\mathrm{\σ}}_2\·\·\·1/{\mathrm{\σ}}_n]\\ U={[{\mathrm{\μ}}_1,{\mathrm{\μ}}_2\·\·\·{\mathrm{\μ}}_n]}^T\\ H=[h_1,h_2\·\·\·h_n]\end{array}\right.---\left(4\right)$

步骤四三、由式(3)得到Z＝Ω^-1H+U，代入式(1)，得S＝W(Ω^-1H+U)，由多元统计理论得到目标数据融合后的最终结果的数学期望为各个雷达目标数据数学期望的加权平均，其均方差为：

${\mathrm{\σ}}_s=\sqrt{\underset{i}{\overset{n}{\mathrm{\Σ}}}{w_i}^2{{\mathrm{\σ}}_i}^2}---\left(5\right)$

为了使融合后的精度最高，采用拉格朗日乘数法求解σ_s的最小值。

9.根据权利要求8所述的雷达组网下的虚假目标消除方法，其特征在于步骤四三所述的采用拉格朗日乘数法进行求解σ_s最小值的具体过程如下：

拉格朗日乘数法的修正函数为F＝∑w_i ²σ_i ²+λ(∑w_i-1)，对该函数分别求w_i的偏导数，λ为融合测量值修正系数，得到：

$\left\{\begin{array}{c}\frac{\∂F}{\∂w_1}=2w_1{{\mathrm{\σ}}_1}^2+\mathrm{\λ}\\ \frac{\∂F}{\∂w_2}=2w_2{{\mathrm{\σ}}_2}^2+\mathrm{\λ}\\ \·\\ \·\\ \·\\ \frac{\∂F}{\∂w_n}=2w_n{{\mathrm{\σ}}_n}^2+\mathrm{\λ}\end{array}\right.---\left(6\right)$

当 $\∂F/\∂w_i=2w_i{{\mathrm{\σ}}_i}^2+\mathrm{\λ}=0(i=\mathrm{1,2,3}\·\·\·n)$ 时，函数F取得最小值，即解得：

w_i＝-λ/2σ_i ²    (7)

由∑w_i＝1(w_i>0,i＝1,2,3…n)得：

∑-λ/2σ_i ²＝1，即解得：

w_i＝1/(σ_i ²∑σ_i ^-2)    (8)

所以n个雷达数据融合后结果的精度为：

${\mathrm{\σ}}_s=\sqrt{\underset{i}{\overset{n}{\mathrm{\Σ}}}{w_i}^2{{\mathrm{\σ}}_i}^2}=\frac{1}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{2}{{{\mathrm{\σ}}_i}^2}}}---\left(9\right)$

如果n个雷达的精度相等，即σ₁＝σ₂＝…＝σ_n＝σ，则σ_s＝σ/n^1/2，若n个雷达中精度最高的雷达与精度最低的雷达的均方根分别为σ_min和σ_max，得出：

${\mathrm{\σ}}_y=\frac{1}{\sqrt{\frac{1}{{{\mathrm{\σ}}_{\max }}^2}+\frac{1}{{{\mathrm{\σ}}_{\min }}^2}+\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{{{\mathrm{\σ}}_i}^2}}}\≤\frac{1}{\sqrt{\frac{1}{{{\mathrm{\σ}}_{\max }}^2}+\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\frac{1}{{{\mathrm{\σ}}_i}^2}}}---\left(10\right)$

其中，σ_y为n个雷达目标数据测量值融合结果的均方差。