经典雷达资料-第8章自动检测自动跟踪和多传感器融合-7.docVIP

多基地雷达融合 用于交换不同基地间航迹信息的方法取决于基地是否固定以及采取何种通信链接。最常用的多基地雷达跟踪系统的原理是，一个站控制一条雷达航迹（担负测报任务）并且经通信链路发送航迹的参数，而接收单元显示遥控航迹。一条航迹仅仅接收来自一个基地的更新，这样得不到在不同地点的和不同频率的其他雷达的相互支援的好处。这个原理一般用在通信能力有限的多基地雷达系统中。 大的坐标定向误差和传感器失配误差是多基地雷达融合中的一个难题。若多个雷达站测到的目标相关，就可以用Kalman滤波技术来估计坐标定向误差和传感器失配误差[62]。然而，如果坐标定向误差和传感器失配误差较大，就不能进行必要的相关处理。Bath把相关、坐标定向和失配联系在一起求解这个问题[63]。首先，定义在经度、纬度和方位失准上的最大误差。其次，在经度上定义误差单元的大小为，在纬度上定义误差单元的大小为?y，在方位上定义误差单元的大小为??，将空间误差以误差单元的大小进行分割。计算雷达站1和雷达站2检测的航迹误差，并将1输入到与计算误差相应的单元中。若雷达站1检测到n个航迹，雷达站2检测到m个航迹，计算个误差，并将m×n个1输入到误差单元中。对于不同的航迹，m×n个1会随机地分布在误差空间中。然而，对于相同的航迹，每个1将出现在同一误差单元中。图8.34显示的是二维互相关函数，其中方位误差为0。将所有1相加得到一个尖峰，该尖峰不仅给出了坐标定向偏差，而且确定了来自多基地雷达的航迹间的正确相关。Kalman滤波器技术可以用于相关航迹配对，以得到更精确的偏差估计。 图8.34 二维互相关函数（基于仅有x和y偏差的双航迹）（引自参考资料63） 雷达组网工程（NRP）是由林肯（Lincoln）实验室为地面目标监视而研究的雷达组网系统[64]。其基本的思路是，将每部雷达与自动检测和跟踪系统结合起来（与MTD系统相似），然后将航迹数据发送到中心位置（雷达控制中心），在雷达控制中心将航迹数据融合为一个单一的航迹文件。这里发送的是航迹数据而不是检测结果，这是因为发送航迹数据所需的带宽比发送检测结果所需的带宽要小得多。在NRP系统中所用的带宽大约是2400 b。在美国俄克拉荷马州锡尔堡基地对NRP系统进行了试验，尽管由于地形遮蔽引起漏检测和其他各种原因引起的偶然的漏检测，在雷达控制中心自动融合仍能连续提供对航迹的更新和确定。注意，坐标定向是通过雷达场地测量得到的。当雷达站的位置是固定的且有时间和有条件进行测量时，通常偏爱这种方法。 不同传感器数据融合 许多传感器都可以进行融合，如雷达、敌我识别器（IFF）、空中交通管制雷达信标系统（ATCRBS）、红外系统、光学系统以及声学系统。最容易融合的传感器是电磁传感器，例如，雷达、IFF和噪声源或发射源的脉冲选通器。 IFF融合 雷达数据与军用IFF数据的融合问题比两部雷达数据融合要容易一些。究竟是检测（点迹）融合还是航迹融合由应用要求决定。在军事技术中，进行融合，只可询问目标几次，就要对目标进行识别，然后将其与雷达航迹关联起来。此后，就不必再次对目标进行询问。然而，用ATCRBS进行航空管制的情况下，雷达每扫描一次，就对目标询问一次，接着进行检测融合或航迹融合。 雷达-DF方位选通脉冲融合 Coleman[65]以及在他之后的Trunk和Wilson[66][67]已考虑过，在发射机上用DF方位选通脉冲进行雷达航迹相关处理。Trunk和Wilson考虑过这样一个问题，就是对于给定的K个DF角度航迹，每一个航迹都由不同数目的DF测量数据所确定，每一个DF航迹要么与雷达航迹不关联，要么只与m条雷达航迹中的一条关联，且雷达航迹由不同数目的雷达测量数据决定。由于每个目标具有多个发射机（即每一条雷达航迹可以与多条DF航迹相关），而DF航迹间不考虑关联，这就导致了K个互斥的相关的问题。因此，一个等效的问题是，由n个DF方位测量结果确定的一条DF航迹，DF航迹没有与雷达航迹相关联或与m条雷达航迹中的一个相关联，则要将其与第j条雷达航迹相关联。那么，第j条雷达航迹是由mj个雷达测量的结果确定的。将Bayes方法和Neyman-Pearson准则结合起来，并且假设DF测量误差是独立的，服从均值为0，方差为常数?2的高斯分布，并有极个别不满足此假设的情况（即大的误差，不具备高斯型分布密度），Trunk和Wilson判决所基于的概率为 Z≥dj的概率 （8.59） 式中，Z是具有nj个自由度的?2分布；dj由下式给出： （8.60） 式中，nj是作为第j条雷达航迹存在时重叠时间间隔上的DF测量次数，?e(ti)是在ti时刻的DF测量数据，?j(ti)是在ti时刻