[发明专利]一种基于编队有源组网的弱目标检测与跟踪方法

说明书

技术领域：

本发明涉及数据融合领域，特别涉及多平台组网融合检测与跟踪技术，具体是指一种基于多机编队有源组网的弱目标检测与跟踪技术。 

背景技术：

当前，随着各国航空武器装备的不断改进、升级与推陈出新，战场探测环境充斥着各种干扰，航空武器呈隐形化、小型化的发展趋势(如B-2二代隐身机的雷达散射截面积RCS只有10^-3m²)。在这一背景下，单一平台传感器已无法在复杂战场环境下实现对弱信号目标(如隐身飞机、低空目标、小型无人机等)的检测与跟踪，通常只能发现一些不连续的点迹，无法形成较为稳定、完整地航迹文件上报^[1-2]。从而，对未来战场环境下态势的准确、有效感知提出了越来越严峻地挑战。 

由于隐身目标无法在全方向、全频段上都保持较好的隐身效果，电磁干扰技术难以在全空域、全频段起作用。因此，针对复杂环境下弱目标的检测与跟踪问题，通过多平台组网，大范围、多角度、多频段的观测目标，成为一种可行的处理思路，基于这一思路，美军目前研制有导弹防御系统、精确定位与打击系统等；而在算法理论实现方面，国内外学者则分别从低可观测目标跟踪算法设计与多平台融合滤波模型两方面开展研究工作。前者的研究主要是通过一体化考虑航迹检测与跟踪环节，通过时间积累，提升对低可观测目标的感知能力，比较有代表性的工作有：美国Connecticut大学Bar-Shalom等通过引入目标回波强度信息，结合极大似然估计理论，提出极大似然-概率数据关联方法(Maximum Likelihood-Probability Data Association，ML-PDA)，并设计自适应 滑窗工作方式，实现虚警率时变情况下目标的检测与跟踪处理^[3-5]；美国学者Blackman等采用多假设检验方法(Multistage Hypothesis Testing)将所有可能的目标轨迹以树的形式组织起来，通过时间积累，删减或保留树，提取真实目标并完成虚警的删除^[6,7]。后者研究主要是通过研究多平台观测的融合策略，提升对目标的有效跟踪精度，较有代表性的工作有：美国Bar-Shalom等将不同探测背景下的多平台融合跟踪问题(如多平台无源定位、不同分辨力雷达组网、目标分裂情况)转换为多维分配问题进行求解^[8-10]；海军航空工程学院何友等采用基于数据压缩、顺序结构、并行结构三种方法实现多平台多目标的融合跟踪^[11]。 

然而，总体而言，以上两方面的研究，前者目前主要基于单平台传感器开展低可观测目标跟踪算法模型的设计；而后者则通常假定目标具有较高的可观测概率，且主要针对航迹维持阶段，较少考虑复杂环境下低可观测目标在航迹形成与航迹终止中存在的问题；另外，当前这两方面的研究主要都是针对地面雷达组网融合问题。 

参考文献 

[1]Hadzagic M.,Michalska H.,Lefebvre E.Track-Before-Detect Methods in Tracking Low-Observable Targets:A Survey[J].Sensors&Transducers(S&T e-Digest),Special Issuse,2005,(8):374-380. 

[2]赵宗贵,熊朝华,王珂等.信息融合概率、方法与应用[M].北京:国防工业出版社,2012. 

[3]Hall D.L.,Llinas J.多传感器数据融合手册[M].北京：电子工业出版社,2008. 

[4]Kirubarajan T.,Bar-Shalom Y.Low observable target motion analysis using amplitude information[J].IEEE Transactions on Aerospace and Electronic Systems,1996,32(4):1367-1384. 

[5]Blanding W.R.,Willett P.K.,Bar-Shalom Y.Off-line and real-time methods for ML-PDA track validation[J].IEEE Transactions on Signal Processing,2007,55(5):1994-2006.