雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法

摘要

本发明公开了一种雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法，属于雷达组网抗干扰技术领域。集中式与分布式压制干扰是对雷达网威胁较大的两种干扰类型，当存在两部集中式压制干扰机时，如何鉴别这两种干扰是目前的难题，本发明即立足于解决该问题。主要包括以下步骤：(一)将三部2D组网雷达获得的干扰源方位角量测输入数据融合中心计算机；(二)构造方位线的解析方程；(三)求解各个方位线相交所得的交叉定位点；(四)采用相似性阈值和最小距离原则进行聚类分析；(五)根据聚类结果进行干扰类型鉴别。本发明解决了将两部集中式压制干扰机误判为分布式干扰的问题，正确鉴别率高、工程实现容易，推广应用前景较好。

主权项

步骤1：录取数据在压制干扰下三部组网2D雷达分别可以获得干扰源的方位角量测，将各雷达录取的数据输入雷达网的数据融合中心计算机，在融合中心计算机中执行以下步骤：步骤2：构造方位线的解析方程为了求取交叉定位点，需要构造方位线的解析方程：(1)输入雷达量测为k时刻雷达1的第i个量测集，且1≤i≤2；为方位角量测；为k时刻雷达2的第j个量测集，且1≤j≤2；为方位角量测；为k时刻雷达3的第l个量测集，且1≤l≤2；为方位角量测；各雷达采样周期为T；(2)计算所对应方位线的方程$\frac{y-y_{R1}}{x-x_{R1}}={\tan \phi }_k^l---\left(1\right)$其中(x_R1，y_R1)为雷达1的位置坐标；(3)计算所对应方位线的方程$\frac{y-y_{R2}}{x-x_{R2}}=\tan {\alpha }_k^l---\left(2\right)$其中(x_R2，y_R2)为雷达2的位置坐标；(4)计算所对应方位线的方程$\frac{x-x_{R3}}{y-y_{R3}}=\tan {\beta }_k^l---\left(3\right)$其中(x_R3，y_R3)为雷达3的位置坐标；步骤3：求解交叉定位点(1)计算方位线与的交叉定位点Ａ_ij位置坐标将方程(1)与方程(2)联立求解的位置坐标：$x_{A_{\mathrm{ij}}}=\frac{y_{R1}-y_{R2}+x_{R2}\tan {\alpha }_k^j-x_{R1}\tan {\phi }_k^l}{\tan {\alpha }_k^j-\tan {\phi }_k^l}---\left(4\right)$$y_{A_{\mathrm{ij}}}=\frac{y_{R1}\tan {\alpha }_k^j-y_{R2}\tan {\phi }_k^l+\tan {\alpha }_k^l\tan {\phi }_k^l(x_{R2}-x_{R1})}{\tan {\alpha }_k^j-\tan {\phi }_k^l}---\left(5\right)$(2)计算方位线与的交叉定位点B_ij位置坐标将方程(1)与方程(3)联立求解的位置坐标：$x_{B_{\mathrm{ij}}}=\frac{y_{R1}-y_{R3}+x_{R3}\tan {\beta }_k^l-x_{R1}\tan {\phi }_k^l}{\tan {\beta }_k^j-\tan {\phi }_k^l}---\left(6\right)$$y_{B_{\mathrm{ij}}}=\frac{y_{R1}\tan {\beta }_k^j-y_{R3}\tan {\phi }_k^l+\tan {\alpha }_k^l\tan {\phi }_k^l(x_{R3}-x_{R1})}{\tan {\beta }_k^j-\tan {\phi }_k^l}---\left(7\right)$(3)计算方位线与的交叉定位点C_jl位置坐标将方程(2)与方程(3)联立求解的位置坐标：$x_{C_{\mathrm{ij}}}=\frac{y_{R2}-y_{R3}+x_{R3}\tan {\beta }_k^l-x_{R2}\tan {\alpha }_k^j}{\tan {\beta }_k^l-\tan {\alpha }_k^j}---\left(8\right)$$y_{C_{\mathrm{jl}}}=\frac{y_{R2}\tan {\beta }_k^l-y_{R3}\tan {\alpha }_k^j+\tan {\alpha }_k^j\tan {\beta }_k^l(x_{R3}-x_{R2})}{\tan {\beta }_k^l-\tan {\alpha }_k^j}---\left(9\right)$步骤4：计算交叉定位点P_i与P_j之间的马氏距离D_ij(1)计算P_i与P_j坐标向量之差e_ij$e_{\mathrm{ij}}=\left(\begin{array}{c}{e}_x\\ e_y\end{array}\right)=\left(\begin{array}{c}{x}_{P_i}-x_{P_j}\\ y_{P_i}-y_{P_j}\end{array}\right)---\left(10\right)$其中：$x_{P_i}=\frac{y_{m1}-y_{m2}+x_{m2}\tan {\alpha }_{n2}-x_{m1}\tan {\alpha }_{n1}}{\tan {\alpha }_{n2}-\tan {\alpha }_{n1}}$$x_{P_j}=\frac{y_{s1}-y_{s2}+x_{s2}\tan {\alpha }_{t2}-x_{s1}\tan {\alpha }_{i1}}{\tan {\alpha }_{t2}-\tan {\alpha }_{t1}}$$y_{P_l}=\frac{y_{m1}\tan {\alpha }_{n2}-y_{m2}\tan {\alpha }_{n1}+\tan {\alpha }_{n1}\tan {\alpha }_{n2}(x_{m2}-x_{m1})}{\tan {\alpha }_{n2}-{\tan \alpha }_{n1}}$$y_{P_j}=\frac{y_{s1}\tan {\alpha }_{t2}-y_{s2}\tan {\alpha }_{t1}+\tan {\alpha }_{t1}\tan {\alpha }_{t2}(x_{s2}-x_{s1})}{\tan {\alpha }_{t2}-{\tan \alpha }_{t1}}$为P_i点的位置坐标；为P_j点的位置坐标；为雷达m₁的位置坐标；为雷达m₂的位置坐标；为雷达s₁的位置坐标；为雷达s₂的位置坐标；α_n1为雷达m₁的第n₁个方位角量测；α_n2为雷达m₂的第n₂个方位角量测；α_i1为雷达s₁的第t₁个方位角量测；α_t2为雷达s₂的第t₂个方位角量测；(2)求协方差阵PP=QVQ^T  (11)其中：$Q=\left(\begin{array}{cccc}\frac{{\partial e}_x}{{\partial \alpha }_{n1}}& \frac{{\partial e}_x}{{\partial \alpha }_{n2}}& \frac{{\partial e}_x}{{\partial \alpha }_{t1}}& \frac{{\partial e}_x}{{\partial \alpha }_{t2}}\\ \frac{{\partial e}_y}{{\partial \alpha }_{n1}}& \frac{{\partial e}_y}{{\partial \alpha }_{n2}}& \frac{{\partial e}_y}{{\partial \alpha }_{t1}}& \frac{{\partial e}_y}{{\partial \alpha }_{t2}}\end{array}\right)---\left(12\right)$$V=\left(\begin{array}{cccc}{\sigma }_{m1}^2& 0& 0& 0\\ 0& {\sigma }_{m2}^2& 0& 0\\ 0& 0& {\sigma }_{s1}^2& 0\\ 0& 0& 0& {\sigma }_{s2}^2\end{array}\right)---\left(13\right)$为雷达m₁的俯仰角量测误差方差；为雷达m₂的方位角量测误差方差；为雷达s₁的俯仰角量测误差方差；为雷达s₂的方位角量测误差方差；(3)计算马氏距离D_ij$D_{\mathrm{ij}}=e_{\mathrm{ij}}^T{P}^{-1}{e}_{\mathrm{ij}}---\left(14\right)$D_ij服从自由度为2的卡方分布；步骤5：采用相似性阈值和最小距离原则对交叉定位点集合P_set进行聚类分析(1)确定判决门限G_α给定显著性水平α，根据2自由度卡方分布的显著性水平确定判决门限G_a：当α=0.05时G_α=5.991；当α=0.01时G_α=9.210；(2)任取P_set中的一点P_l为第一个聚类中心设ω₁为P_l所属的类；点P_l的位置坐标为；(3)取P_set中的另一点P_j，如步骤2所示，计算P_j与P_l的距离D_ij若D_ij≤G_α，则将交叉定位点P_j∈ω₁；若D_ij≥G_α，则建立新的一类ω₂，且P_j∈ω₂；(4)设已有类ω₁，ω₂，…ω_k，计算尚未确定类别的点P_m到各类中任意一点的马氏距离D_mr若D_mr≥G_α，则建立新的一类ω_k+1，且P_m∈ω_k+1；若存在多个类满足D_mr≤G_α，且其中类ω_l与点P_m的距离最小，则将交叉定位点P_m归为类ω_l；步骤6：干扰类型鉴别(1)设雷达网中共有K部雷达受到干扰，所有交叉定位点的数量为M，经聚类后共产生N个类，各个类中含有交叉定位点的数量分别为I，1≤r≤N；(2)设所有类中共有J个类满足(3)若J=0，则判定雷达网受到分布式干扰；(3)若J≥1，则判定雷达网受到集中式干扰，且J为集中式压制干扰机的数量；步骤7：进行下一时刻运算重复执行步骤1～步骤7进行下一周期的构造方位线的解析方程、交叉定位点聚类分析、干扰类型判别。