雷达网抗距离欺骗+SOJ复合干扰方法

摘要

本发明公开了一种雷达网抗距离欺骗+SOJ复合干扰方法，该方法隶属于雷达网抗干扰技术领域。距离欺骗+SOJ是一种典型的复合干扰，严重影响雷达网对目标的探测和跟踪，为了提高雷达网的抗干扰性能，本发明给出了一种雷达网抗距离欺骗+SOJ复合干扰方法。本发明的方法主要包括以下步骤：(一)将各雷达的数据输入雷达数据处理计算机；(二)利用假目标角度信息与真实目标的角度信息极为相近的特点，将各个雷达的量测分组；(三)对每个量测分组进行方位角、俯仰角数据压缩；(四)将不同雷达量测分组进行关联；(五)构建基于最小二乘法的等效量测；(六)利用等效量测进行目标跟踪。本发明解决了在此种复合干扰下只检测到虚假目标而漏掉真实目标所导致的目标跟踪错误和滤波发散问题，具有实现容易、稳定性好等优点，工程应用前景较好。

主权项

1.一种雷达网抗距离欺骗+SOJ复合干扰方法，其特征在于包括以下步骤：步骤1：录取数据在距离欺骗+SOJ复合干扰下，将组网雷达测得的信号(包含真实目标的回波信号和虚假目标的欺骗信号)送入雷达数据录取器，得到真实目标和虚假目标的距离、方位角、俯仰角，将录取的数据输入雷达数据处理计算机；由于SOJ的存在，真实目标的检测概率下降，在很多时刻会只检测到虚假目标而丢失真实目标；在雷达数据处理计算机中执行以下步骤：步骤2：雷达量测分组利用假目标角度信息与真实目标的角度信息极为相近的特点，将各个雷达的量测分组：(1)输入雷达量测为k时刻雷达的第i个量测集；为距离量测；为俯仰角量测；为方位角量测；为k时刻雷达的第j个量测集；为距离量测；为俯仰角量测；为方位角量测；(2)计算检验统计量$\zeta =\left(\begin{array}{cc}{\theta }_k^i-{\theta }_k^j& {\phi }_k^i-{\phi }_k^j\end{array}\right){\left(\begin{array}{cc}2{\sigma }_{\theta }^2& 0\\ 0& 2{\sigma }_{\phi }^2\end{array}\right)}^{-1}\left(\begin{array}{c}{\theta }_k^i-{\theta }_k^j\\ {\phi }_k^i-{\phi }_k^j\end{array}\right)---\left(1\right)$σ_θ为雷达的俯仰角量测误差标准差；σ_φ为雷达的方位角量测误差标准差；(3)选定判决门限G_α给定显著性水平α，根据2自由度χ²分布的显著性水平确定判决门限G_α；当α＝0.05时G_α＝5.991；当α＝0.01时G_α＝9.210；(4)分组判决若ζ≤G_α，则两量测集判定为同一组；若ζ≥G_α，两量测集判定为不同组；任取雷达的两个量测，若这两个量测归为一组，则将其它量测与已有分组中的任意一个量测按相同的方法进行检验，如果某量测对所有的分组都不满足式ζ≤G_α，则产生一个新的分组，并将这个量测归入其中；步骤3：对每个量测分组进行方位角、俯仰角数据压缩${\theta }_{\mathrm{lk}}=\frac{1}{n_l}\underset{i=l}{\overset{n_l}{\Sigma }}{\theta }_{\mathrm{lk}}^i---\left(2\right)$${\phi }_{\mathrm{lk}}=\frac{1}{n_l}\underset{i=l}{\overset{n_l}{\Sigma }}{\phi }_{\mathrm{lk}}^i---\left(3\right)$θ_lk为k时刻第l个类压缩后的俯仰角量测；为k时刻第l个类压缩后的方位角量测；为k时刻第l个类中的第i个俯仰角量测；为k时刻第l个类中的第i个方位角量测；n_l为第l个类中量测的数量；将步骤3处理后的数据传输给融合中心，在融合中心执行以下步骤：步骤4：不同雷达量测分组的关联(1)计算检验统计量η$\eta =\frac{M^2}{{\left(\frac{\partial M}{\partial {\theta }_i}\right)}^2{\sigma }_{\mathrm{\theta i}}^2+{\left(\frac{\partial M}{\partial {\phi }_i}\right)}^2{\sigma }_{\mathrm{\phi i}}^2+{\left(\frac{\partial M}{\partial {\theta }_j}\right)}^2{\sigma }_{\mathrm{\theta j}}^2+{\left(\frac{\partial M}{\partial {\phi }_j}\right)}^2{\sigma }_{\mathrm{\phi j}}^2}---\left(4\right)$$M=\left|\begin{array}{ccc}{x}_i-x_j& \cos {\theta }_i\cos {\phi }_i& \cos {\theta }_j\cos {\phi }_j\\ y_i-y_j& \cos {\theta }_i\sin {\phi }_i& \cos {\theta }_j\sin {\phi }_j\\ z_i-z_j& \sin {\theta }_i& \sin {\theta }_j\end{array}\right|---\left(5\right)$θ_i为雷达i的某个“量测类”压缩后的俯仰角；φ_i为雷达i的某个“量测类”压缩后的方位角；θ_j为雷达j的某个“量测类”压缩后的俯仰角；φ_j为雷达j的某个“量测类”压缩后的方位角；σ_θi、σ_φi分别为雷达i俯仰角、方位角的量测精度；σ_θj、σ_φj分别为雷达j俯仰角、方位角的量测精度；(2)选定判决门限G′_α给定显著性水平α，根据1自由度χ²分布的显著性水平确定判决门限G′_α；当α＝0.05时G_α＝3.841；当α＝0.01时G_α＝6.635；(3)关联判决若η≤G′_α，则直线l_i与直线l_j关联成功；若η＞G′_α，则直线l_i与直线l_j关联失败；(4)多假目标欺骗下量测集合关联为第i部雷达的方位角、俯仰角的量测集合，首先将量测集合Z₁与量测集合Z₂进行关联，关联成功的量测之间建立了对应关系，同时将未关联成功的量测去除；然后将量测集合Z₂中关联成功的所有量测取出，组成量测集合Z′₂；用同样的方法将量测集合Z′₂与量测集合Z₃进行关联，以此类推直至量测集合Z_N；(5)提取方位角、俯仰角量测在量测集合两两关联的基础上，建立长度为N的“关联链条”，设其数目为P，则P既为真实目标的数量，某“关联链条”上的所有量测即为该目标在各个雷达中所对应的方位角、俯仰角量测；步骤5：构建基于最小二乘法的等效量测(1)建立三组量测对应方向线的方程$\frac{x-x_{r1}}{\cos {\theta }_1\cos {\phi }_1}=\frac{y-y_{r1}}{\cos {\theta }_1\sin {\phi }_1}=\frac{z-z_{r1}}{\sin {\theta }_1}$$\frac{x-x_{r2}}{\cos {\theta }_2\cos {\phi }_2}=\frac{y-y_{r2}}{\cos {\theta }_2\sin {\phi }_2}=\frac{z-z_{r2}}{\sin {\theta }_2}---\left(6\right)$$\frac{x-x_{r3}}{\cos {\theta }_3\cos {\phi }_3}=\frac{y-y_{r3}}{\cos {\theta }_3\sin {\phi }_3}=\frac{z-z_{r3}}{\sin {\theta }_3}$(θ₁，φ₁)、(θ₂，φ₂)、(θ₃，φ₃)为三部雷达的量测中经步骤3关联成功的量测集；(x_ri，y_ri，z_ri)，i＝1，2，3为三部雷达的位置坐标；(2)构建最小二乘等效量测Z_m$Z_m=\left[\begin{array}{c}x\\ y\\ z\end{array}\right]={\left(A^{T}A\right)}^{-1}{A}^{T}b---\left(7\right)$$b=\left[\begin{array}{c}\cos {\theta }_1\sin {\phi }_1{x}_{r1}-\cos {\theta }_1\cos {\phi }_1{y}_{r1}\\ \sin {\theta }_1{y}_{r1}-\cos {\theta }_1\sin {\phi }_1{z}_{r1}\\ \cos {\theta }_2\sin {\phi }_2{x}_{r2}-\cos {\theta }_2\cos {\phi }_2{y}_{r2}\\ \sin {\theta }_2{y}_{r2}-\cos {\theta }_2\sin {\phi }_2{z}_{r2}\\ \cos {\theta }_3\sin {\phi }_3{x}_{r3}-\cos {\theta }_3\cos {\phi }_3{y}_{r3}\\ \sin {\theta }_3{y}_{r3}-\cos {\theta }_3\sin {\phi }_3{z}_{r3}\end{array}\right]---\left(8\right)$$A=\left[\begin{array}{ccc}\cos {\theta }_1\sin {\phi }_1& -\cos {\theta }_1\cos {\phi }_1& 0\\ 0& \sin {\theta }_1& -\cos {\theta }_1\sin {\phi }_1\\ \cos {\theta }_2\sin {\phi }_2& -\cos {\theta }_2\cos {\phi }_2& 0\\ 0& \sin {\theta }_2& -\cos {\theta }_2\sin {\phi }_2\\ \cos {\theta }_3\sin {\phi }_3& -\cos {\theta }_3\cos {\phi }_3& 0\\ 0& \sin {\theta }_3& -\cos {\theta }_3\sin {\phi }_3\end{array}\right]---\left(9\right)$步骤6：利用等效量测进行目标跟踪(1)计算等效量测误差协方差阵R(k+1)$R(k+1)=P\left[\begin{array}{cccccc}{\sigma }_{\theta 1}^2& 0& 0& 0& 0& 0\\ 0& {\sigma }_{\phi 1}^2& 0& 0& 0& 0\\ 0& 0& {\sigma }_{\theta 2}^2& 0& 0& 0\\ 0& 0& 0& {\sigma }_{\phi 2}^2& 0& 0\\ 0& 0& 0& 0& {\sigma }_{\theta 3}^2& 0\\ 0& 0& 0& 0& 0& {\sigma }_{\phi 3}^2\end{array}\right]P^T---\left(10\right)$P＝[P_１，P_２，P_３，P₄，P₅，P₆]    (11)$P_1=\frac{\partial z_m}{\partial {\theta }_1}==-{\left(A^{T}A\right)}^{-1}[(\frac{\partial A^T}{\partial {\theta }_1}A+A^T\frac{\partial A}{\partial {\theta }_1})Z_m-\frac{\partial A^T}{\partial {\theta }_1}b-A^T\frac{\partial b}{\partial {\theta }_1}]---\left(12\right)$$\frac{\partial A^T}{\partial {\theta }_1}=\left[\begin{array}{cccccc}-\sin {\theta }_1\sin {\phi }_1& 0& 0& 0& 0& 0\\ \sin {\theta }_1\cos {\phi }_1& \cos {\theta }_1& 0& 0& 0& 0\\ 0& \sin {\theta }_1\sin {\phi }_1& 0& 0& 0& 0\end{array}\right]---\left(13\right)$$\frac{\partial b^T}{\partial {\theta }_1}=\left[\begin{array}{cccccc}-\sin {\theta }_1\sin {\phi }_1{x}_{r1}+\sin {\theta }_1\cos {\phi }_1{y}_{r1}& \cos {\theta }_1{y}_{r1}+\sin {\theta }_1\sin {\phi }_1{z}_{r1}& 0& 0& 0& 0\end{array}\right]---\left(14\right)$P₂，P₃，P₄，P₅，P₆的求解与P₁类似；(2)以等效量测为量测输入，利用卡尔曼滤波方法进行滤波跟踪状态方程：X(k+1)＝F(k)X(k)+V(k)(15)量测方程：Z(k+1)＝Z_m(k+1)+W(k+1)(16)状态转移矩阵：$F\left(k\right)=\left[\begin{array}{cccccc}1& T& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& T& 0& 0\\ 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1& T\\ 0& 0& 0& 0& 0& 1\end{array}\right]---\left(17\right)$状态向量：$X\left(k\right)={\left[\begin{array}{cccccc}x\left(k\right)& \stackrel{.}{x\left(k\right)}& y\left(k\right)& \stackrel{.}{y\left(k\right)}& z\left(k\right)& \stackrel{.}{z\left(k\right)}\end{array}\right]}^T---\left(18\right)$步骤7：进行下一时刻运算重复执行步骤1～步骤7进行下一周期的量测分组、数据关联、滤波跟踪过程。