基于軟件化雷達的雜波區(qū)航跡起始算法研究?

唐思圓 凌 翔

（中國電子科技集團公司第三十八研究所 合肥 230088）

1 引言

強雜波下的多目標航跡起始［1］是指在大量雜波環(huán)境下，數(shù)量未知的目標尚未形成穩(wěn)定跟蹤之前，對目標航跡的建立過程。在雷達探測過程中，目標航跡起始是目標跟蹤的第一步，也是非常關鍵的環(huán)節(jié)，能否在復雜環(huán)境下實現(xiàn)航跡的高質量起始是保證能否實現(xiàn)高效目標跟蹤的一項重要因素。目標航跡起始環(huán)節(jié)處理得當，不僅能夠快速有效地排除雜波，減輕后續(xù)環(huán)節(jié)的計算負擔，還能夠及時地察覺新的目標航跡，降低航跡漏檢帶來的風險。在軍事領域，戰(zhàn)爭環(huán)境復雜，強雜波、多目標是航跡起始過程中最難解決且又最經常面臨的問題。

強雜波給航跡起始帶來的最突出的問題就是虛假航跡問題［2］。虛假航跡是由非真實目標的雷達量測數(shù)據(jù)（雜波、干擾等）建立的虛假的、錯誤的目標航跡。在作戰(zhàn)指揮時，如果態(tài)勢中存在大量的虛假航跡，必然會給指揮員的作戰(zhàn)決策帶來嚴重的干擾，所以需要降低虛假航跡出現(xiàn)的概率和數(shù)量。

目前國內外的航跡起始算法主要有啟發(fā)式方法、邏輯法［3～5］和Hough變換相關算法［6～8］。啟發(fā)式方法是一種粗糙的起始方式，該算法不考慮雜波和探測系統(tǒng)噪聲的影響。邏輯法的航跡起始算法是以多重假設的方式通過外推擴展和波門篩選來判別潛在的目標航跡，該算法無法兼顧目標檢測率和虛警率?；贖ough變換的算法，消除了在進行點航相關時，多個周期處理導致候選航跡分裂從而產生“組合爆炸”的問題，但作為批處理方式，Hough要處理多個周期的信息，有運算量大、占用儲存空間多的缺陷。

近年來，為了實現(xiàn)雷達系統(tǒng)的快速開發(fā)以及功能擴展提出了軟件化雷達［9～10］的概念。軟件化雷達是一種以軟件為核心，采用開放式體系架構的新概念雷達體制。軟件化雷達的功能模塊必須具有高適應性，即在任何雷達工作模式、目標特性、環(huán)境差異下都能有效地工作。針對雜波區(qū)目標航跡起始問題，本文提出了一種適用于軟件化雷達的高適應性算法，該算法在不同的工作環(huán)境下（包括雷達類型、工作模式、雜波環(huán)境、目標類型等），都能夠有效地抑制雜波區(qū)目標虛假航跡。文中通過Matlab仿真軟件對該算法的雜波區(qū)虛假航跡抑制效果進行驗證，并通過采集真實雷達目標數(shù)據(jù)，驗證了該算法在實際應用中的可行性和有效性。

2 問題描述

設暫時航跡TT的點跡集合為P={pi|i=1,2,…,N}，其中N為暫時航跡TT中的點跡數(shù)，且N不小于雜波區(qū)目標起始所需要的最小幀數(shù)，pi是暫時航跡TT中的第i個點跡。設暫時航跡TT的點跡集合P所對應的時間集合為

P中的所有點跡按照時間順序進行排列，對于集合P中的點跡 pi，設其屬性集合為

其中，M 是點跡 pi的屬性個數(shù)，aij是點跡 pi的第j個屬性。則雜波區(qū)目標航跡起始問題可以描述為已知一條暫時航跡TT及其所包含的點跡集合P、時間集合T和每個點跡 pi所對應的屬性集合Ai，判斷該條暫時航跡TT是否可以進行航跡起始。

3 雜波區(qū)航跡起始算法

由運動學定律可知，目標的位置、速度、航向等屬性在時間上是連續(xù)變化的，目標真實運動軌跡在平面上應為一條光滑的曲線［11］，并可以自適應地建立運動模型來進行運動擬合，而雜波區(qū)中的雜波則是無序的、隨機的，因此通過將觀測數(shù)據(jù)和運動曲線擬合結果進行比對，可以在一定程度上反映出航跡數(shù)據(jù)的平滑性、連續(xù)性，從而可以判斷該目標航跡是否是由真實目標所產生的。文中提出了一種基于最小二乘算法［12］的雜波區(qū)目標航跡起始算法，通過對暫時航跡TT中的點跡及其屬性按時間曲線擬合，根據(jù)擬合誤差來區(qū)分真實目標航跡和由雜波產生的虛假航跡。

該雜波區(qū)航跡起始算法的具體描述如下：設集合P中所有點跡所對應的第 j個屬性的集合為

為了判斷暫時航跡TT是否可以起始，我們需要評估暫時航跡TT中點跡屬性的一致性，設暫時航跡TT的各項點跡屬性的一致性參數(shù)為

則暫時航跡TT第 j個屬性的一致性參數(shù)hj為

則認為該暫時航跡TT滿足屬性一致性要求，可以進行雜波區(qū)航跡起始。

由于該算法考察的是目標航跡屬性的一致性，對屬性本身并沒有任何要求，即對目標的距離、方位、航向、速度等屬性取值范圍不做任何限制。因此，該算法不論是對快速目標還是慢速目標都可以適用。而對于機動性較強的目標，則可以通過采用不同階數(shù)的最小二乘擬合來使得擬合曲線更符合目標真實航跡，從而減小由目標機動所帶來的一致性參數(shù)偏差。

對于不同的雷達類型、工作模式和雜波環(huán)境，可以根據(jù)雷達參數(shù)和雜波分布特性設置航跡屬性參考閾值，從而使得該閾值能更好地區(qū)分出虛假航跡和真實目標航跡。

4 實驗及結果

本文總共設計了兩組試驗來驗證該雜波區(qū)目標航跡起始算法的有效性。在第一組實驗中，采用Matlab仿真軟件對該算法進行了仿真實現(xiàn)，通過Matlab仿真實驗摒除雷達其他因素對該算法效果的影響，從而可以專注評估該算法在虛假航跡抑制方面的有效性；在第二組實驗中，在軟件化雷達架構基礎上開發(fā)了基于該算法的功能模塊，并通過回放采集的真實目標數(shù)據(jù)來驗證該算法在實際應用中的效果。

4.1 Matlab仿真實驗

本次實驗采用Matlab仿真軟件對雜波區(qū)目標航跡起始算法進行仿真實驗。在10km×10km的矩形區(qū)域范圍內隨機生成5條機動目標航跡以及若干雜波點，生成的航跡以及雜波點如圖1所示。實驗中，分別在不使用雜波區(qū)起始算法和使用雜波區(qū)起始算法的情況下，對雜波區(qū)的目標進行航跡起始相關，并對實驗結果進行比對。圖2為沒使用該航跡起始算法的實驗結果，而圖3為使用了該航跡起始算法的實驗結果。從圖中的實驗結果可以明顯看出，在使用了雜波區(qū)航跡起始算法后，虛假航跡基本上被消除了。

圖1 仿真實驗中目標航跡及雜波

圖2 使用算法前實驗結果

圖3 使用算法后實驗結果

4.2 基于軟件化雷達的算法實驗

本次實驗根據(jù)文中提出的雜波區(qū)目標航跡起始算法在軟件化雷達架構基礎上進行了算法模塊的開發(fā)，并設計了實驗來驗證該算法在實際應用中的效果。本次實驗中使用采集的真實雷達雜波區(qū)目標點跡數(shù)據(jù)進行回放，并在相同實驗條件下對比使用和不使用該算法時，雜波區(qū)產生的目標虛假航跡情況。本次實驗的結果如圖4和圖5所示。圖4中為不使用該航跡起始算法的實驗結果，而圖5中為使用該算法的實驗結果。從實驗結果對比可以明顯看出，使用該算法可以大大減少在強雜波下起始的虛假航跡數(shù)。

圖4 使用算法前的實測數(shù)據(jù)實驗結果

圖5 使用算法后的實測數(shù)據(jù)實驗結果

5 結語

本文針對雜波區(qū)目標航跡起始問題提出了一種適用于軟件化雷達的高適應性算法，通過該算法可以極大地減少在強雜波下起始的虛假航跡數(shù)。文中通過Matlab仿真軟件驗證了該算法的有效性。并在軟件化雷達架構基礎上開發(fā)了基于該算法的功能模塊，通過對雷達真實目標數(shù)據(jù)的處理，驗證了該算法在實際應用中的可行性和有效性。