多雷达组网的数据处理技术研究

摘 要

在现代战场范围不断扩大的作用下，人们期望通过多雷达组网的数据处理技术将战场动态信息更加全面、准确的掌握，以此提升战略决策的正确性和及时性，使多雷达的使用更加满足战场信息处理的实际需要，在此背景下，本文针对多雷达组网的数据误差配准处理、数据关联处理和数据目标状态估计处理方面的技术展开研究，为提升多雷达组网数据处理的水平做出努力。

【关键词】多雷达组网 数据处理技术 误差配准

多雷达组网即将在体制、频段、工作模式、极化方式等方面存在差异的多个雷达或无源侦察装备在合理布局的前提下，通过通信手段，形成由中心站进行统一调配的整体，在此组网结构中，中心站可以对所有雷达覆盖区域内的相关信息进行收集和处理，并结合实际需要对组网中的各雷达的工作状态进行实时调整，使多雷达同时处于最优的状态，对其数据处理技术进行研究，直接关系到战场决策对雷达提供信息的应用水平，所以具有重要的战略意义。

1 多雷达组网的数据误差配准处理技术

由于异地分布的多雷达在信息传输的过程中可能存在的误差将直接影响获取的融合航迹精确度，所以要进行误差配准处理，在雷达测量的过程中出现的误差主要包括系统类、随机类、漂移类和时间类四种误差，在误差配准处理的过程中首先要对误差进行校准处理，然后对确定的误差进行修正。在数据校准的过程中，首先要对不同雷达传输的数据进行相同形式、描述的设定，以此统一不同雷达在时空方面的参考点，在具体校准的过程中，需要对雷达的坐标体系进行统一，使其以雷达站为中心，形成多个雷达构成的独立坐标体系，进而产生有雷达站和各雷达共同构成的雷达网络，在转换的过程中可以将其视为旋转的椭球面。可见在此项处理的过程中，首先要将个雷达站的坐标体系转化成直角坐标体系，再转化为地心直接坐标系，再转化为融合中心直角坐标系。其次，要进行时间校准，现阶段主要以GPS时钟作为统一校准的基准，在此基础上，现阶段通常将线性时间校准插值和抛物时间校准插值方法应用于时间校准过程中，以此保证时间校准的准确性。除上述两种校准类型外，还需要丢位数、和量岗进行校准，前者主要通过降维转换实现，后者主要通过参数量钢实现。在误差校准后，通常通过机载GPS定位设备比较法和固定回波校正法、估计法解算系统误差法对其进行修正，前者主要通过记载的定位设备对相应的精度、维度、高度等进行测量和记录，在转换后将转换结果与线性插值结果进行对比。

2 多雷达组网的数据关联处理技术

在多个雷达进行匀速直线运动的过程中，如果知道其某时刻在坐标上的位置与其在关联时刻的坐标位置的关系，可以对雷达未来一段时间内的数据进行准确的预测，而且可以对现有数据的准确性进行证，在具体关联处理的过程中，首先要将两个目标航迹在某时刻的位置外推到新的测量时间中，然后将新的测量集合设定，对新测量集合与各已知目标航迹在新的测量时间的外推位置之间的关联度量进行计算，可以获得相关的关联矩阵，此时结合关联度量的计算结果和门限，可以对新的测量集合与确定航迹之间的关联进行明确，此时将测量结果对目标航迹进行合理的分配，在铝箔处理后，对航迹的估计位置进行掌握。可见数据关联处理可以实现对多雷达的跟踪和识别，其主要依靠m维攀登处理进行，在具体管理处理的过程中通常以单个雷达测量提供的集合或单个雷达测量提供的国歌集合作为测量的主要依据，现阶段在具体的数据关联处理的过程中，主要通过以下几种技术实现。首先，点迹间的关联，在此关联处理下将实现对雷达航迹的起始点的跟踪，在此融合的过程中主要应用修正的逻辑航迹起始算法，将具体的计算量和逻辑等设置在相同的数量级中；其次，点迹和航迹间的关联，这对雷达航迹的预测具有积极作用，在具体处理的过程中要保证静态分区和动态分区的准确性；再次，航迹间的关联，其又被称为航迹统合，这对更新多雷达状态数据，实现目标状态的融合意义重大，在具体处理的过程中应先对各雷达进行时间方面的信息统合，然后使其在组网中心实现坐标转换，对以上处理结果进行航迹相关处理结果后，实现航迹融合。在以上关联处理完成后考虑到多雷达组网中各雷达在工作周期、观察时刻等方面的差异，要对其航迹进行维持跟踪，此过程需要合理的序贯处理、无序量测和痕迹管理。

3 多雷达组网的数据目标状态估计处理技术

不同传感器提供的信息可能存在一定的模糊性，所以需要对数据目标状态进行估计处理，现阶段主要通过目标运动状态信息滤波器和离散状态分类置信度的信息滤波器两种算法对数据进行估计处理，在状态观测和估计的过程中需要利用目标运动方程Ax+w对其进行计算，其中A代表n阶矩阵，w代表噪声向量，x代表n维状态向量，在以上数据获取后要结合机动目标模型和滤波模型对其进行处理，现阶段应用的机动目标模型主要包括常速度CV模型、常加速CA模型、Singer模型、半马尔可夫模型、Noval统计模型等种类，在具体选择的过程中应结合各模型的特点和已知的数据情况进行灵活的选择。而现阶段应用的滤波模型主要包括α-β和灰沪乱Y滤波器、Kalman滤波器等，通过以上模型和计算，可以对航线的距离、方位、仰角等信息准确的获取，以此对雷达的运动特征准确的描述，使多雷达组网的数据更加全面的体现各雷达的运行特征，为战略决策提供依据。

现阶段除上述处理技术外，针对各类大收集数据进行仿真应用也在一定程度上被应用。

4 结论

通过上述分析可以发现，现阶段人们已经认识到多雷达组网数据处理技术在挖掘信息价值、提升战略决策准确性、优化多雷达应用策略等方面的重要性，并有意识的规其进行深入研究，这是现代军事指挥适应信息科技发展的具体体现，应不断的完善和推广。

参考文献

[1]卓宁，张海江.靶场多雷达组网数据处理中时间校准方法研究[J].电子测量技术，2014（12）：99-101.

[2]施岩龙，王雪，陆小科.面向多雷达数据融合的并行数据编排框架研究[J].现代雷达，2015（10）：39-42.

[3]罗兴旺，张伯彦，刘嘉，蔺宏江，禹娟.雷达数据处理中的杂波抑制方法[J].系统工程与电子技术，2016（01）：37-44.

[4]蒋立民.雷达组网数据融合中几个问题的研究[J].科技创新与应用，2013（14）：97.

作者单位

中国人民91336部队 河北省秦皇岛市 066000