多传感器数据融合与弹道落点的预报
2018-03-22 20:42:03
多传感器数据融合与弹道落点的预报马清华，何念念，张毅（西安第二炮兵工程学院，陕西西安710025）统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。
1传感器概述l.i光测系统光学外弹道测量系统是外弹道测量的重要手段，由不同类型的光学测量设备组成。光学电影经掉仪是使用最普遍的测量设备，它可以测得飞行目标按时间顺序相对于测量站本身的方位角和俯仰角。光学测量可进行目标到达角的高精度测量，也能测量目标距离（如激光雷达）激光测距仪通过激光的回波反射，精确测定距离。光学测量设备有它独特的优点，如无需在箭上装复杂的设备，测量精度也可以达到很高。其缺点是作用距离有限，对气象条件要求严格，阴天、雨天效果很差，甚至不能工作。
1.2红外系统目前，红外测量系统主要指红外搜索与跟踪系统或红外成像仪，它是弹道导弹进行靶场外弹道测量最重要的手段之一。这类传感器能在方位上和俯仰上以很高的分辨率和精度来探测和测量目标，但是不能直接提供距离数据。典型的视场为方位360俯仰30°。红外传感器的探测距离依赖于目标的热辐射量、目标/背景对比和大气条件。在良好气象条件下，探测距离约20km.典型的红外探测系统是美加联合研制的AN/SAR-该系统采用全景红外探测器进行全方位扫描，能够探测跟踪空中目标，产生地形特征红外图像，告警、瞄准、传送、监视及进行战斗态势评估。
在实际的弹道测量任务中，红外测量系统的使用受天气因素的影响较大，测量精度也不够理想，落点预报的结果与实际落点的偏差较大，不能满足部队实战的需要。
1.3相控阵雷达系统相控阵雷达是一种多功能、高性能的新型雷达。它具有多功能、多目标、远距离、高数据率、高可靠性和高自适应能力的特点，研究提高其数据处理方法己成为一项迫在眉睫的要求与任务。
1.遥测系统遥测是为实现远距离截取各类感兴趣的特征参数而发展起来的一门应用技术是导弹发展的重要技术之一。遥测系统用来测量火箭飞行时的工作状态和环境参数，是集合传感、通信、自动化和计算机等多种学科技术，以远距测量为特征的多路信息系统。
2落点预报的必要性分析2.1正确决策的需要现代科技的迅速发展，使战争的指挥决策系统必需具有空前快速准确的特点。作战双方不仅要能通过各种侦察手段准确实时地搜集对方的军事目标和活动信息，还要能自动地对搜集到的种种信息进行分析和处理。另外，现代战争还有一个显著的特点，那就是各兵种协同作战，这就要求必需提高指挥效率和指挥质量，这无疑也要求有较高的信息收集和处理能力。正确的作战决策是战争胜负的重要因素，而快速的信息收集和处理能力则是正确作战决策的关键。在当今导弹技术迅速发展的时代里，导弹己经成为决定战争胜负的关键因素之一，这一点己经在海湾战争、科索沃战争中得到有力证明。因此各国都在争夺导弹技术的前沿阵地，努力赶超世界先进水平。随着美国战略防御计划的提出，导弹技术更是日新月异，尤其是反导防御系统的大力研制和发展己经成为各军事强国的共识。就目前的情况来看，这种态势在21世纪里必将持续下去。对于防御方，一个良好的防御系统能够使本国人民免遭战火的蹂躏；对于进攻方，导弹的精度是能否准确打击敌方目标的关键。无论对于哪一方来说，能否对敌方和我方导弹落点作出准确的判断都是至关重要的。因为只有准确判断导弹落点才能作出正确的作战决策，从而有效地打击敌人目标，也只有准确判断敌方导弹落点才能作出正确的决策，从而有效地拦截敌方导弹使己方遭受最小的损失，使敌人的战略目标落空。所以落点预报的准确与否成为作战决策正确与否的关键所在，也是战争胜负的关键所在。
2.2目标跟踪、识别的需要进行落点预报就必须通过一定的传感器来获得一定的信息，并经过处理推算出来。传感器的精度当然是一个重要的因素，但信息处理方法的选择也是一个十分重要的因素。无论是哪一种测量系统的精度，目前都不能满足试验和实战的需要，都有其不可克服的缺陷。在现有传感器精度不易提高的情况下，如果能有一种好的数据处理方法，那么也能够取得较好的结果。更进一步讲，在目标跟踪时还存在一个目标识别问题。以防御方为例，敌方来袭导弹很可能是多枚，并且是多种型号。对于不同的型号采取不同的拦截措施能取得较好的效果。需要对来袭多枚导弹进行型号等等的识别，进行正确的识别是进行正确决策的基础，而要进行正确的识别就必须有准确的目标跟踪（同时在目标跟踪的过程中也存在目标识别的问题）这时传感器的精度要求非常高，但目前不可能达到这种水平。这就需要寻求一种较好的数据处理方法，在目前的基础上尽可能地提高跟踪水平。
数据融合是融合处理的一项新技术它合成某一目标的多源信号，并能获得比单一信源更精确、更完全的估计和判决。这在军事上是指对来自多源的信息和数据进行检测、关联、相关、估计和融合等多级多方面的处理，以得到精确的状态和类别判定及进行快速完整的态势和威胁估计。
它的优点是运行y能够扩扩大空间和时耐覆盖，提高置信度，降低模糊度，改善检测性能，提高空间分辨力，加观测空间维数，充分利用传感器网的资源和调度系统，最大限度地提高资源的利用率和强整个传感器基地的生存能力。
总之，在目前的情况下，进行多传感器的数据融合来进行落点预报是十分必要的，它能够迅速地提高我方的作战能力和防御能力。
3多传感器数据融合分析在现代战争中，正确的作战决策是不能离开及时的传感器数据的。指挥和控制系统在进行威胁评估和武器分配时，所要的关键信息有目标探测、目标位置与速度、目标分类、目标识别等。单独一种传感器不能提供指挥和控制系统所需要的关键信息，而且每种传感器又具有各自的优势和缺陷。多传感器数据融合的要求是由武器控制所决定的。为了对目标实施检测、跟踪、分类和识别，以便实现威胁评估和武器分配的正确的作战决策，必需进行多传感器数据融合。
3.1基本模型的建立与标准程序算法的编写设所有的传感器都能获得信号数据，并采用合适的程序算法来测量目标的特征参数。为了实现多传感器数据融合，需要建立普通传感器模型。
目标跟踪子系统的参数数据相似，并可提供一般时间的参数变化指示。源于这种跟踪，系统能够推断出可以用于分类和识别目标的属性。几乎所有传感器都采用用于参数测量和具有跟踪功能的标准程序算法（如自相关、卡尔曼滤波器等）3.2数据融合的基本原理基于上述基本模型，对于传感器搜集的信号，可以确定有两个不同但相关的融合数据，即相关跟踪和目标的分类与识别。
相关跟踪必须优先考虑任何分类和识别的数据融合，每个传感器都能测量目标的参数和特性，推测出其属性，并能完成分类和识别。当然，在两个或更多传感器的相关跟踪数据中，只有那些与每个传感器所测量目标参数相一致的数据才是有用的。由于要对每个传感器己测量的目标参数中所表现的目标属性进行比较，所以相关跟踪要谨慎进行。参数测量错误往往使结果出现模糊，而采用分类信号处理算法，又可将误差统计出来。但是，仅仅列出几个测量误差，结果仍然不好确定。
目标的分类和识别是一个集合程序，测量的目标全部参数加上每个传感器推断出的属性大体能解决这一问题。然而，传感器提供的推断特性往往会出现误差，以致得出一致的错误结果。确定这种不定性是困难的，因为这些推断出的特性源于探索推断算法而不是统筹方法。用探索算法来给误差定性的大部分实验都有缺陷，这方面还需要更进一步的研究。
3.3数据融合结构与水平将单个传感器与用于处理传感器输入和传感器融合的指挥控制系统合成一起的融合水平大致可分为三级，相应地融合结构也可分为三种，结合起来可具体地分为以下类型。
中心式融合将各传感器录取的原始（未处理的）数据传输到同一中心融合处理器，在此完成数据对准、关联、跟踪及目标分类等功能。
在这种结构式的融合中每一个传感器自动操作。信息通过一条通道从传感器传送到中心传感器融合子系统，任一信息的融合都是在这里完成。这样设计的传感器系统不至于相互干扰。根据这一模式，必须研究出每一传感器细微的信号处理技术这样才能使传感器融合子系统融合分类和识别数据。若改变传感器，就可能要对指挥控制系统进行较大的改变。所以将这种传感器融合操作称之为互补，也就是说，这时任一给定的传感器的性能并没有由于融合而得到提高，但是它们能相互弥补缺陷。其特点是信息损失少，但整个系统的传输负载及中心融合处理器的计算负载大，系统的生存能力差。
在自主式融合结构中，各传感器对所接收的原始数据进行最大限度的预处理，并各自独立地产生状态估计和属性判决，而后将其全部传输到融合处理器，在此完成数据对准、互联、相关、滤波及分类。当然，各传感器的自主并不代表它们彼此没有什么联系，它们完全可以在保持独立的情况下进行相互协作。在部分协同融合工作状态下，基本性能的加致使传感器要完成融合子系统分配的工作，即为特定的跟踪积极寻找和提供数据，并自动操作。源于一个传感器的信息可‘启动“另一个传感器工作。如红外系统或光测系统，能够首先探测到来袭导弹并立即为多功能同，也就是说，传感器可定向共同行动，所以最终结果要好于不协同的情况。这种融合的效果主要表现在减少相关跟踪的误差。其特点就是系统传输的和融合处理器处理的不是原始数据，而是各传感器产生的状态矢量和属性判决数据，因此系统的传输量及融合处理的计算量较中心式的小，但信息损失大。
混合式融合结构是中心式和自主式的融合。它保持了这两者的优点，但在通信及计算上代价昂贵。在全协同情况下，各个传感器成为可相互配合的“智能型”单元，并且传感器融合子系统在作战信息交换水平上是完整的，它们既能进行目标的相关跟踪，又能对目标进行分类和识另1.这就要求传感器与传感器融合子系统紧密耦合。通过威胁评估与武器分配可得出源于多传感器数据的作战决策。传感器融合子系统能够提供杀伤评估信息，或为电子对抗子系统提供重要数据，从而有效地支持武器控制子系统。整个数据融合需要建立良好的信息流通机制，以保证有用信息的最大交换。另外还要为传感器和传感器融合子系统之间提供紧密的耦合，即在不需要全面改变指挥和控制系统的情况下，就可改变或加某个传感器。
3.4实例这里讨论雷达、红外系统和光测系统与传感器融合子系统连用的实例。如前所述，几个传感器间的相关跟踪源于与这些传感器所测量的目标光测系统中，位置和速度为共同属性。在雷达系统内，几个雷达的位置数据是利用所有位置参数合成的：到达时间、方位角、距离、俯仰角和速度。
当对雷达与红外系统的信息进行合成时，距离和速度将不再是可利用的参数。当最终将红外系统、光测系统以及雷达融合时，时间、方位角和俯仰角就成为相关的参数。这就要求传感器的数据应逐段合成。假定雷达己发现3个目标，其中光测系统发现了两个有相同方位和仰角的目标，而且红外系统也发现了在同一方向上的3个目标。红外系统的每一个目标截获都与3个可能的识别相关联，也就是说，3个可能的辐射源与红外系统数据库相匹配。事实上，相关跟踪器和跟踪识别器的运算就是计算每一个可能结合的可信度。而最好的方法是对每一个问题分层推敲。一旦测量的不同特征参数己经相关，那么测量的其他属性（诸如目标类型和速度）便可用来分类和识别。在上述例子中，可将红外系统提供的目标属性和雷达以及光测系统搜集的分类信号加以比较。
4结论综上所述，可以得出这样的结论：为多传感器数据融合寻找妥善的算法是一个难题；一个传感器提供一个参数以触发另一个传感器，后者可自主地再获得同样的跟踪；当传感器测量参数中出现具有类似特征的两个目标时，数据融合将是容易的。利用多种方法和技术是能够研究出真正的协同融合算法来进行落点预报的。
1传感器概述l.i光测系统光学外弹道测量系统是外弹道测量的重要手段，由不同类型的光学测量设备组成。光学电影经掉仪是使用最普遍的测量设备，它可以测得飞行目标按时间顺序相对于测量站本身的方位角和俯仰角。光学测量可进行目标到达角的高精度测量，也能测量目标距离（如激光雷达）激光测距仪通过激光的回波反射，精确测定距离。光学测量设备有它独特的优点，如无需在箭上装复杂的设备，测量精度也可以达到很高。其缺点是作用距离有限，对气象条件要求严格，阴天、雨天效果很差，甚至不能工作。
1.2红外系统目前，红外测量系统主要指红外搜索与跟踪系统或红外成像仪，它是弹道导弹进行靶场外弹道测量最重要的手段之一。这类传感器能在方位上和俯仰上以很高的分辨率和精度来探测和测量目标，但是不能直接提供距离数据。典型的视场为方位360俯仰30°。红外传感器的探测距离依赖于目标的热辐射量、目标/背景对比和大气条件。在良好气象条件下，探测距离约20km.典型的红外探测系统是美加联合研制的AN/SAR-该系统采用全景红外探测器进行全方位扫描，能够探测跟踪空中目标，产生地形特征红外图像，告警、瞄准、传送、监视及进行战斗态势评估。
在实际的弹道测量任务中，红外测量系统的使用受天气因素的影响较大，测量精度也不够理想，落点预报的结果与实际落点的偏差较大，不能满足部队实战的需要。
1.3相控阵雷达系统相控阵雷达是一种多功能、高性能的新型雷达。它具有多功能、多目标、远距离、高数据率、高可靠性和高自适应能力的特点，研究提高其数据处理方法己成为一项迫在眉睫的要求与任务。
1.遥测系统遥测是为实现远距离截取各类感兴趣的特征参数而发展起来的一门应用技术是导弹发展的重要技术之一。遥测系统用来测量火箭飞行时的工作状态和环境参数，是集合传感、通信、自动化和计算机等多种学科技术，以远距测量为特征的多路信息系统。
2落点预报的必要性分析2.1正确决策的需要现代科技的迅速发展，使战争的指挥决策系统必需具有空前快速准确的特点。作战双方不仅要能通过各种侦察手段准确实时地搜集对方的军事目标和活动信息，还要能自动地对搜集到的种种信息进行分析和处理。另外，现代战争还有一个显著的特点，那就是各兵种协同作战，这就要求必需提高指挥效率和指挥质量，这无疑也要求有较高的信息收集和处理能力。正确的作战决策是战争胜负的重要因素，而快速的信息收集和处理能力则是正确作战决策的关键。在当今导弹技术迅速发展的时代里，导弹己经成为决定战争胜负的关键因素之一，这一点己经在海湾战争、科索沃战争中得到有力证明。因此各国都在争夺导弹技术的前沿阵地，努力赶超世界先进水平。随着美国战略防御计划的提出，导弹技术更是日新月异，尤其是反导防御系统的大力研制和发展己经成为各军事强国的共识。就目前的情况来看，这种态势在21世纪里必将持续下去。对于防御方，一个良好的防御系统能够使本国人民免遭战火的蹂躏；对于进攻方，导弹的精度是能否准确打击敌方目标的关键。无论对于哪一方来说，能否对敌方和我方导弹落点作出准确的判断都是至关重要的。因为只有准确判断导弹落点才能作出正确的作战决策，从而有效地打击敌人目标，也只有准确判断敌方导弹落点才能作出正确的决策，从而有效地拦截敌方导弹使己方遭受最小的损失，使敌人的战略目标落空。所以落点预报的准确与否成为作战决策正确与否的关键所在，也是战争胜负的关键所在。
2.2目标跟踪、识别的需要进行落点预报就必须通过一定的传感器来获得一定的信息，并经过处理推算出来。传感器的精度当然是一个重要的因素，但信息处理方法的选择也是一个十分重要的因素。无论是哪一种测量系统的精度，目前都不能满足试验和实战的需要，都有其不可克服的缺陷。在现有传感器精度不易提高的情况下，如果能有一种好的数据处理方法，那么也能够取得较好的结果。更进一步讲，在目标跟踪时还存在一个目标识别问题。以防御方为例，敌方来袭导弹很可能是多枚，并且是多种型号。对于不同的型号采取不同的拦截措施能取得较好的效果。需要对来袭多枚导弹进行型号等等的识别，进行正确的识别是进行正确决策的基础，而要进行正确的识别就必须有准确的目标跟踪（同时在目标跟踪的过程中也存在目标识别的问题）这时传感器的精度要求非常高，但目前不可能达到这种水平。这就需要寻求一种较好的数据处理方法，在目前的基础上尽可能地提高跟踪水平。
数据融合是融合处理的一项新技术它合成某一目标的多源信号，并能获得比单一信源更精确、更完全的估计和判决。这在军事上是指对来自多源的信息和数据进行检测、关联、相关、估计和融合等多级多方面的处理，以得到精确的状态和类别判定及进行快速完整的态势和威胁估计。
它的优点是运行y能够扩扩大空间和时耐覆盖，提高置信度，降低模糊度，改善检测性能，提高空间分辨力，加观测空间维数，充分利用传感器网的资源和调度系统，最大限度地提高资源的利用率和强整个传感器基地的生存能力。
总之，在目前的情况下，进行多传感器的数据融合来进行落点预报是十分必要的，它能够迅速地提高我方的作战能力和防御能力。
3多传感器数据融合分析在现代战争中，正确的作战决策是不能离开及时的传感器数据的。指挥和控制系统在进行威胁评估和武器分配时，所要的关键信息有目标探测、目标位置与速度、目标分类、目标识别等。单独一种传感器不能提供指挥和控制系统所需要的关键信息，而且每种传感器又具有各自的优势和缺陷。多传感器数据融合的要求是由武器控制所决定的。为了对目标实施检测、跟踪、分类和识别，以便实现威胁评估和武器分配的正确的作战决策，必需进行多传感器数据融合。
3.1基本模型的建立与标准程序算法的编写设所有的传感器都能获得信号数据，并采用合适的程序算法来测量目标的特征参数。为了实现多传感器数据融合，需要建立普通传感器模型。
目标跟踪子系统的参数数据相似，并可提供一般时间的参数变化指示。源于这种跟踪，系统能够推断出可以用于分类和识别目标的属性。几乎所有传感器都采用用于参数测量和具有跟踪功能的标准程序算法（如自相关、卡尔曼滤波器等）3.2数据融合的基本原理基于上述基本模型，对于传感器搜集的信号，可以确定有两个不同但相关的融合数据，即相关跟踪和目标的分类与识别。
相关跟踪必须优先考虑任何分类和识别的数据融合，每个传感器都能测量目标的参数和特性，推测出其属性，并能完成分类和识别。当然，在两个或更多传感器的相关跟踪数据中，只有那些与每个传感器所测量目标参数相一致的数据才是有用的。由于要对每个传感器己测量的目标参数中所表现的目标属性进行比较，所以相关跟踪要谨慎进行。参数测量错误往往使结果出现模糊，而采用分类信号处理算法，又可将误差统计出来。但是，仅仅列出几个测量误差，结果仍然不好确定。
目标的分类和识别是一个集合程序，测量的目标全部参数加上每个传感器推断出的属性大体能解决这一问题。然而，传感器提供的推断特性往往会出现误差，以致得出一致的错误结果。确定这种不定性是困难的，因为这些推断出的特性源于探索推断算法而不是统筹方法。用探索算法来给误差定性的大部分实验都有缺陷，这方面还需要更进一步的研究。
3.3数据融合结构与水平将单个传感器与用于处理传感器输入和传感器融合的指挥控制系统合成一起的融合水平大致可分为三级，相应地融合结构也可分为三种，结合起来可具体地分为以下类型。
中心式融合将各传感器录取的原始（未处理的）数据传输到同一中心融合处理器，在此完成数据对准、关联、跟踪及目标分类等功能。
在这种结构式的融合中每一个传感器自动操作。信息通过一条通道从传感器传送到中心传感器融合子系统，任一信息的融合都是在这里完成。这样设计的传感器系统不至于相互干扰。根据这一模式，必须研究出每一传感器细微的信号处理技术这样才能使传感器融合子系统融合分类和识别数据。若改变传感器，就可能要对指挥控制系统进行较大的改变。所以将这种传感器融合操作称之为互补，也就是说，这时任一给定的传感器的性能并没有由于融合而得到提高，但是它们能相互弥补缺陷。其特点是信息损失少，但整个系统的传输负载及中心融合处理器的计算负载大，系统的生存能力差。
在自主式融合结构中，各传感器对所接收的原始数据进行最大限度的预处理，并各自独立地产生状态估计和属性判决，而后将其全部传输到融合处理器，在此完成数据对准、互联、相关、滤波及分类。当然，各传感器的自主并不代表它们彼此没有什么联系，它们完全可以在保持独立的情况下进行相互协作。在部分协同融合工作状态下，基本性能的加致使传感器要完成融合子系统分配的工作，即为特定的跟踪积极寻找和提供数据，并自动操作。源于一个传感器的信息可‘启动“另一个传感器工作。如红外系统或光测系统，能够首先探测到来袭导弹并立即为多功能同，也就是说，传感器可定向共同行动，所以最终结果要好于不协同的情况。这种融合的效果主要表现在减少相关跟踪的误差。其特点就是系统传输的和融合处理器处理的不是原始数据，而是各传感器产生的状态矢量和属性判决数据，因此系统的传输量及融合处理的计算量较中心式的小，但信息损失大。
混合式融合结构是中心式和自主式的融合。它保持了这两者的优点，但在通信及计算上代价昂贵。在全协同情况下，各个传感器成为可相互配合的“智能型”单元，并且传感器融合子系统在作战信息交换水平上是完整的，它们既能进行目标的相关跟踪，又能对目标进行分类和识另1.这就要求传感器与传感器融合子系统紧密耦合。通过威胁评估与武器分配可得出源于多传感器数据的作战决策。传感器融合子系统能够提供杀伤评估信息，或为电子对抗子系统提供重要数据，从而有效地支持武器控制子系统。整个数据融合需要建立良好的信息流通机制，以保证有用信息的最大交换。另外还要为传感器和传感器融合子系统之间提供紧密的耦合，即在不需要全面改变指挥和控制系统的情况下，就可改变或加某个传感器。
3.4实例这里讨论雷达、红外系统和光测系统与传感器融合子系统连用的实例。如前所述，几个传感器间的相关跟踪源于与这些传感器所测量的目标光测系统中，位置和速度为共同属性。在雷达系统内，几个雷达的位置数据是利用所有位置参数合成的：到达时间、方位角、距离、俯仰角和速度。
当对雷达与红外系统的信息进行合成时，距离和速度将不再是可利用的参数。当最终将红外系统、光测系统以及雷达融合时，时间、方位角和俯仰角就成为相关的参数。这就要求传感器的数据应逐段合成。假定雷达己发现3个目标，其中光测系统发现了两个有相同方位和仰角的目标，而且红外系统也发现了在同一方向上的3个目标。红外系统的每一个目标截获都与3个可能的识别相关联，也就是说，3个可能的辐射源与红外系统数据库相匹配。事实上，相关跟踪器和跟踪识别器的运算就是计算每一个可能结合的可信度。而最好的方法是对每一个问题分层推敲。一旦测量的不同特征参数己经相关，那么测量的其他属性（诸如目标类型和速度）便可用来分类和识别。在上述例子中，可将红外系统提供的目标属性和雷达以及光测系统搜集的分类信号加以比较。
4结论综上所述，可以得出这样的结论：为多传感器数据融合寻找妥善的算法是一个难题；一个传感器提供一个参数以触发另一个传感器，后者可自主地再获得同样的跟踪；当传感器测量参数中出现具有类似特征的两个目标时，数据融合将是容易的。利用多种方法和技术是能够研究出真正的协同融合算法来进行落点预报的。