基于硬判決的分布式真假彈頭識別方法
【技術領域】
[0001] 本發(fā)明屬于雷達技術領域，是一種用于識別真假彈頭的分布式方法，基于 LOUD (Locally Optimal Unknown Direction)檢測器和硬判決檢測算法。
【背景技術】
[0002] 彈道導彈以其射程遠、威力大、精度高和生存能力強等優(yōu)點已成為現(xiàn)代戰(zhàn)爭的"殺 手锎"武器之一。隨著彈道導彈技術的發(fā)展，彈道導彈防御系統(tǒng)應運而生。真假彈頭目標識 別是彈道導彈反導系統(tǒng)中的關鍵和難點，近年來得到了國內外的廣泛關注。
[0003] 彈道導彈的彈道分為助推段、中段（自由段）和再入段。在助推段防御彈道導彈， 需要防御系統(tǒng)進行前置部署，這是較難實現(xiàn)的；在再入段防御彈道導彈，留給防御系統(tǒng)的反 應時間極短，攔截成功幾率較低；而相對之下，自由飛行段占整個彈道時間的80%~90% 以上，可攔截時間長并且防御面積大，是防御系統(tǒng)的首選識別和攔截階段。在彈道中段，真 假彈頭目標質心做軌道運動的差異很小，難以用于識別。假彈頭具有與真彈頭相似的外形 和表面材料，因而假彈頭的電磁散射特性、運動特性等多方面與真彈頭相近，這增加了真假 彈頭目標識別和攔截的難度。
[0004] 彈頭在彈道自由段要進行姿態(tài)控制，以保持在再入大氣層時飛行的穩(wěn)定性來提高 彈頭命中精度。自旋是彈頭自由段常用的姿態(tài)控制方式，若假彈頭沒有采取姿態(tài)控制，會出 現(xiàn)翻滾等隨機運動方式。假彈頭釋放過程中產生的橫向干擾使彈頭類目標產生進動，即目 標的自旋軸繞空間某定向對稱軸旋轉。由動力學分析可知，目標進動的快慢和章動角的大 小由目標的質量分布特性決定。因而，假彈頭與真彈頭質量分布的不同將直接導致進動參 數的差異。真假彈頭在微動特征上的差異為真假彈頭識別問題提供了理論依據。
[0005] 分置天線MMO雷達系統(tǒng)的發(fā)射機和接收機是分開的，天線陣元間距離滿足遠場 條件，使得各個陣元發(fā)射的信號獨立，由此獲得空間分集增益，從多個角度觀察目標，從而 提取目標更細微的信息。Mnro雷達發(fā)射相互獨立且正交的信號，在接收機端經過匹配濾波 器分離出各路波形信號，從而引入了更多的觀測通道和自由度，與傳統(tǒng)相控陣雷達相比極 大地提高了雷達的總體性能。分置天線Mnro雷達有著優(yōu)良的目標檢測能力及反隱身、抗摧 毀特性，可用于檢測遠距離弱小目標和較小差異。利用Mnro雷達對彈頭目標進行觀測，能 夠檢測出精細準確的微動特征上的差異，是解決真假彈頭識別問題的可行方法。
[0006] 狀態(tài)空間模型包括狀態(tài)轉移方程和觀測方程，描述了系統(tǒng)內部變化對系統(tǒng)輸出的 影響：
[0007] xk+1= F k+1xk+Gk+1uk+wk+1 (I)
[0008] zk=Hxk+ek (2)
[0009] 其中&是k時刻彈頭目標的狀態(tài)向量，包括位置、速度等信息，u ,是k時刻的系統(tǒng) 輸入向量，系統(tǒng)狀態(tài)噪聲wk+1建模為高斯隨機向量，滿足分布~Λ\0工" )，F(xiàn)k+1是狀態(tài) 轉移矩陣，Gk+1是系統(tǒng)輸入向量u k的系數矩陣；z 1<是k時刻MIMO雷達觀測向量，e 1<是k時 刻的系統(tǒng)觀測噪聲，假設其服從高斯分布，即％~H是觀測矩陣。
[0010] 由上述對真假彈頭運動特征的分析可知，真假彈頭微動特征的差異表現(xiàn)在進動參 數等之中，也就是Fk+1與G k+1之中。這里將問題簡化為狀態(tài)轉移模型中G k+1相同而F k+1不同 的情形。真假彈頭識別問題由此建模為二元假設檢驗問題：在彈道中段的真假彈頭以同一 運動狀態(tài)飛行，并且在真假彈頭分離之前其狀態(tài)轉移矩陣保持不變，即F k+1= F。，其中F。表 示初始時刻的狀態(tài)轉移矩陣；在η時刻真假彈頭分離，由于真彈頭具有姿態(tài)控制系統(tǒng)，其狀 態(tài)轉移矩陣F k+1保持不變仍為F。，對應于Η。假設；而假彈頭由于缺少此類控制裝置，或質量 及質量分布不會與真彈頭完全相同，其對應的參數矩陣發(fā)生變化，F(xiàn) k+1= F。辛F。，對應于H1 假設：
[0012] 如果F。和F。都是已知的，可以利用紐曼-皮爾遜檢測器進行似然比檢驗；但是實 際情況中F。是未知參數矩陣，這就使得（3)成為復合假設檢驗問題。
[0013] 與紐曼-皮爾遜檢測器有些相似，局部最優(yōu)未知方向（LOUD)檢測器在虛警概率 PFA< α (α是一正常數）的同時使檢測概率最大，其檢測準則是當參數向量變化方向未知 時，將所有可能的變化方向對應的檢測概率求平均，獲得最大的平均檢測概率，是一種局部 最優(yōu)檢測器，可以被用于解決真假彈頭目標識別問題。對應如（3)所示的復合假設檢驗問 題，得到LOUD檢測器形式如下：
[0015] 其中 Fk+1(i, j), i, j = 1，2, · · ·，L'是€：Μζ'χ?'的元素，p(zk+11 zk;Fk+1)是在 ZkB 知時zk+1的條件概率密度函數，n urn是檢測門限，由虛警概率確定。

【發(fā)明內容】

【背景技術】 [0016] 采用集中式處理結構，將MMO雷達各接收天線的觀測數據都發(fā)送到融 合中心聯(lián)合處理，傳輸數據量較大、成本較高并且容易造成數據傳輸損失。本發(fā)明對于背景 技術中集中式處理的缺陷，提出一種Mnro雷達分布式真假彈頭識別方法，不僅能夠避免集 中式處理中大量數據傳輸，同時可以保證較高的檢測識別概率。這里首先介紹如下相關術 語：
[0017] 分布式狀態(tài)空間模型：分布式狀態(tài)空間模型是基于分布式結構中各個局部處理 器建立的。在本發(fā)明中，將Mnro雷達的接收陣元劃分為G個子塊（局部處理器），各個 子塊也是分置天線布局，類似于集中式處理，各個子塊對本地觀測信號進行聯(lián)合處理，用 z:，？ = 來表示各個子塊的本地觀測向量，分布式觀測方程形式如下：
[0019] 式⑴與（5)構成描述各個子塊系統(tǒng)的狀態(tài)空間模型。
[0020] 硬判決分布式檢測：在分布式檢測結構中，各個局部處理器作硬判決檢測，得到本 地判決結果0/1 (0或者1)，再綜合這些本地判決結果依據某種融合準則做出最終的全局判 決 0/1。
[0021] 融合準則：在分布式檢測系統(tǒng)中，各個局部處理器將判決結果發(fā)送到融合中心之 后，融合準則決定了融合中心以什么規(guī)則來匯總處理各個局部判決信息。從數據融合的理 論分析，融合準則的選取必須滿足"單調增"原則。在實際的分布式檢測應用中，常用的融 合準則有AND、0R和K/G準則。AND準則是當所有局部判決為H 1全局判決為H i，否則判決為 H1^OR準則是當所有局部判決為H。全局判決為H。，否則判決為H1;K/G準則是當G個局部判 決結果中，至少有K個判決為H 1全局判決為H i，否則判決為H。。
[0022] 卡爾曼濾波：一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數據，對系統(tǒng)狀 態(tài)進行最優(yōu)估計的算法。由于觀測數據中包括系統(tǒng)中的噪聲和干擾的影響，所以也可看作 是濾波過程。狀態(tài)估計是卡爾曼濾波的重要組成部分?；谑剑?)和（5)所確定的狀態(tài)空 間模型，定義卡爾曼濾波方法的相關變量：
[0028] 克拉美羅界：Cramer-Rao Bound，縮寫CRB。對于參數估計問題，CRB是無偏估計量 的估計方差的下界，即不可能求得估計方差小于該下界的無偏估計量。
[0029] 本發(fā)明通過分析真假彈頭目標在彈道中段的運動特征，建立起基于分布式處理的 狀態(tài)空間模型，將真假彈頭識別問題轉化成復合假設檢驗問題，各個子塊分別利用LOUD檢 測器作硬判決檢測，將局部判決結果0/1發(fā)送至融合中心，最后利用K/G融合準則作出全局 判決，完成真假彈頭的識別。
[0030] 基于硬判決的分布式真假彈頭識別方法步驟如下：
[0031] 步驟1把MMO雷達接收陣元劃分為G個接收子塊，各個子塊中的接收天線進行聯(lián) 合觀測，獲得k時刻局部觀測向量<(;? = 1..…，G');
[0032] 步驟2計算如下所示的基于分布式處理的狀態(tài)空間模型中的參數：
[0035] 步驟2-1根據工程經驗和MMO雷達估計性能得到狀態(tài)噪聲Wk的均值和協(xié)方差矩 陣Xw;
[0036] 步驟2-2根據彈頭目標運動分析，求得系統(tǒng)輸入向量uk;
[0037] 步驟2-3由系統(tǒng)預處理得到F。與G k;
[0038] 步驟2-4依據觀測向量_確定觀測矩陣H ;
[0039] 步驟2-5計算出局部觀測噪聲_= 的均值以及協(xié)方差矩陣;
[0040] 步驟2-5-1局部觀測噪聲建模為高斯白噪聲；
[0041 ] 步驟2-5-2設定e|均值為〇 ;
[0042] 步驟2-5-3設定Σξ與接收子塊g有關，而與觀測時刻k無關，其對角線元素由狀 態(tài)估計方差CRB計算得到；
[0043] 步驟2-6根據彈頭目標初始狀態(tài)向量X。、M頂0雷達發(fā)射波形以及發(fā)射、接收天線 位置，計算出步驟2-5-3中待求的狀態(tài)估計方差CRB ;
[0044] 步驟3計算局部LOUD檢測器，
[0046] 步驟3-1給定卡爾曼濾波初值；
[0047] 步驟3-2計算出卡爾曼濾波過程的一步迭代結果；
[0052] 步驟3-3若k < η-2,令k = k+Ι，重復步驟3-2 ;若k = η-2,則停止迭代；
[0053] 步驟3-4迭代停止后得到Xn i |η 1與
[0054] 步驟3-5計算條件概率密度函數
;
[0055] 步驟 3-5-1 令 Fn= F0;
[0056] 步驟 3-5_2xn|n != FnXn 1|n !+GnIin 1;
[0057] 步驟 3-5-3
[0058] 步驟3-5-4求出zfi 的條件均值
[0059] 步驟3-5-5求