1.2.3　多雷达单目标认知跟踪

近年来，现代雷达面临的作战环境越来越复杂，先进的反辐射导弹、电子干扰、目标隐身和低空突防构成了对现代雷达的四大威胁[41-46]。在这种背景下，仅依靠单部雷达难以连续探测和跟踪现代飞行目标。网络化将是未来雷达发展的一个重要方向，多部雷达相互合作可实现远超单部雷达的远程感知能力[15]。

雷达组网的技术基础是多传感器信息融合技术。通常，融合的框架有集中式和分布式两种[72-76]。在集中式融合框架下，所有雷达站的数据都传输至融合中心进行处理。该框架利用的是所有雷达的原始数据，没有任何信息损失，融合结果是最优的[75]。在分布式融合框架下，每部雷达都有自己的处理器，在进行一些预处理后，再把中间结果传输至融合中心。该框架对系统的信道要求很低，生命力很强，工程易于实现。针对MRS中的单目标跟踪问题，已经有大量的成果，并在实际中得到了广泛应用[41-46,72-76]。在集中式融合框架下，常见的方法有三种[76-77]：并行滤波算法、序贯滤波算法和数据压缩滤波。在分布式融合框架下，由于每部雷达的局部估计误差之间是相关的，因此简单的凸组合方法[75]是次优的。Bar-Shalom等据此提出了一种考虑互协方差的融合算法[78-79]。然而这种算法虽然考虑了各部雷达误差之间的相关性，但在计算过程中需要大量信息。对此，Chee Chong博士[80]等提出了存在中心估计器的分布式估计技术，结果显示，该算法完全是量测扩维的中心式融合算法，是全局最优的。

一般来说，上述算法都是面向二维目标的，而在目前的航空管理和作战指挥系统中，需要获取目标的三维信息。结合雷达组网的发展现状，许多学者提出利用MRS的冗余信息进行目标的三维定位和跟踪[81-85]。文献[81]和文献[82]分别研究了利用多部雷达的距离和角度信息完成目标三维定位的情况。文献[83]对利用两坐标（2D）雷达组网实现目标三维定位这一过程进行了较为详细的研究，并给出了高度误差的克拉美罗界（Cramer-Rao Lower Bound，CRLB）。在集中式融合框架下，文献[86]提出了一种利用多部2D雷达跟踪三维目标的算法。但这种算法对目标的运动模型有限制，要求目标等高且匀速飞行。在分布式融合框架下，文献[87]提出了一种基于分布式2D雷达网络的高度估计算法，具体流程可描述为：融合中心根据两部雷达的局部跟踪结果计算一个虚拟量测，再由虚拟量测和目标高度之间的非线性关系，通过不敏卡尔曼（Kalman）滤波器得到目标的高度量测[86]。文献[88]将上面的结果更是延伸到了考虑地球曲率的情况下，并通过仿真验证了算法的优越性。

虽然上述研究已经在实际中得到了广泛应用，但都没考虑MRS资源有限的约束。针对这个问题，开始有学者对MRS资源分配的问题进行研究[48,89-91]，目的是使MRS能动态地协调每部雷达的发射参数，进而在资源有限的条件下，尽可能达到更好的性能。从资源的种类上来说，现有的资源分配方式可大体分为两种：一种是基于系统组成结构的分配方式[89-90]；另一种是基于发射参数的分配方式[48-91]。针对基于系统组成结构的资源分配问题，文献[89]在考虑工程应用中传输带宽和融合中心处理能力的前提下，提出了一种基于子集选取的单目标定位算法。该算法包含两种优化模型：一种是在达到预先设定定位精度的条件下，使用最少数目的雷达；另一种是在MRS系统中挑选给定数目的雷达，以达到最好的定位精度。在此基础上，文献[90]提出了一种基于雷达聚类分配的多目标定位算法，目的是在满足各个目标定位精度需求的前提下，使用最少数目的雷达。该算法将MRS按目标的个数进行聚类，每个目标只由对应子类中的雷达跟踪，从而减少了MRS的传输数据量，降低了融合中心的计算复杂度。针对基于发射参数的资源分配问题，文献[48]和文献[91]在分布式MIMO雷达平台上，提出了从性能出发的功率分配思想，将目标定位误差的CRLB作为功率分配的代价函数，目的是能够合理分配系统有限的功率资源，提高目标的定位精度。

现阶段，基于MRS的单目标认知跟踪算法已经逐渐成为研究热点[92]。本书针对不同种类、不同融合框架、不同状态向量维数以及异步等情况下的MRS，提出了多种资源分配算法，建立了具有认知闭环结构的MRS。