针对无人机蜂群的雷达检测跟踪技术研究

The current operational advantages of the UAV Swarming Technology have made the traditional radar detection and tracking method difficult to work, posing a serious threat to our military's existing defense system. Under the framework of Random Finite Set theory, this project closely follows the characteristics of UAV swarms, and studies the whole process of UAV swarms radar surveillance, striving to solve the difficult problems in UAV swarms radar surveillance, including: (1) In the long-distance detection of UAV swarms, the traditional threshold detection method is invalidated. The group tracking to individual tracking strategy is proposed and the integrated processing for group target detection and tracking considering target unresolved is carried out; (2) In the close-range detection of UAV swarms, the robust group target tracking and track maintenance approach based on the Labeled Random Finite Set theory is studied, and the tracking accuracy and correlation accuracy are improved by using the cooperative motion characteristics of the UAVs; (3) In the multi-sensor cooperative detection of UAV swarms, aiming at the computational complexity of multi-sensor filtering process, a Bayesian optimal multi-sensor multi-target tracking algorithm and its fast implementation method are proposed. Applicants have rich experience in Random Finite Set theory and multi-target tracking. The research content is based on the preliminary work, aiming at actual needs, clear thinking, reasonable route, and research results can be applied to other related fields.

当前无人机蜂群技术具有的作战优势导致传统雷达检测跟踪方法已经很难工作，对我军现有防御体系构成严重威胁。本项目在随机有限集理论框架下，紧贴无人机蜂群特性，针对无人机蜂群雷达探测全过程开展研究，力求解决无人机蜂群雷达探测中的重难点问题，具体包括：（1）在无人机蜂群远距离探测中，传统的门限检测方法已经失效，提出群跟踪到个体跟踪策略，研究考虑目标未分辨的群目标检测跟踪一体化处理方法；（2）在无人机蜂群中近距离探测中，研究基于标记随机有限集理论的稳健群目标跟踪与航迹维持方法，并利用无人机协同运动特性提高跟踪精度和关联准确性；（3）在无人机蜂群多雷达协同探测中，针对多传感器滤波的计算复杂难题，提出一种贝叶斯最佳多传感器多目标跟踪算法与快速实现方式。申请人在随机有限集理论和多目标跟踪方面具有丰富经验，研究内容在前期工作基础上，瞄准实际需求，思路明确，路线合理，研究成果也可推广应用到其它相关领域。

当前无人机蜂群技术具有的作战优势导致传统雷达检测跟踪方法已经很难工作，对我军现有防御体系构成严重威胁。本项目在随机有限集理论框架下，紧贴无人机蜂群特性，针对无人机蜂群雷达探测全过程开展研究，力求解决无人机蜂群雷达探测中的重难点问题。主要研究内容包括：.（1）针对无人机蜂群远距离目标不可分辨情况下，研究了未分辨条件下的密集群目标检测跟踪方法，提出直接对雷达回波进行处理的思想，对未分辨起始和事件进行建模并计算概率，完成基于信号层的不可分辨目标检测跟踪一体化处理。仿真结果表明所提方法在高信噪比条件下可以准确判断未分辨目标数，随着信噪比降低，判断逐渐出现误差。.（2）针对在无人机蜂群靠近后，密集群目标跟踪中出现的问题，研究了基于随机有限集的密集群目标跟踪方法，我们提出群跟踪思路，结合矩近似转和密度近似的优势，实现对密集群目标的稳健跟踪与航迹维持，并利用群运动模型和目标间协同运动的特点提高跟踪精度和关联准确性。仿真和实测数据证实了算法性能，并展示了利用目标群运动特性带来的性能提升。.（3）在无人机蜂群监视中，对于复杂的多传感器联合监视场景，研究了贝叶斯最佳的多传感器群目标跟踪方法，基于多传感器CPHD滤波器提出一种快速量测划分方法，实现了密集群目标多传感器跟踪的快速实现，运算耗时极大减小，满足实时性需求，同时具有航迹维持能力和出色的跟踪表现。.（4）多传感器通信条件、融合能力无法满足集中式融合条件下，进一步研究了分布式多传感器群目标跟踪方法。将TCPHD滤波器扩展至分布式多传感器多目标跟踪，提出了基于TPHD后验航迹估计的分布式多传感器滤波方法。仿真实验中测试了所提的两种多传感器滤波器，并验证了所提算法的在不同场景下的性能，展现了非常高的运算效率，非常适用于工程实际应用。.项目负责人作为国防科技工作者，积极推动研究成果在军事领域中的应用，在空间目标监视应用方面取得了创新性成果，研制了某导弹探测识别子系统、某空间预警监视系统以及某航迹融合与状态估计技术应用，为国家中段反导试验、导弹飞行试验、航天发射任务以及演习演训任务等做出贡献。