面向ISAR观测的混合目标结构标签RFS跟踪理论与方法研究

The Inverse synthetic aperture radar (ISAR) can derive the scattering observations of mobile targets. These involve lots of information about the multi-target, group targets and extended targets, called hybrid targets. However, the existing approaches consider the group/extended targets to be mutually independent and with an unchanged group resolution attributions, which makes the missing of the group structure information, the increasing estimation error and lost rate. Hence, the grant adopts the random finite set (RFS) and random graph as the theoretic basement, ISAR scattering observation as measure and hybrid targets as studied object. The grant intends to build a set of structure and state estimation approaches for hybrid targets through the scattering points. This grant thus focuses on the following problems. 1) The modeling of distribution function for structure labeled RFS. 2) The typical probability distributions of hybrid targets and dynamic models, the modeling of the hybrid resolving parameter, and the distribution function of the structure labeled RFS for the hybrid targets with the adjacent matrix. 3) The modeling of the measurement likelihood function and its conjugate prior under the structure labeled RFS, the hybrid Bayesian estimation and state estimation under a structure generalized labeled multi-Bernoulli (GLMB) distributional family. We hope to get some innovation results, build a novel estimation theory different from the traditional approaches. This will lay a solid foundation for practical applications.

逆合成孔径雷达(ISAR)可以获得移动目标集群的散射点观测，这些点揭示了多目标、群目标和扩展目标所构成的混合目标诸多丰富信息，而现有方法假设混合目标群之间彼此独立且群分辨属性固定不变，从而导致混合目标结构信息缺失，估计误差增加，目标丢失率增大。为此，本项目以随机集有限集(RFS)和随机图作为理论基础，以ISAR观测为手段，以混合目标为研究对象，拟建立一套面向ISAR散射点观测的混合目标结构与状态估计理论与方法。重点研究: 1)相关条件下结构标签RFS分布函数建模 2)结构标签RFS混合目标描述与运动建模，混合子群的分辨参数建模，具有邻接矩阵的一般混合目标结构标签RFS分布函数3)结构标签RFS量测似然函数与转置先验模型分布函数族建模，结构广义标签多Bernoulli分布族条件下Bayes混合目标结构与状态估计。建立一套有别与传统的混合目标估计理论与方法，为项目在实际中的应用打下坚实基础。

空中编队飞行的目标集群，一般是由预警机、伴飞电子侦察机、轰炸机，以及担负空中掩护的若干架战斗机组成一个任务编队协作飞行，完成不同的任务，形成一个目标集群，从拟合成孔径雷达(ISAR)观测来看，呈现由多目标、群目标、扩展目标构成的目标集群特点。目前的研究则存在两个关键的不足：一是非合作目标跟踪估计研究基本上都假设目标之间相互独立，而没有考虑非合作目标之间的协作关系；二是多目标、群目标、扩展目标的集群分辨属性保持不变，在实际应用中，混合目标的分辨率属性随着ISAR传感器和目标之间距离的变化而变化，各个传感器性能的不同，混合目标的分辨率属性也在发生变化。. 本项目2018年启动，在受国家自然基金委信息学部的资助下，重点围绕集群目标的状态与结构估计问题展开研究，从基础理论上回答该问题的可行性。为此，整个问题分解为三个研究内容：(1)结构标签随机有限集描述与分布函数建模; (2)混合目标结构标签RFS建模;(3)混合目标的Bayes估计理论与算法三个问题。.本研究以标签随机有限集(RFS)为理论基础和方法，取得了如下的三方面成果：混合目标的RFS结构描述与(机动)运动状态建模；协作运动条件下集群目标的状态分布函数；集具有结构标签的RFS 混合目标结构与估计状态联合估计算法。主要结论如下：(1) 混合群目标的可分辨性对群的估计具有重要的影响：在小分辨率条件下，集群的结构可能会被淹没，难以估计，在此条件下，应重点估计集群的形状即可；可分辨条件下，可以估计集群的结构。(2) 混合目标的机动运动通常都是非线性问题：由于编队属性的需求，为保持特定的集群结构，需要集群子目标之间必然存在相对运动，这种整体编队运动和子目标之间的相对运动叠加，会导致集群目标运动具有非线性行。(3)集群的多异构多模态信息融合具有重要的意义。集群估计、集群身份认识，集群行为认知、集群动态演变研究都依赖于多源信息的获取和处理，而多源信息往往呈现异构、多模态的特点，是集群目标下一步研究的核心难点。这些研究，为未来反集群目标的奠定了理论上的基础。