协同目标群存在性检测与识别技术研究

The steady detection and recognition of coordinated group targets is one of the key technologies urgently needs to resolve in the reconnaissance and surveillance, space exploration, traffic management, aviation scheduling and related fields. Because of the aggregation, cooperativity and variability characteristic of the coordinated group targets and with the ambiguous source and ambiguous measurement, the traditional methods including detection, tracking and recognition appear large deviation, and that lead to the radar sensor does not to meet the requirement of stable detection and correct recognition of target. This project starts from the mathematical description and the modeling of the coordinated group targets, and establish a unified model framework to describe the target characteristics, status transition, observation aliasing and motion peculiarity. Then turn the detection of presence of the coordinated group targets into the mutation detection problem to resolve, and then according to the coupling and aliasing characteristic of the coordinated group targets, realize the mixed estimation of targets parameter set and the observation extraction utilizing the echo composition and characteristic variation. Finally, based on the tracking of the random finite set, the target discrimination among the group targets is achieved. The successful implementation of this project will have a positive impact in the related research fields. The related studies results will enrich the target detection, tracking and recognition theory and have an important academic value.

协同目标群的稳定检测与识别是侦察监视、太空探测、交通管理、航空调度等军民领域迫切需要解决的关键技术问题之一。由于协同群目标的聚集性、协同性、变化性以及复杂回波构成带来的本源不确定以及观测模糊问题，导致常规的检测、测量、跟踪和识别方法出现很大偏差，不能有效完成雷达传感器对协同群的稳定检测以及群内重点目标的识别和选择需求。本项目首先从协同群的数学描述和建模出发，建立可准确描述协同群目标特性、状态变化、观测混叠以及协同运动特性的统一模型框架，而后将协同群的存在性检测转化为特征的突变检测问题进行处理，然后针对协同群观测耦合与混叠特性，利用目标群回波构成及特征变化对目标参数集进行混合估计，提取观测信息，最后基于随机有限集跟踪滤波实现协同群内目标的辨识。这一项目的成功实施将会对相关应用领域产生积极的影响，具有重大的应用前景；同时相关研究将丰富目标检测、跟踪识别等领域的研究内容，具有重要的学术价值。

协同目标群存在性检测与识别是一类模糊与不确定条件下的混合估计问题，在侦查监视、交通管理、航空调度等军/民用领域有着广泛应用。传统单/多目标检测、跟踪、识别方法因难以适应群目标聚集性、协同性和变化性所带来的本源不确定和观测模糊而出现很大偏差。在国家自然科学基金青年基金项目(61401475)资助下，项目组围绕协同群数学建模、特征突变存在性检测、参数估计与观测提取、群内多目标跟踪与辨识等四个方面展开研究工作，建立了协同目标群存在性检测与识别理论框架和方法体系。取得主要研究成果有：建立了随机集框架下的多点目标协同群状态模型和运动模型，实现了协同群形成与演化过程中目标出现、消失、衍生、漏检、虚警等形态以及目标分裂、多目标协同、交错规避等状态的统一描述，为协同群存在性检测与识别提供了理论模型依据；建模提取了表征协同群存在性的扩展单脉冲比突变特征并构建了广义似然比检测器，实现了典型目-诱协同群的快速稳定检测， 1%虚警概率下的存在性检测概率超过80%，平均检测延迟1.02s；推导了非理想采样下的协同群观测似然模型，利用MCMC实现了协同群内多目标的联合贝叶斯参数估计，群内多目标距离、角度等关键参数估计精度高，条件适应性强；建立了同时描述目标数目与状态的未分辨协同群联合多密度模型，基于粒子TBD实现了协同多目标联合状态估计，可适应目标分辨、未分辨、部分分辨等复杂场景；提出了基于标签PHD滤波的协同群联合跟踪与辨识方法，结合协同群形成演化特性引入表征目标属性的身份标签，实现了群内重点目标的识别和跟踪，目标识别稳健，位置跟踪误差小于10m；推导了协同群内目标与干扰的关联关系，提出了单目标多检测伯努利滤波联合跟踪辨识方法，可快速判定协同群内目标和干扰的存在并准确实现目标选择和位置估计，强干扰条件下的检测延迟短、估计误差小，可确保雷达对真实目标的持续稳定跟踪。依托本项目已发表学术论文12篇（SCI检索6篇，EI检索8篇）。