商 凱，趙玉麗，聶洪武

（1.南京萊斯電子設備有限公司，江蘇南京210007；2.中國民用航空華北地區(qū)空中交通管理局天津分局，天津300300）

0 引言

雷達目標跟蹤技術在軍事、民用等領域都有著廣泛的應用，典型的應用實例有民用的海上監(jiān)視（MS）、港口船舶交通管理（VTS）、空中交通管制（ATC）和軍用的岸基/艦載警戒雷達系統(tǒng)、防空系統(tǒng)、火力控制和攔截制導等。隨著處理平臺計算性能的提升，雷達跟蹤系統(tǒng)的任務也越來越重，同時跟蹤目標的數(shù)目可能有幾百甚至上千批，跟蹤場景也越來越復雜［1］，特別是在對海雷達跟蹤系統(tǒng)中，在海面船只密集情況下，追越、會遇等情況時常發(fā)生，由于雷達分辨力有限，相鄰船只距離較近時，雷達回波出現(xiàn)重疊，即雷達已經(jīng)無法把目標分辨開來。而且對海目標運動速度較慢，重疊時間較長，運動過程中可能出現(xiàn)轉(zhuǎn)向避讓、加減速等機動行為，這些因素都無疑都給目標的連續(xù)穩(wěn)定跟蹤帶來極大的挑戰(zhàn)。

雷達目標穩(wěn)定跟蹤的關鍵環(huán)節(jié)是解決點跡和航跡的關聯(lián)配對問題。在工程實踐中使用的關聯(lián)算法主要有最優(yōu)鄰近算法（NNSF）［2］、概率數(shù)據(jù)互聯(lián)算法（PDA）［3］、聯(lián)合概率數(shù)據(jù)互聯(lián)算法（JPDA）［4］以及多假設算法（MHT）［5］。但在目標交錯、回波重疊過程中，點跡和航跡沒有明確的關聯(lián)關系，目標真實點跡并不存在，以上關聯(lián)算法并不能很好地解決這種點航失配問題。

本文提出了一種基于態(tài)勢解析的交錯重疊目標跟蹤的算法，通過建立合并拆分模型，實現(xiàn)對跟蹤場景的預判、信息搜集和決策，利用態(tài)勢解析及特征提取技術（包括平均強度、總能量、方位擴展、距離擴展、運動信息）進行輔助決策和判別，完成目標重疊到分離過程中的穩(wěn)定連續(xù)跟蹤，提高海面會遇、追越等復雜場景中的多目標跟蹤能力。

1 態(tài)勢解析和特征提取方法

1.1 計算TCPA和DCPA解析態(tài)勢信息

在跟蹤過程以目標船只為中心，查找其周圍其他目標的相對位置和相對航向航速信息，建立起該目標船只的態(tài)勢信息，其中搜索半徑r與雷達天線周期有關，周期越長對應的搜索半徑越大。建立態(tài)勢的目的是可以掌握周圍其他目標與自身的相對位置和運動趨勢，預判后期出現(xiàn)目標交錯、回波重疊的可能性和時機。本文建立態(tài)勢的方法是參考國際海事避碰規(guī)則，計算兩船會遇時的最近會遇距離DCPA和最近會遇時間TCPA進而估算態(tài)勢。

最近會遇距離（DCPA）即兩船會遇時的最小通過距離，最近會遇時間（TCPA）即兩船到達最小會遇距離點的時間，TCPA和DCPA計算推導過程如下。

設V0，VT，C0，CT分別為本船和目標的航速、航向。V0x，VTx，V0y，VTy分別表示本船和目標在x，y軸上的分量，可得到：

其中：VR為目標的相對運動速度，CR為相對運動航向，則：

其中，R為目標相對本船距離，α為目標相對本船方位。

1.2 特征信息提取

跟蹤過程中需要管理目標的特征信息，即通過態(tài)勢信息及時建立和刪除其他目標的特征信息數(shù)據(jù)。目標的特征信息主要由5 部分組成，包括：雷達回波平均幅度g1、雷達回波總能量g2，方位擴展g3、距離擴展g4，航速信息g5。組成特征矩陣，表示如下：

2 交錯重疊目標跟蹤處理算法

在跟蹤過程中建立起周圍的態(tài)勢信息，通過態(tài)勢信息判斷本船和其他目標是否重疊（即雷達回波無法分辨），對重疊的目標航跡建立“合并”態(tài)勢，記錄下與之合并目標的特征信息，然后繼續(xù)對合并對象進行監(jiān)視，通過態(tài)勢解析得到合并的對象已經(jīng)能夠分辨時，則利用特征信息對合并的對象進行“拆分”，完成回波重疊過程中多目標的跟蹤過程。

2.1 合并拆分模型

2.1.1 合并目標

對重疊的多目標建立“合并”態(tài)勢，即當其他船只與本船在雷達回波上無法分辨重疊時，則以合并狀態(tài)進行后續(xù)跟蹤處理。本文是通過態(tài)勢信息判斷兩目標是否已經(jīng)出現(xiàn)重疊情況的，當計算得到的DCPA和TCPA滿足以下兩個條件之一時，則認為目標已經(jīng)重疊：

其中：D0的取值參考雷達最小分辨距離，T0的取值參考雷達天線周期。

多目標雷達回波重疊時，點跡信息與真實位置相差較大，不能直接拿來作為目標的點跡進行關聯(lián)濾波處理，同時又要考慮到重疊期間目標很容易出現(xiàn)轉(zhuǎn)向避讓、加減速前進等機動行為，因此跟蹤過程中也需要緊跟重疊后的回波中心，防止跟丟目標。

2.1.2 監(jiān)控合并目標

監(jiān)測處于合并狀態(tài)多目標的運動態(tài)勢，即對合并的目標利用周圍態(tài)勢信息判斷其雷達回波是否其分離，不再重疊。當合并目標周圍有新的航跡起始時，首先判斷新起始的目標是否是合并目標分離原因的造成的，判斷準則有如下3個方面。

（1）時間準則。

如果新的目標是合并后的目標分離出來的，那么必然滿足新的目標出現(xiàn)的時間T1應該在目標重疊時間T0之后，即T1＞T0。

（2）位置準則。

如果新的目標是合并后的目標分離出來的，新的目標出現(xiàn)的位置與目標重疊時的位置之間的歐式距離主要由目標在重疊過程的運動產(chǎn)生，因此Δd應在一定范圍之內(nèi)，滿足如下公式：

其中速度v ～[vmin,vmax]，vmin，vmax的取值與新的目標出現(xiàn)時的速度v0有關，通常設置為vmin=0.5×v0，vmax=2.0×v0。T0，T1分別是上述時間準則中提到的目標重疊時的時間和新目標出現(xiàn)時的時間。

（3）特征準則。

如果新的目標是合并后的目標分離出來的，新的目標的特征與重疊目標中的某一個目標在特征上應滿足一定的相似度。特征相似度α的計算過程如下：

設新的目標特征矩陣為G=[ g1 g2 g3 g4 g5]，重疊目標的特征矩陣為Gi=[ g1′ g2′ g3′ g4′ g5′]，那么差異性矩陣K 為：

考慮多元特征信息的穩(wěn)定性差異，設置加權矩陣W=[w 1 w2 w3 w4 w5] 來衡量不同特征信息的權重，其中w1+w2+w3+w4+w5=1。

那么特性相似度α為：

α=1-KW

α取值范圍為0～1。

2.1.3 拆分目標

當監(jiān)測到合并狀態(tài)的目標已經(jīng)分離時，需要解除合并狀態(tài)，進入獨立跟蹤狀態(tài)。拆分原則是依據(jù)合并前的目標各自特征與當前特征的多元信息匹配近似度。通過計算合并前目標與當前分離出來的目標的特征相似度，相似度較大的那個目標即是合并過程中的分離出來的，跟蹤狀態(tài)和跟蹤批號都需要轉(zhuǎn)移到分離目標上去，完成拆分的過程，進入獨立跟蹤狀態(tài)。

3 試驗驗證

下面結合圖1 和圖2，通過實際工程中試驗驗證及其效果評價來進一步說明本文的方法。圖1 是某對海雷達系統(tǒng)中的兩目標追越過程跟蹤畫面截圖，兩目標批號分別為A08001和A08002，追越過程中兩批目標回波出現(xiàn)長時間重疊，點跡無法分辨。圖2為兩目標會遇過程跟蹤畫面截圖，兩目標批號分別為A08001 和A08002，會遇過程中兩批目標回波出現(xiàn)長時間重疊，而且目標發(fā)生轉(zhuǎn)向機動動作。傳統(tǒng)的多目標跟蹤方法由于回波長時間重疊，只有一個點跡，會出現(xiàn)有一批目標無法正常跟蹤情況，甚至在目標轉(zhuǎn)向或加速等機動運動過程中，由于重合點跡位置偏差導致兩批目標都無法正常跟蹤情況。采用本文提出的交錯重疊目標跟蹤方法，兩批目標均能夠穩(wěn)定連續(xù)跟蹤。同時通過AIS 信息對比跟蹤過程中兩目標批號沒有出現(xiàn)換批情況，驗證了本文方法的有效性和實用性。

圖1 目標追越過程中跟蹤截圖

圖2 目標會遇過程中跟蹤截圖

4 結語

本文提出了雷達跟蹤系統(tǒng)中多目標會遇、追越等復雜場景下的跟蹤方法，通過建立態(tài)勢信息，預判目標跟蹤過程中可能的情況，進而采取不同于傳統(tǒng)的多目標數(shù)據(jù)關聯(lián)和跟蹤策略，利用態(tài)勢解析和特征提取方法，解決了跟蹤過程中雷達回波重疊、無法正常跟蹤的難題，顯著提高了多目標在會遇、追越等復雜場景下的跟蹤能力。