一種多探測器融合的海洋視聽衛(wèi)星捕獲概率與目標識別分析

一種多探測器融合的海洋視聽衛(wèi)星捕獲概率與目標識別分析

基于多維融合的海洋監(jiān)察系統(tǒng)海上視聽衛(wèi)星通過各種勘探功能實現(xiàn)了對海上目標的隱藏、定位和識別，并對海上形勢的感知。根據(jù)探測器類型的不同,海洋監(jiān)視衛(wèi)星可以分為被動型與主動型。主動型海洋監(jiān)視衛(wèi)星往往攜帶成像載荷,如大功率SAR載荷(合成孔徑雷達)或光學載荷,通過接收目標反射的雷達回波或光波,確定目標特征與位置。被動型海洋監(jiān)視衛(wèi)星通常采用無線電偵察載荷截獲目標發(fā)射的雷達信號或通信信號,確認目標類型與位置。不同的探測器將各有不同的優(yōu)缺點,如光學載荷可以非常直觀的得到目標外觀特征與尺寸,但是容易受云層、光照等因素的影響;相對SAR載荷不易受云層、光照等因素的影響,但是成像不直觀,且容易受到干擾;無線電偵察載荷能夠獲得目標的電磁頻譜特性與位置信息,但對目標外觀特征一無所知。同時,主動型探測器的探測區(qū)域往往比較小,截獲目標的概率較小;而被動型探測器可以實現(xiàn)較大的探測區(qū)域,獲得較高的截獲概率。單一依靠某種探測器進行海洋監(jiān)視已經(jīng)不能滿足現(xiàn)代化戰(zhàn)爭的需要,所以,需要考慮采取多種探測手段,進行多維信息融合,發(fā)揮各自優(yōu)點,彌補各自缺點,提高海洋監(jiān)視衛(wèi)星的截獲概率、識別概率,達到對海洋目標的精確定位、識別等效果。目前,國外對海洋監(jiān)視衛(wèi)星的偵察效能的研究甚少,國內(nèi)部分文獻開展了這方面的工作。文獻[1-3]針對雷達信號進行了截獲概率分析,給出了相應的數(shù)學模型;文獻[4按照分頻段偵察的方法建立了截獲概率模型,但沒有考慮電子設備的開/關機概率影響;文獻[5]建立了目標截獲概率與最大訪問間隔時間的概率模型,并分別對光學、雷達、電子偵察的截獲概率進行了分析,同樣沒有考慮電子設備的開/關機概率影響,且沒有對聯(lián)合偵察進行截獲概率分析;文獻[6-7]基于模糊推理與證據(jù)理論,融合了電子偵察數(shù)據(jù)與成像偵察數(shù)據(jù),提高了目標識別準確性。本文將結合雷達偵察、通信偵察和成像偵察的各自特點,提出基于多信息融合的海洋監(jiān)視衛(wèi)星探測手段,建立目標截獲概率的數(shù)學模型,并基于支持向量機方法對目標進行識別分類,實現(xiàn)海洋監(jiān)視衛(wèi)星偵察效能的提升。1目標目標精準識別海洋監(jiān)視衛(wèi)星上同時配置雷達偵察、通信偵察和成像偵察,通過雷達、通信偵察對目標對象進行定位,引導監(jiān)視衛(wèi)星對目標進行成像偵察,以提高對目標的成像截獲概率。通過雷達偵察信息、通信偵察信息及成像偵察信息的融合,以提高目標的識別概率。基于雷達偵察、通信偵察和成像偵察的海洋監(jiān)視衛(wèi)星工作流程框圖如圖1所示。2分辨率分析2.1數(shù)學模型2.1.1區(qū)域內(nèi)運動目標的搜索由于目標在探測區(qū)域內(nèi)的運動情況是未知的,且衛(wèi)星每次掃描指定區(qū)域的路徑也存在一定的隨機性。所以,可以將衛(wèi)星對區(qū)域內(nèi)運動目標的搜索視為一種隨機搜索方式。假設監(jiān)視衛(wèi)星星下點在地面的運動速度為v式中:令探測器波束寬度為2uf061,則掃描寬度w可表示為:w(28)2R2.1.2目標探測概率假設目標的電子設備(雷達或通信設備)的開機時間和關機時間均服從指數(shù)分布,即開機率uf072并假設目標的電子設備輻射功率滿足偵收鏈路需求,所以只要探測器能夠覆蓋到目標,同時電子設備開機,則認為監(jiān)視衛(wèi)星可以探測到目標,其單次可探測到目標的探測概率可表示為:2.1.3監(jiān)視衛(wèi)星的軌道高度假設探測區(qū)域的經(jīng)度范圍為(35)uf06c,緯度范圍為(35)uf06a,面積為A,監(jiān)視衛(wèi)星的軌道高度為h,軌道傾角為i,探測器寬度為w。由于衛(wèi)星圍繞地球作周期運動,所以監(jiān)視衛(wèi)星對該區(qū)域的探測屬于多次、間歇式探測,假設每次探測具有相同條件,即具有同一個單次探測概率p,則截獲目標概率p可表示為:2.2目標攔截概率假設監(jiān)視衛(wèi)星星座具有3顆海洋監(jiān)視衛(wèi)星,具有相同的軌道平面,相位差為120°,軌道是高度為1000km的太陽同步軌道。監(jiān)視衛(wèi)星上同時配備SAR偵察載荷、雷達偵察載荷和通信偵察載荷,波束寬度分別為3°,60°和80°。監(jiān)視衛(wèi)星的偵察作戰(zhàn)區(qū)大概為東經(jīng)122°~127°,北緯24°~27°。作戰(zhàn)區(qū)域內(nèi)存在某一軍艦,其活動時間為8h。該軍艦配備的雷達開機時間為8min,關機時間為52min;配備的通信設備開機時間為10min;關機時間為50min?，F(xiàn)分別計算依靠SAR偵察、雷達偵察、通信偵察及聯(lián)合偵察能夠獲得的目標截獲概率。按照以上參數(shù),采用STK軟件進行仿真計算得到:雷達偵察對作戰(zhàn)區(qū)域的平均重訪時間為20047s;通信偵察對作戰(zhàn)區(qū)域的平均重訪時間為30537s;SAR偵察載荷對作戰(zhàn)區(qū)域的平均重訪時間為574546s;作戰(zhàn)區(qū)域面積約為168749km分別只依靠SAR偵察、雷達偵察、通信偵察,對目標的截獲概率P聯(lián)合雷達偵察與通信偵察,對目標的截獲概率將相關參數(shù)代入以上各式,計算得到對作戰(zhàn)區(qū)域內(nèi)目標的截獲概率如表1所示。從表格結果可以看出:在設定條件下,通過聯(lián)合偵察,可以明顯改善目標的截獲概率。在保持其他參數(shù)不變的條件下,改變探測器波束寬度,進行目標截獲概率計算,得到結果如圖2、圖3所示。從圖2可以看出:目標截獲概率隨著探測器波束寬度(掃描寬度)的增加而提高;當波束寬度大于80°時,SAR的目標截獲概率變化趨于平緩并接近100%,這是由于此時的掃描寬度遠大于作戰(zhàn)區(qū)域且SAR為主動偵察(不存在開/關機),所以只要衛(wèi)星過境就能實現(xiàn)對作戰(zhàn)區(qū)域全覆蓋并發(fā)現(xiàn)目標,即實現(xiàn)100%的截獲概率(值得注意的是,實際應用的SAR波束寬度是比較小的);由于目標通信、雷達存在開/關機概率,所以在相同探測器波束寬度的情況下,SAR的截獲概率遠比通信、雷達的高;當探測器波束寬度達到118°左右時,通信、雷達的截獲概率就基本不變,這是由于此時探測器波束寬度再增加時,在地面上形成的掃描寬度已經(jīng)不再變化,所以截獲概率也不再變化。從圖3可以看出:聯(lián)合雷達、通信的目標截獲概率隨著兩者的波束寬度增加而提高;同樣由于當探測器波束寬度達到118度左右時,在地面上形成的掃描寬度已不再變化,聯(lián)合雷達、通信截獲概率有著明顯的變化規(guī)律,隨著探測器波束寬度的增加,聯(lián)合截獲概率最后趨于不變,并形成一個平面。3sar偵查信息的特征對于海洋監(jiān)視衛(wèi)星,同時配備了SAR成像偵察載荷和通信偵察載荷。這兩個載荷的偵察信息具有不同的特點:SAR偵察信息主要是目標的外形尺寸信息與反射特征,直接與SAR的成像分辨率有關;而通信偵察信息主要是目標的輻射特征,包括頻率、調(diào)制等信息,與目標裝備的電子設備有關。通過融合兩種偵察信息,并采用支持向量機識別算法(SVM),以概率作為評估指標3.1svm模型的建立過程支持向量機(SVM)是一種新的機器學習方法SVM算法實現(xiàn)的基本步驟如下:(1)確定目標特征數(shù)量及識別類型數(shù)量;(2)產(chǎn)生SVM所需的訓練樣本,并進行歸一化處理;(3)對訓練過程進行優(yōu)化,選擇合適的SVM模型;(4)利用優(yōu)化后的SVM模型,對測試樣本進行類型識別。3.2訓練樣本信號特征選取海上目標的長度尺寸、數(shù)據(jù)鏈信號、UHF頻段衛(wèi)星信號、L頻段衛(wèi)星信號作為目標的特征信息。目標的類型主要分為4類:即航母編隊、重要戰(zhàn)艦、軍輔船及民用船。則訓練樣本具有如表2所示的特征參數(shù)。上述表格中,數(shù)字“1”表示該類型目標具有該信號特征;“0”則表示沒有。按照訓練樣本的特征參數(shù),隨機產(chǎn)生200個樣本,對SVM進行訓練與優(yōu)化,得到優(yōu)化的識別模型。3.3民用船結構情況采用目前國外服役的主要艦船作為測試樣本的一部分,如表3所示。同時,隨機加入16艘民用船,如表4所示。這樣,共形成40個識別測試樣本,用于識別概率測試。3.4船港船的識別結果采用已經(jīng)訓練優(yōu)化之后的識別模型,對測試樣本進行識別分析,結果表明:船只編號8,12,16誤判,分別誤判為軍輔船、航母編隊、航母編隊,其他船只都能實現(xiàn)正確識別,識別正確率達到92.5%。4多信息融合影響海洋目標攔截概率本文根據(jù)海洋監(jiān)視衛(wèi)星主動型偵察與被動型偵察的優(yōu)缺點,提出了采用多信息融合的方