一种多探测器融合的海洋视听卫星捕获概率与目标识别分析

一种多探测器融合的海洋视听卫星捕获概率与目标识别分析

基于多维融合的海洋监察系统海上视听卫星通过各种勘探功能实现了对海上目标的隐藏、定位和识别，并对海上形势的感知。根据探测器类型的不同,海洋监视卫星可以分为被动型与主动型。主动型海洋监视卫星往往携带成像载荷,如大功率SAR载荷(合成孔径雷达)或光学载荷,通过接收目标反射的雷达回波或光波,确定目标特征与位置。被动型海洋监视卫星通常采用无线电侦察载荷截获目标发射的雷达信号或通信信号,确认目标类型与位置。不同的探测器将各有不同的优缺点,如光学载荷可以非常直观的得到目标外观特征与尺寸,但是容易受云层、光照等因素的影响;相对SAR载荷不易受云层、光照等因素的影响,但是成像不直观,且容易受到干扰;无线电侦察载荷能够获得目标的电磁频谱特性与位置信息,但对目标外观特征一无所知。同时,主动型探测器的探测区域往往比较小,截获目标的概率较小;而被动型探测器可以实现较大的探测区域,获得较高的截获概率。单一依靠某种探测器进行海洋监视已经不能满足现代化战争的需要,所以,需要考虑采取多种探测手段,进行多维信息融合,发挥各自优点,弥补各自缺点,提高海洋监视卫星的截获概率、识别概率,达到对海洋目标的精确定位、识别等效果。目前,国外对海洋监视卫星的侦察效能的研究甚少,国内部分文献开展了这方面的工作。文献[1-3]针对雷达信号进行了截获概率分析,给出了相应的数学模型;文献[4按照分频段侦察的方法建立了截获概率模型,但没有考虑电子设备的开/关机概率影响;文献[5]建立了目标截获概率与最大访问间隔时间的概率模型,并分别对光学、雷达、电子侦察的截获概率进行了分析,同样没有考虑电子设备的开/关机概率影响,且没有对联合侦察进行截获概率分析;文献[6-7]基于模糊推理与证据理论,融合了电子侦察数据与成像侦察数据,提高了目标识别准确性。本文将结合雷达侦察、通信侦察和成像侦察的各自特点,提出基于多信息融合的海洋监视卫星探测手段,建立目标截获概率的数学模型,并基于支持向量机方法对目标进行识别分类,实现海洋监视卫星侦察效能的提升。1目标目标精准识别海洋监视卫星上同时配置雷达侦察、通信侦察和成像侦察,通过雷达、通信侦察对目标对象进行定位,引导监视卫星对目标进行成像侦察,以提高对目标的成像截获概率。通过雷达侦察信息、通信侦察信息及成像侦察信息的融合,以提高目标的识别概率。基于雷达侦察、通信侦察和成像侦察的海洋监视卫星工作流程框图如图1所示。2分辨率分析2.1数学模型2.1.1区域内运动目标的搜索由于目标在探测区域内的运动情况是未知的,且卫星每次扫描指定区域的路径也存在一定的随机性。所以,可以将卫星对区域内运动目标的搜索视为一种随机搜索方式。假设监视卫星星下点在地面的运动速度为v式中:令探测器波束宽度为2uf061,则扫描宽度w可表示为:w(28)2R2.1.2目标探测概率假设目标的电子设备(雷达或通信设备)的开机时间和关机时间均服从指数分布,即开机率uf072并假设目标的电子设备辐射功率满足侦收链路需求,所以只要探测器能够覆盖到目标,同时电子设备开机,则认为监视卫星可以探测到目标,其单次可探测到目标的探测概率可表示为:2.1.3监视卫星的轨道高度假设探测区域的经度范围为(35)uf06c,纬度范围为(35)uf06a,面积为A,监视卫星的轨道高度为h,轨道倾角为i,探测器宽度为w。由于卫星围绕地球作周期运动,所以监视卫星对该区域的探测属于多次、间歇式探测,假设每次探测具有相同条件,即具有同一个单次探测概率p,则截获目标概率p可表示为:2.2目标拦截概率假设监视卫星星座具有3颗海洋监视卫星,具有相同的轨道平面,相位差为120°,轨道是高度为1000km的太阳同步轨道。监视卫星上同时配备SAR侦察载荷、雷达侦察载荷和通信侦察载荷,波束宽度分别为3°,60°和80°。监视卫星的侦察作战区大概为东经122°~127°,北纬24°~27°。作战区域内存在某一军舰,其活动时间为8h。该军舰配备的雷达开机时间为8min,关机时间为52min;配备的通信设备开机时间为10min;关机时间为50min。现分别计算依靠SAR侦察、雷达侦察、通信侦察及联合侦察能够获得的目标截获概率。按照以上参数,采用STK软件进行仿真计算得到:雷达侦察对作战区域的平均重访时间为20047s;通信侦察对作战区域的平均重访时间为30537s;SAR侦察载荷对作战区域的平均重访时间为574546s;作战区域面积约为168749km分别只依靠SAR侦察、雷达侦察、通信侦察,对目标的截获概率P联合雷达侦察与通信侦察,对目标的截获概率将相关参数代入以上各式,计算得到对作战区域内目标的截获概率如表1所示。从表格结果可以看出:在设定条件下,通过联合侦察,可以明显改善目标的截获概率。在保持其他参数不变的条件下,改变探测器波束宽度,进行目标截获概率计算,得到结果如图2、图3所示。从图2可以看出:目标截获概率随着探测器波束宽度(扫描宽度)的增加而提高;当波束宽度大于80°时,SAR的目标截获概率变化趋于平缓并接近100%,这是由于此时的扫描宽度远大于作战区域且SAR为主动侦察(不存在开/关机),所以只要卫星过境就能实现对作战区域全覆盖并发现目标,即实现100%的截获概率(值得注意的是,实际应用的SAR波束宽度是比较小的);由于目标通信、雷达存在开/关机概率,所以在相同探测器波束宽度的情况下,SAR的截获概率远比通信、雷达的高;当探测器波束宽度达到118°左右时,通信、雷达的截获概率就基本不变,这是由于此时探测器波束宽度再增加时,在地面上形成的扫描宽度已经不再变化,所以截获概率也不再变化。从图3可以看出:联合雷达、通信的目标截获概率随着两者的波束宽度增加而提高;同样由于当探测器波束宽度达到118度左右时,在地面上形成的扫描宽度已不再变化,联合雷达、通信截获概率有着明显的变化规律,随着探测器波束宽度的增加,联合截获概率最后趋于不变,并形成一个平面。3sar侦查信息的特征对于海洋监视卫星,同时配备了SAR成像侦察载荷和通信侦察载荷。这两个载荷的侦察信息具有不同的特点:SAR侦察信息主要是目标的外形尺寸信息与反射特征,直接与SAR的成像分辨率有关;而通信侦察信息主要是目标的辐射特征,包括频率、调制等信息,与目标装备的电子设备有关。通过融合两种侦察信息,并采用支持向量机识别算法(SVM),以概率作为评估指标3.1svm模型的建立过程支持向量机(SVM)是一种新的机器学习方法SVM算法实现的基本步骤如下:(1)确定目标特征数量及识别类型数量;(2)产生SVM所需的训练样本,并进行归一化处理;(3)对训练过程进行优化,选择合适的SVM模型;(4)利用优化后的SVM模型,对测试样本进行类型识别。3.2训练样本信号特征选取海上目标的长度尺寸、数据链信号、UHF频段卫星信号、L频段卫星信号作为目标的特征信息。目标的类型主要分为4类:即航母编队、重要战舰、军辅船及民用船。则训练样本具有如表2所示的特征参数。上述表格中,数字“1”表示该类型目标具有该信号特征;“0”则表示没有。按照训练样本的特征参数,随机产生200个样本,对SVM进行训练与优化,得到优化的识别模型。3.3民用船结构情况采用目前国外服役的主要舰船作为测试样本的一部分,如表3所示。同时,随机加入16艘民用船,如表4所示。这样,共形成40个识别测试样本,用于识别概率测试。3.4船港船的识别结果采用已经训练优化之后的识别模型,对测试样本进行识别分析,结果表明:船只编号8,12,16误判,分别误判为军辅船、航母编队、航母编队,其他船只都能实现正确识别,识别正确率达到92.5%。4多信息融合影响海洋目标拦截概率本文根据海洋监视卫星主动型侦察与被动型侦察的优缺点,提出了采用多信息融合的方