本发明涉及一种抗干扰方法，特别是涉及一种雷达-红外复合导引头在有多个目标条件下的密集距离假目标干扰的方法。
背景技术：
1、近年来海洋主权争夺越来越激烈，反舰导弹作为对海领域的主要攻击手段，其的主要攻击对象是海上舰船目标，为了预防反舰导弹，敌方会使用各种有源、无源干扰，距离假目标干扰就是其中之一，其兼具欺骗和压制的特点，严重影响导弹对目标的跟踪。干扰机在截获雷达回波之后，会以一定的时延δτ将回波发出，每转发一次雷达信号，雷达就会多检测到一个假目标。因为干扰机产生时延随机而多变，产生的假目标干扰距离不确定，而且数量较多，因此，距离多假目标干扰的干扰能力很强。距离多假目标干扰不仅能产生欺骗干扰还能产生压制干扰，当假目标数量繁多时，干扰信号之间相互叠加，雷达无法从数量过多的假目标中准确辨别出真实目标，从而形成压制干扰，导致雷达对真实目标难以辨别，导弹失去打击能力。
2、传统的抗干扰识别算法过程繁琐，实时性差，难以工程实现，同时，传统方法在跟踪过程中仅对单目标进行抗干扰仿真试验，没有考虑多个目标同时存在的条件下抗干扰的问题。本文针对工程实际，利用红外传感器不受距离假目标干扰的特点，联合雷达-红外角度信息去除干扰并利用无迹卡尔曼滤波保证导弹对目标的实时跟踪，这对反舰导弹在复杂环境下精确打击目标具有极其重要的参考意义。
技术实现思路
1、本发明的目的是提出一种基于雷达-红外多目标关联的抗密集距离假目标干扰方法，解决现有抗干扰方法中未考虑多目标同时存在、且算法复杂难以工程实现的问题
2、本实施例的两个传感器与真实目标和干扰平台的相对位置如图2所示，传感器的位置在(0km,0km,1km)，雷达测距误差为50米，测角误差为0.2度，红外的测角误差为0.02度，真实目标与干扰平台的位置、速度如表1所示。
3、表1目标参数
4、 位置(x,y,z)km 速度(x,y)m/s <![cdata[加速度(ax,ay)m/s<sup>2</sup>]]> 真实目标1 (50,50,0) (30,10) (0.4,-0.3) 干扰平台1 (51,53,0) (30,10) (0.4,-0.3) 真实目标2 (40,40,0) (35,6) (0.5,-0.2) 干扰平台2 (42,43,0) (35,6) (0.5,-0.2)
5、本发明提出的基于雷达-红外多目标关联的抗密集距离假目标干扰方法的技术方案包括以下步骤：
6、步骤1：构造检验统计量；距离假目标与干扰平台只在距离上有差异，所以距离假目标与干扰平台的方位角是相同的，由于干扰平台与真实目标的方位角不同，且距离假目标仅对雷达产生影响，所以将雷达与红外接收到的方位角信息综合利用构造检验统计量：
7、
8、其中和分别为雷达传感器l时刻第i个目标与红外传感器l时刻第j个目标的方位角信息，θx与θy分别是雷达与红外传感器的方位角测量误差。
9、步骤2：根据构造的检验统计量设置卡方检验阈值，区分当前时刻的真实目标与干扰。
10、ψxy＜μ (2)
11、由表2可知，仿真实验有两个目标，为了将两个目标从干扰中识别出来且使误判概率降到最低，摘要附图里的n＝3，若只有三个及以下的值满足上式则证明当前构建检验统计量的雷达目标为真实目标，取满足上式的最小值为真实目标点迹；否则证明当前目标为干扰，则取所有点迹中的最大值作为目标真实点迹。
12、步骤3：对多个真实目标点迹与多条航迹进行点航关联，本发明采用基于自适应波门的最近邻点航关联算法。
13、(1)首先设置跟踪波门，由跟踪波门初步筛选所得到的点迹成为候选点迹，以限制参与相关判别的目标数目。目标量测点迹要满足下式，则可判定zi(k+1)为候选点迹。
14、
15、其中，为k+1时刻的预测值，c(k+1)为预测协方差矩阵，γ为检验门限，w服从卡方分布，其自由度为预测向量维度数。
16、(2)若落入相关波门的量测值只有一个，则该量测值可被直接用于航迹更新；若有一个以上的点落在被跟踪目标的波门内，此时取统计距离最小的候选点迹作为目标关联点迹，即在最近邻标准滤波器中，使新息加权范数达到极小的量测，继而用于在滤波器中对目标状态进行更新。新息加权范数为：
17、
18、由于传感器自身量测误差，有可能会出现确定判决门限后，没有量测值落入波门内的情况，所以针对此问题设计了自适应跟踪波门来实现更稳定的点航关联。具体操作办法为适当调整显著性水平来扩大跟踪波门，若一次扩大仍没有量测值落入波门内，则重复上述步骤，若波门扩大到极限仍没有量测值落入波门内，则将此时刻的预测值作为新的量测进行更新。
19、步骤4：无迹卡尔曼滤波初始化。通过步骤3对目标点航关联之后，确定了多个目标预测点迹与多条航迹之间的关系，但是所得航迹与目标真实航迹会有较大偏差，则需要利用二者信息经过卡尔曼滤波进行处理得到目标位置状态信息，减小跟踪误差。
20、(1)目标状态方程为：
21、x(k+1)＝f(k)x(k)+v(k) (5)
22、其中，f(k)为状态转移矩阵，v(k)为过程噪声。
23、(2)观测方程为：
24、z(k)＝h(x(k))+w(k) (6)
25、其中w(k)为量测噪声。
26、(3)目标初始协方差矩阵可以表示为：
27、
28、其中，p12＝p21，p13＝p31，p23＝p32，且矩阵中的各个元素都是分块矩阵，可表示为：
29、
30、其中ppij是由雷达误差协方差矩阵与坐标变换矩阵得来，其表达式如下：
31、
32、rz是雷达量测误差协方差矩阵，s(k)是极坐标系到ecef坐标系的坐标变换矩阵。
33、步骤5：系统状态预测。
34、(1)利用初始化的目标状态向量和协方差矩阵构造sigma点集：
35、
36、(2)计算采样点对应的权值：
37、
38、其中ωm对应均值的权值，ωc对应协方差的权值，λ为缩比参数，用来控制误差，其表达式如下：
39、λ＝a2(n+κ)-n (12)
40、a用以确定采样点分布，κ为尺度参数。
41、(3)根据上述sigma点计算得到一步预测：
42、βi(k+1|k)＝fb (13)
43、其中，f是状态转移矩阵，b是雷达k+1时刻的坐标。
44、(4)得到状态预测估计和预测协方差：
45、
46、其中，q(k)是过程噪声协方差矩阵。步骤6：计算量测预测模型。
47、(1)基于得到的和p(k+1|k)求得新的sigma点集：
48、
49、(2)根据量测方程即可得到量测预测，量测方程可表示为：
50、τi(k+1k)＝h(ξi(k+1k),b) (16)
51、(3)通过权值加权得到量测预测：
52、
53、其中r(k+1)为量测噪声协方差，
54、步骤7：状态更新。
55、卡尔曼增益矩阵为：
56、
57、状态向量与协方差矩阵的更新为：
58、
59、步骤4至步骤7构成了无迹卡尔曼滤波的迭代模型，以实现对目标的精确跟踪。
60、步骤8：对跟踪过后的多条目标航迹与红外传感器得到的多个目标的角度信息进行航迹关联，保证两个传感器的航迹信息属于同一个目标。
61、(1)构造检验统计量：
62、
63、ωxy＝ψxy+ψ'xy (22)
64、其中和分别为雷达传感器l时刻第i个目标与红外传感器l时刻第j个目标的方位角信息，θx与θy分别是雷达与红外传感器的方位角测量误差；和分别为雷达传感器l时刻第i个目标与红外传感器l时刻第j个目标的俯仰角信息，τx和τy分别是雷达与红外传感器的俯仰角测量误差；ωxy是构造的检验统计量。
65、(2)根据构造的检验统计量设置卡方检验阈值如下：
66、e＝(e1,e2,…,en) (23)
67、现取两个正整数n0和k，其中n0≥2，n0/2≤k≤n0，n0是关联检验总次数，k是关联成功次数，本发明n0＝100，k＝60，若在n0次关联检验中有k次满足条件
68、
69、则判断雷达传感器第i个目标与红外传感器第j个目标关联，若红外传感器有两个以上的目标被确定与雷达航迹i关联，则选择检验统计量最小的那个目标作为关联航迹，且一旦航迹关联成功，就不再进行关联检验。
70、有益效果：
71、(1)本发明从距离假目标形成特点出发，利用雷达/红外角度信息构建检验统计量，可以有效去除距离假目标干扰，算法简单有效，适用于工程实际。
72、(2)本发明针对多目标场景进行仿真，并利用自适应波门的点航关联算法、无迹卡尔曼滤波跟踪算法、k近邻航迹关联算法实现雷达/红外传感器多个目标航迹的准确跟踪与关联。
73、本发明可以有效去除干扰平台产生的距离假目标，且对多个真实目标实现准确跟踪，大大降低计算时间，工程实现容易，具有推广价值。可应用于雷达-红外复合导引头抗干扰领域，实现干扰条件下对目标的精准打击。
1.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于：
2.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，
3.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，
4.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，
5.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，
6.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，计算量测预测模型。
7.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，状态更新；
8.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，
9.基于雷达-红外多目标关联的抗密集距离假目标干扰方法，其特征在于，本实施例的两个传感器与真实目标和干扰平台的相对位置如图2所示，传感器的位置在(0km,0km,1km)，雷达测距误差为50米，测角误差为0.2度，红外的测角误差为0.02度，真实目标与干扰平台的位置、速度如表1所示。
