导弹防御系统预警信息融合模型研究综述

吴建峰 黄树彩 高育鹏 康红霞

空军工程大学防空反导学院，西安 710051



导弹防御系统预警信息融合模型研究综述

吴建峰 黄树彩 高育鹏 康红霞

空军工程大学防空反导学院，西安 710051

导弹防御系统建设的一个主要特点是面向信息处理，信息融合是导弹防御系统实现一体化作战和智能化决策指挥的核心技术。以一体化的导弹防御系统为研究对象，在分析导弹防御系统的作战流程、预警信息处理过程的基础上，提出了特定的适用于导弹防御系统信息融合的功能模型、基于特征层的混合式结构模型和面向工程实现必须考虑的关键算法模型，并对其研究方向和发展趋势进行了展望。

导弹防御系统；预警；信息融合；功能模型；结构模型；算法模型

导弹防御作战可分为预警探测、指挥控制及火力拦截3大阶段。“及时发现、精确跟踪、正确识别和有效拦截”是导弹防御作战取胜的4大要素，而预警信息贯穿于整个导弹防御作战的全过程[1-2]。信息融合是预警探测和指挥控制之间的重要衔接环节，是指挥控制的基础和前提。如何实现及时发现、精确跟踪和正确识别是导弹防御系统信息融合的核心任务。

目前，国内外对多传感器信息融合技术的研究多是针对具体研究对象提出多传感器信息融合问题的解决方案，主要集中在2种类型的多传感器信息融合领域：1)包含复杂的多模式传感器的信息融合问题(例如，双色/多色红外图像的融合)；2)包括安装在一个平台上的多传感器系统的信息融合问题(例如，机载多传感器的信息融合)，而对包括地理上广泛分布的多型异类传感器信息融合问题，特别是军事上应用的涉及到大监视范围、多型异类传感器网络(比如导弹防御系统预警探测网络)的动态分布传感器的信息融合问题，缺少针对问题的专门研究，而现有的技术在这个领域的应用也缺乏有效的理论保证。

本文以信息化条件下导弹防御作战的军事需求为牵引，在分析导弹防御系统作战流程和预警信息处理过程的基础上，运用信息融合的基本理论和方法，重点研究适合于导弹防御系统预警信息融合的功能模型、结构模型和算法模型，为研究信息化条件下一体化导弹防御系统的集成开发和体系作战能力的形成提供理论基础和技术支撑。

1 导弹防御系统的作战流程

导弹防御(Missile Defense：MD)的任务是开发一体化、分层的导弹防御系统(Missile Defense System：MDS)，能在敌方各种射程的弹道导弹和巡航导弹飞行的各个阶段与它们进行交战[3-4]。导弹防御系统的作战流程如图1所示。

图1 导弹防御系统的作战流程

来袭弹道导弹发射后，经过数秒被天基红外预警卫星上的扫描型探测器探测到，将卫星导弹预警信息发往战略C2BMC单元，并引导凝视传感器跟踪目标，向地基远程预警雷达指示目标的发射点、落点和关机点等预报信息以及目标位置信息，并将这些信息传送给战术C2BMC。战术C2BMC适时指示目标指示雷达调转天线方向捕获并跟踪目标，向反导拦截武器系统的指控中心指示更精确的目标信息。当弹道导弹进入地基拦截弹的射程时，指控中心指挥控制火力单元立即发射拦截弹，跟踪制导雷达截获并跟踪拦截弹，指控中心在跟踪制导雷达配合下引导拦截弹飞向目标。当弹道导弹进入拦截弹杀伤区时，拦截弹引爆或以直接碰撞方式来杀伤目标，最后由指控中心进行杀伤效果评估。

2 导弹防御系统预警信息处理过程

从导弹防御系统的作战流程看，成功实施弹道导弹拦截作战的前提是及时预警、精确跟踪和正确识别来袭的弹道导弹目标，这就需要天基预警卫星、远程预警雷达、具有搜索跟踪识别功能的多功能相控阵雷达3大系统之间以及与火力拦截单元内部各传感器之间进行紧密无间的合作[5]。从纵向看，主要是天基预警卫星→远程预警雷达→火力拦截单元制导雷达这样的信息引导顺序；从横向看，还有天基预警卫星之间、预警雷达之间、火力拦截单元制导雷达之间以及火力拦截单元之间的信息交叉提示[6]。

导弹防御系统预警信息可以分为3级进行处理：1)天基、空基和地基预警平台将获取到的目标信息进行初步预处理，然后通过平台信息处理系统和数传系统下传到各对应的地面接收站；2)各地面接收站的数据处理系统对预警原始数据进行处理，将处理得到的预警信息上传到预警信息处理与分发中心进行备份与处理；3)预警信息处理与分发中心对各地面接收站生成的情报进行综合集成处理，形成目标威胁判断、综合态势分析等情报信息，并通过通信网络系统发送给C2BMC中心。

3 导弹防御系统预警信息融合模型

根据信息融合的任务需求，信息融合系统按设计顺序主要包括了功能模型、结构模型和算法模型[7]，下面分别展开论述。

3.1 功能模型

到目前为止，国内外已提出了许多种类的功能模型[8]。国外80年代提出了3种信息融合功能模型，分别是：情报循环模型(Intelligence Cycle Model)、JDL(Joint Directors of Laboratories)模型、Boyd控制环路模型(Boyd Control Loop Model)。90年代提出了Dasarathy模型及Waterfall模型。进入21世纪，多功能模型(Omnibus)和扩展OODA模型引起了广泛关注。上述模型中，JDL功能模型应用最为广泛，美国的导弹防御系统的功能模型就是在JDL数据模型的基础上发展而来的[9]。

较一般系统的信息处理，导弹防御系统的信息处理具有信息源种类的多样性、所面临战场环境的复杂性、处理手段的多样性及系统结构的复杂性等特点，这就需要对JDL功能模型进行改进，提出新的适用于导弹防御系统信息融合的功能模型。这里，提出一种特定的导弹防御系统预警信息融合功能模型，如图2所示。图中，一级处理即检测判决融合，属于像素或信号级的融合。二级处理即目标连续状态估计，属于特征级的融合。三级处理即目标离散状态估计，它可以是数据层、特征层或决策层的融合。四级处理即态势评估，包括态势的提取和评估。五级处理即行动效果评估，估计和预测行动计划的结果。六级处理即资源管理，是一个计划及执行过程，使信息融合处理过程达到最佳化。

本文提出的特定的导弹防御系统预警信息融合功能模型与JDL功能模型的区别和优势主要体现在以下几个方面：

1)JDL功能模型中的一级处理(即目标位置/身份估计)针对不同性质的2个问题，即目标位置估计为目标的连续状态参数估计，目标身份估计为目标的离散状态参数估计。本文提出的功能模型将一级处理划分为2级：目标连续状态估计(二级处理)和目标离散状态估计(三级处理)，这与位置估计及身份估计是否并行同步进行无关；

2)由于导弹防御系统拥有地理上广泛分布的大量传感器和众多信息源，需要将这些资源有效地集成到一起，充分一体化并相互深度铰链，因此将资源管理的概念引入导弹防御系统预警信息融合功能模型中，作为六级处理，并定义了它的功能和任务，从而使资源管理贯穿于整个信息融合过程；

3)导弹防御系统的预警信息融合处理是一个由指挥员信息驱动的动态过程，该过程分为3个阶段：融合任务产生阶段、融合系统配置阶段及融合任务实施阶段。而JDL功能模型实际上只描述了融合任务实施阶段的融合处理，因此不能为融合系统的设计提供一个起点。本文提出的导弹防御系统预警信息融合功能模型的优势在于明确地刻画了导弹防御系统中预警信息融合的动态特征，从指挥员信息需求开始，将其映射到具体的融合任务，根据该任务进行系统配置，按提出的功能模型进行融合处理，融合结果供指挥员使用，因此为系统设计工作提供了一个基础。

图2 特定的导弹防御系统预警信息融合功能模型

3.2 结构模型

检测级的结构模型有：并行结构、分散结构、串行结构和树状结构。位置级的结构模型有：集中式、分布式和混合式。属性级的结构模型有：数据层、特征层和决策层。

导弹防御系统作为大型的军事信息融合系统，因为其军事需求需要从空域与时域上融合多种同类、异类传感器信息源对目标身份属性做出综合识别，涉及到多层次的信息融合，所以导弹防御系统的信息融合结构模型就是属性级模型。对于目前绝大多数雷达系统来说，其在数据层的信息可认为是目标的多普勒信号，并不表示目标的成像信息。光学成像传感器在数据层的信息表示为其响应波段内目标的灰度数据序列。所以，雷达与光学成像这2种传感器在数据层所得到的信息不具备互补性和可比性信息融合处理的基本条件，不可能进行数据层上的融合处理。雷达系统特征层上的信息可表征为目标的空间位置信息、距离信息、视线角速率目标跟踪信息和离轴角雷达天线跟踪信息。光学成像系统在特征层上的信息除了距离信息外，基本上与雷达系统所表征的特征量相同。两者在决策层上所表征的信息都是视线角速率目标跟踪信息。根据以上分析，导弹防御系统的预警信息融合处理，只在特征层和决策层上满足信息融合处理互补性和可比性的基本条件。

另外，和平时期和战争时期，导弹防御系统对预警信息也有不同的需求。在和平时期，应长期保持一定的空天监视预警能力，积累情报以备战时需要，主要考虑信息的完整性，对及时性要求不高；在战争时期，情报的需求量急剧增大，主要考虑完善多种预警探测手段，对情报的及时性、准确性要求较高[10]。

基于以上因素，在导弹防御系统预警信息融合的结构和层次上，若采用集中式结构从数据层进行融合，则对处理系统和传输系统要求过高，信息融合量过大，不能满足战时高动态性要求；若采用分布式从决策层进行融合，则信息损失过大，精度偏低，不能满足平时对预警侦察目标的监视需要。考虑到数据的完整性、实时性以及平时及战时的不同需求，提出基于特征层的混合式导弹防御系统预警信息融合结构模型，如图3所示。

整个系统的融合分成2个层次：平台级融合和系统级融合。各预警平台通过各自多种传感器对战场环境进行实时预警探测，其同一平台的多传感器信息融合方式采用集中式结构，不同平台的多传感器信息融合方式采用分布式结构。在平时模式下，预警探测信息经过预处理后，通过信息传输系统和地面传输网络传输到各平台信息融合中心进行目标特征提取，然后传输到系统融合中心进行特征层属性融合和判决，再将情报信息通过通信网络系统发送给C2BMC。在战时模式下，为满足特定高时效性目标的预警探测需要，各预警平台预警探测资源通过雷达、红外、紫外和可见光等传感器获取的目标预警信息在预处理后，由多平台融合中心传输到系统融合中心进行特征层属性融合和属性判决，根据传感器性能、武器杀伤力(由支持数据库提供)及相对几何关系等进行态势分析与威胁等级综合判断，并形成战术辅助决策。多平台目标态势信息与态势威胁评估描述、战术辅助决策结合在一起形成目标综合情报信息，通过通信网络系统发送给C2BMC中心。C2BMC中心向反导武器系统下达作战命令，各平台间或平台内传感器经过交叉提示对特定目标进行进一步的探测、识别以及跟踪，并最终对拦截效果进行评估。

图3 基于特征层的混合式导弹防御系统预警信息融合结构模型

3.3 算法模型

传统的坐标变换算法、目标跟踪算法、滤波跟踪算法、航迹相关及融合算法研究的对象大都是针对空气动力学目标的，对于弹道目标，这些算法无论在精度上还是实时性上都无法满足导弹防御作战对预警信息的要求。因此，需要研究适合于导弹防御系统的多平台多传感器多源信息融合算法及其工程实现的关键技术，以满足导弹防御作战对预警信息精度极高和实时性极强的要求。

3.3.1 高精度坐标变换算法

坐标系及其参数相互转换是导弹防御系统信息融合最基础的技术工作。导弹防御作战涉及的坐标系有地心固定坐标系、地心惯性坐标系、星载传感器坐标系、地基预警雷达测量坐标系及直角坐标系。预警探测传感器在弹道导弹主动段航迹的探测跟踪精度对弹道的中段和再入点的预测至关重要。而弹道导弹主动段距离传感器最远，对坐标变换的精度要求很苛刻，而且要求变换速度快。在弹道中段，目标飞行高度高，传感器在探测目标时存在电离层折射的问题，必须研究目标高度对各种坐标系之间坐标变换精度的影响，及相应的补偿模型和算法。

3.3.2 高精度滤波与目标快速跟踪技术

传统雷达和红外探测器对目标的检测采用跟踪前检测(Detect Before Track: DBT)，但对于雷达反射面积小和红外辐射强度弱的弹道目标，在远距离处可检测到的信号相对较弱，弱小目标的检测工作变得很困难，而检测前跟踪(Track Before Detect: TBD)是低信噪比条件下对目标检测和跟踪的一种有效手段[11]。针对弹道目标的运动特征，新的航迹滤波算法是重要研究内容。航迹滤波可以保证航迹的平滑合理，传统的滤波算法有α-β滤波、α-β-γ滤波和kalman滤波等。随着战场环境复杂型的增加，目标的机动能力、电磁干扰能力等的提高对信息融合滤波算法提出了更高的要求，逐渐兴起了性能更好的算法，如无迹kalman滤波(UKF)、粒子滤波(PF)等[12]。其中，粒子滤波是一种递推滤波算法，它摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件，且适用于任何通用状态空间模型以及用传统kalman滤波不能表示的非线性系统，在导弹防御系统信息融合中有广泛的应用前景，需要进一步改进算法实现高精度滤波技术和弹道目标的快速跟踪。

3.3.3 不同维航迹快速关联算法

数据关联是导弹防御系统信息融合的基础和关键。在多传感器信息融合系统中，同一批目标可能同时被多个传感器发现，从而形成不同的本地航迹。信息融合的基本任务之一就是对所有本地航迹与综合航迹进行相关处理，即去重复处理。常见的关联算法有：最近邻数据关联、概率数据关联、多假设跟踪、模糊数据关联等[13]。这些算法的运算量都很大，而且都是针对情报数据维数相同的理想情况。导弹防御系统的预警探测器种类多，提供的情报数据维数、格式都不尽相同，如红外传感器目前只能提供目标的角度信息而无法提供目标的距离信息，而雷达可以提供目标的距离信息和角度信息，但红外传感器提供的角度信息更精确。因此，在航迹相关时，就必须考虑这些情况，研究不同维航迹的快速关联算法。

3.3.4 多源异质智能信息融合算法

从战场环境来看，导弹防御系统的信息融合要处理大量不同平台不同类型的传感器(即异质传感器)数据，以及反映数值数据关系和含义的抽象数据。尤其在日益复杂的战场环境下，数据本身具有不确定性时，为了减少不确定性影响，需要使用更多的推断和推理技术，而智能信息处理技术正好可用于获得这些推断和推理。目前智能信息融合算法主要有：蚁群算法、粒子群优化算法等[14]。智能信息处理是不确定信息处理的有效途径，研究智能信息融合算法和融合推理技术可以针对复杂的环境和目标时变的动态特征，在难以获得先验知识的前提下，建立具有良好稳健性和自适应能力的融合机制，对各种数据进行有效的分析、补充综合、协调修改及取舍，保证系统的容错性和稳健性。

3.3.5 真假弹头智能识别算法

弹道目标的真假弹头识别，即根据目标的红外辐射特性、电磁辐射特性和运动特性，辨别是真弹头还是假弹头(诱饵)，这是导弹防御系统预警信息融合算法研究的重要内容。为提高目标识别的准确性和可靠性，必须综合利用多个或多类传感器协同探测信息互补融合处理来进行目标的分类识别，采用“分层有序”的方法[15]，综合出目标的属性信息。需要重点研究目标图像和航迹信息的图像配准、特征提取处理技术，基于神经网络、D-S证据理论等的真假目标分类算法。

4 结论与展望

导弹防御系统的信息融合技术是突破空天地预警信息协同应用以及信息与平台紧密铰链的核心技术，是实现导弹防御作战一体化的重要技术保证。本文从功能模型、结构模型、算法模型3个方面对导弹防御系统预警信息融合模型进行了综述和讨论。针对导弹防御系统的预警信息融合问题，认为以下几个研究方向值得关注：

1)融合系统体系结构设计方法。对于导弹防御系统这种具有大尺度复杂动态交互特性的系统，需要科学的系统工程理论和方法指导进行开发和建设，以确保满足军事需求，因此体系结构设计方法的研究势在必行。DoDAF(department of defense architecture framework)[16]、数据融合树(data fusion tree)[17]等体系结构设计方法己成为美军研究和开发复杂大系统所遵循的标准，可以为导弹防御系统信息融合体系结构设计方法提供参考。如何利用现有的DoDAF等体系结构描述方法，进行导弹防御系统信息融合的体系结构设计是一个重要的研究方向；

2)融合算法的有机结合。对于导弹防御系统这样的大型信息融合系统，任何单一的融合算法往往都不能胜任，随着计算技术的发展与对各融合算法认识的深入，怎样将几种算法有机结合起来，以平衡系统的实时性、精确性和鲁棒性是一个值得深入研究的课题；

3)信息融合系统仿真与性能评估。导弹防御系统的信息融合涉及多个传感器或平台的集成，对于这样的复杂系统仅靠解析方法很难进行全面的分析，而实际运行费用高昂，因此需要借助于计算机仿真技术建立仿真系统，主要研究内容包括：仿真实体模型多粒度建模，用于满足不同的仿真需求；算法模块组件化开发，支撑灵活替换；建立独立的评估分析支持库，对整个仿真过程的评估提供支撑。在性能评估方面，包括对输入信息的评估以及对融合算法评估2个方面。无真实数据下的评估指标及方法、指标集的完备化和标准化等是重要的研究方向。

[1] 李为民，陈刚，王颖龙，等.空天防御概论[M].北京: 国防大学出版社, 2010:123-145.(Li Weiming, Chen Gang, Wang Yinglong, et al. Aerospace Defense Survey[M].Beijing: National Defense University Press, 2010: 123-145.)

[2] George A Blaha, Thomas C Pendergraft, Frederic A Riley. Exploring Architectural Options for A Space Based Missile Defense Layer[EB/OL]. [2007-09]. http://www.go.com.

[3] United States Missile Defense Agency (MDA). Missile Defense Agency Fiscal Year 2009 (FY 09) Budget Estimates Overview Research, Development, Test, and Evaluation, Defense, Wide[R]. Feb 2008.

[4] United States Government Accountability Office. Progress Made in Fielding Missile Defense, But Program is Short of Meeting Goals[R]. GAO-08-448, March 2008.

[5] Karl-Heinz Keil. Generic Case Study: Evaluation of Early Warning Satellites Cueing Radars Against TBM[EB/OL]. [2002-09]. http://www.go.com.

[6] 樊浩, 黄树彩, 高美凤, 等.多传感器交叉提示多目标探测动态联盟技术研究[J].宇航学报, 2011,32(11):2380-2386.(Fan Hao, Huang Shucai, Gao Meifeng, et al. Research on Technique of Multi-target Detection Using Multi-sensor Cross-cueing Based on Dynamic Coalition[J]. Journal of Astronautics, 2011,32(11):2380-2386.)

[7] 王耀南, 李树涛.多传感器信息融合及其应用综述[J]. 控制与决策, 2001,16(9):518-523. (Wang Yaonan, Li Shutao. Multisensor Information Fusion and Its Application: A Survey[J]. Control and Decision, 2001, 16(9):518-523.)

[8] 吴瑕, 周焰, 蔡益朝, 等.多传感器目标融合识别系统模型研究现状与问题[J]. 宇航学报, 2010,31(5):1413-1420. (Wu Xia, Zhou Yan, Cai Yichao, et al. Research Actualities And Problems on Multi-sensor Target Recognition System Model[J]. Journal of Astronautics, 2010, 31(5): 1413-1420.)

[9] I. Gokhan Humali. Sensor Fusion for Boost Phase Interception of Ballistic Missiles [D]. California: Naval Postgraduate School, 2004.

[10] 赵玉普, 冯书兴, 白红莉, 等. 空天预警侦察信息分析及融合模型研究[J]. 兵工自动化, 2008, 27(5): 57-60. (Zhao Yupu, Feng Shuxing, Bai Hongli, et al. Study On Analysis And Fusion Model of Space And Air Early Warning And Reconnaissance Information[J].Ordnance Industry Automation, 2008,27(5): 57-60.)

[11] 吴孙勇, 廖桂生, 杨志伟, 等.基于改进粒子滤波的微弱目标检测前跟踪算法[J].系统工程与电子技术, 2010,32(9):1875-1879.(Wu Sunyong, Liao Guisheng, Yang Zhiwei, et al. Improved Track-before-detect Algorithm for Weak Targets Based on Particle Filter [J]. Journal of Systems Engineering and Electronics, 2010, 32(9): 1875-1879.)

[12] 刘也, 余安喜, 朱炬波, 等. 弹道目标实时跟踪中的滤波方法综述[J].宇航学报, 2013, 34(11):1417-1426. (Liu Ye, Yu Anxi, Zhu Jubo, et al. Survey of Filter Algorithms for Ballistic Missile Real-time Tracking[J]. Journal of Astronautics, 2013, 34(11):1417-1426.)

[13] 韩崇昭, 朱洪艳, 段战胜, 等. 多源信息融合[M]. 清华大学出版社, 2006: 290-305. (Han Chongzhao, Zhu Hongyan, Duan Zhansheng, et al. Multi-source Information Fusion[M]. Beijing: Tsinghua University Press, 2006: 290-305.)

[14] 易正俊. 多源信息智能融合算法[D].重庆：重庆大学, 2002. (Yi Zhengjun. Study on Intelligent Fusion Algorithms of Multi-source Information [D]. Chongqing: Chongqing University, 2002.)

[15] 胡国平, 张守宏. 多传感器协同探测目标的分类识别研究[J]. 西安电子科技大学学报(自然科学版), 2009,36(3):443-447.(Hu Guoping, Zhang Shouhong. Study of Target Recognition Based on Multi-sensor Cooperating With Exploration [J]. Journal of Xidian University (Nature Science Edition), 2009, 36(3):443-447.)

[16] 姜军. 可执行体系结构及DoDAF的可执行化方法研究[D].长沙：国防科学技术大学, 2008.(Jiang Jun. Research on Executable Architecture And The Executable Method of DoDAF [D]. Changsha: National University of Defense Technology, 2008.)

[17] Bowman C L, Mordfield C L, Murphy M S. Multisensor Multitarget Recognition And Tracking[C]//13th Asilomar Conference on Circuits, Systems and Computers, 1979.

Research on Early Warning Information Fusion Model of Missile Defense System

Wu Jianfeng，Huang Shucai， Gao Yupeng， Kang Hongxia

Air and Missile Defense College，Air Force Engineering University，Xi’an 710051，China

Amaincharacteristicofmissiledefensesystemestablishementisorientedtoinformationprocessing,andinformationfusionisthekeytechnologyofachievingintegrationbattleandintelligentdecisioncommandformissiledefensesystem.Bytakingtheintegrationofmissiledefensesystemastheresearchobject,onthebasisofanalyzingthebattleflowandearlywarninginformationprocessingprocedureofmissiledefensesystem,thespecificinformationfusionmodelswhicharesuitableformissiledefensesystemareproposedbythreeaspectsknownasfunctionalmodel,mixedstructuremodelbasedonfeaturelevelandkeyalgorithmmodelsthatisorientedtoprojectapplication,andtheresearchdirectionanddevelopmenttrendareprospected.

Missiledefensesystem；Earlywarning；Informationfusion；Functionalmodel；Structuremodel；Algorithmmodel

2015-01-26

吴建峰(1981-)，男，陕西扶风人，博士，讲师，主要研究方向为空天协同探测与智能信息处理技术；黄树彩(1967-)，男，湖北黄梅人，博士，教授，主要研究方向为空天防御系统与工程；高育鹏(1976-)，男，陕西户县人，硕士，讲师，主要研究方向为空天目标协同跟踪与拦截引导技术；康红霞(1980-)，女，陕西榆林人，博士研究生，讲师，主要研究方向为空天目标协同跟踪与拦截引导技术。

TP274+.2；TP212.9

A

1006-3242(2016)06-0007-00