中文引用格式： 胡爱兰，覃永松. 改进自适应加权的海面目标距离测量和跟踪[J]. 电子技术应用，2024，50(7)：20-28.
英文引用格式： Hu Ailan，Qin Yongsong. Improvement of adaptive weighted distance measurement and tracking for sea surface targets[J]. Application of Electronic Technique，2024，50(7)：20-28.
引言
在航行安全[1]、海上作战[2]以及自然灾害监测等场景中，海上目标距离探测和跟踪在海洋安全和军事应用中越来越显得重要和迫切，精确而可靠的目标距离测量是确保任务成功和决策准确的基础。然而，海上目标距离探测面临着许多挑战，海面环境的复杂性，如波浪、海雾、海况变化等，给目标距离测量带来了很大的困难。特别是在海杂波[3]等海上背景干扰下，雷达接收到的信号中由于包含背景杂波，导致目标的回波信号与背景杂波相互混合增加了海面目标距离测量的不确定性，也使得雷达系统更难以有效地检测到目标，同时杂波可以在方位角方向上引入额外的噪声和波动，使得精确测量目标在方位上的位置变得更加困难，海面波动引起的波动也可能会被错误地解释为目标的运动，从而影响速度测量的准确性，导致目标距离的测量精度进一步降低。由于传统的单一雷达系统受到各种环境因素的局限，单一雷达的目标测量结果往往难以满足实际应用的需求。为了克服这些限制，研究人员开始将多个雷达系统联合使用，并利用数据融合技术来提高目标距离的测量精度和可靠性。数据融合作为一种将来自不同传感器的数据进行整合的技术，已经被广泛应用于目标距离探测领域。通过将多个雷达系统的测量结果进行融合，数据融合技术可以充分利用各个传感器的优势，将其组合成一个更准确、可靠的最终结果。与单一雷达测量相比，多传感器数据融合具有更高的抗干扰能力、更好的鲁棒性和更高的测量精度。
在多传感器数据融合算法的研究中，卡尔曼滤波算法[4]（KF算法）、粒子滤波算法[5]、自适应加权融合算法[6-8]、深度学习方法[9]、改进支持度的加权融合[10-12]等被广泛研究并应用于各个领域。余建国[13]通过在多舰船雷达远距离目标跟踪中应用卡尔曼滤波算法进行数据融合提高船舶远距离目标的跟踪精度，但该模型局限于已知目标的运动模型；刘苗苗[14]等通过改进自适应加权融合算法应用于综合管廊环境温度监测中，提高了地下空间环境信息监测的精确度；匡亮[15]等通过改进传感器支持度函数应用于传感器网络水质监测数据融合中，有效弥补现有水质监测系统数据采集准确率低等问题；张良成[16]等人提出一种依据质量因子情况动态完成多源数据融合算法，从而得到综合精度优于雷达数据源的融合航迹结果。上述算法针对不同的应用场景有效提升了数据融合的准确性和可靠性，但并不能对于实时变化的数据进行精准性测量，并且都致力于在单个融合模型中寻找更优的权重分配方式以及更可靠的传感器。
本文针对海面目标距离测量精度低、可靠性低的问题,提出了一种改进的自适应加权融合算法，利用数据融合技术来获得更准确和可靠的实时海上目标距离测量结果。本文采用坐标系转换、异常数据剔除、改进支持度函数、自适应加权融合、分段数据融合等方法，设计并解决海上目标距离测量中面临的问题。通过仿真实验和对比分析，验证了所提出算法的有效性和优越性。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000006065
作者信息：
胡爱兰1，覃永松2
（1.华北计算机系统工程研究所，北京 100038；
2.西安电子科技大学 计算机科学与技术学院，陕西 西安 710000）
