1 引言

　　在多傳感器目標(biāo)跟蹤系統(tǒng)中，由于異質(zhì)傳感器能實(shí)現(xiàn)優(yōu)勢互補(bǔ)，將其數(shù)據(jù)進(jìn)行融合，可提高對空中目標(biāo)的跟蹤精度。異質(zhì)傳感器信息融合是數(shù)據(jù)融合實(shí)際應(yīng)用中的一個(gè)重要內(nèi)容，因?yàn)樵趯?shí)際的系統(tǒng)中，經(jīng)常遇到利用3D雷達(dá)(測量值為距離、方位和俯仰)、2D雷達(dá)(距離和方位)、被動(dòng)雷達(dá)(方位和俯仰)、測高雷達(dá)(俯仰)和ESM(方位)等傳感器對目標(biāo)進(jìn)行跟蹤，利用這些傳感器進(jìn)行融合可獲得更精確、更完全的目標(biāo)狀態(tài)估計(jì)。

　　異質(zhì)多傳感器融合是數(shù)據(jù)融合中一個(gè)重要內(nèi)容，文獻(xiàn)[1]研究了利用2D主動(dòng)雷達(dá)和紅外傳感器對高機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤，提出基于IMM/PDAF的序貫濾波融合方法。文獻(xiàn)[2-4]提出一種虛擬融合法，由于該算法首先是對采樣率高的傳感器數(shù)據(jù)進(jìn)行最小二乘壓縮，使之與另一個(gè)傳感器的數(shù)據(jù)同步，該算法中各傳感器采樣率的比需滿足一定的條件，文獻(xiàn)[5]研究了一種并行濾波方法。由于該算法是一種同步融合算法，對于異步數(shù)據(jù)首先要進(jìn)行同步化。

　　本文從建立偽量測方程的角度，提出了一種異質(zhì)多傳感器的異步量測融合算法，該算法是通過在融合中心建立偽量測方程使各傳感器的數(shù)據(jù)同步，然后利用同步的思想進(jìn)行處理，最后通過計(jì)算機(jī)仿真進(jìn)行了驗(yàn)證。

　　2 系統(tǒng)模型

　　不失一般性，以在球面坐標(biāo)系中運(yùn)動(dòng)的目標(biāo)為例進(jìn)行分析，則離散時(shí)間線性系統(tǒng)的狀態(tài)方程為：

　　X(k+1)=F(k+1，k)X(k)+Γ(k+1，k)V(k) (1)

　　其中，X(k)為k時(shí)刻目標(biāo)的狀態(tài)向量;kF(k+1，k)為狀態(tài)轉(zhuǎn)移矩陣;Γ(k+1，k)為過程噪聲轉(zhuǎn)移矩陣;V(k)是零均值，高斯白噪聲序列，其協(xié)方差陣為Q(k)。

　　在實(shí)際情況下，傳感器得到的是三維球坐標(biāo)系或二維極坐標(biāo)系的目標(biāo)量測，即包括斜距r、方位角a和俯仰角e。假設(shè)某一傳感器的測量方程為：

　　Z(k)=h(X(k))+W(k) (2)

　　其中，W(k)是k時(shí)刻的測量高斯白噪聲，其相互獨(dú)立且協(xié)方差為R(k)，量測向量Z(k)包括斜距r(k)、方位角a(k)、俯仰角e(k)，坐標(biāo)轉(zhuǎn)換如圖2所示，由其定義可得：

　　3 測量方程的線性化

　　由于測量方程(2)是一個(gè)非線性方程，可以利用泰勒級(jí)數(shù)展開，對其進(jìn)行線性化，展開圍繞者預(yù)測狀態(tài)X(k/k-1)進(jìn)行，表示如下：

　　其中觀測斜距用的量測矩陣Hr(k)由下式表示為：

　　故狀態(tài)方程(1)和測量方程(4)組成線性化目標(biāo)運(yùn)動(dòng)模型。