基于证据理论的敌我识别目标关联方法

doi:10.3969/j.issn.1009-086x.2026.02.005

摘要/Abstract

摘要：

针对目标密集场景下敌我识别（identification friend or foe，IFF）目标与雷达目标关联问题，提出一种基于证据理论的目标关联方法。建立位置关联度模型，并基于雷达和识别器的目标方位、距离量测能力和多次量测数据生成证据及其基本概率指派，包括对多个目标多次量测形成的证据；对同一目标多次量测形成的证据进行Dempster规则组合，构建组合证据集合；基于组合证据集合最大值搜索逐步完成所有目标的关联。仿真结果表明，所提方法相比于最邻近关联方法，以相同的时间复杂度获得更高的关联正确率；相比于Kuhn-Munkres关联方法，以更低的时间复杂度，在大部分密集目标场景下获得更高的关联正确率。

关键词: 目标关联, 关联正确率, 证据理论, 基本概率指派, 敌我识别, 复杂场景

Abstract:

To address the problem of association between IFF targets and radar targets in scenarios dense target scenarios， an association method based on evidence theory is proposed. A positional correlation model is established. Evidence and its basic probability assignment （BPA） are generated based on the azimuth and range measurement capabilities of the radar and IFF interrogator， as well as data from multiple measurements. Evidence derived from multiple measurements of the same target is combined using the Dempster rule to construct a combined evidence set. The association of all targets is completed sequentially based on a maximum value search within the combined evidence set. The simulation results demonstrate that， the proposed method achieves higher association accuracy than the nearest neighbor （NN） method at equivalent time complexity. Furthermore， compared to the Kuhn-Munkres （KM） algorithm， the proposed method achieves higher accuracy in most dense target scenarios with lower time complexity.

Key words: target association, association accuracy, evidence theory, basic probability assignment, identification friend or foe, complex scenarios

中图分类号:

TN959.1

闫善勇. 基于证据理论的敌我识别目标关联方法[J]. 现代防御技术, 2026, 54(2): 61-68.

Shanyong YAN. Target Association Method for IFF Based on Evidence Theory[J]. Modern Defense Technology, 2026, 54(2): 61-68.

图/表 10

图1 目标识别场景

Fig. 1 Target identification scenario

图2 识别器和雷达方位估计

Fig. 2 Azimuth estimation of IFF interrogator and radar

图3 证据示意

Fig. 3 Display of evidence

表1 仿真基本条件

Table 1 Basic conditions for simulation

目标数量

雷达

识别器

目标分布

范围参数

问答次数

测距

标准差/

测角

标准差/

（°）

测距

标准差/

测角

标准差/

（°）

100

0.25

150

图4 基本概率指派

Fig. 4 Basic probability assignment

图5 组合证据集合

Fig. 5 Combined evidence set

图6 关联正确率vs目标分布范围

Fig. 6 Association accuracy vs target distribution range

图7 关联正确率vs目标数量

Fig. 7 Association accuracy vs target quantity

图8 关联正确率vs问答次数

Fig. 8 Association accuracy vs interrogation count

表2 关联正确率vs测距和测角精度

Table 2 Association accuracy vs distance and angular measurement accuracy

雷达		识别器		关联正确率/%
测距标准差/ m	测角标准差/（°）	测距标准差/ m	测角标准差/（°）	NN 方法	KM 方法	DS 方法
100	0.25	150	1.00	64.32	73.24	78.84
150	0.50	150	1.00	50.44	59.56	62.28
200	0.75	150	1.00	41.56	51.36	50.92
100	0.25	200	1.50	53.96	63.96	67.08
100	0.25	250	2.00	47.00	57.68	61.16

参考文献 19

[1]	黄成芳，李琨. 二次雷达原理与设计［M］. 北京：电子工业出版社， 2022： 125-126.
	HUANG Chengfang， LI Kun. Principles and Design of Secondary Radar［M］. Beijing： Publishing House of Electronics Industry， 2022： 125-126.
[2]	李宝鹏，高伟亮，夏栋，等. 外军飞机对海目标敌我识别错误机理分析［J］. 电讯技术， 2021， 61（6）： 732-736.
	LI Baopeng， GAO Weiliang， XIA Dong， et al. Error Mechanism Analysis of Foreign Aircraft Identification of Sea Targets［J］. Telecommunication Engineering， 2021， 61（6）： 732-736.
[3]	WANG Ziwei， SUN Jinping， LI Qing， et al. A New Multiple Hypothesis Tracker Integrated with Detection Processing［J］. Sensors， 2019， 19（23）： 5278.
[4]	邱建杰，蔡益朝，李浩，等. 基于动态估计反馈的灰色理论航迹关联算法［J］. 系统工程与电子技术， 2024， 46（4）： 1401-1411.
	QIU Jianjie， CAI Yizhao， LI Hao， et al. Grey Theory Track Association Algorithm Based on Dynamic Estimation Feedback［J］. Systems Engineering and Electronics， 2024， 46（4）： 1401-1411.
[5]	ZHANG Ling， MAO Dongwei， NIU Jiong， et al. Continuous Tracking of Targets for Stereoscopic HFSWR Based on IMM Filtering Combined with ELM［J］. Remote Sensing， 2020， 12（2）： 272.
[6]	TIAN Yingwei， MA Shengbo， ZHOU Hao， et al. Robust Track Association for Ship Localization with Multiple Compact HF Radars［J］. IEEE Transactions on Geoscience and Remote Sensing， 2023， 61： 1-11.
[7]	曾雅俊，王俊，魏少明，等. 分布式多传感器多目标跟踪方法综述［J］. 雷达学报， 2023， 12（1）： 197-213.
	ZENG Yajun， WANG Jun， WEI Shaoming， et al. Review of the Method for Distributed Multi-sensor Multi-target Tracking［J］. Journal of Radars， 2023， 12（1）： 197-213.
[8]	杨军佳，叶晨亮，刘志青，等. SPA和DS证据理论的多传感器航迹关联方法［J］. 现代防御技术， 2018， 46（6）： 75-79.
	YANG Junjia， YE Chenliang， LIU Zhiqing， et al. Multi-sensor Track Association Method Based on SPA and DS Evidence Theory［J］. Modern Defence Technology， 2018， 46（6）： 75-79.
[9]	高晓利，李捷. 一种异类多传感器航迹关联新算法［J］. 火力与指挥控制， 2018， 43（2）： 77-81.
	GAO Xiaoli， LI Jie. An Algorithm on Different Multi-sensor Track Association［J］. Fire Control & Command Control， 2018， 43（2）： 77-81.
[10]	张瑜，吴凯，郭杰，等. 基于数据质量评估的自适应序贯航迹关联算法［J］. 系统工程与电子技术， 2022， 44（11）： 3477-3485.
	ZHANG Yu， WU Kai， GUO Jie， et al. Adaptive Sequential Track-Association Algorithm Based on Data Quality Assessment［J］. Systems Engineering and Electronics， 2022， 44（11）： 3477-3485.
[11]	李保珠，关键，董云龙. 基于航迹矢量检测的雷达与电子支援设施抗差关联算法［J］. 电子与信息学报， 2019， 41（1）： 123-129.
	LI Baozhu， GUAN Jian， DONG Yunlong. Anti-bias Track Association Algorithm of Radar and Electronic Support Measurements Based on Track Vectors Detection［J］. Journal of Electronics & Information Technology， 2019， 41（1）： 123-129.
[12]	李素，王运锋. 应用K-Means聚类的分布式多传感器航迹关联算法［J］. 电讯技术， 2018， 58（3）： 295-299.
	LI Su， WANG Yunfeng. A Distributed Multi-sensor Track Association Algorithm Based on K-Means Clustering［J］. Telecommunication Engineering， 2018， 58（3）： 295-299.
[13]	李川，黄威，孙伟，等. 一种运用SVM分类的多源态势数据关联方法［J］. 电讯技术， 2022， 62（12）： 1809-1812.
	LI Chuan， HUANG Wei， SUN Wei， et al. A Multisource Situation Data Association Method Based on SVM Classification［J］. Telecommunication Engineering， 2022， 62（12）： 1809-1812.
[14]	王江卓，徐文聪，李建勋，等. 基于支持向量机的雷达电子支援措施系统点迹-航迹关联算法［J］. 上海交通大学学报， 2019， 53（9）： 1091-1099.
	WANG Jiangzhuo， XU Wencong， LI Jianxun， et al. Dot-Track Association Algorithm for Radar Electronic Support Measurement Systems Based on Support Vector Machine［J］. Journal of Shanghai Jiaotong University， 2019， 53（9）： 1091-1099.
[15]	董杰. 一种目标密集环境下的雷达目标与IFF点迹相关算法［J］. 电讯技术， 2019， 59（9）： 1054-1061.
	DONG Jie. A Radar Target-IFF Plot Correlation Algorithm in Target Dense Environment［J］. Telecommunication Engineering， 2019， 59（9）： 1054-1061.
[16]	李可欣，郭健，王宇君，等. 基于SAR和AIS的角度最近邻数据关联方法［J］. 地球信息科学学报， 2023， 25（1）： 131-141.
	LI Kexin， GUO Jian， WANG Yujun， et al. A Method of Angular Nearest Neighbor Data Association Based on SAR and AIS［J］. Journal of Geo-Information Science， 2023， 25（1）： 131-141.
[17]	吴孝贤，纪永刚. 基于Kuhn-Munkres算法的船载地波雷达与自动识别系统船只目标航迹关联［J］. 中国海洋大学学报， 2024， 54（11）： 142-150.
	WU Xiaoxian， JI Yonggang. Targets Track Association of Shipborne HFSWR with AIS Based on Kuhn-Munkres Algorithm［J］. Periodical of Ocean University of China， 2024， 54（11）： 142-150.
[18]	王鹏，姬红兵，刘龙，等. 基于多向次序关联的AOA量测数据关联［J］. 电子学报， 2021， 49（3）： 454-460.
	WANG Peng， JI Hongbing， LIU Long， et al. Data Association Based on Multidirection-Ordered Association in AOA［J］. Acta Electronica Sinica， 2021， 49（3）： 454-460.
[19]	李捷. 面向目标识别的机载多传感器数据融合技术研究［D］. 成都：电子科技大学， 2018.
	LI Jie. Research on Data Fusion Methods in Airborne Multi-sensors for Target Identification［D］. Chengdu： University of Electronics Science and Technology of China， 2018.