图2给出了融合器硬件系统结构和功能模块划分。被动雷达具有独立的处理模块、控制回路和通信链路，可以在特定条件下分别独立控制天馈系统，输出目标状态数据，提高系统的健壮性。主动雷达前端预处理模块的程式化功能在FPGA模块中实现，主动雷达信息处理的智能化模块和融合器模块可以配置在一个DSP中实现，此DSP模块具有独立的反馈控制回路和通信链路。如果将预处理功能用FPGA实现，则主动雷达的信号处理和融合器处理可以在一片TI的TMS320C6701 DSP中实现。FPGA对于处理程式化的预处理功能具有天然的优势。

2 关键技术研究
　　在设计融合器过程中，有如下几个方面的关键算法：主被动雷达开机时间" title="开机时间">开机时间的确定、坐标转换和制导信息的提取、数据相关和关联、融合权系数选择、滤波算法" title="滤波算法">滤波算法、角闪烁及其抑制等。
2.1 主动雷达开机时间的确定
　　主动雷达开机时间主要由被动雷达数据、惯导系统外推或者发射平台数据链确定，本节主要考虑依据被动雷达量测数据进行距离外推确定主动雷达开机时间的问题。
　　单个被动雷达测量辐射源距离的方法有一点定位和动态定位。一点定位法要求已知目标位于某个平面上，测出目标与被动雷达连线到此平面的角，被动雷达到此平面的距离根据解析几何即可以求出。该方法在卫星侦察时常被采用。动态定位的原理是被动雷达基站在运动过程中对同一辐射源进行多次测量，将这些多次测量看成是处于多个测量点的多个侦察雷达对同一辐射源的同时测量。该方法要求被动雷达能够快速机动运动，而且对方位角度精度要求高。
　　对于单站无源定位，总的趋势是引入更多的相对信息，增强系统的可观测性，加快算法收敛速度，增强算法稳定性。在采用如上设计的融合器系统设计方案中，被动雷达截获目标的情况下，被动定位精度完全可以满足主被动交接班精度要求。如果结合捷联惯导信息，则可以提供更好的定位性能和更好的抗干扰性能。
2.2 坐标变换与制导信息的提取
2.2.1坐标变换
　　在进行多传感器数据融合之前，传感器量测值或者传感器级滤波输出应该转换到同一公共坐标系下。图3给出了滤波器可能涉及到的4个坐标系，基本涵盖所有滤波算法的需要^[2]。

2.2.2 制导信息的提取
文中导引头应用比例导引规律。比例导引制导的优点在于它能够有效地攻击活动目标，在同样的使用条件下，对导弹的过载要求比两种追踪导引法都小，其制导精度可以达到很高，受大气的影响也较小，应用最为普遍。它要求弹的横向加速度与目标视线角速度成正比。这样比例导引制导的导引头的首要任务是跟踪目标并测量出目标视线在惯性系的旋转角速度。
　　基于现代战术导弹体积小、自主性强、能对付大机动目标的发展需要及高性能数字信号处理器的快速发展，捷联式平台（SINS）^[3]的研究越来越成为研究热点之一。捷联式平台稳定的优点是减小了导引头体积，且降低了研制成本，尤其适用于空间上有限制的战术导弹。捷联稳定算法模块实现如图4所示。

2.3 滤波算法
　　主被动导引头融合器实现的核心是滤波算法。集中式" title="集中式">集中式卡尔曼滤波器（CKF）采用严格最优估计方法对所有传感器的信息进行集中处理。集中式卡尔曼滤波虽然在理论上可给出状态的最优估计，但其状态维数高，导致计算负担重，严重影响了滤波器的动态性能和实时性，且其容错性能也一般。为解决这一问题，Carlson提出了联邦滤波器(FKF)的概念。目前，美国空军已将联邦滤波器列为新一代导航系统的通用滤波器。
　　联邦滤波器是一种具有两级结构的分布式滤波方法" title="滤波方法">滤波方法，它由若干个子滤波器和一个主滤波器组成，各个子滤波器独立地进行时间更新和测量更新。主滤波器的功能有两点：一是进行时间更新(这相当于是一个“影子”滤波器)；二是将各个滤波器的结果进行融合。融合后的结果可反馈到各个滤波器，作为下一个处理周期的初值。
　　在将各个滤波器的估计进行融合时，联邦滤波器是将各个滤波器的信息全部进行融合。若某个传感器发生软故障，而且未被检测出来，则会对全局的结果产生不利的影响；若故障被检测出来, 则对应的子滤波器的估计将被排除在信息融合之外,且信息要重新分配。而方差交叉滤波器是按比例地进行融合，可通过调节融合因子确定各个子系统的信息所占比例的大小。
　　参考文献[4]将联邦滤波和方差交叉滤波方法相结合，提出了一种对传感器故障具有容错性的分布式滤波方法。具体的做法是：采用联邦滤波器的结构，时间更新和信息分配过程均与联邦滤波器相同, 只是在各子滤波器进行测量更新之后， 对各个子滤波器估计值的有效性(即残差的大小) 进行检验，根据检验结果确定融合因子，当估计值的有效性下降时融合因子也下降，然后按方差交叉滤波方法进行融合。这样，有软故障的子滤波器的估计在融合中比例会自动下降。
2.4 相关和关联
　　多传感器多目标数据关联形式主要有两种：“观测－航迹”关联和“航迹－航迹”关联。前者主要应用于集中式融合结构，而后者则主要应用于分布式融合结构。由于系统采取混合式结构，对于观测点迹与系统航迹的关联以及局部航迹与系统航迹的关联都提出了要求。
　　“观测－航迹”关联就是融合中心对各传感器送来的观测和融合中心航迹关联，以确定用哪些观测量更新同一航迹。 “航迹－航迹”关联，即各传感器向融合中心提供的是经过本地跟踪处理得到的目标航迹，融合中心对各传感器送来的目标航迹进行关联，以确定哪些航迹来自同一目标。
对应“观测－航迹”和“航迹－航迹”关联两种情况，对关联上的主被动雷达数据进行融合处理以形成融合航迹的方式主要有两种：一种是集中式融合，对各主被动雷达送来的观测量进行最佳组合（这里两者的观测量是不同维数的，相关时可采用两个角度数据依据一定的准则进行），形成融合的观测量，然后用这一融合观测量去中央级滤波形成融合航迹；另一种是分布式融合，对各传感器送来的目标状态矢量估计进行最佳组合形成融合航迹，这要求在融合器上的被动信号处理中采用被动跟踪算法。在进行相关之前，主被动传感器的数据要进行外推同步。
2.5 融合权系数选择
　　对目标观测和目标航迹的融合一般采取基于方差的融合加权方法。设用n个传感器对某一目标进行测量，在线自适应加权融合算法^[5]的思想是在总均方误差最小的条件下，根据各个传感器得到的测量值以自适应的方式寻找各个传感器所对应的最优加权因子，使融合后的目标观测值达到最优。

　　最优加权因子决定于各个传感器的方差，可根据各个传感器所提供的测量值，依据相应的算法求出。这样不但可以估计出相应的方差，而且可以监视传感器性能的改变，从而实现最优加权因子的动态在线调整。
2.6 角闪烁及其抑制
　　角闪烁是目标固有的特征信息^[6]，是由于散射中心在距离单元内的横向分布造成的，反映了散射中心的横向分布，是雷达目标识别的重要信息。参考文献[6]提出了分布式角闪烁的概念，研究了利用距离像和分布式角闪烁进行融合目标识别的方法。另一方面，角闪烁给目标跟踪带来了极大影响。参考文献[6]总结了数据处理抑制角闪烁的各种方法，其基本思想是将角闪烁模型转化为具有某种统计特性的噪声，较为广泛的数据处理方法包括：预处理法、中值滤波法、扩展卡尔曼滤波（EKF）法、非线性度函数法、交互多模型（IMM）法、粒子滤波器法等，并在此基础之上提出了一系列角闪烁抑制方法。
　　文章介绍了某型导引头上主被动雷达数据融合器的软硬件实现方案，在此基础上，主要研究了融合器设计中数据相关和融合关键算法，解决了主被动复合制导中的问题。下一步的研究工作将结合主被动复合这一背景，研制适合于该背景下不同维数观测量的相关和状态融合算法。
参考文献
[1] STALLARD D V. An angle-only tracking filter in modified spherical coordinates[A].Proc.of 1987 AIAA Guidance, Navigation and Control Conf, 542-550.
[2] FARINA A.(AMS,Italy), RISTIC B (DSTO, Australia).Tracking and data fusion tutorial. Radar 2004 Toulouse (France)， October 2004：19-21.
[3] 周瑞青, 吕善伟, 刘新华. 捷联式天线平台的角跟踪系统设计. 系统工程与电子技术, 2003,125(110): 1200-
1202.
[4] 付梦印, 邓志红, 张继伟. Kalman滤波理论及其在导航系统中的应用. 北京: 科学出版社, 2003,10:152-174.
[5] 胡士强, 张天桥. 多传感器在线自适应加权融合跟踪算法. 北京理工大学学报,2002,22(1):117-120.
[6] 李保国. 基于目标角闪烁特性的末制导雷达跟踪与识别技术[D]. 长沙: 国防科学技术大学研究生院.2005,
(4):65-94.