邢文革，桂佑林，顾万里

(1. 南京电子技术研究所 南京 210039；2. 东南大学信息科学与工程学院 南京 211189)

作战要素的协同融合是支撑体系作战、提高体系作战效率的重要环节[1-2]。如何将战场上高复杂性和高多样性的信息融合成高质量的作战情报和态势是侦察探测系统面临的难题之一。雷达是现代和未来战争中主要的信息获取手段，雷达组网能扩展信息获取范围、提高侦察系统的精度和可靠性、改善目标航迹和情报的稳定性[3-4]。但在实际应用中，因不同雷达输出数据的误差特性不同，现有融合模型无法充分发挥组网多雷达系统的优势，经常出现不必要的性能退化[5-7]。另外，当参与融合的雷达对象动态变化时，变化的新数据可能使得融合结果稳定性变差，数据分析发现，系统误差不一致或系统误差的变化是重要影响因素。

工程中一般采用检飞和标校等静态方法来减小雷达的系统误差，假定系统误差是稳定、慢变的。但在战场实际使用中，时间的积累、雷达运行环境的变化及敌方对抗等因素，特别是活动的安装平台(如舰船、飞机等)随时会产生或带来误差特性的系统性变化[8]。为了对系统误差进行在线补偿，文献[9-10]研究了系统误差在线估计算法，比较经典的方法有实时质量控制算法[11]、最小二乘算法[12-13]、广义最小二乘算法[14-15]、精确极大似然算法[16-18]、极大似然配准算法[19-20]、卡尔曼滤波算法[21-23]和神经网络算法[24-25]等。上述算法几乎都是利用多部雷达对同一目标多个时刻的原始点迹实现适配，需要预先把不同雷达对同一目标的原始量测在时空维度上关联起来。……