本發(fā)明屬于雷達(dá)目標(biāo)跟蹤領(lǐng)域，涉及一種新的極大似然概率多假設(shè)(mml-pmht)的多基站單頻網(wǎng)無源協(xié)同定位方法。

背景技術(shù)：

無源協(xié)同定位(passivecoherentlocation，pcl)系統(tǒng)本身沒有發(fā)射天線，它利用商用的數(shù)字電視(digitalvideobroadcasting-terrestrial，dvb-t)、調(diào)頻廣播(fmbroadcasting，fm)、手機(jī)基站等作為外輻射源，通過接收天線收到的目標(biāo)回波信號(hào)與參考信號(hào)(直達(dá)波信號(hào))相干處理，對目標(biāo)進(jìn)行無源定位，在抗反輻射導(dǎo)彈、反隱身技術(shù)和反電子對抗等方面具有獨(dú)特的優(yōu)勢。多基站pcl系統(tǒng)包含多個(gè)外輻射源和接收源，充分利用信號(hào)的空間多樣性，進(jìn)一步提高了無源協(xié)同定位的檢測跟蹤性能，受到國內(nèi)外學(xué)者廣泛的關(guān)注。

當(dāng)dab/dvb-t等被選為外輻射源信號(hào)時(shí)，信號(hào)頻率相同，系統(tǒng)工作在單頻網(wǎng)(singlefrequencynetwork,sfn)條件下，此時(shí)對低信噪比目標(biāo)進(jìn)行檢測和跟蹤需要解決“輻射源-目標(biāo)-測量”三維數(shù)據(jù)關(guān)聯(lián)問題。因此，在目標(biāo)數(shù)目未知及單頻網(wǎng)場景下，如何利用多基站pcl系統(tǒng)實(shí)現(xiàn)目標(biāo)航跡起始及維持問題，是本領(lǐng)域研究的重點(diǎn)。傳統(tǒng)的基于多假設(shè)跟蹤(modifyhypothesistracking，mht)方法，將關(guān)聯(lián)問題劃分成幾個(gè)跟蹤階段，以此來減少計(jì)算復(fù)雜度，mht降低了復(fù)雜度，但mht本身帶來了計(jì)算負(fù)荷。近幾年的研究中，對于目標(biāo)數(shù)目確定的場景，針對多輸入多輸出pcl系統(tǒng)，分析單頻網(wǎng)下的三維數(shù)據(jù)關(guān)聯(lián)問題，提出一種兩階段的關(guān)聯(lián)算法。所述方法一定程度降低了數(shù)據(jù)的關(guān)聯(lián)量，但仍存在耗時(shí)問題。同樣對于已知目標(biāo)數(shù)目場景，在另一項(xiàng)研究中，其基于正交頻分多路復(fù)用技術(shù)的dvb多基站雷達(dá)網(wǎng)，提出一種“超目標(biāo)”的概念(一個(gè)目標(biāo)和一個(gè)輻射源構(gòu)成一個(gè)“超目標(biāo)”)，并提出兩種方法解決三維數(shù)據(jù)關(guān)聯(lián)問題。第一種方法需采用一系列其他技術(shù)減少計(jì)算復(fù)雜度。第二種方法采用概率多假設(shè)跟蹤觀測模型減少計(jì)算復(fù)雜度，而mht模型本生增加了計(jì)算負(fù)荷。目前，國內(nèi)相關(guān)研究較少，在不考慮單頻網(wǎng)問題下，最新的研究中提出一種基于擬蒙特卡羅模擬退火極大似然概率多假設(shè)跟蹤算法，用來解決目標(biāo)個(gè)數(shù)未知時(shí)無源協(xié)同定位系統(tǒng)低可觀測目標(biāo)的航跡起始及維持問題，能夠有效減少計(jì)算量，提高實(shí)時(shí)性。但該文獻(xiàn)更側(cè)重目標(biāo)數(shù)目未知和低可觀測目標(biāo)的航跡起始及維持問題，沒有考慮單頻網(wǎng)問題。

本發(fā)明提出一種改進(jìn)的極大似然概率多假設(shè)跟蹤(modifiedmaximumlikelihoodprobabilitymulti-hypothesistracker，mml-pmht)方法。該方法對于目標(biāo)數(shù)目未知場景，通過假設(shè)法假定目標(biāo)數(shù)目，并結(jié)合所有幀測量數(shù)據(jù)構(gòu)建對數(shù)似然比(log-likelihoodratio，llr)函數(shù)，通過優(yōu)化llr求解目標(biāo)數(shù)目。其次，針對單頻網(wǎng)問題，結(jié)合“超目標(biāo)”概念，對每一個(gè)目標(biāo)和輻射源構(gòu)成一個(gè)“超目標(biāo)”組合，對接收到的測量數(shù)據(jù)進(jìn)行多幀積累，構(gòu)建“超目標(biāo)”狀態(tài)下的llr函數(shù)，將目標(biāo)跟蹤問題轉(zhuǎn)換為似然函數(shù)的求解問題，極大程度上降低了數(shù)據(jù)關(guān)聯(lián)量，大幅提高了實(shí)時(shí)性。最后，通過滑窗批處理技術(shù)，實(shí)現(xiàn)低信噪比下航跡的起始及維持。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于解決多基站單頻網(wǎng)無源協(xié)同定位中的三位數(shù)據(jù)關(guān)聯(lián)問題。同時(shí)可減少跟蹤耗時(shí)及提高跟蹤精度。

本發(fā)明包括以下內(nèi)容：

步驟1：構(gòu)建多基站單頻網(wǎng)無源協(xié)同定位系統(tǒng)的數(shù)學(xué)模型。

步驟2：在缺乏目標(biāo)真實(shí)個(gè)數(shù)的先驗(yàn)條件下，通過假設(shè)法假定目標(biāo)個(gè)數(shù)，結(jié)合所有幀積累數(shù)據(jù)，構(gòu)建關(guān)于目標(biāo)個(gè)數(shù)的似然比函數(shù)，優(yōu)化求解該似然函數(shù)求解目標(biāo)真實(shí)個(gè)數(shù)。

步驟3：對確定的目標(biāo)個(gè)數(shù)，在超目標(biāo)概念下，構(gòu)建mml-pmht的對數(shù)似然比函數(shù)，結(jié)合窗口中的測量數(shù)據(jù)集，優(yōu)化求解似然函數(shù)。

步驟4：由滑窗批處理法實(shí)現(xiàn)航跡的維持。

本發(fā)明的有益效果是：在復(fù)雜的目標(biāo)跟蹤場景下。第一，本發(fā)明對于目標(biāo)數(shù)目未知問題，通過構(gòu)建關(guān)于目標(biāo)數(shù)目的llr函數(shù)并優(yōu)化求解目標(biāo)真實(shí)數(shù)目；第二，本發(fā)明提出的mml-pmht方法在解決三維數(shù)據(jù)關(guān)聯(lián)問題，大幅度降低了關(guān)聯(lián)量，極大程度降低了方法復(fù)雜度。第三，本發(fā)明方法在定位精度上有所提升，有效地實(shí)現(xiàn)了復(fù)雜環(huán)境下弱目標(biāo)的航跡起始及跟蹤問題。

附圖說明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

以下結(jié)合圖1對本發(fā)明mml-pmht方法原理進(jìn)行詳細(xì)說明。

下文所指代的“狀態(tài)”表示直角坐標(biāo)平面x方向上的位置、x方向上速度、y方向上的位置及y方向上的速度信息。

步驟1具體建立目標(biāo)個(gè)數(shù)未知場景下，多基站單頻網(wǎng)無源協(xié)同定位系統(tǒng)的數(shù)學(xué)模型。

假設(shè)第k幀在監(jiān)視區(qū)域內(nèi)有nk個(gè)目標(biāo)，其中nk是未知的。第i個(gè)目標(biāo)在第k幀的狀態(tài)為t表示向量轉(zhuǎn)置，并假設(shè)運(yùn)動(dòng)模型如下式：

其中，fk為目標(biāo)狀態(tài)轉(zhuǎn)移矩陣。輻射源的狀態(tài)是已知的，第j個(gè)輻射源在第k幀的狀態(tài)用表示。接收源在第k幀的狀態(tài)是已知的，用表示。

k幀原始距離差和多普勒測量集為mk為第k幀測量的總個(gè)數(shù)。對于雜波，其在測量空間服從均勻分布，而且期望的雜波個(gè)數(shù)服從泊松分布。對目標(biāo)的原始測量模型如下：

其中，wk服從均值為0，方差為rk的高斯分布?？紤]到角度信息的低可信度，假設(shè)接收源只提供距離差和多普勒測量，即其中

其中pr,k＝[xr,k,yr,k]^t分別是目標(biāo)、輻射源和接收源的位置矢量，分別是目標(biāo)、輻射源和接收源的速度矢量。

步驟2具體為針對目標(biāo)個(gè)數(shù)未知的場景，通過假設(shè)法假定目標(biāo)個(gè)數(shù)，構(gòu)建對數(shù)似然比(llr)函數(shù)：

其中，nk為目標(biāo)假定個(gè)數(shù)，范圍為[0,nk,max]，最小值為0，表示在探測區(qū)域內(nèi)沒有目標(biāo)，最大值為nk,max。

其中，pd為檢測概率，nt為外輻射源數(shù)目，mk,max表示k幀原始測量集合中單幀測量的最大個(gè)數(shù)，為上取整函數(shù)。

由于每個(gè)目標(biāo)在探測區(qū)域內(nèi)均能被其他輻射源照射并接收，且具有相同的檢測概率pd。對目標(biāo)假定數(shù)目nk，定義“超目標(biāo)”sx為目標(biāo)和輻射源的狀態(tài)組合，“超目標(biāo)”數(shù)目ns如下：

ns＝ntnk(7)

“超目標(biāo)”在第k幀的狀態(tài)定義為目標(biāo)個(gè)數(shù)i＝1,...,nk，輻射源個(gè)數(shù)j＝1,...,nt，超目標(biāo)個(gè)數(shù)n＝1,...,ns。表示假定目標(biāo)個(gè)數(shù)下的“超目標(biāo)”狀態(tài)集。測量幀數(shù)目k＝0,1,...,k，超目標(biāo)數(shù)目n＝0,1,...,ns，假定的目標(biāo)數(shù)目i＝1,...,nk，輻射源數(shù)目j＝1,...,nt，表示“超目標(biāo)”狀態(tài)序列。其中表示第i個(gè)目標(biāo)在第k幀的狀態(tài)，表示第j個(gè)輻射源在第k幀的狀態(tài)。π0表示測量源自雜波的先驗(yàn)概率，πn表示測量源值第n個(gè)“超目標(biāo)”的概率，且有v是傳感器探測范圍大小，是測量源自“超目標(biāo)”的似然函數(shù)：

其中，是測量方程。

步驟3具體為優(yōu)化llr函數(shù)來估計(jì)目標(biāo)數(shù)目：

其中，為真實(shí)目標(biāo)個(gè)數(shù)。

步驟4具體為構(gòu)建“超目標(biāo)”狀態(tài)下mml-pmht的llr函數(shù)：

其中，表示超目標(biāo)真實(shí)個(gè)數(shù)。對于給定的目標(biāo)數(shù)目llr可達(dá)到最大值。因此，“超目標(biāo)”狀態(tài)估計(jì)問題轉(zhuǎn)化為優(yōu)化llr函數(shù)問題：

在確定性運(yùn)動(dòng)(見公式(1)和(2))下，上式的狀態(tài)估計(jì)問題可簡化為如下的參數(shù)估計(jì)問題：

由于每一個(gè)“超目標(biāo)”都包含一個(gè)目標(biāo)和一個(gè)輻射源，同時(shí)輻射源的狀態(tài)已知，在公式(11)中的估計(jì)參數(shù)取決于起始狀態(tài)目標(biāo)的個(gè)數(shù)。公式(12)中的優(yōu)化問題可表示為：

因此對于給定的目標(biāo)數(shù)目llr可達(dá)到最大值，用表示，目標(biāo)狀態(tài)估計(jì)值代替目標(biāo)狀態(tài)x0。

步驟5具體為采用滑窗批處理法實(shí)現(xiàn)航跡維持

在第k幀，給定滑窗寬度為w，滑窗步長為1，使用接收源的第k幀到第k+w-1幀量測信息來估計(jì)目標(biāo)第k幀的狀態(tài)，當(dāng)?shù)玫降趉+w幀的量測信息后，采用滑窗方式移除w幀量測中的第k幀，將新接收到的量測作為滑窗中w幀的最后一幀。然后依據(jù)新窗口中的w幀量測信息來估計(jì)目標(biāo)第k+1幀的狀態(tài)，依次循環(huán)遞推，實(shí)現(xiàn)航跡維持。假設(shè)接收源接收的w幀測量集為zk:k+w-1，則目標(biāo)第k幀的運(yùn)動(dòng)狀態(tài)為：

整個(gè)滑窗批處理結(jié)束后，繼而得到k幀下目標(biāo)運(yùn)動(dòng)狀態(tài)集，從而實(shí)現(xiàn)對目標(biāo)的檢測跟蹤。