[发明专利]基于滑窗累积密度估计的未知杂波无源协同定位方法

说明书

本发明提出一种基于滑窗累积密度估计的未知杂波无源协同定位方法。该方法利用高斯混合概率假设滤波器估计多目标个数与状态。首先，将基于线性测量的杂波空间稀疏度估计器引入到非线性测量下的无源协同定位系统。其次，在杂波密度估计过程中引入多帧测量，并利用门限技术与后验强度高斯混合的反馈，实时剔除测量数据中的潜在目标测量，以减少真实目标测量对杂波密度估计的影响。本发明能够有效提高未知杂波无源协同定位系统的多目标跟踪性能，解决未知杂波下的多目标跟踪难题。

技术领域

本发明属于目标检测跟踪领域，涉及一种基于滑窗累积密度估计的未知杂波无源协同定位方法。

背景技术

无源协同定位(Passive Coherent Location,PCL)系统利用外辐射源信号(如电视或广播信号)作为发射信号进行目标跟踪。其低成本、高隐蔽性等优势使得该系统成为近年来预警探测领域的研究热点。很多有效的多目标跟踪方法可以运用于多目标PCL系统，如粒子滤波，极大似然。基于随机有限集的概率假设密度滤波器实现了目标个数与状态的同时估计，而不需要复杂的数据关联，获得广泛关注。然而，多目标跟踪通常假设杂波背景空间分布均匀且先验已知。在针对地面或海上目标跟踪应用的PCL系统中，由于背景环境复杂，使得杂波密度通常是不均匀且未知的。另一方面，由于外辐射源发射波的可变性以及不可预测性，使得PCL系统会在雷达接收范围内产生小范围的强直达波干扰，从而使杂波的空间分布变得更加不均匀。当滤波器中预设的杂波分布模型与实际情况相差较大时，会导致很高虚假航迹率或很长的航迹初始时间。

为解决未知杂波下的多目标无源协同定位问题，本发明提出基于滑窗累积密度估计的高斯混合概率假设密度未知杂波无源协同定位方法。一方面将空间杂波稀疏度估计器引入到非线性测量下的未知杂波无源协同定位系统并利用高斯混合概率假设密度滤波器估计多目标状态。另一方面结合了多帧测量并将多目标后验强度的高斯混合反馈到杂波密度的估计过程，实现了未知数目多目标个数和状态的有效估计。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于滑窗累积密度估计的高斯混合概率假设密度未知杂波无源协同定位方法。该方法利用高斯混合概率假设滤波器估计多目标个数与状态。首先，将基于线性测量的杂波空间稀疏度估计器引入到非线性测量下的无源协同定位系统。其次，在杂波密度估计过程中引入多帧测量，并利用门限技术与后验强度高斯混合的反馈，实时剔除测量数据中的潜在目标测量，以减少真实目标测量对杂波密度估计的影响。

本发明方法包括以下步骤：

步骤(1)、利用高斯混合概率假设密度滤波器的预测方程进行多目标强度预测：

根据k-1时刻多目标的后验强度的高斯混合，通过预测步骤得到k时刻预测强度的高斯混合。

步骤(2)、杂波积累的预测：

记前L_A-1帧杂波积累为其中L_A为积累的帧数，当L_A＞k取L_A＝k。首先对k时刻的测量利用跟踪门法剔除落入存活高斯分量跟踪门内的最近邻测量记为潜在目标测量，得到当前预测杂波集最后，杂波积累的预测

步骤(3)、基于杂波积累的杂波密度估计：

首先，找到测量z(z∈Z_k)与杂波积累的预测之间第n(n为整数)个最小欧氏距离然后根据该距离计算杂波积累的密度。最后，计算当前时刻的杂波密度κ_k(z)。

步骤(4)、多目标强度更新与高斯分量的修剪和合并：

首先，利用估计的第k帧杂波密度κ_k(z)，结合高斯混合概率假设密度滤波器对预测强度函数中的高斯分量进行更新，得到多目标后验强度。然后，对后验强度函数中的高斯分量进行低权重修剪和邻近分量合并的操作，得到k时刻后验强度的高斯混合