本發(fā)明屬于雷達(dá)信號(hào)處理領(lǐng)域。

背景技術(shù)：
波達(dá)方向(DOA)估計(jì)技術(shù)是陣列信號(hào)處理的一個(gè)重要分支，在雷達(dá)、通信、聲吶、天文等領(lǐng)域起著越來越重要的作用?，F(xiàn)有的DOA估計(jì)算法，大部分依賴于定位技術(shù)，例如基于波束形成的最小方差無失真響應(yīng)算法(MVDR)、多重信號(hào)分類算法(Multiplesignalclassification，MUSIC)、基于旋轉(zhuǎn)不變技術(shù)的信號(hào)參數(shù)估計(jì)(ESPRIT)算法，這些算法均假設(shè)目標(biāo)是靜止的并且僅利用目標(biāo)當(dāng)前測(cè)量幀的空間信息。實(shí)際中，當(dāng)信號(hào)處于運(yùn)動(dòng)狀態(tài)時(shí)，其DOA通常是隨時(shí)間變化的函數(shù)，相鄰測(cè)量幀的DOA是高度相關(guān)的。在這種情況下，傳統(tǒng)的DOA估計(jì)算法由于僅利用當(dāng)前測(cè)量幀的空間信息，導(dǎo)致來自于前幾幀位置估計(jì)中的時(shí)間信息被丟棄，在低信噪比、少快拍數(shù)據(jù)等情況下均會(huì)使性能迅速下降，甚至完全失效。因此，需要研究對(duì)DOA進(jìn)行實(shí)時(shí)跟蹤的算法。在雷達(dá)跟蹤算法中，動(dòng)態(tài)規(guī)劃檢測(cè)前跟蹤算法由于其單幀不做門限處理，而是將單幀數(shù)據(jù)數(shù)字化并存儲(chǔ)起來，對(duì)多幀數(shù)據(jù)聯(lián)合處理，從而估計(jì)目標(biāo)的真實(shí)狀態(tài)。這種同時(shí)利用多幀信息進(jìn)行目標(biāo)定位跟蹤的處理方式，可以實(shí)現(xiàn)對(duì)微弱目標(biāo)更好的跟蹤性能。X.Zhong在文獻(xiàn)“Particlefilteringfor2-Ddirectionofarrivaltrackingusinganacousticvectorsensor”中提出了一種基于粒子濾波的二維DOA跟蹤方法，該方法較傳統(tǒng)的DOA估計(jì)方法可以提高跟蹤收斂概率和跟蹤精度，但是在低信噪比和少快拍數(shù)據(jù)情況下，性能會(huì)大幅下降。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是，提供了一種適用于低信噪比、少快拍數(shù)據(jù)情況下的利用多幀信息的二維DOA跟蹤方法，達(dá)到跟蹤進(jìn)度高、收斂性好的目的。本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，一種利用多幀信息的二維DOA跟蹤方法，包括以下步驟：步驟1、初始化系統(tǒng)參數(shù)：均勻矩形陣列陣元數(shù)為M、各陣元的位置、輸出數(shù)據(jù)快拍數(shù)為N、動(dòng)態(tài)規(guī)劃檢測(cè)前跟蹤算法處理幀數(shù)K、觀測(cè)間隔T、狀態(tài)轉(zhuǎn)移數(shù)q、誤差門限ε；步驟2、獲得K幀二維MUSIC譜函數(shù)構(gòu)成的數(shù)據(jù)平面：步驟2.1、第k幀回波信號(hào)入射到均勻矩形陣列的方位角、俯仰角分別為θk、第i個(gè)觀測(cè)陣元接收到的信號(hào)為i＝1,…,M，其中，λ為入射信號(hào)的波長(zhǎng)，(xi,yi)為第i個(gè)陣元的坐標(biāo)，s(n)為遠(yuǎn)場(chǎng)窄帶信號(hào)，vi(n)為加性噪聲，均勻矩形陣列接收到的信號(hào)向量為x(n)＝[x1(n),x2(n),…,xM(n)]T，T表示轉(zhuǎn)置操作；步驟2.2、利用陣列接收到的N次快拍數(shù)據(jù)，估計(jì)信號(hào)的空間相關(guān)矩陣R：其中，H表示其共軛轉(zhuǎn)置；步驟2.3、對(duì)R進(jìn)行特征值分解，并將獲得的特征值按單調(diào)非遞增順序排列，即λ1≥λ2≥…≥λL>λL+1＝λL+2＝…＝λM＝σ2，其中，L表示信號(hào)源個(gè)數(shù)，這些特征值對(duì)應(yīng)的歸一化特征向量分別是u1,…,uL,uL+1,…,uM，其中，u1,…,uL和uL+1,…,uM分別張成信號(hào)子空間ES和噪聲子空間EN；定義矩陣G＝[uL+1uL+2…uM]；步驟2.4、利用二維MUSIC算法構(gòu)建空間譜函數(shù)，為隨θ和變化的陣列的導(dǎo)向矢量；步驟3、值函數(shù)積累當(dāng)k＝1幀時(shí)，對(duì)每個(gè)狀態(tài)xk對(duì)應(yīng)的值函數(shù)賦初值，每個(gè)狀態(tài)的值函數(shù)初值為該狀態(tài)對(duì)應(yīng)的第一幀雷達(dá)量測(cè)，即第一幀的二維MUSIC算法空間譜函數(shù)平面；當(dāng)2≤k≤K幀時(shí)，更新每個(gè)狀態(tài)對(duì)應(yīng)的值函數(shù)；是第k幀的任一量化狀態(tài)，θk表示該狀態(tài)中的方位角量化狀態(tài)，表示該狀態(tài)中的俯仰角量化狀態(tài)，值函數(shù)的更新關(guān)系式為I(xk)表示狀態(tài)xk對(duì)應(yīng)的值函數(shù)，τ(xk)表示第k-1幀所有可能轉(zhuǎn)移到xk的狀態(tài)集合，同時(shí)記錄狀態(tài)xk與其在k-1幀狀態(tài)集合τ(xk)中值函數(shù)最大值所對(duì)應(yīng)的狀態(tài)之間的轉(zhuǎn)移關(guān)系；步驟4、如果k<K，令k＝k+1，返回步驟3；如果k＝K，執(zhí)行步驟5；步驟5、使方位角θ在(0°,180°)和俯仰角在(0°,90°)范圍內(nèi)變化，對(duì)第K幀數(shù)據(jù)平面進(jìn)行譜峰搜索，找出第K幀值函數(shù)最大值點(diǎn)所對(duì)應(yīng)的角度坐標(biāo)即為信號(hào)源二維DOA的估計(jì)值；步驟6、航跡恢復(fù)：對(duì)步驟5得到的目標(biāo)，利用步驟3記錄的狀態(tài)xk與其在k-1幀狀態(tài)集合τ(xk)中值函數(shù)最大值所對(duì)應(yīng)的狀態(tài)之間的轉(zhuǎn)移關(guān)系，恢復(fù)出目標(biāo)的航跡。本發(fā)明針對(duì)低信噪比，少快拍數(shù)據(jù)環(huán)境下的微弱目標(biāo)，通過考慮目標(biāo)的運(yùn)動(dòng)模型，在單幀內(nèi)不宣布目標(biāo)狀態(tài)的估計(jì)結(jié)果，而是采用動(dòng)態(tài)規(guī)劃算法，根據(jù)目標(biāo)的狀態(tài)轉(zhuǎn)移關(guān)系，對(duì)多幀數(shù)據(jù)進(jìn)行聯(lián)合處理，充分利用目標(biāo)多幀的時(shí)空信息，可以實(shí)現(xiàn)對(duì)目標(biāo)二維DOA的實(shí)時(shí)跟蹤。本發(fā)明的有益效果是，可以在低信噪比、少快拍數(shù)據(jù)的環(huán)境下，對(duì)微弱目標(biāo)的二維DOA進(jìn)行實(shí)時(shí)跟蹤。該方法較現(xiàn)有的二維DOA方法，可以獲得更高的跟蹤收斂概率和更好的DOA估計(jì)精度。附圖說明圖1為本發(fā)明的流程框圖。圖2為本發(fā)明實(shí)施例中應(yīng)用本發(fā)明方法和傳統(tǒng)的二維MUSIC算法不同信噪比下目標(biāo)跟蹤收斂概率對(duì)比圖。圖3為本發(fā)明實(shí)施例中應(yīng)用本發(fā)明方法和傳統(tǒng)的二維MUSIC算法不同信噪比下目標(biāo)位置的均方根誤差對(duì)比圖。圖4為本發(fā)明實(shí)施例中應(yīng)用本發(fā)明方法和傳統(tǒng)的二維MUSIC算法不同快拍數(shù)下目標(biāo)跟蹤收斂概率對(duì)比圖。圖5為本發(fā)明實(shí)施例中應(yīng)用本發(fā)明方法和傳統(tǒng)的二維MUSIC算法不同快拍數(shù)下目標(biāo)位置的均方根誤差對(duì)比圖。具體實(shí)施方式本發(fā)明主要采用計(jì)算機(jī)仿真的方法進(jìn)行驗(yàn)證，所有步驟、結(jié)論都在MATLAB-R2010b上驗(yàn)證正確。具體實(shí)施步驟如下：步驟1、初始化系統(tǒng)參數(shù)：均勻矩形陣列陣元數(shù)為M＝12、各陣元的位置、輸出數(shù)據(jù)快拍數(shù)為N、動(dòng)態(tài)規(guī)劃檢測(cè)前跟蹤算法處理幀數(shù)K、觀測(cè)間隔T＝1、狀態(tài)轉(zhuǎn)移數(shù)q＝4、誤差門限ε＝3°；步驟2、獲得K幀二維MUSIC譜函數(shù)構(gòu)成的數(shù)據(jù)平面：步驟2.1、第k幀回波信號(hào)入射到均勻矩形陣列的方位角、俯仰角分別為θk、第i個(gè)觀測(cè)陣元接收到的信號(hào)為i＝1,…,M，其中，λ為入射信號(hào)的波長(zhǎng)，(xi,yi)為第i個(gè)陣元的坐標(biāo)，s(n)為遠(yuǎn)場(chǎng)窄帶信號(hào)，vi(n)為加性噪聲，均勻矩形陣列接收到的信號(hào)向量為x(n)＝[x1(n),x2(n),…,xM(n)]T，T表示轉(zhuǎn)置操作；步驟2.2、利用陣列接收到的N次快拍數(shù)據(jù)，估計(jì)信號(hào)的空間相關(guān)矩陣R：其中，H表示其共軛轉(zhuǎn)置；步驟2.3、對(duì)R進(jìn)行特征值分解，并將特征值按單調(diào)非遞增順序排列，即λ1≥λ2≥…≥λL>λL+1＝λL+2＝…＝λM＝σ2，其中，L表示信號(hào)源個(gè)數(shù)，這些特征值對(duì)應(yīng)的歸一化特征向量分別是u1,…,uL,uL+1,…,uM，其中，u1,…,uL和uL+1,…,uM分別張成信號(hào)子空間ES和噪聲子空間EN。定義矩陣G＝[uL+1uL+2…uM]；步驟2.4、利用二維MUSIC算法構(gòu)建空間譜函數(shù)，為隨θ和變化的陣列的導(dǎo)向矢量；步驟3、動(dòng)態(tài)規(guī)劃值函數(shù)積累當(dāng)k＝1幀時(shí)，對(duì)每個(gè)狀態(tài)xk對(duì)應(yīng)的值函數(shù)賦初值，每個(gè)狀態(tài)的值函數(shù)初值為該狀態(tài)對(duì)應(yīng)的第一幀雷達(dá)量測(cè)，即第一幀的二維MUSIC算法空間譜函數(shù)平面；當(dāng)2≤k≤K幀時(shí)，更新每個(gè)狀態(tài)對(duì)應(yīng)的值函數(shù)；是第k幀的任一量化狀態(tài)，θk表示該狀態(tài)中的方位角量化狀態(tài)，表示該狀態(tài)中的俯仰角量化狀態(tài)，值函數(shù)的更新關(guān)系式為I(xk)表示狀態(tài)xk對(duì)應(yīng)的值函數(shù)，τ(xk)表示第k-1幀所有可能轉(zhuǎn)移到xk的狀態(tài)集合，同時(shí)記錄狀態(tài)xk與其在k-1幀狀態(tài)集合τ(xk)中值函數(shù)最大值所對(duì)應(yīng)的狀態(tài)之間的轉(zhuǎn)移關(guān)系；步驟4、如果k<K，令k＝k+1，返回步驟3；如果k＝K，執(zhí)行步驟5；步驟5、使方位角θ在(0°,180°)和俯仰角在(0°,90°)范圍內(nèi)變化，對(duì)第K幀數(shù)據(jù)平面進(jìn)行譜峰搜索，找出第K幀值函數(shù)最大值點(diǎn)所對(duì)應(yīng)的角度坐標(biāo)即為信號(hào)源二維DOA的估計(jì)值；步驟6、航跡恢復(fù)：對(duì)步驟5得到的目標(biāo)，利用步驟3記錄的狀態(tài)xk與其在k-1幀狀態(tài)集合τ(xk)中值函數(shù)最大值所對(duì)應(yīng)的狀態(tài)之間的轉(zhuǎn)移關(guān)系，恢復(fù)出目標(biāo)的航跡。跟蹤收斂概率(PROC)定義為估計(jì)值收斂在目標(biāo)真實(shí)值一定誤差范圍內(nèi)的概率，收斂因子定義為跟蹤收斂概率附圖2給出了本實(shí)施例中不同信噪比條件下利用本發(fā)明方法處理不同幀數(shù)與現(xiàn)有的二維MUSIC算法的跟蹤收斂概率對(duì)比圖，附圖3給出了本實(shí)施例中不同信噪比條件下利用本發(fā)明方法處理不同幀數(shù)與現(xiàn)有的二維MUSIC算法的均方根誤差的對(duì)比圖，是500次蒙特卡羅實(shí)驗(yàn)的統(tǒng)計(jì)結(jié)果，結(jié)果表明該方法在低信噪比情況下，具有更高的跟蹤收斂概率和更好的估計(jì)精度。附圖4給出了本實(shí)施例中不同快拍數(shù)條件下利用本發(fā)明方法處理不同幀數(shù)與現(xiàn)有的二維MUSIC算法的跟蹤收斂概率對(duì)比圖，附圖5給出了本實(shí)施例中不同快拍數(shù)條件下利用本發(fā)明方法處理不同幀數(shù)與現(xiàn)有的二維MUSIC算法的均方根誤差的對(duì)比圖，是500次蒙特卡羅實(shí)驗(yàn)的統(tǒng)計(jì)結(jié)果，結(jié)果表明該方法在少快拍數(shù)情況下，可以提高跟蹤收斂概率，獲得更好的估計(jì)精度。