本發(fā)明屬于目標(biāo)檢測跟蹤領(lǐng)域，涉及一種基于深度聚類的極坐標(biāo)動態(tài)規(guī)劃無源協(xié)同定位算法(deepclustering-dynamicprogramming-stateaugmentation，dc-dp-pcl)。

背景技術(shù)：

無源協(xié)同定位(passivecoherentlocation,pcl)技術(shù)是指雷達(dá)做為接收源不發(fā)射大功率電磁波，通過第三方非合作的外輻射源(空中預(yù)警機(jī)等)發(fā)射的電磁波信號來進(jìn)行目標(biāo)檢測與跟蹤。相比于傳統(tǒng)的有源雷達(dá)，pcl系統(tǒng)成本低，反隱身特性強(qiáng)，自身靜默且有較強(qiáng)的生存能力。同時pcl系統(tǒng)可以解決傳統(tǒng)無源定位在目標(biāo)靜默時無法定位的問題，受到了國內(nèi)外學(xué)者的廣泛持續(xù)關(guān)注。

傳統(tǒng)的無源協(xié)同定位算法通常假設(shè)輻射源狀態(tài)已知，然而在實(shí)際應(yīng)用場景中外輻射源通常為第三方非合作預(yù)警機(jī)或者商用電臺，無源雷達(dá)無法獲取輻射源精確狀態(tài)。如何在外輻射源位置不確定條件下通過無源協(xié)同定位技術(shù)成為目前亟待解決的問題。擴(kuò)展?fàn)顟B(tài)空間法將輻射源狀態(tài)并入目標(biāo)狀態(tài)中，從而產(chǎn)生更高準(zhǔn)確度的估計(jì)結(jié)果，但該方法的計(jì)算復(fù)雜度隨著目標(biāo)個數(shù)的上升快速增加。修改協(xié)方差矩陣方法通過泰勒級數(shù)校正觀測協(xié)方差矩陣，從而將輻射源位置不確定所帶來的誤差統(tǒng)一納入觀測誤差范圍，再通過后續(xù)pcl定位技術(shù)提取目標(biāo)航跡(如粒子濾波，極大似然概率數(shù)據(jù)關(guān)聯(lián)等算法)。

上述文獻(xiàn)所提算法耗時長，算法復(fù)雜度高。為解決該難點(diǎn)，本發(fā)明提出用基于深度聚類動態(tài)規(guī)劃的狀態(tài)擴(kuò)維(deepclustering-dynamicprogramming-stateaugmentation,dc-dp-sa)算法在測量空間內(nèi)進(jìn)行目標(biāo)檢測跟蹤。首先，該算法通過環(huán)境變量學(xué)習(xí)確定空間轉(zhuǎn)移伸縮量，并求出非線性測量空間內(nèi)有效轉(zhuǎn)移范圍。其次，確定基于深度聚類的動態(tài)規(guī)劃算法的回溯閾值，有效降低探測區(qū)域內(nèi)無目標(biāo)時目標(biāo)的虛假航跡檢測率。最后，對目標(biāo)狀態(tài)進(jìn)行擴(kuò)維，從而包括輻射源狀態(tài)，并通過一種基于關(guān)聯(lián)預(yù)測協(xié)方差的擴(kuò)展卡爾曼濾波算法，對擴(kuò)維后的狀態(tài)進(jìn)行聯(lián)合估計(jì)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提供一種在極坐標(biāo)測量空間下的動態(tài)規(guī)劃無源協(xié)同定位，包括以下步驟：

步驟(1)、通過環(huán)境變量學(xué)習(xí)確定空間轉(zhuǎn)移伸縮量，并求出非線性測量空間內(nèi)有效轉(zhuǎn)移范圍。

步驟(2)、通過基于深度聚類的動態(tài)規(guī)劃算法進(jìn)行評測函數(shù)更新。

步驟(3)、確定基于深度聚類的動態(tài)規(guī)劃算法的回溯閾值。

步驟(4)、對所有候選狀態(tài)進(jìn)行航跡回溯，得到非線性測量空間的估計(jì)航跡。

步驟(5)、對目標(biāo)進(jìn)行狀態(tài)擴(kuò)維，從而將輻射源狀態(tài)和目標(biāo)狀態(tài)統(tǒng)一濾波估計(jì)。

步驟(1)具體是通過環(huán)境變量學(xué)習(xí)確定空間轉(zhuǎn)移伸縮量，并求出非線性測量空間內(nèi)有效轉(zhuǎn)移范圍：

ψ(zk(i))＝[δγkδθk](1)

其中δγk表示距離差有效轉(zhuǎn)移范圍，δθk為方位角有效轉(zhuǎn)移范圍；

1.1首先確定空間轉(zhuǎn)移伸縮量，公式如下：

其中pk和pt,k分別表示k時刻目標(biāo)和輻射源過程噪聲協(xié)方差矩陣，β表示縮放因子，和以及和分別表示輻射源和目標(biāo)的橫縱坐標(biāo)速度。

1.2結(jié)合誤差傳遞理論，確定有效狀態(tài)轉(zhuǎn)移范圍：

其中δxk、δyk、δxt,k和δyt,k分別表示目標(biāo)和輻射源速度所在區(qū)間，xk和yk表示k時刻目標(biāo)的橫縱坐標(biāo)，xt,k和yt,k表示k時刻輻射源橫縱坐標(biāo)，γ表示距離差，θ表示方位角；

步驟(2)具體是通過基于深度聚類的動態(tài)規(guī)劃算法進(jìn)行評測函數(shù)更新，評測函數(shù)是由深度聚類因子以及回波幅值共同構(gòu)成，深度聚類因子公式如下所示：

其中p(zk(i)/h1)與p(zk(i)/h0)分別表示目標(biāo)和噪聲的概率密度函數(shù)，zk(i)表示第k幀第i個狀態(tài)，h1和h0分別表示測量值源自目標(biāo)的條件和測量源于噪聲的條件，λ和ε均為參數(shù)；

評測函數(shù)i(zk(i))為：

其中||·||2表示二范數(shù)，ak(i)表示第k幀第i個狀態(tài)的幅值，zk-1(j)表示第k-1幀第j個狀態(tài)；

通過構(gòu)造的評測函數(shù)式(7)對若干幀觀測數(shù)據(jù)進(jìn)行批處理，在非線性有效狀態(tài)轉(zhuǎn)移范圍式(1)內(nèi)，若相鄰幀的某兩個狀態(tài)的評測函數(shù)高于其它的候選狀態(tài)，則對評價函數(shù)進(jìn)行更新，并記錄路徑；

步驟(3)具體是通過極值理論確定回溯閾值，并加入抗干擾因子η進(jìn)行門限約束，找到所有超過閾值的候選狀態(tài)；

其中表示第k幀測量集合的幅值均值,表示最大概率密度值處的單幀幅值，k為觀測總幀數(shù)，1≤k≤k；

步驟(4)具體是對所有候選狀態(tài)進(jìn)行航跡回溯，得到非線性測量空間的估計(jì)航跡。

步驟(5)具體是對目標(biāo)和輻射源狀態(tài)進(jìn)行統(tǒng)一濾波：

5.1對目標(biāo)狀態(tài)和輻射源狀態(tài)重新組合，生成擴(kuò)維狀態(tài)。

5.2通過一種基于關(guān)聯(lián)預(yù)測協(xié)方差的擴(kuò)展卡爾曼濾波算法，對擴(kuò)維后的狀態(tài)進(jìn)行估計(jì)，其中第k幀預(yù)測協(xié)方差矩陣是由第k-1幀的估計(jì)協(xié)方差和第k-2幀的估計(jì)協(xié)方差共同構(gòu)成，公式如下：

其中e為單位矩陣，fa,k-1為k-1幀狀態(tài)擴(kuò)維后的狀態(tài)轉(zhuǎn)移矩陣，wa,k表示第k幀擴(kuò)維后的過程噪聲；

通過上述濾波算法，對目標(biāo)和輻射源進(jìn)行統(tǒng)一濾波估計(jì)，從而降低目標(biāo)和輻射源的跟蹤誤差。

與現(xiàn)有技術(shù)相比，本發(fā)明能夠有大幅提高運(yùn)行時間，算法復(fù)雜度低，有效提高輻射源位置不確定下無源協(xié)同定位系統(tǒng)的目標(biāo)跟蹤性能，并在不依靠先驗(yàn)信息的條件下確定航跡回溯閾值。

附圖說明

圖1為本發(fā)明流程圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對本發(fā)明做進(jìn)一步的分析。

基于dc-dp-sa的pcl定位算法的基本思想為：對于極坐標(biāo)下的測量數(shù)據(jù)，通過dc-dp-tbd算法構(gòu)建評測函數(shù)，并對評測函數(shù)進(jìn)行幅值積累和航跡回溯，在誤差傳遞理論(errorpropagation,ep)新建空間轉(zhuǎn)移伸縮量，從而優(yōu)化dp-tbd在非線性測量空間內(nèi)的有效狀態(tài)轉(zhuǎn)移范圍，同時在極值理論(extremevaluetheory,evt)確定dp-tbd的回溯閾值中加入抗干擾因子，以此優(yōu)化閾值的穩(wěn)定性。再通過sa方法將輻射源狀態(tài)納入目標(biāo)狀態(tài)中，并通過基于關(guān)聯(lián)預(yù)測協(xié)防差的擴(kuò)展卡爾曼濾波算法對目標(biāo)和輻射源狀態(tài)進(jìn)行統(tǒng)一濾波估計(jì)，從而實(shí)現(xiàn)弱目標(biāo)檢測與跟蹤以及輻射源狀態(tài)的預(yù)測。

記i(zk(i))表示zk(i)的幅值積累函數(shù)，具體算法見圖1，步驟如下：

step1、初始化：對于k＝1幀，遍歷所有候選狀態(tài)z1(i)，令i(z1(i))＝a1(i)且δ(z1(i))＝0。

對于k＞1幀，遍歷k時刻的zk(i)。若zk(i)的有效狀態(tài)轉(zhuǎn)移范圍內(nèi)存在k+1幀的zk+1(j)，則進(jìn)行幅值積累，否則對其預(yù)測k+1幀狀態(tài)并進(jìn)行幅值積累，即該狀態(tài)是由前一時刻狀態(tài)預(yù)測形成，則不進(jìn)行幅值積累。

step2、幅值積累：遍歷k時刻的zk(i)并更新評測函數(shù)i(zk(i))：

其中δ(zk+1(j))為可能轉(zhuǎn)移到zk+1(j)的k幀觀測值坐標(biāo)集合，||·||2表示二范數(shù)，h(zk(i))表示深度聚類因子，表達(dá)式如下：

其中p(zk(i)/sk)與p(zk(i)/h0)分別表示目標(biāo)和噪聲的概率密度函數(shù)，λ和ε均為參數(shù)，ψ(zk(i))＝[δγkδθk]表示有效狀態(tài)轉(zhuǎn)移范圍，δγk和δθk的表達(dá)式為：

其中表示γ關(guān)于xk的偏導(dǎo)，δxk表示相鄰幀的目標(biāo)橫坐標(biāo)位置差，依此類推。ψt,k和ψk為空間轉(zhuǎn)移伸縮量，公式如下：

step3、終止條件：通過極值理論求回溯閾值v，并找到所有滿足下列條件的終端候選狀態(tài)

考慮觀測系統(tǒng)的不穩(wěn)定型，加入抗干擾因子η對閾值進(jìn)行約束。單幀的雜波幅值關(guān)于虛警率pft的函數(shù)為：

k是觀測幀數(shù)，表示第k幀測量集合的幅值均值，表示最大概率密度值處的單幀幅值，an和un是參數(shù)，通過以下公式用迭代方法估計(jì)：

其中a表示回波幅值，c表示采樣數(shù)，v表示最終確定的回溯閾值。

step4、航跡回溯：假設(shè)上式存在若干個分別對每個在k＝k-1,k-2,…1時求得到測量空間的估計(jì)航跡

step5、狀態(tài)擴(kuò)維：在pcl系統(tǒng)中測量值和輻射源狀態(tài)均對目標(biāo)定位有影響，因此本文將輻射源狀態(tài)納入目標(biāo)狀態(tài)內(nèi)，組成擴(kuò)維狀態(tài)，記為xa,k＝[xk,xt,k]^t，動態(tài)方程記為：

xa,k+1＝fa,k+1xa,k+wa,k+1(20)

其中fa,k+1表示擴(kuò)維狀態(tài)轉(zhuǎn)移矩陣，記為fa,k+1＝diag{fk+1,ft,k+1}，wa,k+1＝diag{wk+1,wt,k+1}表示擴(kuò)維后的過程噪聲。

step6、估計(jì)目標(biāo)和輻射源狀態(tài)：當(dāng)輻射源狀態(tài)不確定時若僅考慮其均值而不考慮其過程噪聲，則目標(biāo)的跟蹤性能將會快速下降，因此將輻射源過程協(xié)方差做為初始預(yù)測協(xié)方差，并對擴(kuò)維的狀態(tài)采用基于關(guān)聯(lián)預(yù)測協(xié)方差的擴(kuò)展卡爾曼濾波算法進(jìn)行目標(biāo)和輻射源狀態(tài)的聯(lián)合估計(jì)。記第k幀的預(yù)測協(xié)方差和估計(jì)協(xié)方差為和其中是由第k-1幀的估計(jì)協(xié)方差和第k-2幀的估計(jì)協(xié)方差共同構(gòu)成。狀態(tài)預(yù)測值和估計(jì)值分別為和基于關(guān)聯(lián)預(yù)測協(xié)方差的擴(kuò)展卡爾曼濾波算法如下：

其中e為單位矩陣，hk+1表示測量方程的雅可比矩陣，vk表示第k幀的測量方程協(xié)方差矩陣，表示估計(jì)航跡的第k幀測量值，kkalman為卡爾曼增益。上述濾波算法對目標(biāo)和輻射源狀態(tài)進(jìn)行統(tǒng)一濾波，從而降低了由輻射源不確定帶來的目標(biāo)跟蹤誤差。