一種基于網(wǎng)格劃分的動態(tài)目標(biāo)波達方向跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于網(wǎng)格劃分的動態(tài)目標(biāo)波達方向跟蹤方法，廣泛應(yīng)用于基于無 線傳感器的動態(tài)目標(biāo)實時跟蹤。
【背景技術(shù)】
[0002] 動態(tài)目標(biāo)跟蹤是利用監(jiān)測到移動物體發(fā)射或反射的信號通過一定算法對移動的 物體運動軌跡進行評估。首先需要使用特定的接收信號的設(shè)備不斷地接收信號，并對信號 進行濾波等預(yù)處理，得到需要的信號信息;然后對得到的信號通過特定的一些算法進行濾 波或信號變換等操作直接或間接求解出需要的值。
[0003] 目前來看，目標(biāo)追蹤技術(shù)在民用和軍事兩個領(lǐng)域都被廣泛的應(yīng)用著，在有的研究 當(dāng)中分為單目標(biāo)追蹤和多目標(biāo)追蹤兩大類。不管什么樣的分類，目的都是一個，把獲取到的 目標(biāo)信息傳輸給終端電腦，然后進行各種分析。單目標(biāo)追蹤主要有空間追蹤和時間-空間追 蹤。目前提高追蹤精度和對追蹤的數(shù)據(jù)進行融合已成為目標(biāo)追蹤的主要研究方向。當(dāng)前單 目標(biāo)的追蹤過程主要還是進行著簡單環(huán)境的研究，利用計算技術(shù)和通信技術(shù)更高效的信息 融合獲取有效信息，以及如何以較少的傳感器節(jié)點能量消耗來提高測量精度和傳感器網(wǎng)絡(luò) 壽命。
[0004] 波達方向（Direction Of Arrive，D0A)估計作為陣列信號處理中一項重要的研究 內(nèi)容，近年來得到了廣泛的關(guān)注，并取得了一系列的研究成果。在雷達、聲納等領(lǐng)域的工程 實際應(yīng)用中，由于目標(biāo)信號源通常是移動的，因此需要對運動目標(biāo)的D0A進行準(zhǔn)確的跟蹤估 計。D0A代表性算法有MUSIC，ESPRIT等，然而這些算法往往只用來分析當(dāng)目標(biāo)處于靜止?fàn)顟B(tài) 的情況。如果目標(biāo)信號方向在不斷變化，那么這些算法需要反復(fù)的分解接收數(shù)據(jù)的協(xié)方差 矩陣，無論是從實時性還是計算量上來說都是不容易實現(xiàn)的。基于D0A的跟蹤方法主要有三 類：
[0005] 1)子空間跟蹤算法
[0006] 子空間跟蹤算法是一種自適應(yīng)估計陣列協(xié)方差矩陣的最小特征值所對應(yīng)的特征 向量的方法。這類算法通過各種途徑更新子空間（信號子空間和噪聲子空間）信息，避免數(shù) 據(jù)協(xié)方差矩陣不斷重復(fù)分解或奇異值分解，有效降低了計算量。這類算法具有計算量小、實 時性好的優(yōu)點，但其在低信噪比情況下估計性能欠佳，而且本身不具備解相干能力。
[0007] 2)以分段估計代替實時估計
[0008] 這類方法將傳統(tǒng)的D0A估計方法直接推廣到D0A跟蹤過程，通過時間分段，利用每 一段時間的D0A估計值代替D0A瞬時值。這類方法思路簡單，在目標(biāo)D0A變化較小或幾乎不 變的條件下效果較好，其缺點是實時性和精度不高，不能處理D0A變化較快的場合。
[0009] 3)濾波類D0A跟蹤方法
[0010] 這類的有效跟蹤方法有很多。如經(jīng)典的擴展卡爾曼濾波(Extend Kalman Filter, EKF)是使用較多的算法，但EKF僅僅利用了非線性函數(shù)的泰勒級數(shù)展開式的一階項，而當(dāng)系 統(tǒng)高度非線性或非高斯時，EKF方法將導(dǎo)致濾波發(fā)散。還有無跡卡爾曼濾波（unscented Kalman Filter，UKF)、粒子濾波（Particle Filter，PF)等。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的是針對現(xiàn)有技術(shù)存在的不足，提出一種基于網(wǎng)格劃分的動態(tài)目標(biāo)波 達方向跟蹤方法，該方法克服了傳統(tǒng)D0A跟蹤技術(shù)的計算復(fù)雜度高，計算量大，計算時間長 以至于難以滿足實際應(yīng)用的需求等問題。達到計算量小，計算復(fù)雜度低，可以很好的滿足實 際應(yīng)用的實時需求。
[0012] 為了達到上述目的，本發(fā)明的構(gòu)思是:在平面環(huán)境布置傳感器陣列，首先建立遠場 傳感器陣列的窄帶信號測量模型；構(gòu)建空間含噪聲的源信號模型;然后把平面環(huán)境平均劃 分網(wǎng)格，每個網(wǎng)格的信號入射角的范圍大小相同，構(gòu)建陣列信號的網(wǎng)格劃分平面模型;再構(gòu) 建目標(biāo)轉(zhuǎn)移模型，預(yù)測目標(biāo)下一刻可能的狀態(tài);最后結(jié)合目標(biāo)的狀態(tài)轉(zhuǎn)移模型和傳感器測 量模型生產(chǎn)卡爾曼濾波方程，可以求解出目標(biāo)最佳估計位置。
[0013] 根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用的技術(shù)方案是：
[0014] -種基于網(wǎng)格劃分的動態(tài)目標(biāo)波達方向跟蹤方法，包括以下幾個步驟：
[0015] (1)在監(jiān)測區(qū)域建立直角坐標(biāo)系，在坐標(biāo)系的一個坐標(biāo)軸上等間隔距離的布置傳 感器；
[0016] (2)構(gòu)建遠場傳感器陣列的窄帶信號測量模型及含噪聲的源信號模型；
[0017] (3)把監(jiān)測平面環(huán)境平均劃分網(wǎng)格G等份，每個網(wǎng)格的信號入射角的范圍大小相 同，即，VG;
[0018] (4)在平面環(huán)境中構(gòu)建目標(biāo)合理的轉(zhuǎn)移模型，為了實現(xiàn)卡爾曼濾波跟蹤，構(gòu)建卡爾 曼方程，所以這個轉(zhuǎn)移模型應(yīng)當(dāng)是線性的；
[0019] (5)結(jié)合目標(biāo)的轉(zhuǎn)移模型和信號的測量模型，再根據(jù)卡爾曼濾波的原理，快速的低 復(fù)雜度的估計出的動態(tài)目標(biāo)當(dāng)前位置。
[0020] 所述步驟（2)中構(gòu)建遠場傳感器陣列的窄帶信號測量模型和含噪聲的源信號模 型，具體如下：
[0021] 傳感器陣列在直角坐標(biāo)系的橫軸上等間隔距離布置，一般間隔為信號的一半波 長，g卩λ/2(λ為信號波長），假設(shè)第一個傳感器陣元的坐標(biāo)為(〇,〇)，則其它陣元的坐標(biāo)為(λ/ 2,0)、（λ，〇)、…、（Ν*λ/2,0);傳感器的測量模型表示為：
[0022] X(t)=A*S(t)+R(t) (1)
[0023] 其中，t為時刻，S(t)為t時刻在區(qū)域的Μ個目標(biāo)所發(fā)射的信號，是Μ* 1維向量;R(t) 為t時刻N個傳感器接收噪聲，是N*1維向量，A為陣列的N*M維的導(dǎo)向矢量陣，X (t)為N個傳感 器接收的信號值，是N*1向量；
[0024] 上述中的A= [aOd，a(02)，· · ·，a(0M) ]τ
[0025]
達式中的d為傳感器位置間隔距離，λ為信號波長，Θ,表示第i個目標(biāo)到達傳感器的角度，i = 1，2,…，M，而α(θ?)表不N個傳感器對第i個目標(biāo)的導(dǎo)向向量。
[0026] 所述步驟（3)中把監(jiān)測平面環(huán)境平均劃分網(wǎng)格，使得測量方程為線性的，具體如 下：
[0027] 網(wǎng)格劃分是以原點為基點，把坐標(biāo)軸的上半?yún)^(qū)域平均劃分G等份，即每份的范圍大 小為VG，劃分網(wǎng)格后，式（1)中的A就變成有固定的維數(shù)的N*G維的導(dǎo)向矩陣，不會根據(jù)在監(jiān) 測區(qū)域中的目標(biāo)個數(shù)Μ變化而變化，因此A由如下等式表示：
[0028] A=[a(01),a(02),...,a(0G)]T
[0029] 其中的0七=1，2，~6)在劃分網(wǎng)格時是已知的，例如01 = 31/6,92 = 231/6,9(；-1=(6-1) VG，因此也需要相應(yīng)的改變式（1)中的S (t)，把S (t)變成G* 1維的向量，但是S (t)是稀疏 的，即在某個網(wǎng)格中有目標(biāo)，在S(t)對應(yīng)的位置上才有值，其他的位置上都為0。（1)式中的X (t)和R(t)都將變成G*1維向量。
[0030] 所述步驟(4)中構(gòu)建目標(biāo)狀態(tài)概率轉(zhuǎn)移模型，具體如下：
[0031]假設(shè)目標(biāo)以一種概率在三個相鄰的網(wǎng)格間移動，即目標(biāo)當(dāng)前網(wǎng)格，與其相鄰的下 一個網(wǎng)格，與其相鄰的上一個網(wǎng)格，
[0032] 假設(shè)目標(biāo)以1/3的概率停留在當(dāng)前網(wǎng)格，或移動到相鄰的兩個網(wǎng)格，則目標(biāo)的狀態(tài) 移動方程可以表不如下：
[0033] S(t)=F*S(t_l)+Q(t) (2)
[0034 ]其中S (t-1)表示前一時刻的信號的值，F(xiàn)是G*G維的轉(zhuǎn)移概率矩陣，Q (t)為當(dāng)前時 亥Ijt的轉(zhuǎn)移噪聲
[0036]其中fij是F的元素，i，j分別是F的行和列。
[0037] 所述步驟(5)中利用卡爾曼濾波實現(xiàn)動態(tài)目標(biāo)的位置實時估計，具體如下：
[0038] 構(gòu)建卡爾曼濾波方程
[0040] 上式中的符號X(t)、S(t)、S(t_l)分別簡化成。根據(jù)卡爾曼濾波的計算步 驟：
[0041] St|t-i = F*St-1
[0042] Pt|t-i = F*Pt-iFT+Q
[0043 ] κ = Pt 11-ι*Α* (A*Pt 11-i*AT+R)-1
[0