在密集杂波条件下利用多径观测的目标航迹初始化方法
【技术领域】
[0001] 本发明属于雷达与声纳技术领域，主要设及最大似然-概率数据关联算法(M^ PDA)的扩展算法，具体来说是一种在多径观测条件下微弱目标航迹初始化的方法，可在微 软提供的软件集成开发平台Visualstudio上，针对存在可分辨的多个信号传播路径环境 中，利用运些多径观测量对低信噪比、高杂波条件下的微弱目标进行快速的航迹初始化。
【背景技术】
[0002] 密集杂波条件下的目标跟踪技术一直是目标跟踪技术领域的研究热点，并且该技 术在雷达(声纳)信号系统中有举足轻重的作用。目标跟踪技术分为检测后跟踪(TAD)和检 测前跟踪(T抓)两大类，相比较而言，TAD算法计算量较低，利于实时实现，但其依赖于前端 信号处理器对目标的检测，因此在低信噪比（SNR)情况下跟踪性能不理想。T抓算法在跟踪 的同时加入了目标检测，因此在低信噪比下对目标有较强的跟踪能力，但由计算量的制约 导致TBD算法在工程中应用受到很多限制。
[0003]T抓算法实现目标检测的基本思想是，根据已知的观测函数，可建立量测与可能的 目标状态参数所构成的似然函数。源于目标的观测值将比杂波获得更大的似然值，进而在 工程应用中，在目标跟踪算法实施之前往往需要对航迹进行初始化，W找到目标的初始状 态向量，从而进一步进行跟踪。在批处理T抓算法中，目标初始化往往选择的是最大似然-概 率数据关联(MkPDA)算法。
[0004]MkPDA算法主要基于对多帖观测数据得到的总对数似然比化LR)进行最大化，在 获得LLR表达式后基于捜索算法获取化R最大值后输出对应的参数向量。常用的捜索算法为 网格捜索法(MPG)、遗传捜索算法(GA)和基于观测空间反映射到参数空间的直接子空间捜 索法(DSS)。现有的MkPDA算法大多采用一个固定的似然函数进行化R的计算。然而，当环境 中存在多径，观测器在收到的一帖数据中存在多个源于同一目标而经不同路径到达的量测 时，各源于同一目标的量测均含有目标的信息，运些量测与目标状态之间的观测函数关系 是不一样的，若采用一个固定的似然函数计算，得到的化R不仅不能累积目标信息，还会形 成虚假的目标状态参数估计值。
【发明内容】
[000引本发明针对传统肥-口04算法在多径环境中应用时存在的不足，提出了一种利用多 径观测的处理方法，可正确估计多径环境中的弱目标运动参数，该方法称为多径最大似然 概率数据关联(MD-MkPDA)算法。本发明在处理目标-量测之间的关联问题时，考虑通过不 同传播路径到达接收器的多个量测为可能的目标量测，并把运些量测分别与已知的各多径 量测函数正确关联，从而获得目标信息的积累，增强目标检测能力。
[0006]本发明的技术方案如下：
[0007] -种在密集杂波条件下利用多径观测的目标航迹初始化方法，包括W下步骤：
[000引步骤1、初始化MD-MkPDA算法参数，具体如下：
[0009] la.初始化观测环境各项参数，所述参数包括:角度观测方差，时差观测方差，虚警 概率，检测概率，杂波密度，采样间隔，校验口限丫，监控空间V;
[0010] lb.导入观测信息，所述观测信息包括:Nw帖数据，所有量现撤据集合Z，第i帖量测 数据集合Z(i)，第i帖量测的量测数目mi，L种传播路径所对应的L种量测模型；
[0011] 步骤2、计算每帖量测数据和量测模型之间的组合情况，即关联事件：
[0012] 2a.计算每帖的关联事件数目：首先假定第i帖mi个量测数据中，有r个有效量测 (即来源于目标的量测）与L种量测模型关联，其中約的取值为化稱由于量测数据与量 测模型是一一对应的关系，因此来源于目标的量测个数有效量测）不能大于量测数目mi 和量测模型L，即稱nin的·。；
[001引关联事件数目为：
[0014] (1)
[001引 《0"表示與个有效量测与L种量测模型组合的可能事件数目，其中：
[0018] 2b.表征某种关联事件味,。。的情况
[0019] 定义一个指示器公巧;
[0020]
(4)
[0021] 0巧表示相对于某关联事件餐》P，L种量测模型的检测情况;其中，6U表示某 种关联事件，下标（妍Hp)表示在该关联事件下的关联情况;di,l表示第i帖数据中，通过第1 种量测模型是否产生了量测，若产生了量测，则di,i取值为1，否则取值为0;其中，1 = 1， 2,---,1-,
[0022] 步骤3、对于某种关联事件线计算其合成量测、合成量测模型W及合成量测协 方差矩阵：
[0023] 3a.将某关联事件中，来源于目标的量测合成为一个量测数据，同时将各量测数据 对应的量测模型合成为一个量测模型。
[0024] 对于某关联事件唉.,1,,，其合成量测方程可表示为：
[0025]
(5)
[0026] 其中，χτ表示目标的状态参数，表示传感器（雷达或者声响）的状态参数， ^?0偽'，^，句表示关联事件嗦A,的合成量测模型，表示关联事件的零均值高斯 白噪声，聲。。巧表示关联事件线，,,ρ的合成量测;其中：
[0029] 其中，zj(i)表示第i帖中第j个量ii数据，〇促,,,，，巧表示C做、巾)的第1项，的·）表 示第1种量测模型，Φ表示垂直向量联接计算；
[0030] 3b.将某关联事件中确定产生了目标量测的量测模型协方差合成为一个协方差矩 阵。
[0031] 对于某关联事件嗦，其相对应的量测似然函数为：
[0032]
(8)
[003引其中，馬,。,巧为合成量测协方差矩阵，表示如下：
[0034] (9)
[0035] blkdiag( ·)表示块对角化矩阵，Ri(i)为第i帖中第1种量测模型的协方差矩阵；
[0036] 步骤4、构建MD-ML-PDA算法中LLR值的计算公式，所述LLR值的计算公式为：
[0037]
(10)
[0038] 其中，X为可能的目标的状态参数，为了简便Φ[Ζα)，χ]，忽略帖数索引i的计算公 式为：
[0039]
(11)
[0040] 其中，μL( ·)表示泊松分布函数，Pdl表示第1种量测模型的检测概率，八-:,，.",I句表 示量测似然函数，I々可通过公式(8)得到；
[0041] 步骤5、采用多径-直接子空间捜索(MD-DDS)方法求解化R值计算公式（10)的全局 最优解；
[0042] 5a.设置自由参数网格：
[0043]定义状态参数空间x=(x(i)，y(i)，vx，vy)，其中，（x(i)，y(i))表示第i帖状态参数 在笛卡尔坐标下的坐标位置，（vx，vy)表示笛卡尔坐标下X方向速度W及y方向速度;而量测 空间2(1)=化。），1。））中，0。)表示第1帖回波的方位信息，1表示第1帖回波的时延差;从 量测空间映射到参数空间只能确定(X(i)，y(i))两个参数即位置点，所W称(Vx，Vy)为自由 参数；
[0044]在参数空间中，将自由参数划分成网格，每一个网格点对应一个(vxk，vyk)参数，其 中，k=l，2，···η，η为网格点的个数;同时定义变量i=l;
[004引5b.将第i帖数据的每个量测z^i)都通过L种量测模型逆变换到参数空间；状态参 数通过hi( ·)量测模型转换到量测，则量测逆变换到状态参数需要对第1种量测模型逆变 换为hi( ·rS由于有mi个量测数据和L种量测模型，则量测逆变换到状态参数的数目是miL 个值；
[0046] 5c.基于距离信息，将运miL个位置点进行聚类，选取最多位置点的聚类作为最大 聚类。如果最大聚类中只有一个元素，贝峭b过该步骤直接执行步骤5e，因为运帖数据很可能 是由杂波产生的，没有目标信息，故忽略可W减少计算量；否则求最大聚类的均值位置点 网化巧/')）；
[0047] 5d.将均值位置点片(/)，巧0)联合步骤5a设置的自由参数(vxk，vyk)网格点，形成完 整的状态参数网格点巧部热，再将运η种状态参数代入MD-MkPDA算法的化R值计 算公式(10)中，计算得到LLR值；
[004引5e.判断i=Nw是否成立，如果成立，则执行步骤5f;否则令i=i+l，返回执行步骤 加；
[0049] 5f.取所有化R值中的最大值，并将最大化R值所对应的状态参数传给局部优化程 序进行优化，即完成目标航迹初始化过程，MD-孤S方法结束。
[0050]本发明的有益效果为:本发明在处理目标-量测之间的关联问题时，考虑通过不同 传播路径到达接收器的多个量测为可能的目标量测，并把运些量测分别与已知的各多径量 巧幅数正确关联，从而获得目标信息的积累，增强目标检测能力。本发明将子空间捜索方法 扩展为多径子空间捜索，能显著提高多径捜索效率。
【附图说明】
[0051]图1为目标与传感器的位置和声源传播路径图。
[0052]图2为实施例观测900个采样时刻的观测值。其中：黑色点表示杂波，正方形表示来 源于D/BSB观测模型的量测，菱形表示来源于D/BS观测模型的量测，五角星表示来源于D/B 观测模型的量测。
[0053] 图3为实施例采用MD-ML-PDA算法目标状态初始化的结果。
【具体实施方式】
[0054]下面结合附图和实施例，详述本发明的技术方案。
[005引实施例
[0056] -种在密集杂波条件下利用多径观测的目标航迹初始化方法，包括W下步骤：
[0057]步骤1、初始化背景参数：
[0058]la.在一个Ξ维坐标的水下被动声纳目标探测应用场景中，传感器固定在[Om，Om， 30m]位置W收集水面运动声源目标方位角和通过多条路径传播到传感器的时差。本实施例 中一共观测了900个采样时刻，在采样过程中，目标W初始状态的运动向量[1500m，Im