一种被动多监测站粒子滤波直接定位跟踪方法

1.本发明涉及一种被动多监测站粒子滤波直接定位跟踪方法，属于直接定位跟踪的领域。


背景技术：

2.目标跟踪作为研究目标位置、速度、加速度及目标特性的一种主要方法，一直受到研究者的广泛关注，其发展可以追溯到第二次世界大战前，随着第一部雷达scr-28的出现，各种声呐、雷达及红外灯探测系统被广泛应用于军事和民用方面。近年来，随着科学技术不断发展及目标跟踪在工程上的应用，目标跟踪技术得到了更加深入的研究。与此同时，目标跟踪也面临着更大的挑战。首先，目标跟踪进一步凸显出其多尺度、随机性、非线性及非高斯等特点。其次，由于目标隐身、伪装等技术的不断发展，目标的探测遇到很大的阻碍，从而使得传感器获取的数据具有模糊性和随机性等特点。最后，由于目标运动过程的随机性及量测建模过程中坐标系转换以及传感器自身的误差，不可避免的产生测量误差等。目标跟踪技术仍然是一项非常复杂的研究课题。其主要目的是通过传感器获取目标的信息，从而实现对目标的监测。在民用方面，目标跟踪主要用于视频监控、定位导航等方面；在军用方面，目标跟踪是空中(雷达)和海洋(声呐)环境下预警打击系统必须具备的功能。由于单个阵元作为标量传感器能够获得的信源信息量较少，并且波达方向估计误差大，从而导致定位精度较低，而多阵元的定位与之相比可以获得更为丰富的信源参数信息，可以大大提高定位的性能。在传统的定位算法中，如子空间融合算法与两步定位算法，都有一个很大的问题就在于复杂度较高，对于运动目标，监测站所接收到的信号每时每刻都在变化，算法复杂度高的算法就会导致计算时间过长，所以对于上述的直接定位算法，无法实现对某运动目标的实时跟踪。


技术实现要素：

3.基于上述问题，本发明提供一种被动多监测站粒子滤波直接定位跟踪方法，通过多监测站，粒子滤波与谱峰搜索pm算法相结合的方法实现信源的直接定位跟踪。
4.一种被动多监测站粒子滤波直接定位跟踪方法，通过建立包含均匀线阵且处于不同位置的监测站实现对信源的定位跟踪，具体的，包括以下步骤：
5.步骤1，建立包含均匀线阵且处于不同位置的若干个监测站，实现对信源的跟踪，获得信源信号。步骤2，建立信源的状态模型，根据粒子滤波知识，粒子滤波算法包括预测阶段和更新阶段，在预测阶段产生一定量的初始粒子，将步骤1获得的信源信号输入状态模型，在更新阶段基于信源状态模型对初始粒子进行更新。步骤3，基于监测站的量测模型计算其接收信号的协方差矩阵，并根据谱峰搜索pm算法构建pm算法谱函数。步骤4，由监测站位置以及粒子中所包含的位置信息求得粒子相对于监测站的角度，将角度值带入所述pm算法谱函数中，得到粒子对应的谱函数值，利用该谱函数值与粒子权重近似相等的特点，将该谱函数值作为粒子权重并对所有粒子权重进行归一化处理。步骤5，为避免粒子退化，使用
步骤5，最终实现在整个时间段内的定位跟踪。重采样是对单一监测站来说，采样时通过该监测站所求得的权重信息对粒子进行处理的一种方式。因为各个监测站接收信号不同，所以即使对相同的粒子，计算出的权重也不同，原因是因为权重确定的是角度，而不是位置，所以需要每个监测站都对粒子进行一次重采样处理，简单来说就是第一个监测站计算完权重，重采样后，将重采样后的粒子利用第二个监测站接受信号计算第二次权重并进行第二次重采样，依次完成所有监测站的处理。
15.本发明采用以上技术方案与现有技术相比，具有以下效果：
16.(1)通过粒子滤波算法与谱峰搜索pm算法相结合的方式在较少的快拍下实现更高性能的的直接定位跟踪；
17.(2)具有较低的算法复杂度以及较好的跟踪精度，特别是在信噪比较差的环境下仍可获得较好的跟踪定位结果；
18.(3)通过多监测站对粒子进行多次重采样，避免了单监测站权重计算错误的情况，提高了算法精度；
19.(4)在监测站数目增加的情况下，定位精度在上升的情况下，复杂度并不会有明显的增大；
20.(5)相比子空间融合算法，该算法只需要在设置初始粒子时在包含真实初始位置的区间进行均匀采样即可，而子空间融合算法的谱峰搜索范围必须包括所有位置的范围，大大减少了复杂度。
附图说明
21.图1是本发明二维定位场景模型；
22.图2是本发明中监测站中配置的阵列结构示意图；
23.图3是本发明对信源跟踪结果图；
24.图4是本发明在不同粒子数下跟踪的均方根误差对比图；
25.图5是本发明在不同快拍下跟踪的均方根误差对比图；
26.图6是本发明不同监测站数目时不同信噪比下定位结果的均方根误差对比图；
27.图7是本发明的流程图；
具体实施方式
28.下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明：
29.符号表示：本发明中(
·
)
t
，(
·
)h，(
·
)-1
分别表示为转置，共轭转置，求逆。
30.如图7所示，本发明设计了一种被动多监测站粒子滤波直接定位跟踪方法，建立位置已知的监测站，每个监测站中使用均匀线阵作为信号接收阵列，建立信源的状态模型，并产生一定量的初始粒子，并由信源的状态模型对初始粒子进行更新；由监测站量测模型计算其协方差矩阵，并根据谱峰搜索pm算法构建pm算法谱函数；由监测站位置以及粒子中所包含的位置信息求得粒子相对于监测站的角度，将角度值带入谱峰搜索pm算法的谱函数中，每个粒子都对应着一个谱函数值，将该谱函数值作为粒子权重并对所有粒子权重进行归一化处理，使用重采样的方法避免粒子滤波算法的粒子退化问题。由于单监测站对对粒子权重的判断不准确，所以使用多监测站对粒子进行多次重采样，采样后将粒子权重设为
等值，通过粒子与其权重的累加求和得到该时刻的信源位置估计值。随后下一时刻对这一时刻重采样后的粒子进行状态更新，重复之前的步骤，最终实现在整个时间段内的定位跟踪。
31.一方面，本发明提供一种基于粒子滤波算法的被动多监测站直接定位跟踪方法，该方法在定位场景中假设有两个已知的监测站对信源进行位置跟踪，各监测站采用均匀线阵作为信号接收阵元，作为本发明的进一步优化方案，由于信源为运动目标，为减少算法复杂度，采用粒子滤波与谱峰搜索pm算法相结合的方式实现定位跟踪。另一方面，本发明通过将pm算法谱函数作为粒子权重，用于粒子重采样以及粒子更新，从而获得较高的定位精度。
32.具体的，一种被动多监测站粒子滤波直接定位跟踪方法，包括以下步骤：
33.步骤1，建立包含均匀线阵且处于不同位置的若干个监测站，实现对信源的跟踪，获得信源信号；步骤2，建立信源的状态模型，产生一定量的初始粒子，将步骤1获得的信源信号输入所述状态模型，基于信源的状态模型对初始粒子进行更新；步骤3，基于监测站的量测模型计算其接收信号的协方差矩阵，并根据谱峰搜索pm算法构建pm算法谱函数；步骤4，由监测站位置以及粒子中所包含的位置信息求得粒子中包含的角度信息，将角度信息带入听述pm算法谱函数中，得到粒子对应的谱函数值，将该谱函数值作为该粒子权重并对所有粒子权重进行归一化处理；步骤5，在该监测站对粒子进行重采样，以避免粒子滤波算法的粒子退化；步骤6，在不同监测站下依次进行归一化权重计算以及重采样，最后通过粒子加权求和得到该时刻信源位置的估计值；不断对粒子进行迭代更新，最终实现整个时间段内的定位跟踪。
34.具体的，基于四个模块对本本发明的方法进行理论阐述：
35.一、数据模型
36.如图1所示的是一个二维定位场景下的例子，在二维空间下建立平面直角坐标系xoy，假设空间中有n个位置精确已知的固定监测站，忽略监测站本身的位置误差，监测站位置为un＝[xn，yn]
t
，n＝1，2，
…
，n，各监测站均配置一个阵元数为m的均匀线阵，所有阵元之间无差别且忽略阵元之间的互耦问题，均匀线阵的结构如图2所示。在二维空间下，存在一个运动着的信源，假设其满足一定的运动模型，其运动方程可由p
t
＝f
t|t-1
(p
t-1
)+ω
t
，其中p
t
表示目标的状态矢量，其中包括t时刻目标的位置坐标，速度以及加速度等信息，f
t|t-1
是表示从t时刻运动到t-1时刻的状态转移函数，ω
t
表示t时刻目标的状态噪声，设其坐标位置信息为(x
t
，y
t
)。
[0037]
图1表示该算法模型的示意图，则信源相对于观测站的真实方位角θ
tn
可以表示为
[0038][0039]
假设信源产生远场窄带不相关的非高斯信号，入射到各监测站阵列上，则接收信号可以表示为
[0040]
x(t)＝as(t)+n(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0041]
其中，为方向矩阵，表示方向矢量，θk为第k个信源的入射角度。为非高斯信源矢量，j表示快拍数，n(t)为均值为0方差为的高斯噪声，其中k表示信源个数。
[0042]
二、粒子滤波算法
[0043]
粒子滤波算法是一种被广泛使用的基于贝叶斯理论和重要性采样的算法，该算法被广泛应用于线性和非线性系统的滤波方法。它的基本原理是通过一系列带有权值的随机样本，也称随机粒子来拟合目标的先验和后验概率密度分布。
[0044]
粒子滤波算法的目标是在测量模型和状态模型上递归地估计出目标的运动过程，主要包括来预测和更新步骤，在预测阶段产生一组具有目标状态信息的粒子ns表示粒子的个数，设每个粒子的初始权重都为1/ns，设跟踪时间为t，在各个时刻阵列的输出为y
1：t
＝{y1，
…
，y
t
}作为观测信息，用以更新预测粒子。在t时刻，通过先验分布产生一些列预测粒子
[0045][0046]
在更新阶段，更新粒子权重，由于在序贯重要性采样中，重要性概率密度近似为状态转移概率密度，所以粒子权重为
[0047][0048]
对粒子权重进行归一化处理，即
[0049][0050]
但是由于一系列迭代会产生粒子退化问题，即只有部分粒子权重较大，其它粒子权重变得非常小，从而产生估计误差增大的问题。为解决这个问题，采用重采样算法，即将权重较大的粒子进行多次复制从而解决上述问题。重采样后各粒子权重均再次设为1/ns，最后对粒子按照权重累加求和即可得到该时刻跟踪结果。
[0051]
三、谱峰搜索pm算法
[0052]
对监测站接收信号求协方差矩阵
[0053][0054]
对协方差矩阵进行分块
[0055][0056]
其中g和h分别m
×
k和m
×
(m-k)的矩阵，m为阵元个数，k为信源个数。
[0057]
估计传播算子矩阵p
[0058]
p＝(ghg)-1ghhꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0059]
构造q矩阵
[0060]
q＝[ph，-i
m-k
]hꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0061]
构造pm算法谱函数
[0062]fpm
(θ)＝ah(θ)qqha(θ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0063]
四、粒子滤波与一维谱峰搜索pm相结合的直接定位跟踪算法
[0064]
该算法可以对满足任意运动形式的信源进行跟踪定位，我们假设信源的运动状态为协同转弯运动，则其离散时间状态模型可以表示为
[0065]
p
t
＝fp
t-1
+g
cv
ω
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0066]
其中状态矢量p
t
＝[x
t
，v
x，t
，y
t
，v
y，t
，w
t
]，(x
t
，y
t
)为信源的位置坐标，(v
x，t
，v
y，t
)为
信源在x方向与y方向上的速度，w
t
表示第t个时刻目标恒定的转速。其中状态转移矩阵
[0067]
输入矩阵
[0068]
首先在预测阶段产生ns个初始粒子其中分别是在包含真实值的范围内的均匀分布。
[0069]
在监测阶段通过信源的状态模型对粒子进行更新
[0070][0071]
更新后的粒子相对于监测站的角度为
[0072][0073]
则在每个监测站下，每个粒子有一个对应角度值由于观测信息包含在谱峰搜索pm算法的谱函数中，即真实角度值包含在该谱函数中，粒子对应角度值越接近真实值，其谱函数越大，粒子的权重也就越大，则可以将pm算法的谱函数值代替似然函数用以更新粒子的权重，即
[0074][0075]
随后对粒子权重进行归一化处理，即
[0076][0077]
为避免粒子退化所引起的误差增大问题，采用重采样对权重较大的粒子进行多次复制，重采样后全部粒子权重设为1/ns。
[0078]
由于式(1)中同时包含x，y，则无法由单一监测站位置直接确定其真实权重，为避免单个监测站导致虚假权重的问题出现，听以通过多站的形式对已经重采样后的粒子进行二次角度计算，二次粒子权重计算，以及二次重采样，以解决单一监测站无法完全准确估计的问题。
[0079]
最终该时刻信源位置估计值为
[0080]
重采样后的粒子大部分是集中在信源真实位置附近，所以该时刻粒子作为下一时刻初始粒子进行下一时刻的粒子更新，由此实现在一段时间内对某一目标的定位跟踪。
[0081]
算法流程如下：
[0082][0083]
图3是本发明在信噪比为5db，快拍数为200，粒子数为1000，跟踪时间为60s时，对信源跟踪的结果图。
[0084]
图4是本发明在快拍数为200，不同粒子数在不同信噪比下整个跟踪时间内的均方根误差对比图。
[0085]
图5是本发明在粒子数为1000，不同快拍数在不同信噪比下整个跟踪时间内的均方根误差对比图。
[0086]
图6是本发明在快拍数为200，粒子数为1000时，在不同监测站数目下，不同信噪比时跟踪性能对比图。
[0087]
由图3至图6所示，本发明基于多监测站的粒子滤波直接定位跟踪方法在较少的快拍下实现更高性能的的直接定位跟踪，并且跟踪精度较好，在特别是在信噪比较差的环境下仍可获得较好的跟踪定位结果。
[0088]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。