CN104142496A - 基于连通域划分的统计mimo雷达多目标定位方法 - Google Patents

Abstract

本发明提供一种基于连通域划分的统计MIMO雷达多目标定位方法，采用两步搜索的方法，且第二次搜索为某个较小的范围内搜索，所以能以较低的搜索量得到较高的定位精度并实现多目标同时定位。并且本发明采用经过匹配滤波后信号作为量测数据，适用于在各个接收孔径上分别独立完成匹配滤波的统计MIMO雷达，并且考虑到实际雷达工作中目标的信息未知，将最大似然估计用广义似然估计代替，性能较稳定且具有自适应特性。利用数据连通域分离各目标的位置坐标范围，在此坐标范围内重新搜索即得目标位置估计，能应用于统计MIMO雷达网络系统的多目标定位领域。

Description

基于连通域划分的统计MIMO雷达多目标定位方法

技术领域

本发明属于雷达信号处理领域，涉及统计多输入多输出MIMO雷达定位技术。 

背景技术

MIMO雷达是近年来新体制雷达的研究热点，它采用多个发射天线和多个接收天线，各天线根据系统要求可以进行灵活布置，并且各发射天线可以同时发射完全正交或部分相关的信号。其中统计MIMO雷达的阵元间距较远，满足空间分集条件。通过合并不同观测角度的回波信号，统计MIMO雷达可以抑制目标的RCS闪烁，获得较大的空间分集增益，提高了雷达的检测性能和定位精度。 

现有的统计MIMO雷达高精度定位方法主要有基于点迹融合的定位法和基于原始回波信号的信号级定位法。信号级定位法以原始基带回波信号为量测值，计算关于待估计参数(即目标的位置坐标)的似然函数，利用网格搜索法或最优化迭代算法在雷达监视范围(数据平面)内求解使似然函数最大的坐标位置，即为估计所得目标位置。这种方法的相对点迹融合定位法的定位精度较高，且不受波束宽度和方位向分辨率的限制，但是它存在一个问题：该方法仅适用于单目标场景，但在雷达实际监视环境中，常常会遇到多个目标同时存在的情况，此场景下各目标位置对应的似然函数值退化为局部最大值，此时该定位方法失效，而简单的扩维高维搜索在目标数较多时计算量巨大，基本不可实现。 

另外，新型MIMO雷达检测器的杂波抑制、匹配滤波等任务都可以在各个接收孔径上分别独立地完成，从而降低了中心站处理的难度。传统的信号级定位法使用的是原始基带回波信号而不是匹配滤波器后信号，不适用于这种新型MIMO雷达。 

发明内容

本发明所要解决的技术问题是，提供一种适用于统计MIMO雷达的易于实现的信号级多目标定位方法。 

本发明为解决上述技术问题所采用的技术方案是，基于连通域划分的统计MIMO雷达多目标定位方法，包括以下步骤： 

1、基于连通域划分的统计MIMO雷达多目标定位方法，其特征在于，包括以下步骤： 

参数初始化步骤：初始化目标位置搜索范围对应的数据平面、发射机个数、接收机个数、各发射机接收机位置、各发射机的发射信号波形、各接收机的匹配滤波器波形、采样间隔、归一化门限、各通道上目标附近干扰的协方差矩阵以及预设目标对应于各通道的多普勒频率； 

第一次似然函数搜索步骤：在初始化目标位置搜索范围对应的数据平面上，计算各网格 点对应的各通道联合对数似然函数值，遍历完毕初始化目标位置搜索范围对应的数据平面后，再进行归一化处理得到全数据平面的似然函数图像L(x,_y,z)； 

二值化似然函数图像步骤：对归一化后的全数据平面的似然函数图像L(x,_y,z)做二值化处理，网格点对应的各通道联合对数似然函数值超过门限取1，低于门限的取0，得到二值化后图像B(x,_y,z)； 

第二次搜索范围确定步骤：通过数据连通域对图像B(x,_y,z)进行搜索，确定属性满足像素值为1的数据连通域，再进行杂散点删除处理后，记录每块数据连通域在每个维度上的上下界，连通域的个数即为目标个数，各块数据连通域所在的立方体为各目标的二次网格搜索范围； 

第二次似然函数搜索步骤：在各目标的二次网格搜索范围内重新计算该范围内各网格点的各通道联合对数似然函数值，将每一个二次搜索范围内似然函数的最大值所对应的网格点坐标作为对应目标的估计位置； 

得到所述网格点对应的各通道联合对数似然函数值的步骤为： 

1：对于网格点(x_grid,y_grid,z_grid)计算各通道的回波时延； 

2：计算网格点(x_grid,y_grid,z_grid)对应的匹配函数s _lk(t)： 

${\tilde{s}}_{\mathrm{lk}}\left(t\right)=s_k(t-{\mathrm{\τ}}_{\mathrm{lk}})e^{j2\mathrm{\π}{f}_{\mathrm{lk}}(t-{\mathrm{\τ}}_{\mathrm{lk}})}*h_l\left(t\right),l=\mathrm{1,2},...,M,k=\mathrm{1,2},...,N$

其中，*为卷积运算，s_k(t)为发射机的发射信号波形，t为时间变量，τ_lk为第lk通道的回波时延τ_lk，第lk通道为第l个接收机收到的来自第k个发射机的信号通道，h_l(t)为第l个接收机的匹配滤波器波形，f_lk为第lk通道的多普勒频率，N为发射机个数，M为接收机个数； 

3：将匹配函数s _lk(t)在时间上离散化，得到离散化后的匹配函数s _lk； 

4：计算该网格点(x_grid,y_grid,z_grid)对应的各通道联合对数似然函数值lnp(x_grid,y_grid,z_grid)： 

$\ln p(x_{\mathrm{grid}},y_{\mathrm{grid}},z_{\mathrm{grid}})=\underset{l=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\left|{\tilde{s}}_{\mathrm{lk}}^H{R}_{\mathrm{lk}}^{-1}{y}_{\mathrm{lk}}\right|}^2}{{\tilde{s}}_{\mathrm{lk}}^H{R}_{\mathrm{lk}}^{-1}{\tilde{s}}_{\mathrm{lk}}}$

其中，H表示共轭矩阵，R_lk为第lk通道上目标附近干扰的协方差矩阵，量测数据，_ylk为第l个接收机匹配滤波后输出的第lk通道的量测数据。 

实际雷达工作过程中，目标的信息未知，以经过匹配滤波后的信号为量测的似然函数中含有未知的目标反射系数，为得到唯一的定位器，采用广义似然函数代替原始似然函数，即将目标反射系数用其最大似然估计代替，从而推导得到各通道联合对数似然函数值。 

本发明采用两步搜索的方法，且第二次搜索为某个较小的范围内搜索，所以能以较低的搜索量得到较高的定位精度并实现多目标同时定位。并且本发明采用经过匹配滤波后信号作为量测数据，适用于在各个接收孔径上分别独立完成匹配滤波的统计MIMO雷达，并且考虑 到实际雷达工作中目标的信息未知，将最大似然估计用广义似然估计代替，性能较稳定且具有自适应特性。利用数据连通域分离各目标的位置坐标范围，在此坐标范围内重新搜索即得目标位置估计。 

本发明的有益效果是，能应用于统计MIMO雷达网络系统的多目标定位领域。 

附图说明

图1为实施例流程图； 

图2为2个目标的二次网格搜索范围； 

图3为目标在各坐标维度上的标准误差RMSE。 

具体实施方式

本发明首先在给定的数据平面上计算各网格点对应的似然函数值(第一次搜索)，在数据平面的似然函数图像经过门限后所得二值图像上利用深度优先搜索划分连通域，并由此确定每个目标的位置搜索范围，然后在各目标位置搜索范围内重新搜索最大似然函数值(第二次搜索)，即得各目标的位置估计。 

实施例流程如图1所示： 

步骤1：初始化系统参数 

初始化系统参数包括：目标位置搜索范围(即数据平面)，第一次搜索和第二次搜索的搜索步长(第一次搜索步长一般比第二次搜索步长大)。发射机个数N，接收机个数M，各雷达发射机的发射信号波形s_k(t)，各雷达接收机的匹配滤波器波形h_l(t)，k＝1,2,...,M，采样间隔T_s，归一化门限V_T，目标附近干扰的协方差矩阵，假设已在定位前得到目标对应于各通道第l个接收机收到的来自第k个发射机的信号(第lk个通道)的多普勒频率f_lk，k＝1,2,...,N，l＝1,2,...,M。 

步骤2：将各雷达接收机匹配滤波器后输出的各通道所有时刻的量测数据y_lk＝[y_lk[0],y_lk[1],...,y_lk[N_T-1]]^T传回中心站进行之后的目标位置估计处理。 

步骤3：第一次似然函数搜索 

3.1：对于某个网格点(x_grid,y_grid,z_grid)，计算各通道的回波时延τ_lk； 

${\mathrm{\τ}}_{\mathrm{lk}}=\frac{\sqrt{{(x_{\mathrm{grid}}-x_k)}^2+{(y_{\mathrm{grid}}-y_k)}^2}+\sqrt{{(x_{\mathrm{grid}}-x_l)}^2+{(y_{\mathrm{grid}}-y_l)}^2}}{c}---\left(1\right)$

其中，c为光速，(x_k,_yk)，(x_l,y_l)分别为雷达各发射站、接收站坐标。 

3.2：计算该网格点对应的匹配函数，？为卷积运算： 

${\tilde{s}}_{\mathrm{lk}}\left(t\right)=s_k(t-{\mathrm{\τ}}_{\mathrm{lk}})e^{j2\mathrm{\π}{f}_{\mathrm{lk}}(t-{\mathrm{\τ}}_{\mathrm{lk}})}*h_l\left(t\right),l=\mathrm{1,2},...,M,k=\mathrm{1,2},...,N---\left(2\right)$

3.3：将匹配函数在时间上离散化，得到其中s_lk[n]＝s_lk(nT_s)，n＝0,1,...,N_T-1，N_T为采样次数。 

3.4：计算该网格点对应的各通道联合对数似然函数值： 

$\ln p(x_{\mathrm{grid}},y_{\mathrm{grid}},z_{\mathrm{grid}})=\underset{l=1}{\overset{M}{\mathrm{\Σ}}}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\frac{{\left|{\tilde{s}}_{\mathrm{lk}}^H{R}_{\mathrm{lk}}^{-1}{y}_{\mathrm{lk}}\right|}^2}{{\tilde{s}}_{\mathrm{lk}}^H{R}_{\mathrm{lk}}^{-1}{\tilde{s}}_{\mathrm{lk}}}---\left(3\right)$

其中，R_lk为第lk通道干扰的协方差矩阵，实际应用中，可以利用目标附近已知不存在目标的位置处回波，估计得目标位置处的干扰协方差矩阵，从而使定位对协方差矩阵具有自适应特性。 

3.5：重复步骤3.1至3.4，直到遍历数据平面上所有网格点，得到全数据平面的似然函数图像L(x,y,z)，并将其归一化。 

步骤4：二值化似然函数图像 

由归一化门限V_T对步骤3所得的似然函数图像做二值化处理，定义数据平面上一个网格为一个像素，其对应的似然函数值定义为其像素值。像素值超过门限的像素取值1，低于门限的像素取值0，得到二值化后图像B(x,y,z)。 

步骤5：确定各目标第二次网格搜索范围 

为了分离各目标的二次网格搜索范围，需要引入数据连通域。在一个数据矩阵里，对于某一个关注的数据a，它的周围存在8个数据a_0～7(矩阵边界数据除外)，如果这8个数据中的某一个a_i(i∈0～7)与a的属性相同，则认为a和a_i是连通的。如此类推，这样的一个以连通的数据构成的集合，称为数据连通域(参考文献：Q.R.Liang,L.J.Kong and Y.Jia,"An image enhancement method for dim target in through-the-wall radar imaging,"in Circuits and systems Int.Conf.(ICCCAS),pp.343-346,2010)。 

对图像B(x,y,z)使用深度优先搜索，遍历整幅图像确定属性满足像素值为1的数据连通域，并记录下每块数据连通域在每个维度上的上下界，则定义每块数据连通域所在的立方体为各目标的二次网格搜索范围，连通域的个数即为目标个数。 

步骤6：删除杂散点对应的二次网格搜索范围 

由于数据平面上随机干扰噪声的存在，步骤5确定的某些二次搜索范围内可能只有非常少的像素点，把这些像素点当成杂散点，删去只包含1至2个像素点(实际点数可根据实际 应用要求而定)的二次搜索范围。 

步骤7：第二次似然函数搜索，得到各目标位置的估计 

在各二次网格搜索范围内按照步骤3的方法重新计算该范围内各网格点的似然函数值，新的网格点位置由第二次搜索的步长决定。各二次搜索范围内似然函数的最大值即对应的网格点坐标即为对应目标位置的估计。 

基于最大似然估计的定位方法本身存在“门限效应”，即在信噪比低于某个值时，定位的标准误差RMSE非常大，基本上可以看成无法准确定位，本发明同样存在这个问题，在较高信噪比环境下，能准确确定目标个数，且有较高的定位精度，但在信噪比较低时，可能会出现目标的遗漏或虚假目标。 

实施例 

仿真参数设置： 

本次仿真实例采用的雷达发射基带信号为简单脉冲串，即 

其中，仿真场景为一个M×N＝5×5的统计MIMO雷达，每个雷达天线均为收发共置。为简化分析，这里仿真二维情况。各雷达节点的坐标为(x_k,y_k)，k＝1,2,...,5，其中x_k＝Rcos(φ_k)，y_k＝Rsin(φ_k)，{φ₁＝10°,φ₂＝27.5°,φ₃＝45°,φ₄＝62.5°,φ₅＝80°}，R＝105km。三个目标的坐标分别为(13.5,13.5)km，(15,16)km，(17,18)km。设置所有目标的信噪比为15dB。初始化归一化门限V_T为0.85。 

将各雷达接收机匹配滤波器后输出的各通道所有时刻的量测数据传回中心站进行之后上述目标位置估计处理步骤。仿真时采用在理想回波基础上加上高斯白噪声得到基带回波信号，然后将其经过匹配滤波得到量测数据。 

图2给出确定的2个目标的二次网格搜索范围。其中每个灰色区域为对应的连通域，矩形框表征的是深度优先搜索后得到的各连通域的各维度坐标上下界所确定的矩形区域，即为各目标对应的二次搜索范围。 

给定仿真参数下，进行2000次蒙特卡洛仿真实验，得到各目标在各坐标维度上的标准误差RMSE如图3所示。由图3可知本发明能成功对多个目标同时定位，且均有较高的定位精度。 

Claims (1)

1.基于连通域划分的统计MIMO雷达多目标定位方法，其特征在于，包括以下步骤： 

参数初始化步骤：初始化目标位置搜索范围对应的数据平面、发射机个数、接收机个数、各发射机接收机位置、各发射机的发射信号波形、各接收机的匹配滤波器波形、采样间隔、归一化门限、各通道上目标附近干扰的协方差矩阵以及预设目标对应于各通道的多普勒频率； 

第一次似然函数搜索步骤：在初始化目标位置搜索范围对应的数据平面上，计算各网格点对应的各通道联合对数似然函数值，遍历完毕初始化目标位置搜索范围对应的数据平面后，再进行归一化处理得到全数据平面的似然函数图像L(x,y,z)； 

二值化似然函数图像步骤：对归一化后的全数据平面的似然函数图像L(x,y,z)做二值化处理，网格点对应的各通道联合对数似然函数值超过门限取1，低于门限的取0，得到二值化后图像B(x,y,z)； 

第二次搜索范围确定步骤：通过数据连通域对图像B(x,y,z)进行搜索，确定属性满足像素值为1的数据连通域，再进行杂散点删除处理后，记录每块数据连通域在每个维度上的上下界，连通域的个数即为目标个数，各块数据连通域所在的立方体为各目标的二次网格搜索范围； 

第二次似然函数搜索步骤：在各目标的二次网格搜索范围内重新计算该范围内各网格点的各通道联合对数似然函数值，将每一个二次搜索范围内似然函数的最大值所对应的网格点坐标作为对应目标的估计位置； 

得到所述网格点对应的各通道联合对数似然函数值的步骤为： 

1)对于网格点(x_grid,y_grid,z_grid)计算各通道的回波时延τ_lk； 

2)计算网格点(x_grid,y_grid,z_grid)对应的匹配函数

其中，*为卷积运算，s_k(t)为发射机的发射信号波形，t为时间变量，τ_lk为第lk通道的回波时延τ_lk，第lk通道为第l个接收机收到的来自第k个发射机的信号通道，h_l(t)为第l个接收机的匹配滤波器波形，f_lk为第lk通道的多普勒频率，N为发射机个数，M为接收机个数； 

3)将匹配函数在时间上离散化，得到离散化后的匹配函数

4)计算该网格点(x_grid,y_grid,z_grid)对应的各通道联合对数似然函数值lnp(x_grid,y_grid,z_grid)： 

其中，H表示共轭矩阵，R_lk为第lk通道上目标附近干扰的协方差矩阵，y_lk为第l个接收机匹配滤波后输出的第lk通道的量测数据。