CN109001706B - 基于特征值最大化的多个辐射源目标被动直接定位方法 - Google Patents

Abstract

本发明提供了一种基于特征值最大化的多个辐射源目标被动直接定位方法，属于雷达信号处理领域。本发明利用傅里叶变换将观测信号变换到频域，并利用离散化的接收信号量测得到基于特征值最大化的代价函数，然后对目标位置搜索区域划分网格，再计算并保存每个网格点的代价函数值得到代价函数平面，最后再利用图像膨胀算法处理代价函数平面，得到辐射源目标数量及位置。过程中，定位目标的代价函数只与目标位置相关，与辐射源目标的发射信号无关，可处理发射信号未知的辐射源的定位；利用目标提取算法，目标的数量及对应的位置坐标可一次性得到估计，比之依次提取并定位目标的算法更为高效，可应用于多基站无源雷达系统中的多辐射源目标定位问题。

Description

基于特征值最大化的多个辐射源目标被动直接定位方法

技术领域

本发明属于雷达信号处理领域，特别涉及一种基于特征值最大化的多个辐射源目标被动直接定位方法。

背景技术

被动定位技术因其诸多优点如隐蔽性、低功耗等，受到了越来越多的关注。被动定位通常采用几个分布较分散的雷达基站截获目标发射机的发射信号，相比主动雷达，由于雷达自身不需要发射源发射电磁波，因此被动定位也被称为无源定位。目前，正处在研制当中的无源雷达有两种：一种是依靠目标辐射器探测和定位目标，而另一种则利用其它辐射器发射的电磁波来进一步定位目标。对前一种而言，目标本身就是辐射源，它们可能是机载雷达、干扰机和通信设备等；对于后者来说，目标本身不直接发射电磁波，而是当有非合作辐射器发射的电磁波通过目标时，利用从目标反射的电磁波来获取目标数据。

对于第一种情况，也可称之为辐射源定位，较为常用的方法是到达时差定位(timedifference of arrival,TDOA)、到达角定位(angle of arrival,AOA)。它们的基本思路是，首先在各基站接收机中提取出有关辐射源目标发射信号的到达时间或到达角度，再将这些参数传输给处理中心，通过求解方程式的方法估计出目标位置。这种方法虽然传输的数据量小，计算简单，但是在低信噪比条件下其定位精度较低，且多目标定位时存在参数与相应辐射源目标之间进行匹配的问题，无法实现多辐射源目标的高精度定位。

在被动定位的研究中，提出了一种直接定位(direct position determination,DPD)技术引起了广泛关注，其定位性能相比传统的基于TDOA，AOA等两步定位方法有明显的优势。当目标的发射信号完全未知时，DPD方法通过构造基于特征值最大化的代价函数的方法实现了单个辐射源目标的定位，仿真显示其定位性能仍然优于传统的两步定位方法，称这种方法为DPD-unknown方法。但是，该种定位方法只能解决单目标定位问题，无法适用于多个未知信号辐射源的定位问题。

发明内容

为了解决现有技术中定位目标精度差以及无法定位多个目标的问题，本发明提出了一种基于特征值最大化的多个辐射源目标被动直接定位方法，利用傅里叶变换将观测信号变换到频域，并利用离散化的接收信号量测得到基于特征值最大化的代价函数，然后对感兴趣的目标位置搜索区域划分网格，再计算并保存每个网格点的代价函数值得到代价函数平面，最后再利用图像膨胀算法处理代价函数平面，得到辐射源目标数量及位置的估计值。

一种基于特征值最大化的多个辐射源目标被动直接定位方法，包括以下步骤：

步骤1，初始化系统参数，其中，所述参数包括接收机个数、各接收机位置、采样间隔及目标数量；

步骤2，读取各接收机的量测，对量测进行采样，得到数个离散的量测向量；

步骤3，对所述量测向量进行傅里叶变换，得到频域中的各量测的表达形式；

步骤4，划分目标位置搜索区间；

步骤5，计算并保存各网格点处的代价函数值，得到全局代价函数平面；

步骤6，应用目标提取算法处理所述全局代价函数平面，基于门限处理准则，得到目标数量及其位置。

进一步地，所述目标提取算法为图像膨胀算法。

进一步地，所述门限处理准则为CFAR准则。

进一步地，所述步骤5包括以下流程：

步骤51，选取一个网格点，计算并保存该网格点处的代价函数值；

步骤52，判断数据平面上所有网格点是否已经被遍历；

步骤53，若数据平面上的所有网格点未被全部遍历，返回步骤51；

步骤54，若数据平面上的所有网格点已经被遍历，保存全局代价函数平面，进入步骤6。

进一步地，所述步骤51包括以下流程：

步骤511，计算与网格点处所对应的时延；

步骤512，构造相关向量；

步骤513，计算网格点处的基于特征值最大化的代价函数值。

进一步地，所述步骤6包括以下流程：

步骤61，将全局代价函数平面对应的图像与核进行卷积，计算核覆盖的区域中的网格点处的代价函数值最大值，并把所述最大值赋值给核覆盖的所有网格点；

步骤62，将处理后的图像，与原图像进行对比，搜寻原图像与处理后图像值相等的网格点；

步骤63，基于门限处理准则，提取出局部极大值对应的网格点，得到局部极值点的个数和对应位置，从而得到目标数量及其位置。

本发明的有益效果：本发明提供了一种基于特征值最大化的多个辐射源目标被动直接定位方法，基于直接定位算法，定位目标的代价函数只与目标位置相关，与辐射源目标的发射信号无关，因此发射信号的形式可以忽略，即可以处理发射信号未知的辐射源的定位；结合目标提取算法处理得到的代价函数平面，可得目标数量及位置的估计值；利用目标提取算法(图像膨胀算法)，目标的数量及对应的位置坐标可一次性得到估计，相比于依次提取并定位目标的算法更为高效。本发明可以应用于解决现有的多基站无源雷达系统中的多辐射源目标定位问题。

附图说明

图1为本发明实施例的流程图。

图2为图1中步骤5的流程图。

图3为图2中步骤51的流程图。

图4为图1中步骤6的流程图。

具体实施方式

本发明主要采用计算机仿真的方法进行验证，所有步骤、结论都在MATLAB-R2016a上验证正确。

下面结合附图对本发明的实施例做进一步的说明。

请参阅图1，本发明提出的一种基于特征值最大化的多个辐射源目标被动直接定位方法，通过以下步骤实现：

步骤1，初始化系统参数，其中，所述参数包括接收机个数、各接收机位置、采样间隔及目标数量。

本实施例中，初始化的参数包括雷达接收机的个数L，如L＝5，雷达接收机的位置，采样周期T_s，如T_s＝10^-7s，目标个数G，如G＝3。

步骤2，读取各接收机的量测，对量测进行采样，得到数个离散的量测向量。

本实施例中，从各雷达接收机中读取量测，信号观测时间为T，对量测进行采样，得到L个离散的量测向量r_l，r_l＝[r_l[0],r_l[1],...,r_l[N_s-1]]，l＝1,2,...,L。其中，N_s为量测样本个数。

步骤3，对所述量测向量进行傅里叶变换，得到频域中的各量测的表达形式。

本实施例中，对各接收机的量测向量r_l进行傅里叶变换，得到频域中各接收机量测的表达形式

步骤4，划分目标位置搜索区间。

步骤5，计算并保存各网格点处的代价函数值，得到全局代价函数平面。

请参阅图2，步骤5通过以下流程实现：

步骤51，选取一个网格点η_g,grid＝(x_grid,y_grid),g＝1,...,G，计算并保存该网格点处的代价函数值。

本实施例中，重复进行步骤51，直到全部网格点被遍历，得到全局代价函数平面。

步骤52，判断数据平面上所有网格点是否已经被遍历。

步骤53，若数据平面上的所有网格点未被全部遍历，返回步骤51。

步骤54，若数据平面上的所有网格点已经被遍历，保存全局代价函数平面，进入步骤6。

请参阅图3，步骤51中，计算代价函数值的步骤如下：

步骤511，计算与网格点η_g,grid处所对应的时延τ_l(η_g,grid)以及相关的量b_l,g(m)，其表达式如下：

g＝1,...,G,0≤m≤N_s-1.

步骤512，构造如下相关向量。

U＝B^HB,

步骤513，计算网格点处的基于特征值最大化的代价函数值。

F(η_g,grid)＝λ_max(U)

其中，U为包含位置信息的数据矩阵，λ_max(U)表示数据矩阵U的最大特征值。

步骤6，应用目标提取算法处理所述全局代价函数平面，基于门限处理准则，得到目标数量及其位置。

请参阅图4，步骤6通过以下流程实现：

步骤61，将全局代价函数平面对应的图像与核进行卷积，计算核覆盖的区域中的网格点处的代价函数值最大值，并把最大值赋给核覆盖的所有网格点。

本实施例中，采用的目标提取算法为图像膨胀算法，将图像(对应于得到的全局代价函数平面)与核进行卷积(核可以是任何的形状和大小，它拥有一个单独定义出来的参考点，多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘)，即计算核覆盖的区域中的网格点处的代价函数值最大值，并把这个最大值赋给核覆盖的所有网格点。

步骤62，得到进行膨胀处理后的图像，与原图像进行对比，搜寻原图像与处理后图像值相等的网格点。

步骤63，基于门限处理准则，提取出局部极大值对应的网格点，得到局部极值点的个数和对应位置，从而得到目标数量及其位置。

本实施例中，采用的门限处理准则为CFAR准则。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.一种基于特征值最大化的多个辐射源目标被动直接定位方法，其特征在于，包括以下步骤：

步骤1，初始化系统参数，其中，所述参数包括接收机个数、各接收机位置、采样间隔及目标数量；

步骤2，读取各接收机的量测，对量测进行采样，得到数个离散的量测向量；

步骤3，对所述量测向量进行傅里叶变换，得到频域中的各量测的表达形式；

步骤4，划分目标位置搜索区间；

步骤5，计算并保存各网格点处的代价函数值，得到全局代价函数平面；包括以下流程：

步骤51，选取一个网格点，计算并保存该网格点处的代价函数值；包括以下流程：

步骤511，计算与网格点处所对应的时延；计算与网格点η_g,grid处所对应的时延τ_l(η_g,grid)以及相关的量b_l,g(m)，其表达式如下：

g＝1,...,G,0≤m≤N_s-1

步骤512，构造如下相关向量：

U＝B^HB,

步骤513，计算网格点处的基于特征值最大化的代价函数值：

F(η_g,grid)＝λ_max(U)

其中，U为包含位置信息的数据矩阵，λ_max(U)表示数据矩阵U的最大特征值；

步骤52，判断数据平面上所有网格点是否已经被遍历；

步骤53，若数据平面上的所有网格点未被全部遍历，返回步骤51；

步骤54，若数据平面上的所有网格点已经被遍历，保存全局代价函数平面，进入步骤6；

步骤6，应用目标提取算法处理所述全局代价函数平面，基于门限处理准则，得到目标数量及其位置。

2.如权利要求1所述的基于特征值最大化的多个辐射源目标被动直接定位方法，其特征在于，所述目标提取算法为图像膨胀算法。

3.如权利要求1所述的基于特征值最大化的多个辐射源目标被动直接定位方法，其特征在于，所述门限处理准则为CFAR准则。

4.如权利要求1所述的基于特征值最大化的多个辐射源目标被动直接定位方法，其特征在于，所述步骤6包括以下流程：

步骤61，将全局代价函数平面对应的图像与核进行卷积，计算核覆盖的区域中的网格点处的代价函数值最大值，并把所述最大值赋值给核覆盖的所有网格点；

步骤62，将处理后的图像，与原图像进行对比，搜寻原图像与处理后图像值相等的网格点；

步骤63，基于门限处理准则，提取出局部极大值对应的网格点，得到局部极值点的个数和对应位置，从而得到目标数量及其位置。

Images