CN110196427A - 一种基于距离方位字典的目标定位算法 - Google Patents

Abstract

本发明涉及一种基于距离方位字典的目标定位算法，通过在不同方位和不同激励采集的会波信号来构建距离方位字典，然后利用距离方位字典对待检测信号进行估计，采用凸优化理论中的L1范数最小化方法来求解目标的距离及方位信息。本定位方法运算量小，精度高，可以针对不同环境，在不同干扰下建立不同的字典，从而可以满足在各种环境条件下均可准确的检测目标距离位置，且能满足实时性的要求，经试验验证，达到了非常好的效果。

Description

一种基于距离方位字典的目标定位算法

技术领域

本发明属于目标参量估计领域，本发明涉及一种通过对目标回波信号处理求解目标距离方位的方法。

背景技术

目前较为传统的目标参量估计方法有利用预形成波束定向、分裂波束定向，内插法定向，多波束定向等方法。传统的目标参量估计方法其原理都通过测量目标信号到达基阵上各阵元之间的声程差或相位差后，进行求解。该类方法理论研究与实际应用都已经较为成熟，但其自身亦存在很多不足，如恶劣条件下精度下降明显，测量设备精度要求较高，容错性差，环境对误差影响较大，应用场合受到限制。为了提高不同环境下目标测量精度，该测量方法操作更加简易，应用更加广泛，该发明是十分有必要的。

发明专利CN201611201932.8公开了“一种目标定位及识别方法”。其主要是利用磁异常技术进行测量，但其方法对信噪比要求较高，对于实际的磁异常信号，其收敛速度与收敛性无法保证，很难进行实际应用，不适于大规模应用。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于距离方位字典的目标定位算法.

技术方案

一种基于距离方位字典的目标定位算法，其特征在于步骤如下：

步骤1：利用平面阵接收不同方向的目标回波，假设平面阵由L个阵元组成，将方位划分为其中第l个阵元在距离为r_i、方向为θ_j时接收到的目标回波为s_l(r_i,θ_j)，其中i＝1,2,…,n，n为距离维数；

步骤2：利用接收到的目标回波构建距离-方位联合字典，将距离-方位联合字典的第m列表示为：

其中，m＝(L×n)*(j-1)+k，1≤j≤N_s，1≤k≤L×n，1≤m≤L×n×N_s；

构建距离-方位联合字典Θ如下所示：

步骤3：接收待测目标的回波E，将其表示为在不同距离以及方位上接收到的回波的线性叠加：

其中，r_i表示距离，θ_j表示方位，A_ij表示回波的幅值，e(r_i,θ_j)为将每个阵元在距离r_i、方位θ_j处接收到的目标回波s_l(r_i,θ_j)依次相接，并作归一化处理所得的回波；

步骤4：利用距离-方位联合字典对目标的距离及方位进行估计，引入凸优化理论中的L1范数最小化方法来求解：

其中，R为回波在字典中的稀疏表达，σ为噪声方差，p为字典的势，γ代表权系数，大小随噪声增强而增大；最后求解出的稀疏向量R包含目标的距离和方位信息。

的范围为-55°～55°，步长为1°。

有益效果

本发明提出的一种基于距离方位字典的目标定位算法，该定位方法运算量小，精度高，可以针对不同环境，在不同干扰下建立不同的字典，从而可以满足在各种环境条件下均可准确的检测目标距离位置，且能满足实时性的要求，经试验验证，达到了非常好的效果。能够有效解决传统方法中的环境干扰对测量影响的问题，具有广泛的应用前景，可直接投入使用。

而在不同环境建立的字典可以重复使用，多次测量，在不同环境下使用不同字典，使计算量最小，资源利用最大。

附图说明

图1为该发明的流程图

图2为该发明中实施方式所建立的距离-方位联合字典与其相干性分析,其中自上而下分别为距离-方位联合字典，字典相干特性，-3dB等高线图。

图3为该发明实验时对不同方位目标的位置估计情况，第一行自左至右，分别为两个目标均在中心左侧，目标相邻且为中心处。第二行自左至右分别为目标相邻且均在中心右侧，目标位于中心两侧。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明的基本思路是建立距离-方位联合字典，根据接收到的目标回波，应用凸优化理论，估计目标距离方位。

下面结合说明书附图对具体实施进行一个描述：

步骤一：读取各个方向上的目标回波，在消声水池中完成，换能器位于水下2m处，发射阵元与接收阵列的中心相距4m。接收阵列转动的角度范围为-55°～55°，步长为1°。

步骤二：用接收到的数据建立距离-方位联合字典，并将接收到的回波信号E表示为在不同距离和方位上接收到的回波的线性叠加。距离-方位联合字典的第m列可以表示为：

其中m＝(L×n)*(j-1)+k，1≤j≤N_s，1≤k≤L×n，1≤m≤L×n×N_s。

字典即为：

为减少数据量，提高计算速度，选择双阵元作为接收阵列，阵列孔径为1m，发射阵元距离两个阵元中点4.5m；在方位维上，方位角的范围为-45°～45°，步长为1°；在距离维上，每个角度下各使用50个原子，相邻的两个原子之间的相对时延为5个样本延迟点，最终得到如说明书附图2所示的距离-方位联合字典，以及其相干特性分析。

从图2可以看出，距离-方位联合字典是锯齿状的，这是字典的构造方法决定的；距离-方位联合字典的相干性在对角线上的值均为1，其余值都比较小，主瓣宽度很窄，旁瓣高度也比较低；-3dB等高线图中是一条很细的亮线，说明距离-方位字典中的原子之间差异大，对目标距离和方位进行估计时，估计精度就会越高。

步骤三：利用该字典，对目标的距离及方位进行估计。待测目标的回波E可表达为：

E＝RΘ

其中，R为回波在字典中的稀疏表达。由于精度问题，通过凸优化理论中的L1范数最小化方法来求解目标的距离及方位信息，即求解：

式中σ为噪声方差，p为字典的势。

γ的取值范围为0<γ<γ_max＝||Θ^Tx||_∞，最后解出的稀疏向量R就包含目标的距离和方位信息。

在信噪比为-10dB的条件下，用该字典完成对两个目标的距离和方位的联合估计。分别假设两个目标位置分别为(-31°，2.382m)和(-30°，2.376m)，目标相邻且均在中心左侧，估计结果如说明书附图3所示；两个目标位置分别为(0°，2.394m)和(-1°，2.382m)，目标相邻且位于中心处，估计结果如图3所示；两个目标位置分别为(20°，2.394m)和(19°，2.382m)，目标相邻且均在中心右侧，估计结果如图3所示；两个目标位置分别为(-20°，2.394m)和(21°，2.382m)，目标位于中心两侧，估计结果如图3所示。

该发明可以针对不同环境建立不同的距离-方位联合字典，从而可以对目标的距离及方位进行联合估计。因而可以实现，在不同环境下均可对目标进行较好的距离-方位联合估计，且误差较小，操作相对于原有算法大大简化，弥补了原有算法的不足。

Claims (2)

1.一种基于距离方位字典的目标定位算法，其特征在于步骤如下：

步骤1：利用平面阵接收不同方向的目标回波，假设平面阵由L个阵元组成，将方位划分为其中第l个阵元在距离为r_i、方向为θ_j时接收到的目标回波为s_l(r_i,θ_j)，其中i＝1,2,…,n，n为距离维数；

步骤2：利用接收到的目标回波构建距离-方位联合字典，将距离-方位联合字典的第m列表示为：

其中，m＝(L×n)*(j-1)+k，1≤j≤N_s，1≤k≤L×n，1≤m≤L×n×N_s；

构建距离-方位联合字典Θ如下所示：

步骤3：接收待测目标的回波E，将其表示为在不同距离以及方位上接收到的回波的线性叠加：

其中，r_i表示距离，θ_j表示方位，A_ij表示回波的幅值，e(r_i,θ_j)为将每个阵元在距离r_i、方位θ_j处接收到的目标回波s_l(r_i,θ_j)依次相接，并作归一化处理所得的回波；

步骤4：利用距离-方位联合字典对目标的距离及方位进行估计，引入凸优化理论中的L1范数最小化方法来求解：

其中，R为回波在字典中的稀疏表达，σ为噪声方差，p为字典的势，γ代表权系数，大小随噪声增强而增大；最后求解出的稀疏向量R包含目标的距离和方位信息。

2.根据权利要求1所述的一种基于距离方位字典的目标定位算法，其特征在于的范围为-55°～55°，步长为1°。