CN116184352A - 基于轨迹估计的射频目标侦测系统 - Google Patents

基于轨迹估计的射频目标侦测系统 Download PDF

Info

Publication number
CN116184352A
CN116184352A CN202310462096.2A CN202310462096A CN116184352A CN 116184352 A CN116184352 A CN 116184352A CN 202310462096 A CN202310462096 A CN 202310462096A CN 116184352 A CN116184352 A CN 116184352A
Authority
CN
China
Prior art keywords
signal
radio frequency
target
antenna
transmitting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310462096.2A
Other languages
English (en)
Other versions
CN116184352B (zh
Inventor
常兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Nengna Intelligent Equipment Technology Co ltd Chengdu Branch Sichuan Province
Original Assignee
Wuhan Nengna Intelligent Equipment Technology Co ltd Chengdu Branch Sichuan Province
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Nengna Intelligent Equipment Technology Co ltd Chengdu Branch Sichuan Province filed Critical Wuhan Nengna Intelligent Equipment Technology Co ltd Chengdu Branch Sichuan Province
Priority to CN202310462096.2A priority Critical patent/CN116184352B/zh
Publication of CN116184352A publication Critical patent/CN116184352A/zh
Application granted granted Critical
Publication of CN116184352B publication Critical patent/CN116184352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及射频信号侦测领域，使用符合非线性运动特性的Transformer模型对目标运动轨迹进行估计，有效提高了在非线性运动目标轨迹估计上的精度。本发明的基于轨迹估计的射频目标侦测系统，包括：发射器、接收器、信号处理模块、跟踪模块以及下游任务模块，其中，发射器，用于按照预设的频率向目标发送射频信号；接收器，用于接收从目标反射回来的射频信号；信号处理模块，用于对发射器发射的射频信号和接收器接收到的射频信号进行处理，并提取出信号特征；跟踪模块，用于对信号特征进行数据对齐后，基于Transformer模型对目标的运动轨迹进行预测，获得目标的运动轨迹预测值；下游任务模块，用于根据预设任务进行数据处理。

Description

基于轨迹估计的射频目标侦测系统
技术领域
本发明涉及射频信号侦测领域，尤其是一种基于轨迹估计的射频目标侦测系统。
背景技术
射频目标侦测系统是一种利用无线电波信号进行目标检测和跟踪的技术。该系统通过接收来自目标发射的无线电波信号，并对信号进行处理，以估计目标的位置、速度、方向和其他相关属性。射频目标侦测系统在军事、民用、航空航天等领域有着广泛的应用。它可以用于侦测无人机、航空器、车辆、船舶等目标，以及用于天气预报、地质探测、雷达成像等应用。
常见的射频目标侦测系统为基于轨迹的目标侦测系统，其核心为通过采集到的目标射频信号对轨迹进行估计，以此实现对目标的实时位置检测和跟踪。现有技术所用轨迹估计算法常为粒子滤波、扩展卡尔曼滤波等，这些算法在线性运动模型中有很好的效果。但在现实场景中，射频侦测目标常属于非线性运动模型，现有技术使用的轨迹估计算法对目标非线性运动轨迹的估计效果较差，且未对目标的相对运动进行处理。
发明内容
为解决上述技术问题，本发明提供了基于轨迹估计的射频目标侦测系统，该系统使用符合非线性运动模型特性的轨迹估计算法，能有效提高射频目标侦测系统的预测精度。
本发明实施例提供了基于轨迹估计的射频目标侦测系统，所述系统包括：发射器、接收器、信号处理模块、跟踪模块以及下游任务模块，
所述发射器，用于按照预设的频率向目标发送射频信号；
所述接收器，用于接收从目标反射回来的射频信号，并将接收到的射频信号转换成电信号后发送给所述信号处理模块；
所述信号处理模块，用于对所述发射器发射的射频信号和所述接收器接收到的射频信号进行处理，并提取出信号特征；
所述跟踪模块，用于对所述信号特征进行数据对齐后，基于Transformer模型对目标的运动轨迹进行预测，获得目标的运动轨迹预测值；
所述下游任务模块，用于根据预设任务进行数据处理。
在一种可能的实施方式中，所述发射器包括N个发射天线，所述发射天线的排布为矩阵式排布；每个发射天线对应一个发射天线标号。
在一种可能的实施方式中，所述接收器包括N个接收天线，所述接收天线的排布与所述发射天线的排布相同。
在一种可能的实施方式中，所述矩阵式排布的矩阵长为
Figure SMS_1
，矩阵宽为/>
Figure SMS_2
，其中，
Figure SMS_3
。/>
在一种可能的实施方式中，所述发射器，具体用于，每个发射天线按照预设的频率向目标发送射频信号，记录每次发送射频信号的发射时间，将发射信号与发射天线标号构成发射数据对，所述发射数据对包括每个发射天线发送的射频信号。
在一种可能的实施方式中，所述接收器，具体用于，每个接收天线接收从目标反射回来的射频信号，记录每次接收到射频信号的接收时间，获取接收天线的接收数据对，所述接收数据对包括每个接收天线接收到的每个发射天线所发射的射频信号。
在一种可能的实施方式中，所述信号处理模块，具体用于分别对所述发射数据对和所述接收数据对做快速傅里叶变换，获得信号特征，其中，所述信号特征包括：发射数据频率特征、接收数据频率特征、发射数据相位特征、接收数据相位特征、发射数据功率特征以及接收数据功率特征。
在一种可能的实施方式中，所述跟踪模块，具体用于根据发射天线和接收天线之间的距离，对所述信号特征进行数据对齐，获得目标信号特征组。
在一种可能的实施方式中，所述跟踪模块，具体还用于将所述目标信号特征组、射频信号的发射时间和射频信号的接收时间作为Transformer模型的输入，获得目标的运动轨迹预测值。
在一种可能的实施方式中，所述轨迹预测值的表达形式为向量
Figure SMS_4
，其中，/>
Figure SMS_5
为以发射器为中心的x轴坐标值，/>
Figure SMS_6
为以发射器为中心的y轴坐标值，/>
Figure SMS_7
为以发射器所在海拔为零点的高度值。
本发明实施例提供的基于轨迹估计的射频目标侦测系统，使用符合非线性运动特性的Transformer模型对目标运动轨迹进行估计，有效提高了在非线性运动目标轨迹估计上的精度。同时，本发明充分考虑了目标运动过程中天线接收信号的差异性，创造性的提出了一种新的对齐算法，降低了天线位置差异及目标运动造成的误差。
附图说明
图1为本发明实施例提供的一种示例的基于轨迹估计的射频目标侦测系统的系统结构示意图。
图标：10-发射器、20-接收器、30-信号处理模块、40-跟踪模块，50-下游任务模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提出了一种基于轨迹估计的射频目标侦测系统，该系统包括发射器、接收器、信号处理模块、跟踪模块以及下游任务模块，其中，发射器用于向目标发送射频信号，可以根据侦测的目标自定义所需频率射频信号。其中，发射器可以包括发射天线，为了增强发射天线发射的射频信号强度，发射器也可以同时包括发射天线和功率放大器。接收器用于接收从目标反射回来的射频信号，并将其转换成电信号，以便于后续对接收到的射频信号进行处理。其中，接收器可以只包括接收天线。为了应对接收天线接收到的射频信号干扰较大，或者接收到的信号较弱等情况，接收器还可以包括接收天线、低噪声放大器以及混频器等。信号处理模块用于对发射器发射的射频信号和接收器接收到的射频信号进行处理，以从中提取出信号特征，如相位、频率和功率等。跟踪模块用于对目标进行跟踪，并对目标的运动轨迹进行预测，这是基于轨迹估计的射频目标侦测系统的核心模块，根据提取出的信号特征进行处理后得到目标的运行轨迹预测值，以便下游任务模块基于该轨迹预测值进行相应的处理。下游任务模块，根据预设任务进行数据处理。如可以是侦测目标分类，如可以是将获得的轨迹预测值处理为北斗卫星定位系统可用数据格式，以便结合北斗卫星定位系统进行可视化展示。也可以是基于该轨迹预测值，调整轨迹预测算法，以更好的提高目标轨迹估计的精度。
如图1所示，为本发明实施例的一种示例的基于轨迹估计的射频目标侦测系统的系统结构示意图，该系统包括发射器10、接收器20、信号处理模块30、跟踪模块40和下游任务模块50，其中，发射器10，用于按照预设的频率向目标发送射频信号。
具体的，发射器10由N个发射天线（射频天线）和一个功率放大器组成，N个发射天线的排布为矩阵式排布，所构矩阵式排布的矩阵长和矩阵宽分别为
Figure SMS_10
和/>
Figure SMS_12
，其中/>
Figure SMS_15
，每一个发射天线都有对应的发射天线标号/>
Figure SMS_9
，i为顺序排列。发射器的每个发射天线按照预设的频率向目标发射射频信号，并记录每次发送射频信号的发射时间。可以根据侦测的目标自定义所需频率射频信号，每发射一次射频信号/>
Figure SMS_13
就会记录一次当前的世界时间/>
Figure SMS_16
。其中，/>
Figure SMS_18
代表标号为N的发射天线所发射的射频信号，/>
Figure SMS_8
代表标号为N的发射天线的发射时间。发射信号/>
Figure SMS_11
和发射天线标号/>
Figure SMS_14
为一一对应关系。将发射信号与发射天线标号构成发射数据对/>
Figure SMS_17
，即将发射天线标号与发射信号相对应。
接收器20，用于接收从目标反射回来的射频信号，并将接收到的射频信号转换成电信号后发送给信号处理模块30。
具体的，待发射器发射信号完毕后，接收器会接收到被侦测目标反射回来的射频信号。每个接收天线接收从目标反射回来的射频信号，并记录每次接收到射频信号的接收时间，接收器的接收天线的排布和发射器的发射天线的排布一致，也为
Figure SMS_19
的矩阵式排布，每接收一次反射的射频信号/>
Figure SMS_20
就会记录一次当前的世界时间/>
Figure SMS_21
。其中，/>
Figure SMS_22
代表接收器接收到发射器发射天线j所发射的射频信号，j取值为1到N的整数，/>
Figure SMS_23
代表标号为N的接收天线接收到的射频信号，/>
Figure SMS_24
代表接收器接收到的发射器的发射天线j所发射的射频信号的时间。
接收器获取接收天线的接收数据对
Figure SMS_25
，接收数据对包括接收器的每个接收天线接收到的发射器的每个发射天线所发射的射频信号。
理想情况下，标号为1的发射天线发射的射频信号应该由相同位置或是位置十分接近的标号为1的接收天线接收，标号为2的发射天线发射的射频信号应该由相同位置或是位置十分接近的标号为2的接收天线接收，依此类推，标号为N的发射天线发射的射频信号应该由相同位置或是位置十分接近的标号为N的接收天线接收。但是，由于目标一直在运动，因此，标号为1的发射天线发出的射频信号，可能不再是标号为1的接收天线接收到，而是由其他标号的接收天线接收到。因此，由于存在物体运动，接收器的每根接收天线接收到的射频信号功率有所不同。在本发明是实施例中，考虑到目标运动造成的误差，接收器按照对同一个射频信号取接收天线中功率最强的接收天线标号与该射频信号对应的发射天线标号匹配。如，标号为1的发射天线发出射频信号1后，标号为9的接收天线接收到的该射频信号1的功率最高，则在后续计算中，需要将发射天线标号1和接收天线标号9代入进行相应的计算。但在实际应用中通过最强信号去判断接收天线标号的准确性可能会受信号传播及接收过程中的同频干扰或噪声的影响。为此，以发射器各发射天线与接收器各接收天线之间的距离为度量进行数据对齐，具体计算参见下文说明。
信号处理模块30，用于对发射器发射的射频信号和接收器接收到的射频信号进行处理，并提取出信号特征。
具体的，信号处理模块分别对发射数据对
Figure SMS_28
和接收数据对/>
Figure SMS_33
做快速傅里叶变换，获得信号特征，其中，该信号特征包括：发射数据频率特征/>
Figure SMS_36
、接收数据频率特征/>
Figure SMS_27
、发射数据相位特征/>
Figure SMS_31
、接收数据相位特征/>
Figure SMS_35
、发射数据功率特征/>
Figure SMS_39
以及接收数据功率特征/>
Figure SMS_26
。其中，/>
Figure SMS_30
包含接收器每一个接收天线接收到发射器发射天线1所发信号的频率特征，具体形式为/>
Figure SMS_34
，以此类推。/>
Figure SMS_38
包含接收器每一个接收天线接收到发射器发射天线1所发信号的相位特征/>
Figure SMS_29
，以此类推。/>
Figure SMS_32
包含接收器每一个接收天线接收到发射器发射天线1所发信号的功率特征，具体形式为
Figure SMS_37
，以此类推。
跟踪模块40，用于对目标进行跟踪，并对目标的运动轨迹进行预测，获得目标的运动轨迹预测值。
在本发明实施例中，跟踪模块40，具体用于，根据发射天线和接收天线之间的距离，对上述信号特征进行数据对齐，获得目标信号特征组。并将获得的目标信号特征组、发射天线发射射频信号的发射时间和接收天线接收射频信号的接收时间作为Transformer模型的输入，获得目标的运动轨迹预测值。
需要特别说明的是，目前常用的轨迹估计算法有LSTM（Long Short-Term Memory，长短期记忆网络）、SVM（support vector machines，支持向量机）等，但是这些算法在小规模数据处理上有较好的表现，但在侦测场景下，目标需要长期监控，此过程会产生大量的时序数据，因此现有的轨迹估计算法不再适用于大量时序数据的处理。而Transformer模型能够联合上下文信息，对于处理大规模时序数据具有天然的优势。因此，本发明实施例中的跟踪模块与现有技术不同，本发明实施例中的跟踪模块采用了Transformer模型，Transformer模型完全就是基于Attention机制，能在任务学习中记住更长距离的信息，这正符合了侦测任务中射频信号属于时序信号的特点。
在本发明实施例中，跟踪模块，根据发射天线和接收天线之间的距离，对信号特征进行数据对齐，其中，信号特征包括发射数据频率特征、接收数据频率特征、发射数据相位特征、接收数据相位特征、发射数据功率特征以及接收数据功率特征。
需要特别说明的是，在使用Transformer模型前，使用非线性运动模拟数据和前期所储备的真实数据进行人工分析，给出人工计算出的精准轨迹作为Ground-truth（参考值），对Transformer模型进行训练。
在本发明实施例中，由于存在目标的运动，会导致理想的接收天线与实际的接收天线不一致的情况，因此，跟踪模块以发射器各发射天线与接收器各接收天线之间的距离为度量进行数据对齐。所对齐数据包括：发射数据频率特征
Figure SMS_40
、接收数据频率特征/>
Figure SMS_41
、发射数据相位特征/>
Figure SMS_42
、接收数据相位特征/>
Figure SMS_43
、发射数据功率特征/>
Figure SMS_44
以及接收数据功率特征/>
Figure SMS_45
。具体的对齐算法为：
输入
Figure SMS_47
、/>
Figure SMS_49
和/>
Figure SMS_52
其中，数据/>
Figure SMS_48
、/>
Figure SMS_51
和/>
Figure SMS_54
都以i为索引进行数据读取，/>
Figure SMS_55
为发射器发射天线与接收器接收天线的距离，如/>
Figure SMS_46
代表发射天线/>
Figure SMS_50
到接收天线/>
Figure SMS_53
的距离，其中M为发射器标号为i的发射天线发射的信号矩阵，/>
Figure SMS_56
为接收器N个天线所接收到的发射器的标号为i的发射天线所发的信号。
以
Figure SMS_57
为循环条件，对/>
Figure SMS_58
中接收器接收到发射器的标号为i的发射天线所发信号的
Figure SMS_59
进行读取，并使用快速排序法找到最大值，并取最大值所对应信号为发射器的标号为i的发射天线所发信号所对应的匹配接收信号。对匹配接收信号的其他特征进行读取，生成匹配接收信号特征组/>
Figure SMS_60
。其中，/>
Figure SMS_61
为发射器的标号为1的发射天线所发信号的匹配接收信号特征，具体为/>
Figure SMS_62
，k代表的是匹配接收信号的接收天线标号，以此类推。在循环过程中对找到匹配接收信号的接收天线标号存储为/>
Figure SMS_63
。
再次以
Figure SMS_65
为循环，对/>
Figure SMS_69
对应位置的值抽取并做计算/>
Figure SMS_77
，其中/>
Figure SMS_68
代表了发射天线与匹配接收天线的距离。将计算结果赋予/>
Figure SMS_78
，这里的/>
Figure SMS_73
同样为一个序列，即/>
Figure SMS_82
。以/>
Figure SMS_67
为标志对发射信号特征与匹配接收信号特征组成目标信号特征组/>
Figure SMS_80
，其中/>
Figure SMS_64
具体表现形式为/>
Figure SMS_75
，以此类推。使用快速排序算法对/>
Figure SMS_71
进行排序，排序方式为单调递增，使用排序后的位置标号/>
Figure SMS_81
为新标号对目标信号特征组进行重新排序得到排序后的目标信号特征组/>
Figure SMS_70
。目标信号特征组/>
Figure SMS_83
将发射器和接收器两个不同位置的独立个体抽象为处于同一位置的同一个体。/>
Figure SMS_74
与/>
Figure SMS_84
中的每一个量与/>
Figure SMS_72
关联，如/>
Figure SMS_79
与/>
Figure SMS_66
和/>
Figure SMS_76
关联。
将
Figure SMS_85
、/>
Figure SMS_86
和/>
Figure SMS_87
作为Transformer模型的输入即可获得单位时间的轨迹预测值，该轨迹预测值的表达形式为向量/>
Figure SMS_88
，其中，/>
Figure SMS_89
为以发射器为中心的x轴坐标值，/>
Figure SMS_90
为以发射器为中心的y轴坐标值，/>
Figure SMS_91
为以发射器所在海拔为零点的高度值。
传统对齐算法为序列位置对齐，即认为发射器发射天线1所发出的信号由接收器接收天线1接收。但这种方法并未考虑天线自身存在位置的差异，理想情况下，应该是标号为1的发射天线发射的信号由相同位置或是位置十分接近的标号为1的接收天线接收。但实际场景发射天线和接收天线相隔一定距离，原因是因为距离太近可能会导致发射天线与接收天线的同频干扰。因此传统对齐算法就不再适用。本发明的对齐算法充分考虑了目标运动过程中天线接收信号的差异性，以接收器中功率最大的接收信号作为对应发射信号的匹配接收信号。除此之外还考虑匹配过程的准确性，使用发射器各发射天线与接收器各接收天线之间的距离为度量对误匹配造成的损失降到最低。在发射器天线与接收器天线位置已知的前提下，发射信号与接收信号误匹配的概率可由离散高斯分布描述：
Figure SMS_92
（1）
其中，Z表示整数集，
Figure SMS_93
表示任意量词，是离散数学中的常用语，x为事件，表示知道发射天线标号的前提下发射信号与接收信号误匹配事件的发生，不同发射天线标号和接收天线标号对有不同的x值，x属于自然数，例如误匹配事件发生在发射天线1与接收天线1之间，则x的值为1。还可以人为构建二维矩阵，利用二维矩阵中的值表示不同情况下的x值。事件x的值赋予X，以使得X属于集合/>
Figure SMS_94
，/>
Figure SMS_95
表示满足以c为均值，/>
Figure SMS_96
为方差的高斯分布的整数。/>
Figure SMS_97
表示当x发生时，事件x的值投射到高斯分布上的值。y代表发射天线标号未知的前提下发射信号与接收信号误匹配事件的发生，不同发射天线标号和接收天线标号对有不同的y值，y属于整数。也可以人为构建三维矩阵对y值进行确定，e为自然常数，/>
Figure SMS_98
代表在发射器与接收器天线位置模型中期望的匹配位置，/>
Figure SMS_99
代表发射器天线与接收器天线之间的距离，∑为求和公式。
需要说明的是，在期望的匹配位置进行错误匹配可以得到最优正确匹配。
Figure SMS_100
代表了所有错误匹配的可能，对属于整数集合的y进行求和运算，得到的和数为可能的总数投射到高斯分布上的值。其中，Z表示整数集，y代表发射天线标号未知的前提下发射信号与接收信号误匹配事件的发生，不同发射天线标号和接收天线标号对有不同的y值，y为整数。也可以人为构建三维矩阵对y值进行确定。e为自然常数，/>
Figure SMS_101
代表在发射器与接收器天线位置模型中期望的匹配位置，/>
Figure SMS_102
代表发射器天线与接收器天线之间的距离，∑为求和公式。
在本申请实施例中，我们用
Figure SMS_103
代表引入非确定因素如同频干扰、噪声等情况下已知发射天线标号匹配发生错误的概率。此时用关于概率P的抽象函数/>
Figure SMS_104
来表示匹配错误时在计算轨迹时发生的损失。/>
Figure SMS_105
是一个简单的数值计算，该计算为线性，/>
Figure SMS_106
的具体计算公式此处不做具体限定，可以根据实际需求进行选择。示例的，/>
Figure SMS_107
，其中A为轨迹计算完全错误时的总损失，A为经验值，为正数，A与P直接相乘得到在概率P下的计算损失。由于概率P满足离散高斯分布，因此，/>
Figure SMS_108
的值也满足离散高斯分布，即以正确的匹配接收天线为中心，距离越近损失越小。而在实际的信号接收中，即使存在同频干扰或噪声的影响，最大功率信号接收天线的位置以正确的信号接收天线位置为中心也成高斯分布。因此本发明在引入了距离度量和最大功率匹配机制以后，数据对齐算法能充分降低目标运动对信号接收的影响且对非确定因素具有鲁棒性。
下游任务模块50，用于根据预设任务进行相应的数据处理。
具体的，可以将获取的轨迹预测值按照预设的不同任务进行相应的数据处理，以符合不同任务所需要的数据格式。一种可选的实施方式为将跟踪模块获得的轨迹预测值处理为北斗卫星定位系统可用数据格式，以便结合北斗卫星定位系统进行可视化展示，方便工作人员对目标的运行轨迹进行分析。
另一种可选的实施方式为工作人员可以抽取部分轨迹预测结果进行校对，以便对跟踪模块的训练模型进行后期优化。
本发明实施例提供的基于轨迹估计的射频目标侦测系统，使用符合非线性运动特性的Transformer模型对目标运动轨迹进行估计，有效提高了在非线性运动目标轨迹估计上的精度。同时，本发明充分考虑了目标运动过程中天线接收信号的差异性，创造性的提出了一种新的对齐算法，降低了天线位置差异及目标运动造成的误差。
需要特别说明的是，在本发明的实施例的描述中，具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.基于轨迹估计的射频目标侦测系统，其特征在于，所述系统包括：发射器、接收器、信号处理模块、跟踪模块以及下游任务模块，
所述发射器，用于按照预设的频率向目标发送射频信号；
所述接收器，用于接收从目标反射回来的射频信号，并将接收到的射频信号转换成电信号后发送给所述信号处理模块；
所述信号处理模块，用于对所述发射器发射的射频信号和所述接收器接收到的射频信号进行处理，并提取出信号特征；
所述跟踪模块，用于对所述信号特征进行数据对齐后，基于Transformer模型对目标的运动轨迹进行预测，获得目标的运动轨迹预测值；
所述下游任务模块，用于根据预设任务进行数据处理。
2.根据权利要求1所述的系统，其特征在于，所述发射器包括N个发射天线，所述发射天线的排布为矩阵式排布；每个发射天线对应一个发射天线标号。
3.根据权利要求2所述的系统，其特征在于，所述接收器包括N个接收天线，所述接收天线的排布与所述发射天线的排布相同。
4.根据权利要求3所述的系统，其特征在于，所述矩阵式排布的矩阵长为
Figure QLYQS_1
，矩阵宽为
Figure QLYQS_2
，其中，/>
Figure QLYQS_3
。
5.根据权利要求4所述的系统，其特征在于，所述发射器，具体用于，每个发射天线按照预设的频率向目标发送射频信号，记录每次发送射频信号的发射时间，将发射信号与发射天线标号构成发射数据对，所述发射数据对包括每个发射天线发送的射频信号。
6.根据权利要求5所述的系统，其特征在于，所述接收器，具体用于，每个接收天线接收从目标反射回来的射频信号，记录每次接收到射频信号的接收时间，获取接收天线的接收数据对，所述接收数据对包括每个接收天线接收到的每个发射天线所发射的射频信号。
7.根据权利要求6所述的系统，其特征在于，所述信号处理模块，具体用于分别对所述发射数据对和所述接收数据对做快速傅里叶变换，获得信号特征，其中，所述信号特征包括：发射数据频率特征、接收数据频率特征、发射数据相位特征、接收数据相位特征、发射数据功率特征以及接收数据功率特征。
8.根据权利要求7所述的系统，其特征在于，所述跟踪模块，具体用于根据发射天线和接收天线之间的距离，对所述信号特征进行数据对齐，获得目标信号特征组。
9.根据权利要求8所述的系统，其特征在于，所述根据发射天线和接收天线之间的距离，对所述信号特征进行数据对齐，具体为：
输入
Figure QLYQS_4
，/>
Figure QLYQS_5
和/>
Figure QLYQS_6
，其中/>
Figure QLYQS_7
为发射器标号为i的发射天线发射的信号矩阵，/>
Figure QLYQS_8
为接收器N个天线所接收到的发射器标号为i的发射天线所发的信号矩阵，/>
Figure QLYQS_9
为发射天线与接收天线之间的距离矩阵；
以
Figure QLYQS_10
为循环条件，对/>
Figure QLYQS_11
中接收器接收到发射器标号为/>
Figure QLYQS_12
的发射天线所发信号的
Figure QLYQS_13
进行读取，取最大值所对应信号为发射器标号为/>
Figure QLYQS_14
的发射天线所发信号所对应的匹配接收信号，其中/>
Figure QLYQS_15
为接收数据功率特征；
再次以
Figure QLYQS_23
为循环，对/>
Figure QLYQS_17
对应位置的值抽取并做计算/>
Figure QLYQS_28
，将计算结果赋予/>
Figure QLYQS_21
，得到
Figure QLYQS_27
，以/>
Figure QLYQS_20
为标志对发射信号特征与匹配接收信号特征组成目标信号特征组
Figure QLYQS_30
，其中/>
Figure QLYQS_24
具体表现形式为/>
Figure QLYQS_32
，其中/>
Figure QLYQS_16
为发射天线标号， />
Figure QLYQS_29
为发射天线/>
Figure QLYQS_19
的匹配接收天线的标号，/>
Figure QLYQS_26
代表了发射天线与匹配接收天线的距离，/>
Figure QLYQS_22
为标号为1的发射天线发射信号的频率特征，/>
Figure QLYQS_34
为标号为1的发射天线发射信号的相位特征，/>
Figure QLYQS_18
标号为1的发射天线发射信号的功率特征，/>
Figure QLYQS_33
为标号为k的接收天线的接收信号的频率特征，
Figure QLYQS_25
为标号k的接收天线的接收信号的相位特征，/>
Figure QLYQS_31
为标号k的接收天线的接收信号的功率特征；
使用快速排序算法对
Figure QLYQS_36
进行排序，排序方式为单调递增，使用排序后的位置标号/>
Figure QLYQS_38
为新标号对目标信号特征组进行重新排序得到排序后的目标信号特征组/>
Figure QLYQS_41
，目标信号特征组/>
Figure QLYQS_37
将发射器和接收器两个不同位置的独立个体抽象为处于同一位置的同一个体，/>
Figure QLYQS_39
与/>
Figure QLYQS_42
中的每一个量与/>
Figure QLYQS_43
关联，其中/>
Figure QLYQS_35
为发射天线发射信号时记录的世界时间，/>
Figure QLYQS_40
为接收天线接收信号时记录的世界时间。
10.根据权利要求9所述的系统，其特征在于，所述跟踪模块，具体还用于将所述目标信号特征组、射频信号的发射时间和射频信号的接收时间作为Transformer模型的输入，获得目标的运动轨迹预测值。
CN202310462096.2A 2023-04-26 2023-04-26 基于轨迹估计的射频目标侦测系统 Active CN116184352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310462096.2A CN116184352B (zh) 2023-04-26 2023-04-26 基于轨迹估计的射频目标侦测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310462096.2A CN116184352B (zh) 2023-04-26 2023-04-26 基于轨迹估计的射频目标侦测系统

Publications (2)

Publication Number Publication Date
CN116184352A true CN116184352A (zh) 2023-05-30
CN116184352B CN116184352B (zh) 2023-08-22

Family

ID=86452571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310462096.2A Active CN116184352B (zh) 2023-04-26 2023-04-26 基于轨迹估计的射频目标侦测系统

Country Status (1)

Country Link
CN (1) CN116184352B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111025273A (zh) * 2019-12-03 2020-04-17 东南大学 一种畸变拖曳阵线谱特征增强方法及系统
CN114580702A (zh) * 2020-12-01 2022-06-03 伟摩有限责任公司 多模态多代理轨迹预测
CN114889638A (zh) * 2022-04-22 2022-08-12 武汉路特斯汽车有限公司 一种自动驾驶系统中的轨迹预测方法及系统
CN115205891A (zh) * 2022-05-31 2022-10-18 北京邮电大学 人员行为识别模型训练方法、行为识别方法及装置
WO2022222095A1 (zh) * 2021-04-22 2022-10-27 深圳元戎启行科技有限公司 轨迹预测方法、装置、计算机设备和存储介质
CN115690157A (zh) * 2022-11-03 2023-02-03 南京邮电大学 一种基于Transformer的毫米波雷达行人轨迹预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111025273A (zh) * 2019-12-03 2020-04-17 东南大学 一种畸变拖曳阵线谱特征增强方法及系统
CN114580702A (zh) * 2020-12-01 2022-06-03 伟摩有限责任公司 多模态多代理轨迹预测
WO2022222095A1 (zh) * 2021-04-22 2022-10-27 深圳元戎启行科技有限公司 轨迹预测方法、装置、计算机设备和存储介质
CN114889638A (zh) * 2022-04-22 2022-08-12 武汉路特斯汽车有限公司 一种自动驾驶系统中的轨迹预测方法及系统
CN115205891A (zh) * 2022-05-31 2022-10-18 北京邮电大学 人员行为识别模型训练方法、行为识别方法及装置
CN115690157A (zh) * 2022-11-03 2023-02-03 南京邮电大学 一种基于Transformer的毫米波雷达行人轨迹预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
曹文杰: "舰载相控阵雷达跟踪模式收发波形时间分配方法分析", 《舰船电子对抗》, vol. 45, no. 4, pages 98 - 101 *
蔡鑫鹏: "基于注意力机制的轨迹预测算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2023, no. 1, pages 136 - 1750 *
郭建业: "基于毫米波雷达的人员定位算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2023, no. 2, pages 136 - 1812 *

Also Published As

Publication number Publication date
CN116184352B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
CN112073895A (zh) 一种基于csi高精度人员定位跟踪方法
CN105809126B (zh) Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法
CN106793087B (zh) 一种基于aoa和pdoa的阵列天线室内定位方法
CN103995250B (zh) 射频标签轨迹追踪方法
CN107132505A (zh) 直达与非直达混合场景中的多目标直接定位方法
Peng et al. Deep convolutional neural network for passive RFID tag localization via joint RSSI and PDOA fingerprint features
CN107346020B (zh) 一种用于异步多基地雷达系统的分布式批估计融合方法
CN113342059B (zh) 基于位置和速度误差的多无人机跟踪移动辐射源方法
CN112887899B (zh) 一种基于单基站软位置信息的定位系统及定位方法
CN105510948A (zh) 联合无线电信号复包络和载波相位信息的多目标直接定位方法
CN103874930A (zh) 用于测量用户终端位置的方法
CN114034296B (zh) 一种导航信号干扰源检测与识别方法及系统
CN110187333B (zh) 一种基于合成孔径雷达技术的rfid标签定位方法
CN104833953A (zh) 一种机场非视距信道环境下的多点定位监视系统和方法
CN113259837B (zh) 基于角度估计和指纹定位算法的室内定位方法
CN112425220A (zh) 检测方法和检测装置
CN110888108B (zh) 一种基于rfid与相位校准的定位方法
CN111698695A (zh) 一种基于神经网络的lte指纹式定位方法
Abreu et al. Using Kalman filters to reduce noise from RFID location system
CN108732534A (zh) 一种基于加权mds的多标签协作定位方法
CN111563934B (zh) 单目视觉里程计尺度确定方法和装置
CN116184352B (zh) 基于轨迹估计的射频目标侦测系统
US20170090006A1 (en) Method for Passive Approximate Localization using Frequency Modulation and Software Defined Radio
CN101902686A (zh) 使用软信息提高无线通信系统的定位精确度的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant