CN117849707A - 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 - Google Patents
一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 Download PDFInfo
- Publication number
- CN117849707A CN117849707A CN202410262056.8A CN202410262056A CN117849707A CN 117849707 A CN117849707 A CN 117849707A CN 202410262056 A CN202410262056 A CN 202410262056A CN 117849707 A CN117849707 A CN 117849707A
- Authority
- CN
- China
- Prior art keywords
- target
- representing
- azimuth
- survival
- time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 72
- 230000004083 survival effect Effects 0.000 claims description 55
- 239000013598 vector Substances 0.000 claims description 47
- 238000005259 measurement Methods 0.000 claims description 40
- 238000001228 spectrum Methods 0.000 claims description 23
- 230000004721 adaptive immunity Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请属于一种目标方位跟踪方法,针对在探测范围内存在强干扰影响时,现有目标方位估计方法均存在目标方位跟踪性能严重下降的问题,所要解决的技术问题在于针对上述现有技术中的不足,提供一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备,采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量,再形成对应的波束,通过计算方位谱输出对目标方位进行粗估计,利用GM模型预测下一时刻的目标方位关联参数,通过波束形成权向量对预测的下一时刻的目标方位关联参数进行修正,消除了水下环境噪声对目标方位跟踪方法性能的影响。解决了水下环境噪声导致目标方位跟踪性能严重下降的问题。
Description
技术领域
本申请属于一种目标方位跟踪方法,具体涉及一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备。
背景技术
基于被动声呐基阵的水下目标方位估计是声呐信号处理中的一个重要研究课题。被动声呐基阵本身并不发出声波信号,通过接收水下目标的声波信号进行探测和定位。
现有目标方位估计方法可根据原理可分为传统目标方位估计方法和目标方位跟踪方法两类。其中,目标方位跟踪方法主要基于贝叶斯滤波算法的框架实现,将变化的目标方位角和被动声呐基阵接收到的信号分别看作带随机噪声扰动的状态和量测。传统目标方位跟踪方法在估计目标方位时,不仅取决于被动声呐基阵获得的量测,还考虑了目标的运动学特征,因此,相较目标方位跟踪方法,传统目标方位估计方法的其稳健性和精度更高。
但是,在探测范围内存在强干扰的影响时,现有目标方位估计方法均存在导致目标方位跟踪性能严重下降的问题,限制了其应用范围。
发明内容
本申请针对在探测范围内存在强干扰影响时,现有目标方位估计方法均存在目标方位跟踪性能严重下降的问题,所要解决的技术问题在于针对上述现有技术中的不足,提供一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备,解决了水下环境噪声导致目标方位跟踪性能严重下降的问题。
为了实现上述目的,本申请采用以下技术方案予以实现:
第一方面,本申请提出一种自适应抗扰多目标方位跟踪方法,包括:
采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量;
使用稳健波束形成器的权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测;
在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数;
通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数;
根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
进一步地,所述采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量,包括:
其中,表示稳健波束形成器的权向量,/>表示零陷展宽技术修改后的协方差矩阵,/>表示对角加载量,/>表示单位矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔,/>表示波束指向方向向量,/>表示共轭转置,“/>”表示Hadamard乘运算。
进一步地,所述零陷展宽技术修改后的协方差矩阵,包括:
其中,表示采样协方差矩阵,/>表示实正定矩阵。
进一步地,所述计算方位谱输出,包括:
其中,表示方位谱输出,/>表示扫描角,/>表示共轭转置,/>表示阵列接收信号采样协方差矩阵。
进一步地,所述目标方位关联参数包括:集势分布、存活目标分量权值、存活目标分量均值和存活目标分量均方误差矩阵;
所述通过GM模型预测下一时刻的目标方位关联参数,包括:
预测下一时刻的集势分布:
其中,表示/>时刻预测/>时刻的预测集势分布,/>表示/>时刻新生目标集势分布,/>表示从/>个不同元素中取/>个元素的组合数,/>为目标存活概率,/>表示/>时刻集势分布,/>表示存活目标集势分布,/>表示目标数二次累加参数,/>表示目标数累加参数,/>表示目标数自变量;
预测下一时刻的存活目标分量权值:
其中,表示/>时刻预测/>时刻的存活目标分量权值,/>表示目标序号,表示存活目标分量个数,/>表示/>时刻的存活目标分量权值;
预测下一时刻的存活目标分量均值:
其中,表示/>时刻预测/>时刻的存活目标分量均值,/>表示目标动力学模型的状态转移矩阵,/>表示/>时刻的存活目标分量均值;
预测下一时刻的存活目标分量均方误差矩阵:
其中,表示/>时刻预测/>时刻的存活目标分量均方误差矩阵,/>表示噪声驱动矩阵,/>表示过程噪声方差,/>表示k-1时刻均方误差矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔。
进一步地,所述通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,包括:
修正下一时刻的集势分布:
其中,表示修正后/>时刻的集势分布,/>表示/>时刻的0阶集势累乘参数,表示预测目标分量权值向量,/>表示为/>时刻的量测,/>表示预测集势分布;
修正下一时刻的存活目标分量权值:
其中,表示修正后/>时刻的存活目标分量权值,/>表示k时刻的检测概率,/>表示预测权值,/>表示预测目标高斯分布,/>表示1阶集势累乘参数,/>表示量测,/>表示虚警泊松强度,/>表示量测为/>时的虚警强度,/>表示舍弃掉元素/>后的集合/>;
修正下一时刻的存活目标分量均值:
其中,表示修正后/>时刻的存活目标分量均值,/>表示预测目标状态,表示卡尔曼滤波增益,/>表示预测量测;
修正下一时刻的存活目标分量均方误差矩阵:
其中,表示修正后/>时刻的存活目标分量均方误差矩阵,/>表示量测函数雅克比矩阵,/>表示单位矩阵,/>表示目标分量的预测均方误差矩阵。
进一步地,所述根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果,包括:
取修正后的集势分布最大值对应的作为目标数估计值/>;
取存活目标分量权值最大的个目标分量对应的存活目标分量均值,作为目标状态估计值,以目标状态估计值的第一项作为目标方位跟踪结果。
第二方面,本申请提出一种自适应抗扰多目标方位跟踪系统,包括:
自适应模块,用于确定波束形成权向量,使根据波束形成权向量 得到的稳态波束图与期望得到的波束图差异满足预设要求;
粗估计模块,用于使用波束形成权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测;
预测模块,用于在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数;
修正模块,用于通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数;
估计模块,用于根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
第三方面,本申请提出一种芯片,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述自适应抗扰多目标方位跟踪方法的步骤。
第四方面,本申请提出一种电子设备,其特征在于,
包括上述的芯片。
与现有技术相比,本申请具有以下有益效果:
本申请提出一种自适应抗扰多目标方位跟踪方法,采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量,再形成对应的波束,这样的波束形成方法既能自动在干扰方位形成较宽的零陷,又能得到优化的对角加载量,因此,能够有效抑制快速运动的强干扰,并减小系统误差造成的功率估计误差和波束图畸变。通过计算方位谱输出对目标方位进行粗估计,利用GM模型预测下一时刻的目标方位关联参数,通过波束形成权向量对预测的下一时刻的目标方位关联参数进行修正,消除了水下环境噪声对目标方位跟踪方法性能的影响。基于上述原因,本申请实现了自适应抗扰多目标方位跟踪。
本申请还提出了一种自适应抗扰多目标方位跟踪系统、芯片和电子设备,基于上述自适应抗扰多目标方位跟踪方法,具备上述自适应抗扰多目标方位跟踪方法的全部优势。
附图说明
为了更清楚的说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一种自适应抗扰多目标方位跟踪方法的第一流程示意图;
图2为本申请一种自适应抗扰多目标方位跟踪方法的第二流程示意图;
图3为本申请实施例中仿真目标方位角变化轨迹和方位跟踪轨迹对比示意图;
图4为本申请一种自适应抗扰多目标方位跟踪系统的连接示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请实施例的描述中,需要说明的是,若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,若出现术语“水平”,并不表示要求部件绝对水平,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本申请实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
基于被动声呐基阵对水下目标方位进行估计的基本原理,是利用声波的传播特性和声呐基阵的接收模式来定位和追踪目标。声波在水中传播时,遇到障碍物会发生反射和折射。被动声呐基阵通过接收这些声波信号,可以推断出目标的位置和运动状态。通过不断更新和校准,可以实现对水下目标的连续跟踪和定位。
被动声呐基阵是一种声学探测设备,用于接收和测量水下目标的声波信号,以确定目标的位置、速度和方向。被动声呐基阵通常由一系列水听器组成,这些水听器被排列成阵列形式,用于接收声波信号。基阵可以固定在海底、拖曳在水中或者安装在水面船艇上。但是,在探测范围内存在强干扰影响时,现有的目标方位估计方法均存在目标方位跟踪性能会严重下降的问题。
基于上述问题,本申请提出一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备,下面结合实施例和附图对本申请做进一步详细描述:
如图1所示,为本申请一种自适应抗扰多目标方位跟踪方法的第一流程示意图,可以包括:
S101,采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量。
需要说明的是,零陷展宽技术是一种针对自适应波束形成中抗干扰问题的方法。在某些应用背景中,干扰可能是在一定区域内运动的,其入射方向变化较快。如果数据处理时权值无法迅速更新,干扰可能移出零陷而不被有效抑制,需要人为设计较宽零陷范围,以保证在求解波束权值的时间内,干扰始终处于该较宽零陷范围内。零陷展宽技术通过展宽抗干扰零陷,在下一时刻权值更新完毕前,始终将干扰置于零陷的范围之内,从而保证波束形成的性能。
广义对角加载技术是一种在自适应波束形成中用来增强系统稳定性和提高抗干扰能力的技术,通过对权值向量的对角线元素进行适当调整,使波束形成器的输出功率更加稳定,同时提高对干扰的抑制能力。对角加载技术通常通过对权值向量的对角线元素添加一个适当的常数,使权值向量的对角线元素比其他元素更大。
S102,使用稳健波束形成器的权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测。
实际应用中,波束在方位空间中进行扫描,能够获取目标方位信息,对目标方位进行粗估计。
S103,在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数。
需要说明的是,目标跟踪是持续进行的,被动声呐基阵在连续时刻下持续进行探测和定位。
GM模型(Grey Model,灰色模型)是一种用于处理不完全信息系统的预测模型,可以利用已知信息来预测未知信息。在被动声呐基阵探测中,可以利用灰色模型来处理和预测目标方位关联参数的变化。
S104,通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数。
实际应用中,通过修正可以有效解决目标方位跟踪性能严重下降的问题
S105,根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
本申请实际是一种基于零限展宽波束域处理与集势化假设概率密度滤波的稳健多目标方位跟踪方法,针对水下目标方位跟踪过程中的环境噪声,利用零限展宽波束域处理实时自适应地设计波束,抑制强干扰的影响,并对目标方位进行粗估计,然后以该目标方位粗估计为量测值,利用集势化假设概率密度滤波对目标方位进行跟踪,消除了强干扰对目标方位跟踪方法性能的影响,实现了高精度、自适应的水下目标方位跟踪。
如图2所示,为本申请一种自适应抗扰多目标方位跟踪方法的第二流程示意图,可以包括:
S201,阵列信号采集。
设定跟踪总时刻数K为一正整数,k为时刻,则,相邻时刻之间的时间间隔为T。
本实施例中,以第k个时刻的跟踪过程为例进行说明。
采用P元水听器阵列作为被动声呐基阵,接收目标辐射的频率为的窄带声信号,将水听器阵列的P个阵元按1至P依次编号。水听器阵列上各个水听器(阵元)将接收到的水声信号转换为电信号,通过放大电路,在每个时刻k使用数据采集器进行采样。信号采样率为/>,在k时刻采集M个快拍的数据。将每个阵元上采集到的M个快拍的数据记为行向量,将从P个阵元采集到的信号按编号从小到大依次排列组成P×M维矩阵,该P×M维矩阵即为第k时刻的阵列接收信号/>。
根据上述方法可得到K个时刻的阵列接收信号。
S202,自适应波束优化设计。
零陷展宽可以通过CMT矩阵T修改采样协方差矩阵来实现,将修改后的协方差矩阵表达为采样协方差矩阵与CMT矩阵/>的Hadamard乘积:
(1)
其中,表示零陷展宽技术修改后的协方差矩阵,式(1)中的“/>”表示Hadamard乘运算(矩阵对应元素相乘)。/>通常为一个实正定矩阵,/>中的第mn个元素/>(位于m行n列的元素)为:
(2)
其中,是零陷宽度,/>,/>是辛格函数。
将采用零陷展宽技术修改后的采样协方差矩阵用于自适应波束形成,并引入广义对角加载技术,则零陷展宽的稳健波束形成器的权向量/>为:
(3)
其中,表示稳健波束形成器的权向量,/>表示零陷展宽技术修改后的协方差矩阵,/>表示对角加载量,/>表示单位矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔,/>表示波束指向方向向量,/>表示共轭转置。
由于本申请确定的稳健波束形成器的权向量对应的波束形成方法,既能自动地在干扰方位形成较宽的零陷,又能得到优化的对角加载量,因此,能有效地抑制快速运动的强干扰,减小系统误差造成的功率估计误差和波束图畸变。
本实施例利用零限展宽波束域处理方法,使波束在强干扰方向形成凹陷,从而设计出抑制强干扰的瓣波束权向量。
S203,目标方位测量。
利用稳健波束形成器的权向量对应的波束在方位空间中进行扫描,计算方位谱输出为:
(4)
其中,表示方位谱输出,/>表示扫描角,/>表示阵列接收信号采样协方差矩阵。
作为扫描角的在0至360°之间均匀变化,计算/>即可得到空间方位谱。
方位谱输出对应的峰值为k时刻的目标方位粗估计量测,记为,其中,N为k时刻的估计目标数,/>对应N个目标的方位。在跟踪的总共K个时刻获得的目标方位粗估计量测记为/>。
利用设计出的波束形成权向量在方位空间中进行扫描,计算方位谱输出,提取方位谱峰值对应的峰值作为目标方位粗估计量测。
S204,设定目标方位跟踪初始参数。
在开始跟踪定位之前(视为),设定GM模型分量初始参数/>,其中,/>,/>和/>分别为GM分量的初始权值,初始状态和初始均方误差矩阵,/>为/>时刻的目标分量个数。设定初始集势分布/>。设定过程噪声方差/>,量测噪声方差/>,跟踪总时刻数K。
S205,预测目标方位关联参数。
S205-1,预测集势分布。
在给定k-1时刻集势分布的情况下,计算预测集势分布(即下一时刻的集势分布):
(5)
其中,表示/>时刻预测/>时刻的预测集势分布,/>表示/>时刻新生目标集势分布,/>表示从/>个不同元素中取/>个元素的组合数,/>表示/>时刻集势分布,/>表示存活目标集势分布,/>表示目标数二次累加参数,/>表示目标数累加参数,表示目标数自变量,/>为目标存活概率。/>。
S205-2,预测目标分量。
计算预测存活目标分量权值(即下一时刻的存活目标分量权值):
(6)
其中,表示/>时刻预测/>时刻的存活目标分量权值,/>表示目标序号,表示存活目标分量个数,/>表示/>时刻的存活目标分量权值。
计算预测存活目标分量均值(即下一时刻的存活目标分量均值):
(7)
其中,表示/>时刻预测/>时刻的存活目标分量均值,/>表示目标动力学模型的状态转移矩阵,/>表示/>时刻的存活目标分量均值。
计算预测存活目标分量均方误差矩阵(即下一时刻的存活目标分量均方误差矩阵):
(8)
其中表示/>时刻预测/>时刻的存活目标分量均方误差矩阵,/>表示噪声驱动矩阵,/>表示过程噪声方差,/>表示k-1时刻均方误差矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔。
基于上述计算,添加新生目标分量:
(9)
其中,为新生目标分量权值,/>为新生目标分量状态,/>为新生目标分量均方误差矩阵,/>为k-1时刻目标分量数,/>为新生目标分量数。
令,将预测分量表示为:
(10)
其中,为预测目标分量权值,/>为预测目标分量状态,/>为预测目标分量均方误差矩阵。
S206,更新目标方位关联参数。
S206-1,更新集势分布。
更新集势分布为:
(11)
其中,表示修正后/>时刻的集势分布,/>表示/>时刻的0阶集势累乘参数,表示预测目标分量权值向量,/>表示为/>时刻的量测,/>表示预测集势分布。
表示内积,即/>(/>,/>),/>为预测目标分量权值向量,有/>,定义/>为u阶集势累乘参数,其表达式为:
(12)
其中,为虚警概率,/>表示j阶初等对称函数,有/>,/>,为从j个不同元素中取出l个元素的排列数,有/>,/>为目标分量权值,/>为集势累乘参数阶数,/>为量测集,定义/>为考虑虚警和检测的高斯分布参数,其表达式为:
(13)
其中,为虚警泊松强度,/>表示量测为/>时的虚警强度,/>表示检测概率,表示表示预测目标高斯分布,/>的表达式为:
(14)
其中,为第/>个目标的预测高斯分布。
其中,(/>)的表达式为:
(15)
其中,为预测量测,/>为残差矩阵,其表达式为:
(16)
(17)
其中,为预测目标分量状态,/>为预测目标分量均方误差矩阵,/>为量测矩阵,/>为量测噪声。
S206-2,更新目标分量。
计算目标分量权值:
(18)
其中,表示修正后/>时刻的存活目标分量权值,/>表示k时刻的检测概率,/>表示预测权值,/>表示预测目标高斯分布,/>表示1阶集势累乘参数,/>表示量测,/>表示虚警泊松强度,/>表示量测为/>时的虚警强度,/>表示舍弃掉元素/>后的集合/>。计算目标分量均值/>,以及目标分量均方误差矩阵/>,表达式为:
(19)
(20)
其中,表示修正后/>时刻的存活目标分量均值,/>表示预测目标状态,表示卡尔曼滤波增益,/>表示预测量测,/>表示修正后/>时刻的存活目标分量均方误差矩阵,/>表示量测函数雅克比矩阵,/>表示单位矩阵,/>表示。/>
的表达式为:
(21)
其中,表示残差矩阵。k时刻的更新概率假设密度/>表示成高斯混合模型形式为:
(22)
其中为k时刻的存活目标分量权值,/>和/>分别为k时刻的存活目标分量均值和存活目标分量均方误差矩阵。
S207,估计目标数和目标状态。
集势分布最大值对应的n为目标数估计值/>,存活目标分量权值最大的/>个目标分量对应的/>为目标状态估计值,状态估计值向量的第一项即目标方位跟踪结果。
将集势分布和目标分量代入下一时刻,即令时刻/>,循环依次执行步骤S202至步骤S207,即可持续对水下目标方位进行跟踪,直至/>时停止循环。
该实施例采用P元水听器阵列接收目标辐射的窄带声信号,阵列上的各个水听器将接收到的水声信号转换为电信号,在开始采样之前,初始化GM模型分量初始参数,利用零限展宽波束域处理优化设计波束,抑制强干扰。在第时刻,利用设计出的波束进行目标方位估计,得到目标方位粗估计量测。利用第/>时刻的一步预测目标状态预测第/>时刻目标状态。根据第/>时刻的一步预测目标状态,第/>时刻的一步预测均方根误差矩阵,计算第时刻的目标状态估计值。将第/>时刻的目标状态估计值的第一项目标方位估计值作为第时刻的水下目标方位跟踪结果。再令/>,持续对水下目标方位进行跟踪,完成稳健多目标方位跟踪。实现了强干扰环境下高精度、高稳健的目标方位跟踪,解决了水下多目标方位跟踪受环境噪声影响性能下降的问题。
如下是采用本申请自适应抗扰多目标方位跟踪方法的一个实例:
3个水下目标相对于传感器阵列的初始方位角分别为120°、180°和240°,目标方位角以匀速模型变化,跟踪总时间步数为5000,相邻时间步之间的时间间隔为1 s,则跟踪总时间为5000 s。如图3中虚线,表示仿真目标方位角的变化轨迹。水下声速为1500 m/s,目标辐射频率为200Hz的窄带信号,到达阵列时信号幅度为1。使用12元均匀圆环阵获取量测,在量测中加入零均值加性高斯白噪声。
根据上述条件仿真得到量测数据。利用仿真得到的量测数据对本申请所提出的自适应抗扰多目标方位跟踪方法进行测试。如图3所示,实线表示目标方位跟踪轨迹。从图3中可以看出,采用本申请的自适应抗扰多目标方位跟踪方法,目标方位跟踪误差极小,实现了高精度且稳健的目标方位跟踪。
基于上述自适应抗扰多目标方位跟踪方法,本申请还提出了一种自适应抗扰多目标方位跟踪系统。如图4所示,为本申请自适应抗扰多目标方位跟踪系统的一种示意图,可以包括:
自适应模块,用于确定波束形成权向量,使根据波束形成权向量 得到的稳态波束图与期望得到的波束图差异满足预设要求;
粗估计模块,用于使用波束形成权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测;
预测模块,用于在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数;
修正模块,用于通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数;
估计模块,用于根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
本申请的再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于自适应抗扰多目标方位跟踪方法的操作。
终端设备可以为计算机设备,该实施例的计算机设备包括:处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现实施例中的自适应抗扰多目标方位跟踪方法,为避免重复,此处不一一赘述。或者,该计算机程序被处理器执行时实现实施例自适应抗扰多目标方位跟踪系统中各模块的功能,为避免重复,此处不一一赘述。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括,但不仅限于,处理器和存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所称存储器可以是计算机设备的内部存储单元,例如计算机设备的硬盘或内存。存储器也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
终端设备也可以为芯片,该实施例的芯片包括处理器,其数量可以为一个或多个,以及存储器,用于存储可由处理器执行的计算机程序。存储器中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器可以被配置为执行该计算机程序,以执行上述的自适应抗扰多目标方位跟踪方法。
另外,芯片还可以包括电源组件和通信组件,该电源组件可以被配置为执行芯片的电源管理,该通信组件可以被配置为实现芯片的通信,例如,有线或无线通信。此外,该芯片还可以包括输入/输出(I/O)接口。芯片可以操作基于存储在存储器的操作系统。
本申请的实施例还提供了一种电子设备,包括芯片,所述芯片执行时实现上述自适应抗扰多目标方位跟踪方法的步骤。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种自适应抗扰多目标方位跟踪方法,其特征在于,包括:
采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量;
使用稳健波束形成器的权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测;
在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数;
通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数;
根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
2.根据权利要求1所述自适应抗扰多目标方位跟踪方法,其特征在于,所述采用零陷展宽技术和广义对角加载技术对采样协方差矩阵进行修改,得到稳健波束形成器的权向量,包括:
其中,表示稳健波束形成器的权向量,/>表示零陷展宽技术修改后的协方差矩阵,表示对角加载量,/>表示单位矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔,/>表示波束指向方向向量,/>表示共轭转置,“/>”表示Hadamard乘运算。
3.根据权利要求2所述自适应抗扰多目标方位跟踪方法,其特征在于,所述零陷展宽技术修改后的协方差矩阵,包括:
其中,表示采样协方差矩阵,/>表示实正定矩阵。
4.根据权利要求3所述自适应抗扰多目标方位跟踪方法,其特征在于,所述计算方位谱输出,包括:
其中,表示方位谱输出,/>表示扫描角,/>表示共轭转置,/>表示阵列接收信号采样协方差矩阵。
5.根据权利要求4所述自适应抗扰多目标方位跟踪方法,其特征在于,所述目标方位关联参数包括:集势分布、存活目标分量权值、存活目标分量均值和存活目标分量均方误差矩阵;
所述通过GM模型预测下一时刻的目标方位关联参数,包括:
预测下一时刻的集势分布:
其中,表示/>时刻预测/>时刻的预测集势分布,/>表示/>时刻新生目标集势分布,/>表示从/>个不同元素中取/>个元素的组合数,/>为目标存活概率,/>表示/>时刻集势分布,/>表示存活目标集势分布,/>表示目标数二次累加参数,/>表示目标数累加参数,/>表示目标数自变量;
预测下一时刻的存活目标分量权值:
其中,表示/>时刻预测/>时刻的存活目标分量权值,/>表示目标序号,/>表示存活目标分量个数,/>表示/>时刻的存活目标分量权值;
预测下一时刻的存活目标分量均值:
其中,表示/>时刻预测/>时刻的存活目标分量均值,/>表示目标动力学模型的状态转移矩阵,/>表示/>时刻的存活目标分量均值;
预测下一时刻的存活目标分量均方误差矩阵:
其中,表示/>时刻预测/>时刻的存活目标分量均方误差矩阵,/>表示噪声驱动矩阵,/>表示过程噪声方差,/>表示k-1时刻均方误差矩阵,/>表示跟踪过程中相邻时刻之间的时间间隔。
6.根据权利要求5所述自适应抗扰多目标方位跟踪方法,其特征在于,所述通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,包括:
修正下一时刻的集势分布:
其中,表示修正后/>时刻的集势分布,/>表示/>时刻的0阶集势累乘参数,/>表示预测目标分量权值向量,/>表示为/>时刻的量测,/>表示预测集势分布;
修正下一时刻的存活目标分量权值:
其中,表示修正后/>时刻的存活目标分量权值,/>表示k时刻的检测概率,表示预测权值,/>表示预测目标高斯分布,/>表示1阶集势累乘参数,/>表示量测,/>表示虚警泊松强度,/>表示量测为/>时的虚警强度,/>表示舍弃掉元素/>后的集合/>;
修正下一时刻的存活目标分量均值:
其中,表示修正后/>时刻的存活目标分量均值,/>表示预测目标状态,/>表示卡尔曼滤波增益,/>表示预测量测;
修正下一时刻的存活目标分量均方误差矩阵:
其中,表示修正后/>时刻的存活目标分量均方误差矩阵,/>表示量测函数雅克比矩阵,/>表示单位矩阵,/>表示目标分量的预测均方误差矩阵。
7.根据权利要求6所述自适应抗扰多目标方位跟踪方法,其特征在于,所述根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果,包括:
取修正后的集势分布最大值对应的作为目标数估计值/>;
取存活目标分量权值最大的个目标分量对应的存活目标分量均值,作为目标状态估计值,以目标状态估计值的第一项作为目标方位跟踪结果。
8.一种自适应抗扰多目标方位跟踪系统,其特征在于,包括:
自适应模块,用于确定波束形成权向量,使根据波束形成权向量 得到的稳态波束图与期望得到的波束图差异满足预设要求;
粗估计模块,用于使用波束形成权向量对应的波束在方位空间中进行扫描,计算方位谱输出,根据所述方位谱输出,得到目标方位粗估计量测;
预测模块,用于在跟踪过程中,通过GM模型预测下一时刻的目标方位关联参数;
修正模块,用于通过所述波束形成权向量和所述目标方位粗估计量测,修正所述下一时刻的目标方位关联参数,得到修正后的目标方位关联参数;
估计模块,用于根据所述修正后的目标方位关联参数,确定目标数、目标状态和目标方位跟踪结果。
9.一种芯片,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述自适应抗扰多目标方位跟踪方法的步骤。
10.一种电子设备,其特征在于,
包括如权利要求9所述的芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410262056.8A CN117849707A (zh) | 2024-03-07 | 2024-03-07 | 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410262056.8A CN117849707A (zh) | 2024-03-07 | 2024-03-07 | 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117849707A true CN117849707A (zh) | 2024-04-09 |
Family
ID=90548435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410262056.8A Pending CN117849707A (zh) | 2024-03-07 | 2024-03-07 | 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117849707A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016014608A (ja) * | 2014-07-02 | 2016-01-28 | 眞吉 西本 | アレイアンテナビーム幅内の量子化多重・狭ビーム形成方法、アレイアンテナビーム幅内の量子化多重・狭ビーム形成装置およびレーダシステム |
CN109239681A (zh) * | 2018-10-24 | 2019-01-18 | 西安空间无线电技术研究所 | 一种运动干扰稳健滤波方法 |
CN109283496A (zh) * | 2018-09-05 | 2019-01-29 | 南京信息工程大学 | 一种抗运动干扰和抗导向失配的稳健波束形成方法 |
CN110261826A (zh) * | 2019-05-17 | 2019-09-20 | 北京理工大学 | 一种零陷展宽的相干干扰抑制方法 |
CN113376584A (zh) * | 2021-05-13 | 2021-09-10 | 西安电子科技大学 | 基于改进对角加载的稳健自适应波束形成方法 |
CN115236611A (zh) * | 2022-08-04 | 2022-10-25 | 电子科技大学 | 一种针对雷达系统的多干扰机协同压制资源调度方法 |
US20230297642A1 (en) * | 2022-03-18 | 2023-09-21 | University Of Electronic Science And Technology | Bearings-only target tracking method based on pseudo-linear maximum correlation entropy kalman filtering |
-
2024
- 2024-03-07 CN CN202410262056.8A patent/CN117849707A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016014608A (ja) * | 2014-07-02 | 2016-01-28 | 眞吉 西本 | アレイアンテナビーム幅内の量子化多重・狭ビーム形成方法、アレイアンテナビーム幅内の量子化多重・狭ビーム形成装置およびレーダシステム |
CN109283496A (zh) * | 2018-09-05 | 2019-01-29 | 南京信息工程大学 | 一种抗运动干扰和抗导向失配的稳健波束形成方法 |
CN109239681A (zh) * | 2018-10-24 | 2019-01-18 | 西安空间无线电技术研究所 | 一种运动干扰稳健滤波方法 |
CN110261826A (zh) * | 2019-05-17 | 2019-09-20 | 北京理工大学 | 一种零陷展宽的相干干扰抑制方法 |
CN113376584A (zh) * | 2021-05-13 | 2021-09-10 | 西安电子科技大学 | 基于改进对角加载的稳健自适应波束形成方法 |
US20230297642A1 (en) * | 2022-03-18 | 2023-09-21 | University Of Electronic Science And Technology | Bearings-only target tracking method based on pseudo-linear maximum correlation entropy kalman filtering |
CN115236611A (zh) * | 2022-08-04 | 2022-10-25 | 电子科技大学 | 一种针对雷达系统的多干扰机协同压制资源调度方法 |
Non-Patent Citations (2)
Title |
---|
冯杰: "稳健波束形成与高分辨方位估计技术研究", 中国硕博论文电子期刊, no. 03, 15 March 2008 (2008-03-15) * |
张博轩等: "量测噪声不确定情况下的水下多目标稳健方位跟踪", 声学学报, vol. 48, no. 04, 11 July 2023 (2023-07-11), pages 1 - 5 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Swindlehurst et al. | Maximum likelihood methods in radar array signal processing | |
CN106932766B (zh) | 基于变参数广义结构的距离扩展目标自适应检测方法 | |
CN105676181B (zh) | 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法 | |
Ries et al. | Geometry-induced range-dependence compensation for bistatic STAP with conformal arrays | |
CN105182311B (zh) | 全向雷达数据处理方法及系统 | |
CN106855622B (zh) | 一种子阵级相控阵雷达的测角方法 | |
CN108845325B (zh) | 拖曳线列阵声纳子阵误差失配估计方法 | |
CN108387876B (zh) | 基于ctls的外辐射源雷达网双基距误差配准方法 | |
CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN101644760B (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
CN107861123A (zh) | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 | |
CN110687528B (zh) | 自适应波束形成器生成方法及系统 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN105022050A (zh) | 一种多传感器阵列的水声信道离散噪声源抑制方法 | |
CN109298420B (zh) | 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置 | |
CN111965632A (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN103885046A (zh) | 基于GPS的InSAR大气延迟改正方法 | |
CN111025273A (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
US7319640B1 (en) | Noise suppression system | |
Morelande et al. | Signal-to-noise ratio threshold effect in track before detect | |
CN115201821B (zh) | 基于强目标成像对消的小目标检测方法 | |
CN117849707A (zh) | 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备 | |
CN115469314A (zh) | 一种均匀圆环阵稳健水下目标方位跟踪方法及系统 | |
CN117849705A (zh) | 一种高稳健多目标doa跟踪方法、系统、芯片及设备 | |
Tian et al. | Quality control of compact high-frequency radar-retrieved wave data |
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 |