一种天波雷达多路径量测聚类方法技术

本发明专利技术涉及一种天波雷达多路径量测聚类方法，首先，将相似性传播聚类模型扩展到多路径聚类，并构建多路径聚类约束。然后，构建聚类变量联合概率密度函数及其对应的因子图。仿真结果表明，多路径相似性传播聚类算法较多假设聚类算法相比，在检测正确率、漏检率、均方根误差、OSPA和运行时间性能指标相当情况下可以大大降低运算时间。本发明专利技术相比于现有的天波雷达多路径量测聚类算法，在检测正确率、漏检率、均方根误差、OSPA和运行时间性能指标相当情况下可以大大降低运算时间。可以大大降低运算时间。可以大大降低运算时间。

【技术实现步骤摘要】
一种天波雷达多路径量测聚类方法


[0001]本专利技术属于雷达数据处理领域中的天波雷达多路径量测聚类子系统
，特别涉及一种天波雷达多路径量测聚类方法。

技术介绍

[0002]天波雷达利用电磁波在电离层与地/海面之间的反射作用传输高频能量，可实现对高价值目标的远程预警。由于目标与雷达站之间存在多条电离层传播路径，单目标在雷达射线坐标系下会产生多路径量测，进而可能导致多路径航迹，使得态势感知和情报出现误判。因此，多路径量测为天波雷达数据处理带来严峻挑战。
[0003]现有的天波雷达数据处理主要集中在目标跟踪，其按照多路径量测融合阶段的不同可以分为航迹级跟踪融合和量测级跟踪融合。航迹级跟踪融合将问题分解为单路径目标跟踪和多路径航迹融合两个子问题。量测级跟踪融合将单路径数据关联扩展到多路径数据关联，通过目标
‑
量测
‑
路径关联，在量测级融合目标信息，跟踪性能较航迹级跟踪算法具有明显提升。量测级跟踪算法在预处理阶段需要进行航迹起始，即将来自同一目标的不同路径量测进行模式辨识，并转化到目标坐标系进行聚类融合，得到目标的统一态势，并初始化航迹状态。错误的航迹起始可能导致航迹冗余或目标漏跟。然而，目前的量测级跟踪算法主要关注跟踪阶段，很少研究航迹起始。
[0004]天波雷达航迹起始本质上需要解决多路径量测聚类问题，即对同一目标的多路径量测进行模式辨识和聚类融合。因此，如何发展出一种天波雷达多路径量测聚类算法，在天波雷达数据处理领域具有一定的理论及实际工程意义。
专利技术内容
[0005]本专利技术解决的技术问题是：为了解决现有技术的不足之处，提高天波雷达多路径量测聚类性能，同时满足研究所实际需求，本专利技术提出一种基于相似性传播的多路径量测聚类算法。本专利技术的优点是能够自动估计聚类团数目；单次消息传播的计算复杂度为量测与路径数乘积的平方。
[0006]本专利技术的技术方案是：步骤1：建立模型并对模型初始化，包括以下子步骤：
[0007]步骤1.1：多路径量测建模：通过所有电离层传播路径将量测坐标配准得到路径相关量测
[0008]步骤1.2：聚类建模；
[0009]步骤1.3：计算先验概率：根据局部传感器的检测概率以及杂波密度，计算聚类变量的初始置信p(C)，并根据多路径聚类约束得到聚类变量约束；
[0010]步骤1.4：计算似然函数：根据路径相关量测对聚类变量C的统计依赖，计算全局似然函数
[0011]步骤2：采用最大和置信传播算法进行迭代优化，包括以下子步骤：
[0012]步骤2.1：因子图构建：根据后验概率的因子分解式构建航迹关联因子图；
[0013]步骤2.2：消息初始：根据步骤1计算的先验概率p(C)和全局似然函数对因子图中的证据因子节点进行消息初始；
[0014]步骤2.3：消息迭代：在聚类变量和约束1因子节点和约束2因子节点之间进行消息迭代传播，当消息收敛或达到最大迭代次数时终止迭代；
[0015]步骤2.4：聚类团提取：根据聚类变量的最大后验概率估计提取量测的传播路径以及同一个目标的量测聚类团；
[0016]步骤3：航迹融合：将聚类团内多路径量测通过简单凸组合算法，得到目标的量测融合状态估计。
[0017]本专利技术进一步的技术方案是：所述步骤1.1中，在天波雷达目标探测场景的某一时刻下，k＝1,...,T，表示责任区内第k个目标的状态，T为目标个数。i＝1,...,M，表示第i个量测，M为量测个数；电离层传播路径数为P，假设电离层状态已知，对于传播路径τ，雷达极坐标系到麦卡托坐标系的坐标配准可以通过非线性变换实现T
τ
:量测集合定义为量测y
i
的路径相关量测集合定义为全体路径相关量测集合定义为假设目标检测概率为杂波在雷达探测区域内服从均匀分布，每次扫描的杂波个数服从泊松分布。
[0018]本专利技术进一步的技术方案是：所述步骤1.2中，定义多路径聚类变量集合满足以下约束：
[0019]约束1：一个量测只能通过一种电离层传播路径得到，一个目标通过一种电离层传播路径至多产生一个量测，表示为i,m＝1,...,M，t,τ＝1,...,P；
[0020]约束2：一个量测只能选择一个聚类中心，表示为i＝1,...,M；
[0021]约束3：如果存在量测选择某个量测作为聚类中心，则该量测必须选择自己作为聚类中心，表示为m＝1,...,M。
[0022]满足约束1
‑
3的聚类矩阵集合记为
[0023]路径相关量测对聚类变量C的统计依赖可以表示为全局似然函数根据一般假设，对不同的量测和路径独立，全局似然函数可以因子分解为
[0024][0025]本专利技术进一步的技术方案是：所述先验概率模型为
[0026]本专利技术进一步的技术方案是：所述步骤2.1中的关联因子图为：
[0027][0028]本专利技术进一步的技术方案是：所述步骤2中的聚类团提取包括以下子步骤：
[0029]子步骤1：提取量测的传播路径：为了估计量测y
i
的传播路径，将所有传向量测y
i
的消息相加，并取使之最大化的路径，即
[0030][0031]量测y
i
的传播路径为
[0032]子步骤2：在正确路径相关量测i＝1,...,M，中提取同一个目标的量测聚类团；为了估计聚类变量的值，将所有传入聚类变量的消息相加，并取使之最大化的值，即
[0033][0034]然后通过聚类变量的估计值提取出聚类中心及其子集；
[0035]子步骤3：将聚类团内多路径量测通过简单凸组合算法得到目标的量测融合状态估计。
[0036]专利技术效果
[0037]本专利技术的技术效果在于：本专利技术涉及一种基于相似性传播的天波雷达多路径量测聚类方法，可以同时实现多路径量测的模式辨识以及量测聚类。首先，将相似性传播聚类模型扩展到多路径聚类，并构建多路径聚类约束。然后，构建聚类变量联合概率密度函数及其对应的因子图。该模型的求解是NP
‑
hard问题，采用最大和置信传播算法求取近似解。多路径相似性传播聚类算法能够自动估计聚类团数目；使用最大和置信传播算法近似计算聚类变量的最大后验概率，避免了多路径量测聚类假设的枚举，单次消息传播的计算复杂度为量测与路径数乘积的平方。仿真结果表明，多路径相似性传播聚类算法较多假设聚类算法相比，在检测正确率、漏检率、均方根误差、OSPA和运行时间性能指标相当情况下可以大大降低运算时间。
附图说明
[0038]图1为多路径量测及量测聚类问题图，子图(a)为多路径量测与多假设坐标配准示意图，子图(b)为多路径量测与杂波图，子图(c)为路径相关量测图。
[0039]图2为多路径量测聚类因子图。
[0040]图3为目标平行运动融合结果图。
[0041]图4为麦卡托坐标系下目标位置图。
[0042]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天波雷达多路径量测聚类方法，其特征在于，包括以下步骤：步骤1：建立模型并对模型初始化，包括以下子步骤：步骤1.1：多路径量测建模：通过所有电离层传播路径将量测坐标配准得到路径相关量测步骤1.2：聚类建模；步骤1.3：计算先验概率：根据局部传感器的检测概率以及杂波密度，计算聚类变量的初始置信p(C)，并根据多路径聚类约束得到聚类变量约束；步骤1.4：计算似然函数：根据路径相关量测对聚类变量C的统计依赖，计算全局似然函数步骤2：采用最大和置信传播算法进行迭代优化，包括以下子步骤：步骤2.1：因子图构建：根据后验概率的因子分解式构建航迹关联因子图；步骤2.2：消息初始：根据步骤1计算的先验概率p(C)和全局似然函数对因子图中的证据因子节点进行消息初始；步骤2.3：消息迭代：在聚类变量和约束1因子节点和约束2因子节点之间进行消息迭代传播，当消息收敛或达到最大迭代次数时终止迭代；步骤2.4：聚类团提取：根据聚类变量的最大后验概率估计提取量测的传播路径以及同一个目标的量测聚类团；步骤3：航迹融合：将聚类团内多路径量测通过简单凸组合算法，得到目标的量测融合状态估计。2.如权利要求1所述的一种天波雷达多路径量测聚类方法，其特征在于，所述步骤1.1中，在天波雷达目标探测场景的某一时刻下，表示责任区内第k个目标的状态，T为目标个数。表示第i个量测，M为量测个数；电离层传播路径数为P，假设电离层状态已知，对于传播路径τ，雷达极坐标系到麦卡托坐标系的坐标配准可以通过非线性变换实现T
τ
:量测集合定义为量测y
i
的路径相关量测集合定义为全体路径相关量测集...

【专利技术属性】
技术研发人员：兰华，白向龙，王增福，潘泉，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：