【技术实现步骤摘要】
一种分布式监测站辐射源聚类卡尔曼滤波跟踪方法及系统
[0001]本专利技术涉及一种分布式监测站辐射源聚类卡尔曼滤波跟踪方法及系统，属于定位跟踪的领域。
技术介绍
[0002]随着5G高速通信，物联网等各种新兴产业的蓬勃发展，电磁环境也变得越来越复杂，信源定位技术在通信、导航以及无线电监控等领域都发挥着重要的作用，由于单个信源所能获得的信源信息量较少，并且波达方向估计误差大，从而导致定位精度较低。多阵列的定位与之相比可以获得更为丰富的信源参数信息，可以大大提高定位的性能。在传统的基于子空间的DOA估计中算法中，都存在一个共同的特点，那就是天线阵列是将某个信号的数据在较大的快拍内全部接收完成后再进行一次处理，显而易见，监测站对一个运动着的信源目标的参数估计时刻都在变化，即在一定时间内的信号中的参数可能已经发生了变化，用这些子空间算法进行DOA的跟踪估计已经不再准确，所以在跟踪定位的过程中也会造成一定的误差。
技术实现思路
[0003]专利技术目的：针对上述现有技术的问题，本专利技术目的在于通过含有均匀线阵的各不同...
【技术保护点】
【技术特征摘要】
1.一种分布式监测站辐射源聚类卡尔曼滤波跟踪方法，其特征在于，包括以下步骤：步骤S1，建立N个位置已知的监测站，并配置各个所述监测站的信号接收阵列，用来接受辐射源信号；步骤S2，根据各个所述监测站接收到的辐射源信号，通过PAST算法与ESPRIT算法相结合的方法计算出辐射源信号波达方向；步骤S3，由各个所述监测站的位置以及所述辐射源信号波达方向建立各个所述监测站的监测直线；步骤S4，求解各个所述监测直线之间的交点的集合并通过欧式距离的方法排除其中的无关点，再使用K
‑
means聚类算法得到最终的聚点，从而确定辐射源当前位置的估计值；步骤S5，通过卡尔曼滤波器算法对所述辐射源当前位置的估计值进行进一步的修正；步骤S6，输出修正过后的辐射源监测值。2.根据权利要求1所述的分布式监测站辐射源聚类卡尔曼滤波跟踪方法，其特征在于：步骤S1中，在监测场景下有K个运动辐射源，K为大于0的正整数。3.根据权利要求1所述的分布式监测站辐射源聚类卡尔曼滤波跟踪方法，其特征在于：在步骤S4中：当K>1时存在不同监测站对不同辐射源的监测直线的交点；当空间中存在多个辐射源时，不同的监测站对不同信源建立的监测直线之间也存在交点，该交点为无关点；排除无关点的方法为：引入损失函数其中，q为交点索引，d
i
(i＝1,2,L,D0)为与第q个交点距离最近的D0个交点的距离，D0为一预先设定的参数，且满足D0≤N(N
‑
1)/2；L(q)的值越小，说明交点q附近的聚集的交点越多，将交点q中附近有聚成一团交点的点表示为真实辐射源的位置，除了表示为真实辐射源的位置的点，其他的点作为无关点排除。4.根据权利要求3所述的分布式监测站辐射源聚类卡尔曼滤波跟踪方法，其特征在于：在排除无关点后，采用K
‑
means聚类算法进行聚类，该聚类步骤为：步骤1，选定聚类的类别数目K，随机选择K个中心点；步骤2，针对每个样本点，即排除无关点之后的点，分别找到距离每个样本点最近的一个中心点，因此对于每一个中心点，都能找到一些点距离该中心点相对于其他中心点较近，将此中心点与距离它相比于距离其他中心点较近的部分点归为一类，这样完成了一次聚类；步骤3，判断样本点在聚类前后是否有变化，在聚类前后，若同一类中的所有点没有发生变化，则算法终止，否则进入步骤4；步骤4，针对每个类别中的样本点，通过每个类别中的所有点求平均值的方法计算出这些样本点的中心点并当做该类的新的中心点，继续步骤2。5.根据权利要求1所述的分布式监测站辐射源聚类卡尔曼滤波跟踪方法，其特征在于：在步骤S5中，所述卡尔曼滤波算法流程分为两步，分别为预测步与更新步，在预测步，进行下一时刻的位置和协方差矩阵预测，并求解该时刻的估计值与预测值的欧氏距离，以排除
离群点，在更新步，对之前的估计值通过预测值进行修正并对噪声分布更新。6.一种分布式监测站辐射源聚类卡尔曼滤波跟踪...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。