一种多站联合观测非合作目标的定位批号关联方法技术

一种多站联合观测非合作目标的定位批号关联方法，涉及多站联合观测信息关联领域。本发明专利技术是为了解决现有多站量测信息的批号关联方法难以提供稳定有效关联结果，导致后续定位跟踪精度下降的问题。本发明专利技术包括：获取观测站s获得的量测集从而获得目标的方位量测功率谱分布函数和线谱频率利用获得已关联集的方位特征子集Θ

【技术实现步骤摘要】
一种多站联合观测非合作目标的定位批号关联方法


[0001]本专利技术涉及多站联合观测信息关联领域，特别涉及一种多站联合观测非合作目标的定位批号关联方法。

技术介绍

[0002]多站联合非合作定位方法具有扩展性好、隐蔽性强等特点，适用于不便于加装合作信标的水中目标定位。非合作观测的一类重要信息是宽带辐射噪声信息，这些信息可能来自水中目标的被动辐射或主动发声，携带包括频谱信息在内的多种特征，充分利用这些特征信息对目标定位是多站联合非合作定位方法的一个重点问题。在复杂环境中，基于到达方位测量(Direction Of Arrival,DOA)的算法是对目标量测进行区分的有效算法，随着高分辨方位技术的发展，使得基于DOA的算法在多站联合非合作定位问题的应用更具优势。
[0003]对于非合作目标定位问题，充分利用历史信息是一项重要手段，但在观测初始阶段由于缺乏有效历史信息，只能利用量测信息对目标直接进行定位。在获取目标量测信息后，需要将同一目标在同一时刻发出的信息进行关联，才能进行精确定位。因此，多站联合定位中的关联问题可以分为两类，一类是将多站的量测信息进行批号关联，另一类是将同一目标在同一时刻的信息进行时空关联，在目标低速运动时可忽略时空关联问题，我们着重考虑目标批号关联问题。
[0004]目前将多站的量测信息进行批号关联主要采用空间量测信息来解决目标关联问题。其中较为典型的有多维分配的算法和分治贪心算法，此类算法是基于目标在空间的最小代价或距离进行量测关联，在目标数目较少时性能较好，但当目标数目增多时性能退化。除了空间信息之外，还有相关文献提出利用附加的特征信息解决目标批号关联问题，Swartling提出使用盲源分离提取特征来关联不同阵列的DOA，但该算法只能在两个观测站的场景工作。为了解决观测站数目受限问题，Alexandridis提出一种基于直方图特征的贪婪关联的算法，将不同观测站获得的相似特征聚类成组，但该方法仍对虚警较为敏感。Dang在Alexandridis的基础上提出了一种基于直方图特征的二维分配方法，该算法在虚警场景性能较好。这些基于特征信息的算法都是针对室内声学场景提出的，但由于水声信道具有复杂的时变空变特性，利用上述特征的关联算法性能退化。针对水声定位场景，曲光宇提出利用功率谱特征或时频窗特征的关联算法，此算法在特征稳定时性能较好，但同样在目标数目增多时性能退化，因此现有多站量测信息的批号关联方法还存在观测多目标时，难以提供稳定有效的关联结果的问题，进而会导致后续定位精度下降。

技术实现思路

[0005]本专利技术目的是为了解决现有多站量测信息的批号关联方法难以提供稳定有效关联结果，导致后续定位跟踪精度下降的问题，而提出了一种多站联合观测非合作目标的定位批号关联方法。
[0006]一种多站联合观测非合作目标的定位批号关联方法具体过程为：
[0007]步骤一、获取观测站s获得的量测集，从而获得目标的方位量测，然后在上获取功率谱分布函数和线谱频率
[0008]步骤二、利用步骤一获得的，获得已关联集的方位特征子集Θ
s
‑
1,q
和的空间模糊关系矩阵
[0009]步骤三、利用步骤一获得的获取不同观测站量测的连续谱特征之间的模糊关系，从而获取已关联集的连续谱特征子集和待关联连续谱特征的连续谱模糊关系矩阵
[0010]步骤四、利用步骤一获得的获取不同观测站量测的线谱特征之间的模糊关系，从而获取已关联集的线谱特征子集为和待关联线谱特征的模糊关系矩阵
[0011]步骤五、利用步骤二到步骤四获得的构建综合模糊关系矩阵，并利用综合模糊关系矩阵进行目标定位批号二维关联，获得批号关联结果。
[0012]进一步地，所述步骤一中的获取观测站s获得的量测集，如下式：
[0013][0014]其中，S是观测站的总数，n
s
是观测站s观测的目标数目，i
s
∈{i1,i2,...,i
S
}，i
s
是观测站s观测到的第i个目标，i∈[1,N]，N是环境中存在的目标总数，是第s个观测站的第i
s
个量测集合，表示目标的方位量测即待关联方位特征。
[0015]进一步地，所述步骤二中的利用步骤一获得的，获得已关联集的方位特征子集Θ
s
‑
1,q
和的空间模糊关系矩阵，包括以下步骤：
[0016]步骤二一、定义S元组表示观测站获得的目标方位量测集的所有关联结果，获得S元组对应的方位关联代价，如下式：
[0017][0018]其中，S＝{i1i2…
i
S
}，是目标检测概率；Φ
s
表示虚警分布；σ
s
表示方位量测的标准差，是S元组估计的目标的方位量测；u(i
s
)表示二进制关联变量，当观测站s出现漏报即i
s
＝0时u(i
s
)＝0，否则u(i
s
)＝1；
[0019]步骤二二、利用步骤二一获得的方位关联代价，获取已关联集Z
s
‑
1,q
中的方位特征子集Θ
s
‑
1,q
和待关联方位特征之间的关联代价，如下式：
[0020][0021]其中，l
s
‑
1,q
表示前s
‑
1个观测站第q个已关联集的索引，是建立索引后的∧是Zadeh取小算子；
[0022]步骤二三、定义空间模糊关系的模糊隶属函数M
K
(k)∈[0,1]，并将步骤二二获得的代入M
K
(k)中，获得空间模糊关系矩阵，如下式：
[0023][0024][0025]其中，为方位模糊度的保守阈值，为模糊度的分割阈值，k是参数变量，割阈值，k是参数变量，是ρ中的某一列标号，是从小到大排列获得向量；
[0026]步骤二四、利用步骤二三获得的，获取观测站s进行关联时，已关联集的方位特征子集Θ
s
‑
1,q
和待关联方位特征的空间模糊关系矩阵
[0027]其中，Q是已关联集合的总个数。
[0028]进一步地，所述步骤三中的利用步骤一获得的获取不同观测站量测的连续谱特征之间模糊关系，从而获取已关联集的连续谱特征子集和待关联连续谱特征的连续谱模糊关系矩阵，包括以下步骤：
[0029]步骤三一、获取观测站s获得的第i
s
个目标对应的方向功率谱分布函数为，然后利用获取观测站s获得的所有连续谱集合
[0030]其中，是待关联连续谱特征；
[0031]步骤三二、定义已关联集Z
s
‑
1,q
中的连续谱特征子集为，建立与的之间的模糊隶属函数
[0032]步骤三三、利用获取连续谱模糊关系矩阵，如下式：
[0033][003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多站联合观测非合作目标的定位批号关联方法，其特征在于所述方法具体过程为：步骤一、获取观测站s获得的量测集从而获得目标的方位量测然后在上获取功率谱分布函数和线谱频率步骤二、利用步骤一获得的获得已关联集的方位特征子集Θ
s
‑
1,q
和的空间模糊关系矩阵步骤三、利用步骤一获得的获取不同观测站量测的连续谱特征之间的模糊关系，从而获取已关联集的连续谱特征子集和待关联连续谱特征的连续谱模糊关系矩阵步骤四、利用步骤一获得的获取不同观测站量测的线谱特征之间的模糊关系，从而获取已关联集的线谱特征子集为和待关联线谱特征的模糊关系矩阵步骤五、利用步骤二到步骤四获得的构建综合模糊关系矩阵，并利用综合模糊关系矩阵进行目标定位批号二维关联，获得批号关联结果。2.根据权利要求1所述的一种多站联合观测非合作目标的定位批号关联方法，其特征在于：所述步骤一中的获取观测站s获得的量测集如下式：其中，S是观测站的总数，n
s
是观测站s观测的目标数目，i
s
∈{i1,i2,...,i
S
}，i
s
是观测站s观测到的第i个目标，i∈[1,N]，N是环境中存在的目标总数，是第s个观测站的第i
s
个量测集合，表示目标的方位量测即待关联方位特征。3.根据权利要求2所述的一种多站联合观测非合作目标的定位批号关联方法，其特征在于：所述步骤二中的利用步骤一获得的获得已关联集的方位特征子集Θ
s
‑
1,q
和的空间模糊关系矩阵包括以下步骤：步骤二一、定义S元组表示观测站获得的目标方位量测集的所有关联结果，获得S元组对应的方位关联代价如下式：其中，S＝{i1i2...i
S
}，是目标检测概率；Φ
s
表示虚警分布；σ
s
表示方位量测的标准差，是S元组估计的目标的方位量测；u(i
s
)表示二进制关联变量，当观测站s出现漏报即i
s
＝0时u(i
s
)＝0，否则u(i
s
)＝1；步骤二二、利用步骤二一获得的方位关联代价获取已关联集Z
s
‑
1,q
中的方位特征子集Θ
s
‑
1,q
和待关联方位特征之间的关联代价如下式：
其中，l
s
‑
1,q
表示前s
‑
1个观测站第q个已关联集的索引，是建立索引后的∧是Zadeh取小算子；步骤二三、定义空间模糊关系的模糊隶属函数M
K
(k)∈[0,1]，并将步骤二二获得的代入M
K
(k)中，获得空间模糊关系矩阵如下式：如下式：其中，为方位模糊度的保守阈值，为模糊度的分割阈值，k是参数变量，值，k是参数变量，是ρ中的某一列标号，是从小到大排列获得向量；步骤二四、利用步骤二三获得的获取观测站s进行关联时，已关联集的方位特征子集Θ
s
‑
1,q
和待关联方位特征的空间模糊关系矩阵其中，Q是已关联集合的总个数。4.根据权利要求3所述的一种多站联合观测非合作目标的定位批号关联方法，其特征在于：所述步骤三中的利用步骤一获得的获取不同观测站量测的连续谱特征之间模糊关系，从而获取已关联集的连续谱特征子集和待关联连续谱特征的连续谱模糊关系矩阵包括以下步骤：步骤三一、获取观测站s获得的第i
s
个目标对应的方向功率谱分布函数为然后利用获取观测站s获得的所有连续谱集合其中，是待关联连续谱特征；步骤三二、定义已关联集Z
s
‑
1,q
中的连续谱特征子集为建立与的之间的模糊隶属函数步骤三三、利用获取连续谱模糊关系矩阵如下式：步骤三四、利用步骤三三获得的获取观测站s进行关联时，已关联集的连续谱特征
子集和待关联连续谱特征的连续...

【专利技术属性】
技术研发人员：梁国龙，李硕，邹男，付进，李想，李宇昂，李娜，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：