【技术实现步骤摘要】
本专利技术属于信号源跟踪，特别是涉及一种基于l型互质阵列的二维信号源glmb跟踪方法。
技术介绍
1、多目标波达方向(doa)估计是阵列信号处理中的一个重要研究方向，在信号源定位、雷达、声纳和无线通信中有着广泛的应用。目前，一维doa估计理论发展已经相对成熟，最为经典的是多重信号分类(music)算法和旋转不变子空间(esprit)算法。近年来，二维doa估计开始受到越来越多的关注和研究，许多阵列如平面阵、均匀圆阵、l型阵列和平行阵列等被用来进行有效的二维参数估计。l型阵列由于结构简单、易于传统算法移植以及更高的估计精度等优点，使得l型阵列的研究更具有实际应用价值。与普通的线阵相比，l型阵列可以提供全方位360度的doa估计并能达到较高精度估计效果；与圆阵相比，具有数据处理方便、运算量小等特点。但是，当入射信号波长较小时，阵元间距也会相应变小，进而导致阵元间互耦现象更严重，降低估计精度，这将会限制l型阵列在实际中的应用。最小冗余阵列、嵌套阵列、互质阵列等稀疏阵列提供了阵列元件的有效使用，其利用较少数量的阵元得到更大的阵列孔径、自由度和更高的分辨率，使得估计效果更好。基于此，研究学者们将稀疏阵列思想引入到二维阵列结构中，使用较少实际阵元生成更多虚拟阵列元素，提高阵列结构的自由度，以便更有效地估计更多数量的信号源。
2、在实际应用中，这些信号源数目未知并且信号源可能是动态的。因此，将静态doa估计算法扩展到动态doa跟踪算法具有重要意义。基于随机有限集(rfs)方法的多目标跟踪贝叶斯滤波器能够动态、实时监测目标的数量和状
技术实现思路
1、本专利技术的目的是提供一种基于l型互质阵列的二维信号源glmb跟踪方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种基于l型互质阵列的二维信号源glmb跟踪方法，包括：
3、基于l型互质阵列建模信号源状态；
4、基于l型互质阵列构建信号源量测模型；
5、获取所述信号源量测模型的协方差矩阵，基于所述协方差矩阵获得平滑协方差矩阵；
6、利用glmb滤波器与信号源状态建模预测信号源的方位角和仰角；基于协方差矩阵与信息论准则算法估计每一时刻信号源数目，并建立量测和信号源之间关联映射；基于信号源数目、所述平滑协方差矩阵计算获得信号源方位角似然函数和信号源仰角似然函数；利用glmb滤波器和得到的似然函数分别对预测的方位角和仰角进行更新，最后通过迭代所需的信号源量测是否到达判断是否结束信号源跟踪。
7、可选的，基于l型互质阵列建模信号源状态的过程包括：
8、假设有n个远场窄带信号源从方向入射到l型互质阵列结构上，其中θn和φn分别是信号源的方位角和仰角，则t时刻信号源状态建模为和分别表示方位角和仰角的移动速度。
9、可选的，基于l型互质阵列构建信号源量测模型的过程包括：
10、
11、
12、其中，yt＝[yt,1,yt,2,…,yt,l]τ和zt＝[zt,1,zt,2,…,zt,l]τ均为叠加量测，由每个阵元接收量测组成；sn＝[st,1,st,2,…,st,n]τ是信号源，ny,nz∈c(2m+n-1)是加性高斯白噪声；a(θ)＝[a(θ1,t),a(θ2,t),…,a(θn,t)]∈cl×n和a(φ)＝[a(φ1,t),a(φ2,t),…,a(φn,t)]∈cl×n分别是导向矢量,导向矢量中的元素表示如下：
13、
14、可选的，获得平滑协方差矩阵的过程包括：
15、获取所述信号源量测模型的协方差矩阵，利用l型互质阵列结构协方差矩阵的特性，对所述协方差矩阵进行矢量化，获得基于全部信号源功率构成的矩阵的转置矩阵、导向矢量的矢量化协方差矩阵，通过构造秩增加的常对角矩阵，结合矢量化协方差矩阵获得平滑协方差矩阵。
16、可选的，利用glmb滤波器预测信号源的方位角和仰角的过程包括:
17、在贝叶斯递归过程中，glmb滤波器的概率密度具有共轭先验性，其概率密度表示如下：
18、
19、其中，x＝{(x,l)i},(i＝1,2,…,|x|)表示标记rfs，δ(x)是标记指示函数，l是离散标记空间，f(l)表示离散轨迹集合，ξ表示离散关联空间，每一对(i,ξ)表示关联假设，ω(i,ξ)是其相应的权重，p(x,l；ξ)是单个目标的概率密度，
20、假设时间步长t-1的多目标后验概率密度是π(x)密度形式，则方位角与仰角glmb预测可以表示如下：
21、
22、其中，
23、
24、
25、
26、
27、
28、
29、
30、b是新生目标标签空间，并且pb(x,l)是新生目标的概率密度，f(x|·,l)是状态转移函数，并且预测存活目标的标签保持不变；ps(·,l)是目标存活概率；是新生目标存在概率，是新生目标概率密度函数，是存活目标的状态，是新生目标存活目标的状态，是重要性采样密度，是存活目标的权重，是归一化之后的权重，是新生目标的权重，x是目标信号源状态。
31、可选的，建立量测和信号源之间关联映射的过程包括：
32、首先，是用信息论准则算法计算当前时刻信号源数目p(k)，通过对协方差矩阵进行特征值分解，选择特征子空间的前p(k)列作为信号的特征向量，并且丢弃其余列，对于第p(k)个特征向量，保留相应的特征值；为剩余每个信号特征向量和特征值构造二次协方差矩阵，通过对二次协方差矩阵特征值分解得到p(k)个子空间,将p(k)视为时间步长k处的量测分量的数量，实现量测关联映射。
33、可选的，基于信号源数目、所述平滑协方差矩阵计算本文档来自技高网...
【技术保护点】
1.一种基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
3.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
4.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
5.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
6.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
7.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
8.根据权利要求1所述的基于L型互质阵列的二维信号源GLMB跟踪方法，其特征在于，
【技术特征摘要】
1.一种基于l型互质阵列的二维信号源glmb跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于l型互质阵列的二维信号源glmb跟踪方法，其特征在于，
3.根据权利要求1所述的基于l型互质阵列的二维信号源glmb跟踪方法，其特征在于，
4.根据权利要求1所述的基于l型互质阵列的二维信号源glmb跟踪方法，其特征在于，
...【专利技术属性】
技术研发人员：陈辉，王甜静，李一水，庞虎，张文旭，刘佳彬，张虹芸，王莉，王旭昕，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：
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。