[發明專利]一種基于多伯努利濾波的DOA跟蹤方法

在審

• 申請號: 202011162121.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112415468A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 薛秋條;鄒寶紅;吳孫勇;王力;樊向婷;孫希妍;紀元法;蔡如華;符強;嚴肅清;王守華
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01S3/14
• 分類號: G01S3/14
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

本發明公開了一種基于多伯努利濾波的DOA跟蹤方法，包括：通過傳感器陣列接收疊加的量測數據；獲取k?1時刻多伯努利濾波器得到的濾波后驗信息,包括：伯努利分量的存在概率和目標的空間分布概率密度函數；根據多伯努利濾波器對多伯努利分量進行預測，得到k時刻的多伯努利后驗信息；根據預測的的多伯努利分量對目標狀態進行提取；迭代處理，k＝k+1，直至所有時刻處理完畢。本發明不需要處理量測信息，減少計算量；跟蹤時不需要知道信號源個數，直接利用預測先驗和當前量測信息對信號源進行實時跟蹤。仿真結果表明該算法的有效性。

技術領域

本發明屬于DOA跟蹤技術領域，具體的涉及一種基于多伯努利濾波的DOA跟蹤方法。

背景技術

近年來，基于隨機有限集(RandomFinite Sets，RFS)多目標跟蹤算法開辟了多目標跟蹤的一個新領域，此類算法的基本思想是將多目標的狀態和量測建模為隨機有限集(RFS)，從而使得單目標貝葉斯濾波推廣到多目標領域，得到貝葉斯框架下的RFS濾波算法。基于RFS的多目標濾波跟蹤算法在目標監視與防御、無人駕駛與機器人、遙感、計算機視覺、生物醫學、現代通信等領域得到廣泛應用。

基于RFS的多目標濾波跟蹤算法的公式是在最優多目標貝葉斯濾波框架中推導的，然而，這種最優RFS貝葉斯濾波器通常是難以計算的，因為它涉及許多高維積分。因此，一類次優隨機有限集(RFS)濾波器被提出，即概率假設密度(PHD)濾波器和多目標多伯努利(MeMBer)濾波器。然而，他們都需要采用以下建模假設:(i)每個目標只能產生一個或沒有量測；(ii)每一個量測都是由單一目標或雜波引起的，將滿足這些假設的量測模型稱為標準量測模型。然而，標準量測模型并不包括所有類型的傳感器。

陣列信號處理采用的傳感器陣列是一類經典的疊加量測傳感器陣列，其廣泛應用于移動定位、電子偵察、雷達跟蹤、聲吶系統等領域，而DOA估計問題是陣列信號處理中的重點研究內容之一。經典的DOA參數估計算法一般都屬于靜態信號源的DOA估計，如基于波束形成的DOA估計算法、多重信號分類(MUSIC)和旋轉不變子空間技術(ESPRIT)等算法，且這類算法的一個主要缺點是信號源數目必須要預先知道。然而在實際場景中，信號源通常是運動的且數目時變，因此研究DOA跟蹤算法是很有必要的。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種基于多伯努利濾波的DOA跟蹤方法，用于解決現有技術的至少一個缺陷。

為實現上述目的及其他相關目的，本發明提供一種基于多伯努利濾波的DOA跟蹤方法，包括：

通過傳感器陣列接收疊加的量測數據；

獲取k-1時刻多伯努利濾波器得到的濾波后驗信息,包括：伯努利分量的存在概率和目標的空間分布概率密度函數；

根據多伯努利濾波器對多伯努利分量進行預測，得到k時刻的多伯努利后驗信息；

根據預測的的多伯努利分量對目標狀態進行提取；

迭代處理，k＝k+1，直至所有時刻處理完畢。

可選地，所述根據多伯努利濾波器對多伯努利分量進行預測，得到k時刻的多伯努利后驗信息，包括：

獲取第k-1時刻的粒子狀態與粒子權重

基于所述粒子狀態與所述粒子權重確定所述目標的空間分布概率密度函數其中i表示粒子指標，N_k表示粒子總數；

獲取從k-1時刻轉移到k時刻的粒子狀態的預測以及從k-1時刻轉移到k時刻的粒子權重的預測其中，