[发明专利]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

权利要求书

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K1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系统，其特征在于，

监测站信号接收模块，通过建立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来接受辐射源信号；

辐射源信号波达方向计算模块，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；

监测直线建立模块，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；

辐射源位置估计模块，用以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；

修正模块，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处修正；

输出模块，用以输出修正过后的辐射源监测值。