[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

说明书

本发明公开了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，其特征在于建立N个位置已知的监测站，并配置各个监测站的信号接收阵列，用来接受辐射源信号；根据各个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；由各个监测站的位置以及辐射源信号波达方向建立各个监测站的监测直线；求解各个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；通过卡尔曼滤波器算法对辐射源当前位置的估计值进行进一步的修正，以排除聚类算法过程中可能会出现的离群点问题并且降低跟踪误差。

技术领域

本发明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。

背景技术

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。

发明内容

发明目的：针对上述现有技术的问题，本发明目的在于通过含有均匀线阵的各不同位置的监测站采用PAST算法对辐射源的信号波达方向进行估计并建立监测站的监测直线，对各监测站监测直线的交点进行预处理，排除掉一些无关点后使用K-means聚类算法得出辐射源的位置，并使用卡尔曼滤波算法对得出的位置结果进行进一步处理，从而获得更为精确的位置估计，以达到更好的跟踪精度。

技术方案：为实现上述发明目的，本发明具体采用了如下技术方案：

本发明提供了一种分布式监测站辐射源聚类卡尔曼滤波跟踪方法，包括：建立N个位置已知的监测站，并配置各个监测站的信号接收阵列，用来接受辐射源信号；根据各个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；由各个监测站的位置以及辐射源信号波达方向建立各个监测站的监测直线；求解各个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；通过卡尔曼滤波器算法对辐射源当前位置的估计值进行进一步的修正；输出修正过后的辐射源监测值。

进一步的，在监测场景下有K个运动辐射源，K为大于0的正整数。

进一步的，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。

进一步的，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；