[发明专利]基于MML-PMHT的多基站单频网无源协同定位方法

摘要

本发明公开了基于MML‑PMHT的多基站单频网无源协同定位方法。该方法首先建立了多基站无源协同定位系统的数学模型。然后，对于目标数目未知场景下，通过假设法确定目标数目，构建对数似然比函数，并极大化化似然函数求解目标数目。其次，利用“超目标”概念来解决三维数据关联问题，并利用拟蒙特卡洛搜索算法优化MML‑PMHT算法中对数似然比函数，将目标求解问题转化为似然函数的优化问题。最后，通过滑窗法实现航迹维持。仿真结果表明，所提方法能快速、有效地解决多基站同频网三维数据关联问题，实现复杂环境下弱目标的航迹起始及维持问题。

主权项

1.基于改进的极大似然概率多假设跟踪的多基站单频网无源协同定位方法，其特征在于该方法包括以下步骤：步骤(1)、建立多基站单频网无源协同定位系统目标跟踪的数学模型；步骤(2)、对于目标数目未知场景，通过假设法假定目标个数，构建LLR函数求解目标数目；2.1构建LLR函数求解目标数目：其中Z_0:K为K帧原始距离差和多普勒测量集合，M_k为第k帧测量的总个数，Z_k为第k帧的测量集合；N_k为目标假定个数，范围为[0,N_k,max]，最小值为0，表示在探测区域内没有目标，最大值P_d为检测概率，N_T为外辐射源数目，M_k,max表示K帧原始测量集合中单帧测量的最大个数，为上取整函数；表示假定目标个数下的“超目标”状态集，测量帧数目k＝0,1,...,K，超目标数目n＝0,1,...,N_S，假定的目标数目i＝1,...,N_k，辐射源数目j＝1,...,N_T，表示“超目标”状态序列，其中N_S＝N_TN_k，表示第i个目标在第k帧的状态，表示第j个辐射源在第k帧的状态；π₀为测量源自杂波的先验概率；π_n为原始测量为第n个“超目标”的概率，V为传感器探测范围大小；是源自“超目标”的似然函数：其中，是测量方程，X_r,k为接收源在第k帧的状态，R_k为原始测量的噪声协方差；2.2极大化LLR函数来估计目标数目：步骤(3)、由步骤(2)计算得到的目标个数构建“超目标”状态序列下的LLR函数；“超目标”状态序列下构建改进的极大似然概率多假设跟踪的LLR函数如下：其中表示“超目标”真实个数；对于给定的目标数目LLR可达到最大值，因此通过优化LLR函数得到“超目标”状态，目标状态估计问题转化为LLR优化求解问题；步骤(4)、选取合适的滑窗宽度实现航迹维持，当整个滑窗批处理过程结束后，目标跟踪过程结束。