本發(fā)明屬于目標(biāo)檢測(cè)領(lǐng)域，特別設(shè)計(jì)了多傳感器分布式融合和微弱目標(biāo)檢測(cè)跟蹤技術(shù)領(lǐng)域。

背景技術(shù)：

由于不同傳感器間的信息共享和互補(bǔ)，多傳感器系統(tǒng)和傳統(tǒng)單傳感器系統(tǒng)相比具有更高的目標(biāo)航跡估計(jì)精度、更好的容錯(cuò)性能等多種優(yōu)勢(shì)，近年來被廣泛應(yīng)用和研究。在多傳感器系統(tǒng)中，目前常用的目標(biāo)檢測(cè)跟蹤方式多為單幀檢測(cè)結(jié)合后續(xù)濾波算法的模式，即：在每個(gè)時(shí)刻先對(duì)回波數(shù)據(jù)進(jìn)行門限檢測(cè)然后采用卡爾曼濾波等方法利用檢測(cè)后的點(diǎn)跡數(shù)據(jù)對(duì)目標(biāo)航跡進(jìn)行跟蹤。當(dāng)目標(biāo)信噪比比較高時(shí)，這種處理方法能夠較好的恢復(fù)目標(biāo)航跡，但當(dāng)目標(biāo)信噪比比較低時(shí)，由于目標(biāo)往往無法在單幀檢測(cè)時(shí)通過檢測(cè)門限，該方法導(dǎo)致目標(biāo)航跡斷裂、目標(biāo)漏檢等情況。這導(dǎo)致系統(tǒng)的檢測(cè)跟蹤性能大大下降，即使利用多傳感器系統(tǒng)的平臺(tái)優(yōu)勢(shì)也無法很好的補(bǔ)償。

動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法是近年來新提出的一種目標(biāo)檢測(cè)算法。它不在每個(gè)時(shí)刻對(duì)回波數(shù)據(jù)進(jìn)行檢測(cè)，而是直接聯(lián)合處理多個(gè)掃描周期內(nèi)的回波數(shù)據(jù)，避免了目標(biāo)的信息損失，具有很好的微弱目標(biāo)檢測(cè)跟蹤能力。目前，該方法也逐漸被應(yīng)用的多傳感器系統(tǒng)中，進(jìn)一步提升多傳感器系統(tǒng)的性能。多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤方法有兩種實(shí)現(xiàn)方式：集中式和分布式。但這兩種方式都存在著一定的不足。在集中式處理中，融合中心需要聯(lián)合處理所有傳感器多個(gè)掃描周期未門限檢測(cè)的原始數(shù)據(jù)，承擔(dān)嚴(yán)重的計(jì)算負(fù)擔(dān)。在分布式處理中，各傳感器首先計(jì)算本地似然函數(shù)，然后傳遞到融合中心進(jìn)行處理，這雖然分擔(dān)了一部分融合中心的計(jì)算負(fù)擔(dān)，但傳遞所有狀態(tài)似然函數(shù)至融合中心導(dǎo)致系統(tǒng)所需傳輸代價(jià)大大增加。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是，提供一種能夠高效實(shí)現(xiàn)的多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，一種基于似然函數(shù)近似的分布式多傳感器檢測(cè)前跟蹤方法，包括以下步驟：

步驟1:初始化系統(tǒng)參數(shù)；

初始化系統(tǒng)參數(shù)，包括：系統(tǒng)包含的傳感器數(shù)目m，各傳感器位置pm，m＝1,…,m，傳感器回波數(shù)據(jù)平面大小nx×ny，系統(tǒng)噪聲分布為瑞利分布，算法聯(lián)合處理周期數(shù)k，似然函數(shù)近似階數(shù)r；初始化變量k＝1；

步驟2：接收回波數(shù)據(jù)；

第m個(gè)傳感器接收第k幀回波數(shù)據(jù)zk,m，并傳遞融合中心；其中m＝1,…,m,zk,m＝{zk,m(x,y),x＝1…nx,y＝1…ny}為k時(shí)刻第m個(gè)傳感器所有分辨單元的量測(cè)值集合，zk,m(x,y)表示第(x,y)個(gè)分辨單元的量測(cè)值；

步驟3：計(jì)算傳感器m，k時(shí)刻本地似然函數(shù)；

利用回波數(shù)據(jù)zk,m計(jì)算當(dāng)前時(shí)刻狀態(tài)空間每個(gè)離散狀態(tài)j＝1,…,j的本地似然函數(shù)：

其中，xk,yk表示k時(shí)刻狀態(tài)的x,y方向上的位置，表示對(duì)應(yīng)的速度，表示第j個(gè)離散狀態(tài)中的第i個(gè)元素，j表示離散狀態(tài)的總個(gè)數(shù)；分別表示(x,y)單元存在目標(biāo)和不存在目標(biāo)時(shí)量測(cè)的概率分布，由系統(tǒng)量測(cè)模型確定；

步驟4：本地似然函數(shù)近似參數(shù)計(jì)算；

在第m個(gè)傳感器本地計(jì)算每個(gè)離散狀態(tài)的似然函數(shù)近似參數(shù)：

αk,m＝(φ′mφm)^-1φ′mam

其中，為瑞利分布參數(shù)，r＝1,…,r為一組預(yù)先定義的的基礎(chǔ)函數(shù)，r為似然函數(shù)的近似階數(shù)，αk,m＝(αk,m,0,…,αk,m,r)′，am表示各離散狀態(tài)對(duì)應(yīng)的目標(biāo)反射能量；

步驟5：傳遞本地似然函數(shù)近似參數(shù)c(zk,m)，b(zk,m(x,y))，αk,m，σk,m至融合中心；

步驟6：融合中心似然函數(shù)恢復(fù)；

融合中心利用下式估計(jì)本地似然函數(shù)值函數(shù)：

步驟7：融合中心動(dòng)態(tài)規(guī)劃積累；

如果k＝1，對(duì)于所有離散狀態(tài)初始化值函數(shù)為：

如果1<k<k，對(duì)于所有離散狀態(tài)更新他們的值函數(shù)：

其中，為所有能夠轉(zhuǎn)移到的k-1時(shí)刻狀態(tài)集合；

步驟8：迭代處理；

k＝k+1；如果k≤k，執(zhí)行步驟2，否則，執(zhí)行步驟9；

步驟9：值函數(shù)檢測(cè)；

將k時(shí)刻每個(gè)離散狀態(tài)j＝1…j的值函數(shù)與預(yù)先給定的檢測(cè)門限進(jìn)行比較，如果值函數(shù)超過檢測(cè)門限，則認(rèn)為是目標(biāo)；否則，認(rèn)為是噪聲。

本發(fā)明的優(yōu)點(diǎn)是采用分布式處理降低了多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法中融合中心計(jì)算復(fù)雜度，同時(shí)通過似然函數(shù)近似解決了分布式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法中傳輸代價(jià)大的問題，在保證多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法檢測(cè)跟蹤性能幾乎不受影響的同時(shí)，提高了算法實(shí)現(xiàn)效率降低了算法實(shí)現(xiàn)代價(jià)。本發(fā)明可以用于組網(wǎng)雷達(dá)協(xié)同探測(cè)、多基地雷達(dá)探測(cè)、mimo雷達(dá)檢測(cè)、陣列聲吶等多個(gè)領(lǐng)域。

附圖說明

圖1為本發(fā)明的流程圖。

圖2為本發(fā)明與集中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法和未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法的傳輸代價(jià)和融合中心計(jì)算消耗的cpu時(shí)間對(duì)比。

圖3為本發(fā)明與與集中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法和未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法的檢測(cè)概率對(duì)比。

具體實(shí)施方式

本發(fā)明主要采用計(jì)算機(jī)仿真的方法進(jìn)行驗(yàn)證，所有步驟、結(jié)論都在matlab-r2012b上驗(yàn)證確認(rèn)。具體實(shí)施步驟如下：

步驟1)初始化系統(tǒng)參數(shù)：

初始化系統(tǒng)參數(shù)，包括：系統(tǒng)包含的傳感器數(shù)目m＝3，各傳感器分別位于第(-40,0)，(-30,-30)和(0,-35)分辨單元處，傳感器回波數(shù)據(jù)平面大小nx×ny＝80×80分辨單元，系統(tǒng)噪聲分布為瑞利分布參數(shù)σk,m＝1，算法聯(lián)合處理周期數(shù)k＝10，似然函數(shù)近似階數(shù)r＝2；初始化變量k＝1。執(zhí)行步驟2)。

步驟2)接收回波數(shù)據(jù)

第m(m＝1,…,m)個(gè)傳感器接收第k幀回波數(shù)據(jù)zk,m，并傳遞融合中心，執(zhí)行步驟3)。

步驟3)計(jì)算傳感器m(m＝1,…,m)k時(shí)刻本地似然函數(shù)

利用回波數(shù)據(jù)zk,m計(jì)算當(dāng)前時(shí)刻狀態(tài)空間每個(gè)離散狀態(tài)j＝1,…,j的本地似然函數(shù)：

其中，xk,yk表示k時(shí)刻狀態(tài)的x,y方向上的位置，表示對(duì)應(yīng)的速度，表示中的第i個(gè)元素。p(zk,m(x,y)|h0)分別表示(x,y)單元存在目標(biāo)和不存在目標(biāo)時(shí)量測(cè)的概率分布，服從瑞利分布。

步驟4)本地似然函數(shù)近似參數(shù)計(jì)算

在第m(m＝1,…,m)個(gè)傳感器本地計(jì)算每個(gè)離散狀態(tài)的似然函數(shù)近似參數(shù)：

αk,m＝(φ′mφm)^-1φ′mam

其中，r＝1,…,r。

步驟5)傳遞本地似然函數(shù)近似參數(shù)c(zk,m)，b(zk,m(x,y))，αk,m，σk,m至融合中心。

步驟6)融合中心似然函數(shù)恢復(fù)

融合中心利用下式估計(jì)本地似然函數(shù)值函數(shù)：

步驟7)融合中心動(dòng)態(tài)規(guī)劃積累

如果k＝1，對(duì)于所有離散狀態(tài)j＝1,…,j初始化它們的值函數(shù)為：

如果1<k<k，對(duì)于所有離散狀態(tài)j＝1,…,j更新他們的值函數(shù)：

其中，為所有能夠轉(zhuǎn)移到的k-1時(shí)刻狀態(tài)集合。

執(zhí)行步驟8)

步驟8)迭代處理

k＝k+1；如果k≤k，執(zhí)行步驟2)，否則，執(zhí)行步驟9)。

步驟9)值函數(shù)檢測(cè)

將k時(shí)刻每個(gè)離散狀態(tài)j＝1…j的值函數(shù)與預(yù)先給定的檢測(cè)門限進(jìn)行比較，如果值函數(shù)超過檢測(cè)門限，則認(rèn)為是目標(biāo)；否則，認(rèn)為是噪聲。

從圖2中可以看出，在該仿真條件下本發(fā)明與所需傳輸代價(jià)與集中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法基本相同，但融合中心計(jì)算量大大降低；和未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法，本發(fā)明的傳輸代價(jià)明顯減小，而融合中心計(jì)算時(shí)間有少量增加。綜上所述，本發(fā)明是集中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法和未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法的一種折中，平衡了二者的傳輸代價(jià)和融合中心計(jì)算代價(jià)，具有更高的實(shí)現(xiàn)效率。

圖3中方法1為集中式集中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法，方法2為未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法。為從圖3中可以看出，本發(fā)明的檢測(cè)概率與中式多傳感器動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法和未采用似然函數(shù)近似的分布式動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法的檢測(cè)概率基本相同，證明本發(fā)明所提算法實(shí)現(xiàn)代價(jià)的降低導(dǎo)致的性能損失十分有限，可以忽略不計(jì)。