郭云飛,張沛男, 才智
1.杭州電子科技大學(xué) 自動化學(xué)院,杭州 310018 2. 中國電子科技集團(tuán)公司 第二十八研究所,南京 210007
機(jī)載外輻射源無源協(xié)同定位(Airborne Passive Coherent Location,APCL)是一種新體制無源協(xié)同定位技術(shù)[1-4]。利用我方/敵方/第3方的預(yù)警機(jī)/無人機(jī)作為機(jī)載外輻射源對目標(biāo)進(jìn)行無源定位,不僅具有傳統(tǒng)無源協(xié)同定位(Passive Coherent Location,PCL)的隱身/反隱身、低成本、部署靈活等優(yōu)勢,還因外輻射源的可移動性,擴(kuò)展了探測范圍,提升了探測系統(tǒng)的靈活性,近年來在雷達(dá)探測領(lǐng)域引起了高度關(guān)注[1-2,5-10]。
文獻(xiàn)[1]從認(rèn)知雷達(dá)的角度,首次提出了基于可移動外輻射源的無源協(xié)同定位概念。文獻(xiàn)[2]系統(tǒng)分析了外輻射源位置未知時的PCL系統(tǒng)可觀性,提出一種遞推的航跡起始/維持算法,并推導(dǎo)了最優(yōu)理論性能界。國內(nèi)對APCL的研究主要集中在信號處理前端,初步構(gòu)建了外輻射源可移動的接收系統(tǒng)[5],設(shè)計了機(jī)載外輻射源條件下的距離徙動校正方法[6-7]和恒虛警檢測方法[8]。然而機(jī)載外輻射源在提升系統(tǒng)探測靈活性的同時,其可移動性也為無源協(xié)同定位帶來新的挑戰(zhàn)。當(dāng)機(jī)載外輻射源非合作時,由于其準(zhǔn)確位置難以獲取,會大幅降低APCL的檢測跟蹤性能[2]。APCL系統(tǒng)在機(jī)載外輻射源位置不確定條件下的目標(biāo)檢測與跟蹤問題,本質(zhì)上類似于傳感器位置不確定下的目標(biāo)檢測與跟蹤問題[2]。文獻(xiàn)[9]提出了狀態(tài)擴(kuò)維(State Augmentation,SA)算法,降低了傳感器位置不確定對目標(biāo)跟蹤精度的影響,文獻(xiàn)[10]給出了一種傳感器位置不確定時目標(biāo)跟蹤的閉式代數(shù)解。然而上述兩種算法僅適用于低雜波或無雜波的探測環(huán)境[9-10],在強(qiáng)雜波探測環(huán)境下,兩種算法均無法保證實時性[2,10]。
當(dāng)測量方程非線性且機(jī)載外輻射源位置不確定時,為了解決強(qiáng)雜波背景下無源協(xié)同定位問題,本文提出一種基于動態(tài)規(guī)劃狀態(tài)擴(kuò)維(Dynamic Programming-State Augmentation, DP-SA)的無源協(xié)同定位方法,該方法耗時少,能保證實時性。DP-SA方法共由動態(tài)規(guī)劃(Dynamic Programming,DP)和SA兩部分組成。首先,考慮到傳統(tǒng)DP的狀態(tài)轉(zhuǎn)移范圍只適用于線性測量系統(tǒng),本文利用誤差傳播理論,在APCL的非線性測量空間內(nèi),推導(dǎo)外輻射源位置不確定時DP的狀態(tài)轉(zhuǎn)移范圍。其次,根據(jù)極值理論(Extreme Value Theory, EVT)確定回溯閾值,再通過狀態(tài)回溯提取源于目標(biāo)的測量值序列。最后,通過SA技術(shù)將目標(biāo)狀態(tài)擴(kuò)維,使之包含外輻射源狀態(tài),利用提取的測量值序列對擴(kuò)維狀態(tài)進(jìn)行非線性濾波,實現(xiàn)目標(biāo)狀態(tài)與外輻射源狀態(tài)的聯(lián)合估計。
Xk+1=Fk+1Xk+wk+1
(1)
在強(qiáng)雜波環(huán)境下假設(shè)APCL系統(tǒng)在第k幀共收到Mk個測量,其測量集合Zk為
Zk={zk(i)=(rk(i),θk(i),Ak(i))|1≤i≤Mk}
(2)
式中:zk(i)為第k幀源于目標(biāo)或雜波的第i個測量,又被稱為第i個候選狀態(tài)[12-13];rk(i)為雙基站距離;θk(i)為回波路徑相對于直達(dá)波路徑的方位角[1];Ak(i)為回波幅值。
含噪的rk(i)和θk(i)的測量方程為
(3)
hr,k(i)和hθ,k(i)的具體公式為
(4)
Ak(i)的測量方程為[14]
(5)
hA,k(i)=
(6)
式中:B和C分別為等效橢球體的長軸和短軸半徑;S1為外輻射源功率密度;βk為雙基站角,即[14]
βk=
(7)
首先,考慮外輻射源位置的不確定性,基于誤差傳播理論,在非線性測量空間(即候選狀態(tài)空間)構(gòu)建DP的狀態(tài)轉(zhuǎn)移范圍。其次,根據(jù)幅值測量值構(gòu)造值函數(shù)[12-13],在每個測量值(候選狀態(tài))的狀態(tài)轉(zhuǎn)移范圍內(nèi)尋找相鄰幀中最大的值函數(shù)進(jìn)行遞推幅值積累。再次,基于極值理論離線計算DP的航跡回溯閾值,進(jìn)而獲得目標(biāo)狀態(tài)序列在非線性測量空間的映射。最后,對目標(biāo)狀態(tài)擴(kuò)維,
使之包含外輻射源狀態(tài),利用上述映射序列對擴(kuò)維狀態(tài)進(jìn)行非線性濾波,實現(xiàn)目標(biāo)狀態(tài)與外輻射源狀態(tài)的聯(lián)合估計。
(Δrk)2=(Δxk)2(?rk/?xk)2|xk=ε(zk(i))+
(8)
(Δθk)2=(Δxk)2(?θk/?xk)2|xk=ε(zk(i))+
(9)
ε(zk(i))=
(10)
η(zk(i))=
(11)
zk(i)的幅值積累函數(shù)記為I(zk(i))。
步驟1初始化:當(dāng)k=1時,遍歷所有候選狀態(tài)z1(i),令I(lǐng)(z1(i))=A1(i),δ0(z1(i))=0。
步驟2幅值積累:當(dāng)k>1時,遍歷第k幀候選狀態(tài)并進(jìn)行幅值積累。幅值積累過程為
(12)
(13)
式中:Ψk-1(zk(i))為可能轉(zhuǎn)移到zk(i)的第k-1幀候選狀態(tài)的狀態(tài)轉(zhuǎn)移范圍。對于Ψk(zk-1(j))內(nèi)沒有第k幀候選狀態(tài)的zk-1(j),可利用動態(tài)模型預(yù)測其第k幀的狀態(tài)zk(i)。
(14)
根據(jù)極值理論[20],單幀雜波幅值的極大值服從Gumbel分布,雜波幅值關(guān)于虛警率PFT的函數(shù)為
(15)
(16)
(17)
外輻射源位置不確定時,系統(tǒng)的等效觀測噪聲協(xié)方差會增大,其修正公式為[21]
(18)
式中:Ht,k為hk(i)關(guān)于外輻射源狀態(tài)Xt,k的雅克比矩陣,具體表達(dá)式為
(19)
1) 目標(biāo)和輻射源預(yù)測
(20)
(21)
2) 目標(biāo)-外輻射源狀態(tài)聯(lián)合估計
(22)
(23)
PA,k+1?diag(Pk+1,Pt,k+1)=PA,k+1|k-
Kk+1Hk+1PA,k+1|k
(24)
式中:Hk+1表示hk+1(i)關(guān)于目標(biāo)狀態(tài)和外輻射源狀態(tài)的雅可比矩陣,即
(25)
圖2分別給出了20幀距離差、方位角和回波幅值的原始測量值??梢钥闯鲈从谀繕?biāo)的測量值完全淹沒于雜波中。
基于EVT理論,用8 000個雜波樣本數(shù)據(jù)離線估計狀態(tài)回溯閾值。圖3(a)給出了單幀雜波幅值極大值概率分布函數(shù),以及估計的Gumbel概率密度函數(shù)。圖3(b)給出了單幀雜波幅值最大值的積累分布函數(shù),虛警率PFT=5%時對應(yīng)的單幀回溯閾值為1.26。圖3(c)給出了DP-SA方法在測量空間內(nèi)對前20幀數(shù)據(jù)的幅值積累效果,可以看出所提方法能有效實現(xiàn)幅值積累。
表1統(tǒng)計了3種方法在不同雜波密度下的單次運(yùn)行時間??梢钥闯?,隨著雜波密度增大,CPHD方法的運(yùn)行耗時基本保持不變,而DP-SA方法與DP-TBD方法的運(yùn)行耗時均略微增大,這是因為雜波密度增大時,Ψk+1(zk(i))內(nèi)的候選狀態(tài)數(shù)目隨之增大,從而增加DP迭代步驟的計算量。相同雜波密度下,DP-SA方法的耗時與DP-TBD方法基本持平,較CPHD的運(yùn)行耗時更少,能保證實時性。
表13種方法在不同雜波密度下的單次運(yùn)行耗時
Table1Elapsedtimeofthreemethodsfordifferentclutterdensities
方 法單次運(yùn)行耗時/sλ=1.0×10-2λ=3.0×10-2DP-TBD0.0520.183DP-SA0.0570.188CPHD0.2280.253
圖6為目標(biāo)不存在時20幀幅值積累值,圖7給出了20幀累積的回溯閾值,以及最后時刻幅值的積累值??梢钥闯鲭s波幅值積累值低于回溯閾值,未發(fā)生誤檢。
本文針對強(qiáng)雜波背景下外輻射源位置不確定條件下的無源協(xié)同定位問題,提出一種基于DP-SA的APCL定位方法。所提方法對外輻射源位置不確定性魯棒性更好,對目標(biāo)位置估計更準(zhǔn)確,且能保證實時性。在多目標(biāo)場景下,尤其是多個目標(biāo)航跡交叉時,所提算法會出現(xiàn)某個目標(biāo)航跡跟丟的問題,這將是接下來的研究重點(diǎn)。