本發(fā)明屬于穿墻雷達技術領域，特別涉及穿墻雷達成像中多徑雜波抑制技術。

背景技術：

多徑現(xiàn)象是指電磁波從發(fā)射天線發(fā)射后返回接收天線的過程中，除了照射到目標經(jīng)直接反射后到達接收天線的回波分量外，還存在很多通過多次反射最終到達接收天線的回波分量。多徑回波將在雷達檢測結果中形成虛假目標，嚴重影響著穿墻雷達系統(tǒng)辨識場景中真實目標的能力。從目前已報告的文獻來看，對穿墻雷達的多徑問題的研究大致可分為兩類：第一，對高分辨率雷達，人體目標不能簡單地視為單點目標，身體不同部位存在多路徑傳播行為；第二，發(fā)射的電磁波在目標、墻體、天花板、地板及各反射體之間多次反射，導致信號從發(fā)射天線到接收天線的多路傳播，成像后可能出現(xiàn)多徑鬼影。多徑鬼影的存在易引起虛警，會嚴重干擾目標檢測與跟蹤的準確度，在實際中也會影響穿墻雷達用戶的判斷。

P Setlur等人根據(jù)幾何光學和均勻衍射理論，建立封閉結構下的多徑數(shù)學模型，再采用點擴散函數(shù)對場景成像，計算圖像每個像素對應坐標的多徑鬼影，將鬼影位置對應像素點的幅值加權至原像素以生成新圖像，取得良好的抑制效果且提高了信雜比。但計算量很大，現(xiàn)行硬件條件無法實時處理。Garren D A等人利用多徑回波對目標方位角的依賴特性進行多徑抑制，多反射回波相對方位角是變化的，而單反射回波則不變。但單反射回波在大方位角時不變特性不能保持，有效性下降。André D B等人提出了一種基于極化的多徑抑制技術，利用在不同的極化方式下，鏡面反射電磁波的奇分量和偶分量存在的差異抑制多徑。但只能應用于校準準確的多極化通道雷達，無法應用到單極化通道雷達。Wang J等人提出基于壓縮感知(Compressed Sensing，CS)重構技術進行多徑抑制，但沒有分析對多目標情況的適應性。綜上所述，現(xiàn)有的多徑抑制算法多數(shù)存在實時性較差、適用性較差等缺點。因此，本發(fā)明具有很大的實用價值和參考價值。

技術實現(xiàn)要素：

本發(fā)明公開了一種基于節(jié)點耦合的多徑抑制算法。利用復雜網(wǎng)絡的數(shù)學模型描述多目標跟蹤(Multiple Target Tracking，MTT)中的各航跡之間的關聯(lián)關系，在目標跟蹤系統(tǒng)中，每條跟蹤保持的航跡在時刻k只有一個坐標點，因而可容易地將航跡抽象成一個節(jié)點，航跡與航跡之間的依賴關系抽象成一條邊。通過計算節(jié)點之間的耦合度，實現(xiàn)了多徑抑制。本發(fā)明能夠在提高多徑抑制精確度的同時提升算法的實時性。

當目標位置變化時，回波信號各傳播路徑時延和相位也必然變化，因而影響多徑鬼影的位置，也就是說目標與多徑鬼影之間存在關聯(lián)關系。故可將每條跟蹤保持的航跡設定為一個節(jié)點，航跡與航跡之間的關聯(lián)關系看成邊。此外，真實目標產(chǎn)生航跡(目標航跡)與多徑鬼影產(chǎn)生的航跡(多徑航跡)之間的關聯(lián)關系是有方向的。比如，兩條航跡a和b，如果航跡a是由航跡b產(chǎn)生的多徑航跡，則其關聯(lián)關系是從b指向a；反之，關聯(lián)關系是從a指向b。因而，目標跟蹤系統(tǒng)產(chǎn)生的航跡可以用一個由節(jié)點和有向邊組成的復雜網(wǎng)絡模型描述。

本發(fā)明技術方案如下：

算法流程圖如圖1所示，算法步驟如下：

步驟1：

初始化節(jié)點的置信度為1；

步驟2：

取航跡a當前時刻坐標求解其多徑虛假目標坐標，逐一計算其他航跡b與當前航跡的關聯(lián)系數(shù)如果節(jié)點a的置信增加同時，節(jié)點b的置信度下降反之，如果節(jié)點a和節(jié)點b的置信度保持；

步驟3：

當節(jié)點的置信度下降到某一門限以下時，比如0.5，節(jié)點不再可信，應判斷為多徑。

本發(fā)明基于節(jié)點耦合實現(xiàn)了多徑抑制，在提升了多徑抑制性能的同時算法實時性也較好，具有較大的實用價值。

附圖說明

圖1算法流程圖

圖2加入了多徑抑制算法的MTT算法流程圖

圖3二維墻體及多徑物理模型

圖4關聯(lián)系數(shù)示意圖

圖5兩個目標實際軌跡和不存在多徑干擾的仿真量測數(shù)據(jù)

圖6包含多徑干擾的仿真量測數(shù)據(jù)

圖7存在多徑干擾，目標跟蹤系統(tǒng)不使用多徑抑制算法跟蹤兩個目標的輸出結果

圖8應用多徑抑制算法目標跟蹤系統(tǒng)的輸出結果

具體實施方式

在實際中絕大多數(shù)房間的形狀均為矩形，不失一般性，考慮下圖3所示矩形房間的多徑模型，且穿墻雷達可估計房間結構參數(shù)。記前墻厚度為d₁，天線陣列到前墻的距離為D_y，側墻長度為D₁，后墻長度為D₂，墻體介電常數(shù)為ε。

基于以上多徑模型，考慮如下三種路徑分量；

1)直接路徑：發(fā)射-目標-接收(如，路徑A)；

2)一階路徑：發(fā)射-目標-墻-接收或者發(fā)射-墻-目標-接收(如，路徑A+B)；

3)二階路徑：發(fā)射-墻-目標-墻-接收(如，路徑B+D)。

經(jīng)計算，二階路徑產(chǎn)生的多徑鬼影處于房間外，一階路徑產(chǎn)生的多徑鬼影對后墻是位于其上，對側墻是位于其附近。因此，只需考慮直接路徑和一階路徑，對一階路徑產(chǎn)生的多徑鬼影位置可通過非線性最小二乘優(yōu)化估計，公式組如下：

$e_m^k\left(x_k^{wall}\right)=\frac{d_1\sqrt{\mathrm{\ϵ}}\sec \left({\mathrm{\Ψ}}_{rwk}^m\right)+\left(y_{wk}^{wall}-d_1\right)\sec \left({\mathrm{\Ψ}}_{iwk}^m\right)}{c}-\frac{{\mathrm{\τ}}_A^{\left(m\right)}+{\mathrm{\τ}}_{p\left(k\right)}^{\left(m\right)}}{2}---\left(1\right)$

$d_{1}tan\left({\mathrm{\Ψ}}_{rwk}^m\right)+(y_{wk}^{wall}-d_1)tan\left({\mathrm{\Ψ}}_{rwk}^m\right)-D_{xm}-x_{wk}^{wall}=0---\left(2\right)$

$e^k\left(x\right)=\[e_1^k\left(x\right),e_2^k\left(x\right),...,e_M^k\left(x\right)\]=0---\left(3\right)$

其中，k為墻的編號，k＝1，2，3；m為天線的數(shù)目，m＝1，2，...，M；為隔墻時多徑鬼影的估計值；和分別為電磁波穿墻時的入射角和折射角；為各路徑的單程傳播時延，p∈{A，B，C，D}；為自由空間下的多徑鬼影位置。

基于圖3所示多徑模型，對包含一階路徑的回波信號成像后圖像將顯現(xiàn)多個亮斑，無法辨識探測區(qū)域實際目標數(shù)目。當目標位置變化時，回波信號各傳播路徑時延和相位也必然變化，因而影響多徑鬼影的位置，也就是說目標與多徑鬼影之間存在關聯(lián)關系。故可將每條跟蹤保持的航跡設定為一個節(jié)點，航跡與航跡之間的關聯(lián)關系看成邊。此外，真實目標產(chǎn)生航跡(目標航跡)與多徑鬼影產(chǎn)生的航跡(多徑航跡)之間的關聯(lián)關系是有方向的。比如，兩條航跡a和b，如果航跡a是由航跡b產(chǎn)生的多徑航跡，則其關聯(lián)關系是從b指向a；反之，關聯(lián)關系是從a指向b。因而，目標跟蹤系統(tǒng)產(chǎn)生的航跡可以用一個由節(jié)點和有向邊組成的復雜網(wǎng)絡模型描述。

下面具體介紹各目標產(chǎn)生的航跡之間的復雜網(wǎng)絡關聯(lián)數(shù)學模型：

定義以下變量：

k：表示某一時刻；

G：表示根據(jù)航跡頭坐標向量估計多徑鬼影的函數(shù)(即公式(1)-(4))；

表示航跡a的多徑鬼影位置的坐標矢量；

P^a(k)：表示時刻k航跡a的航跡頭的坐標矢量；

表示時刻k從節(jié)點a到節(jié)點b的關聯(lián)系數(shù)；

表示時刻k節(jié)點a與節(jié)點b之間的耦合度。

在時刻k任意選取兩個節(jié)點a和b，它們的航跡頭坐標分別為P^a(k)和P^b(k)，從節(jié)點a到b的關聯(lián)系數(shù)為：

$R_c^{ab}\left(k\right)={\min }_{x_a^{wall}=G\left(P^a\right(k\left)\right)}\left|\right|x_a^{wall}-P^b\left(k\right)\left|\right|---\left(5\right)$

式(5)的物理意義是：a的多徑虛假目標到b的最短歐式距離定義為兩者之間的關聯(lián)系數(shù)。圖4直觀闡釋了關聯(lián)系數(shù)的定義方法。從圖4可看出，到b的歐式距離小于到b的歐式距離，因此，把a與b之間的關聯(lián)系數(shù)定義為到b的歐式距離。

節(jié)點間的耦合度定義為：

$C_p^{ab}\left(k\right)=1-\frac{R_c^{ab}\left(k\right)}{\mathrm{\δ}}---\left(6\right)$

顯然，是關于關聯(lián)系數(shù)的的減函數(shù)，那么，關聯(lián)系數(shù)越小，耦合程度越高。假如給每個節(jié)點均定義置信度，耦合程度越高，有向邊起始節(jié)點的置信度增加越大，終點的置信度下降越厲害；反之，關聯(lián)系數(shù)越大，耦合程度就越低，起點的置信度增加越小，終點的置信度下降越小。當節(jié)點為離散節(jié)點時，其置信度保持不變。另一方面，本發(fā)明所使用的關聯(lián)波門δ為常數(shù)關聯(lián)波門，大小可調，對同一關聯(lián)系數(shù)是關于關聯(lián)波門δ的增函數(shù)。δ越大，耦合度越大，有向邊起始節(jié)點置信度增加越大；反之亦然。

算法步驟可歸納如下：

1)初始化節(jié)點的置信度為1；

2)取航跡a當前時刻坐標求解其多徑虛假目標坐標，逐一計算其他航跡b與當前航跡的關聯(lián)系數(shù)如果節(jié)點a的置信增加同時，節(jié)點b的置信度下降反之，如果節(jié)點a和節(jié)點b的置信度保持；

3)當節(jié)點的置信度下降到某一門限以下時，比如0.5，節(jié)點不再可信，應判斷為多徑。

為了在真實目標被正確跟蹤的同時不出現(xiàn)多徑虛假目標航跡，將基于節(jié)點耦合的多徑抑制算法加入雷達數(shù)據(jù)處理模塊后，得到如2圖所示的室內目標跟蹤系統(tǒng)的完整處理流程。從圖2中可以看出，該目標跟蹤系統(tǒng)的輸入項是來自信號處理和檢測器的數(shù)據(jù)，輸出項是顯示器上的航跡。

為了驗證本發(fā)明所提多徑抑制算法的正確性，使用MATLAB進行如下仿真：

設定成像場景為10m×10m，劃分為64×64個網(wǎng)格。假設節(jié)點a從產(chǎn)生開始就落入其他節(jié)點(比如節(jié)點b)的關聯(lián)波門內。目標參數(shù)如表1所示。

圖5為兩個目標實際軌跡和不存在多徑干擾的仿真量測數(shù)據(jù)。圖6為包含多徑干擾的仿真量測數(shù)據(jù)。注意到，圖6橢圓圈出的部分包含目標2的多徑和目標1的量測。圖7為存在多徑干擾，目標跟蹤系統(tǒng)不使用多徑抑制算法跟蹤兩個目標的輸出結果。圖7中橢圓標注部分實際上存在兩條航跡，一條是目標1產(chǎn)生的，另一條是目標2的多徑航跡。航跡起始后，隨著濾波過程的持續(xù)，這兩條航跡的狀態(tài)向量越來越接近，因而被航跡管理過程判斷為同一條航跡予以合并，此后，盡管同時存在目標1和目標2多徑的量測，超出橢圓部分卻只存在一條航跡。圖8為應用多徑抑制算法目標跟蹤系統(tǒng)的輸出結果。從圖中可以看出，基于節(jié)點耦合的多徑抑制算法能有效地抑制多徑，并且當一個目標在航跡起始就落入其他目標航跡的波門時，基于節(jié)點耦合的多徑抑制算法依然能有效抑制多徑。

表1仿真參數(shù)設置