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Dy,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:
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;
Pa(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Pa(k)和Pb(k),從節(jié)點a到b的關聯(lián)系數(shù)為:
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:
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