一种移动目标的定位系统的制作方法

本实用新型涉及移动目标的定位跟踪技术领域，尤其涉及一种移动目标的定位系统。

背景技术：

移动目标的定位跟踪主要涉及到角度、角度变化率以及多普勒频率变化率等观测状态变量，它们大都遵循非线性函数变化，在传统的DOA(Direction of Arrival)估计定位中，像以MUSIC(Musicalgorithm)、ESPRIT(Estimating signal parameters viarotational invariance techniques)等为基础的估计算法广泛应用于信号的波达方向估计。而MUSIC算法要进行特征分解和谱峰搜索，计算量非常大，尤其在系统要求实时性很高时，很难达到要求。ESPRIT算法将接收信号分解为两个子阵，利用不同方向的信号到达两子阵间的相位差来估计信号的DOA错误错误！未找到引用源。。虽然运算量比MUSIC较小，但是预测精度和分辨率较低，实时性也较差。因此，这种传统的定位跟踪算法精度和效率低下、计算复杂、稳定性不好等缺点影响了通信系统的性能。

为了解决传统DOA估计的缺陷，Dongyoun Seo等人提出利用锁角环路(DiLL)对目标信号DOA进行估计，这种估计方式和最小均方误差估计(Least Mean Square-LMS)算法中产生同步信号的延迟环非常相似，利用误差信号不断迭代地更新估计信号，虽然得到了很好的效果，算法复杂度也大大降低，但是由于系统非线性和噪声对信号的影响，对目标的定位跟踪效果并不是太理想。

因此，在对信号波达方向估计再基础上，用滤波的方式对信号进行处理，达到精确跟踪的效果。而对非线性系统滤波的处理方式，传统的有扩展卡尔曼滤波错误！未找到引用源。错误。(Extended Kalman Filter-EKF)，修正增益扩展卡尔曼滤波(Modified Gain EKF-MGEKF)等算法。扩展卡尔曼滤波类算法主要将非线性观测方程进行泰勒展开得到的一次项来对非线性方程做线性化处理，再通过卡尔曼滤波算法进行滤波跟踪，可能导致线性化误差的存在、滤波发散、性能下降等缺陷，因此只适用在非线性较弱，近似高斯环境下。

无迹卡尔曼滤波基于无损变换(Unscented Transformation，UT)，通过选择均值和协方差不变条件下的σ样点集合，在经过非线性变换后的样点统计量来估计逼近状态向量的后验概率密度分布，利用确定性采样替代PF(Particle Filter)随机采样，消除了EKF线性化过程中忽略高阶项带了的误差问题，相对前两种以EKF为基础的滤波算法，它的收敛速度和滤波跟踪性能进一步提高，使系统的稳定性进一步增强。

因此，系统在后端可利用高效的无损卡尔曼滤波UKF(Unscented Kalman Filter)算法对信号进行滤波处理就显得极为重要。

技术实现要素：

为了解决现有技术中的不足，本申请提供一种移动目标的定位系统，系统在后端设置高效的UKF算法，能够有效地减少了噪声的影响，使得系统的计算复杂度大大降低，提高非线性系统的定位跟踪精度和效率，可实现对移动目标的快速地精确跟踪，且系统的稳定性高。

本申请第一方面提供一种移动目标的定位系统，所述系统包括接收机、基于锁角环路的DOA估计模块以及UKF滤波跟踪算法模块；其中，所述接收机接收移动目标的多个不同到达方向的信号；所述基于锁角环路的DOA估计模块接收所述接收机的输出粗估计信号，并输出估计信号给所述UKF滤波跟踪算法模块；所述UKF滤波跟踪算法模块接收所述估计信号，输出目标的多个角度方位来定位所述移动目标。

在第一方面第一种可能的实现方式中，所述接收机包括下变频到基带单元和空间信号滤波器单元；其中，所述下变频到基带单元将所述信号变为基带信号，且所述空间信号滤波器单元将所述基带信号进行空间滤波，输出粗估计信号。

结合第一方面第一种可能的实现方式，在第二种可能的实现方式中，所述接收机接收移动目标的多个不同到达方向的信号进行空间采样，并由所述下变频到基带单元将所述信号变为基带信号，且所述空间信号滤波器单元将所述基带信号进行空间滤波，输出粗估计信号；然后所述基于锁角环路的DOA估计模块对所述信号的波达方向进行估计追踪DOA信息，得到估计信号；最后经过所述UKF滤波跟踪算法模块对所述估计信号进行处理，输出目标的多个角度方法来定位所述移动目标。

在第一方面第三种可能的实现方式中，所述基于锁角环路的DOA估计模块包括鉴角器、环路滤波器、数控振荡器以及修正因子产生器；其中，所述鉴角器接收所述粗估计信号，然后输出所述信号的角度值，并经过所述环路滤波器和所述数控振荡器后输出所述估计信号；所述修正因子产生器对所述角度值经过所述环路滤波器和所述数控振荡器后输出所述估计信号的过程进行修正。

结合第一方面第三种可能的实现方式，在第四种可能的实现方式中，所述鉴角器包括两个角度偏移相关器和阵列向量产生器；其中，所述两个角度偏移相关器接收所述粗估计信号和所述阵列向量产生器的信号，并输出第一角度偏移量和第二角度偏移量，然后将所述第一角度偏移量和所述第二角度偏移量模的平方相减得到的误差值来更新误差信号，使得DOA定位值更加接近实际信号的角度值。

本申请的锁角环路DOA估计模型，不但能够实现移动目标DOA估计，而且对目标方位能够实时地定位跟踪；为了消除非线性和噪声对系统误差的影响，选择基于UT变换的UKF滤波方式对DOA估计信号进行滤波，获得精度较高的DOA定位跟踪波形；同时系统的计算复杂度大大降低，系统的稳定性高。

附图说明

为了更清楚地说明本实用新型实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本实用新型实施例提供的一种移动目标的定位系统框架示意图；

图2为本实用新型实施例提供的一种移动目标的定位系统跟踪模型示意图；

图3为本实用新型实施例提供的一种波束空间矩阵示意图；

图4为本实用新型实施例提供的一种基于锁角环路的DOA估计模块示意图；

图5为本实用新型实施例提供的一种锁角环路的DOA估计跟踪示意图；

图6为本实用新型实施例提供的一种DILL-UKF定位跟踪示意图；

图7为本实用新型实施例提供的一种DOA估计误差示意图；

图8为本实用新型实施例提供的一种两个目标的DOA定位跟踪示意图。

具体实施方式

下面通过附图和实施例，对本实用新型的技术方案做进一步的详细描述。

图1为本实用新型实施例提供的一种移动目标的定位系统框架示意图。如图1所示，一种移动目标的定位系统，所述系统包括接收机、基于锁角环路的DOA估计模块以及UKF滤波跟踪算法模块；其中，所述接收机接收移动目标的多个不同到达方向的信号；所述基于锁角环路的DOA估计模块接收所述接收机的输出粗估计信号，并输出估计信号给所述UKF滤波跟踪算法模块；所述UKF滤波跟踪算法模块接收所述估计信号，输出目标的多个角度方位来定位所述移动目标。

具体地，所述接收机包括下变频到基带单元和空间信号滤波器单元；其中，所述下变频到基带单元将所述信号变为基带信号，且所述空间信号滤波器单元将所述基带信号进行空间滤波，输出粗估计信号。

具体地，所述接收机接收移动目标的多个不同到达方向的信号进行空间采样，并由所述下变频到基带单元将所述信号变为基带信号，且所述空间信号滤波器单元将所述基带信号进行空间滤波，输出粗估计信号；然后所述基于锁角环路的DOA估计模块对所述信号的波达方向进行估计追踪DOA信息，得到估计信号；最后经过所述UKF滤波跟踪算法模块对所述估计信号进行处理，输出目标的多个角度方法来定位所述移动目标。

具体地，所述基于锁角环路的DOA估计模块包括鉴角器、环路滤波器、数控振荡器以及修正因子产生器；其中，所述鉴角器接收所述粗估计信号，然后输出所述信号的角度值，并经过所述环路滤波器和所述数控振荡器后输出所述估计信号；所述修正因子产生器对所述角度值经过所述环路滤波器和所述数控振荡器后输出所述估计信号的过程进行修正。

具体地，所述鉴角器包括两个角度偏移相关器和阵列向量产生器；其中，所述两个角度偏移相关器接收所述粗估计信号和所述阵列向量产生器的信号，并输出第一角度偏移量和第二角度偏移量，然后将所述第一角度偏移量和所述第二角度偏移量模的平方相减得到的误差值来更新误差信号，使得DOA定位值更加接近实际信号的角度值。

下面以图2-8为例，对本实用新型实施例进行详细的说明。

系统建立在锁角环路的基础上，模型如图2所示。图2为本实用新型实施例提供的一种移动目标的定位系统跟踪模型示意图。

前端的接收机主要对各个不同的到达方向信号进行空间采样，并将其经过下变频成基带信号；然后，在信号滤波器中对信号进行空间滤波，主要是初步判断、识别用户信号，并抑制一些噪声；由天线接收到的信号送入到基于锁角环路的DOA估计器中，并对信号的波达方向进行估计追踪DOA信息；最后，经过UKF滤波跟踪算法对估计信号处理，利用递归式贝叶斯估计方式实现精确逼近信号的状态分布。由于使用了基于锁角环路的DOA采样估计，获得许多与实际值接近估计值，使得UKF跟踪算法能够对估计信号进行有效地状态变换更新处理，提高了定位跟踪的实时效率和精度，使系统性能更加稳定、高效。

在定位跟踪模型中，空间信号滤波器主要是由基带低通滤波器和一组正交权重系数构成的波束空间矩阵。图3为本实用新型实施例提供的一种波束空间矩阵示意图。在图3中显示了利用波束空间矩阵来初始判别信号，横轴μ＝sinθ，代表在0～360°范围内分布多重正交空间波束，且邻近的两个波束有半个波束宽度是相互重叠在一起的，称它为一个功率波束器，让基带信号通过不同的功率波束器进行筛选，如若获得较大的功率输出，说明信号必定在这个功率波束器所形成的2个空间角之间，由此可获得信号波达方向的角度分布区间，实现了对移动信号源DOA的分布范围的初步判断、识别，为下一步在锁角环路中对信号的精确定位估计提供初始估计数据。

图4为本实用新型实施例提供的一种基于锁角环路的DOA估计模块示意图。如图4基于锁角环路的DOA估计模块所示，所述基于锁角环路的DOA估计模块包括鉴角器、环路滤波器、数控振荡器以及修正因子产生器。

接收到的粗估计信号r_k(i)送入到锁角环路的鉴角器中，将r_k(i)与阵列向量产生器产生的分别进行角度偏移相关运算获得偏移量，第一偏移量Z_kR(i)和第二偏移量Z_kL(i)，并将它们模的平方相减得到的误差值来更新误差信号，使得DOA定位值更加接近实际信号的角度值。由于在前段利用空间滤波器对信号源进行了DOA粗估计，使得在基于锁角环路的DOA估计阶段很容易就可以使接收信号位于DOA估计捕捉带范围内，而在整个反馈调节过程中，利用鉴角器输出的鉴角信号通过环路滤波器滤波后来控制数控振荡器，就可以在捕捉带范围内自适应的进行方位的实时定位跟踪。

由锁角环路得到的DOA估计方位信号并不十分精确，因为环路输出信号还包含各种高斯噪声，通信系统也受到非线性的影响，同时环路输出的估计信号数量远远大于采样数量，所以还需要进一步的采样估计滤波处理。利用UKF滤波可以很好地解决非线性的影响，同时对噪声也有很好的抑制作用，因此在后端采用UKF滤波跟踪算法再一次更新角度估计信号值，获得更高精确度的DOA估计信息。

下面对本实用新型实施例的基于锁角环路的DOA估计算法原理进行说明。

假设共有K个窄带信号入射到N(K＜N)个阵元的天线系统中，而阵元距离为半个波长，在t时刻输入到天线阵的数据向量用数学公式表示为：

r(t)＝a(θ(t))d(t)+v(t) (1)

式中：r(t)＝[r₁(t)，…，r_K(t)]^T表示接收信号K×1矢量；a(θ)＝[e^j0 e^jπsinθ…e^{j(K-1)πsinθ}]表示移动目标信号t时刻的波达方向θ；d(t)代表信号源，为了简化计算，假设|d(t)|²＝1；v(t)＝σ²I代表K×1阶的噪声协方差向量，σ²为噪声协方差。因此，第K个用户的

计采样信号可表示如下：

假若预先由阵列向量产生器设定的角度偏移量为Δθ，则将信号r_k(i)分别与角度偏移信号进行相关运算输出Z_kR(i)和Z_kL(i)分别为：

式中，是空间相关函数，表示如下：

表示噪声偏移量。在如图4锁角环路跟踪器中，将相关器输出的信号进行模的平方相减从而得到含有有偏估计的误差调整信号为：

式中，为角度鉴别函数，决定了系统DOA估计的性能，它可表示为：

v_ke(i)表示如下：

为了消除有偏估计误差的影响，因此让误差信号e_k(i)减去一个修正因子得到估计误差信号，再经过环路滤波滤除高频成分，将获得的低频信号被送入到数控振荡器更新DOA估计值，而非相关修正因子可定义为：因此，得到的修正的非相关估计调整信号为：

式中，由此，在第i+1次时刻的DOA更新估计值为：

式中，f_k(i)为环路滤波器的脉冲响应，K₀为数控振荡器的增益，由于在进行多次估计更新时，将无限的接近实际的θ_k，从而信号的DOA估计误差足够小，实现了信号的DOA估计定位。

为了分析DOA估计的性能，本文定义第i次时刻的DOA的估计误差为：

通过联系式(9)和(10)，可得在第i+1次时刻的估计误差为：

由于跟随着θ_k的值的变换而改变，并且总是朝着信号的实际方向角θ_k靠近，它们之间的关系将严重影响系统误差，由此可定义偏移误差为：

在跟踪θ_k的过程中，估计误差ε_k不断降低，当时，使得而为负值。由此可得到ε_k(i+1)的值为：

对公式(14)进行Z变换可得到Z域的DOA估计误差函数方程如下：

其中，是环路滤波器的Z变换，由此可得到环路系统传递函数为：

由于系统为非线性系统，并不能用线型系统模型Z域变换性质进行状态分析，因此估计信号的各种需进行非线性滤波处理对信号重新进行采样估计更新DOA数据。

下面对本实用新型实施例中的UKF滤波处理进行详细说明。

虽然通过推导得出了环路系统的传递函数，但是由于系统本身为非线性系统，所以不能用线性系统原理分析，同时锁角环路不能有效地消除高斯噪声的影响，对于目标跟踪还存在较大的误差，稳定性也较差。为了有效地对移动目标进行迅速、精确地跟踪，采用UKF滤波算法对接收到的信号进行有效地跟踪滤波处理，这种利用采样的方式可以更好地解决统计特性中的非线性分布缺陷，关键是将UT变换应用于卡尔曼滤波中，实现对信号的均值和协方差更加精确的估计。

第K个目标信号源在通过锁角环路后，由于定位角度在围绕θ_k不断波动，信号的样点数将不断变密，假设第K个信号源通过锁角环路的采样输出为为了简化计算，本文将这个信号简化设定为：则UKF滤波的具体实步骤现如下。

假设接收到的信号非线性离散系统的状态方程和测量方程分别为：

式中，X_i+1，X_i为i+1，i采样时刻的状态向量；Y_i为观测向量，v_i，n_i为噪声向量，下面将对X_k通过UKF滤波进行估计。

一、对锁角环路输出变量X_i进行初始化：

其中，X^u＝[X^T v^T n^T]^T，P_v，P_n分别为状态噪声方差和测量噪声方差。当时刻i∈{1，2，…，∞}，有

二、计算变量的样点值：

三、状态变换预测：

式中，R^v为系统状态噪声方差。

四、测量变换预测：

式中，Rⁿ为系统测量噪声方差。

五、计算状态、测量预测互协方差：

六、对权增益及状态进行更新：

由此得到系统新的角度估计变量可以减小非线性估计的误差，同时对噪声也进行了有效地抑制，通过以上迭代UKF算法滤波估计过程使非线性系统的跟踪性能更加精确、可靠。

下面对本实用新型实施例的仿真结果与性能比较分析进行说明。

对基于锁角环路的DOA估计器的定位跟踪进行仿真，设定系统的天线阵元数为16个，相距为半个波长，信噪比为5dB。假设有个目标信号源A入射到天线系统中，在20°左右的方向，在经过空间滤波器识别后进入到锁角环路进行DOA定位跟踪，图5为本实用新型实施例提供的一种锁角环路的DOA估计跟踪示意图。如图5为在没经过UKF滤波情况下的DOA估计跟踪，通过图形可知信号的DOA估计值在真实值上下波动，由于受系统非线性和噪声的影响，波动范围比较大，估计精度较低。

图6为本实用新型实施例提供的一种DILL-UKF定位跟踪示意图，在图6DILL-UKF定位跟踪图形中，信号经过UKF滤波后，有效地减小非线性和噪声对DOA估计的影响，使DOA估计值能够更接近实际值θ_k。

为了更好的分析UKF滤波效果，可画出滤波前后的DOA估计误差值ε_k如图7所示，图7为本实用新型实施例提供的一种DOA估计误差示意图。ε_k在0°上下波动，且在使用UKF滤波后的ε_k波动范围较小，更靠近0°，误差变化范围较小，有效地提高了DOA的精确度，当目标缓慢移动时，角度估计跟踪误差一般在[-1.5° 1.5°]，但是当目标信号源更快地移动时，误差同时变得较大一些，估计误差可能超过±2°，定位的性能也相应下降，说明系统的实时性能还有待提高。

图8为本实用新型实施例提供的一种两个目标的DOA定位跟踪示意图。若给系统增加另一移动信号源B，在-57°左右的方向，做匀速圆周运动，角速度相对较慢，如图8示，可看出信号源B的DOA变化将是一条直线，角度变化率较低，相对于目标A的定位跟踪，可看出B的定位效果更好，因此，系统可实现多个目标DOA的定位跟踪，性能也比较精确和稳定。

本实用新型实施例的锁角环路DOA估计模型，不但能够实现移动目标DOA估计，而且对目标方位能够实时地定位跟踪；为了消除非线性和噪声对系统误差的影响，选择基于UT变换的UKF滤波方式对DOA估计信号进行滤波，获得精度较高的DOA定位跟踪波形；同时系统的计算复杂度大大降低，系统的稳定性高。

以上所述的具体实施方式，对本实用新型的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本实用新型的具体实施方式而已，并不用于限定本实用新型的保护范围，凡在本实用新型的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。