本发明属于生命探测雷达系统领域，涉及一种用于生命探测雷达阵列多目标同时定位的方法。
背景技术：
在现有的灾后救援过程中，生命探测雷达起到了很多作用，为救援人员判定废墟底下是否有生命体存在提供了第一手资料，在实际救援的过程中，由于某些救援目标没有被发现，或者无法准确定位，导致在对某一个对象实施救援时，对其他的对象造成了二次伤害，因而同时识别废墟底下多个目标的存在，并确定其具体位置是非常重要的。现在的生命探测雷达基本是单站式的，只能帮助救援人员确定雷达探测区域以内是否有生命体存在，无法确定生命体的具体位置。为了确定生命体位置，已有研究采用三角定位的方式，通过三个雷达单元同时检测一个目标的方式来确定生命体位置，但是这种定位方式在只有单个生命体存在的情况下适用，对于有多个生命体存在的情况无法实现准确定位，而现有的较为成熟的多个目标同时定位的方法，则要求各个被定位目标体有其特征识别信息，包括特定的id或者各个目标体的速度、体积等参数存在差异，才能实现定位信息与目标体之间的一一对应，从而实现多目标同时定位，但是在生命体探测过程中，这些差异信息基本都不存在，因此传统的生命探测雷达系统及定位方法无法解决多目标同时定位的问题。
技术实现要素：
(一)要解决的技术问题
本发明提供了一种用于生命探测雷达阵列多目标同时定位的方法，以至少部分解决以上所提出的技术问题。
(二)技术方案
根据本发明的一个方面，提供了一种用于生命探测雷达阵列多目标同时定位的方法，包括：
步骤s102：将r个用于生命探测的雷达探测单元排布成一个面阵，其中r≥4，并选定一个位置作为参考点，基于此确定各个雷达探测单元的具体位置坐标；其中，面阵的排布使得雷达探测单元能在各个方向上“包围住”被探测生命体，各个雷达探测单元的间距设置远大于测距误差；
步骤s104：获取每个雷达探测单元的信号；
步骤s106：从每个雷达探测单元信号中提取探测到的生命体个数以及相应的距离信息；
步骤s108：对所有的雷达探测单元进行数学上的随机组合，并对每个雷达组合中的距离信息进行配对组合；利用每个雷达组合的位置坐标和距离信息计算出一个可能的目标位置，并给每个位置分配一个可信度指数；然后通过每个位置的可信度指数决定其是否保留；以及
步骤s110：对保留的位置进行聚类，依据每个类中元素个数占所有可能位置点的比例分配一个概率，选取概率最高的m个类当作目标体真实位置所在的类，然后对真实位置所在的类的所有位置点进行加权平均，同时得到多生命体的具体位置，实现多目标同时定位。
优选地，上述步骤s108包括：
子步骤s108a：对所有雷达探测单元进行编号a1，a2，······ar，对每个雷达单元获取的目标距离对应进行编号rij，i＝1，2，3，······r，j＝1，2，3，······m；从r个雷达单元中随机选取若干个作为一个组合，选取方式采用数学中的组合方式，不同的组合间允许含有相同的雷达单元；然后选定一个雷达组合，从该组合中每个雷达的距离信息rij中随机挑选一个，得到该组合所有雷达对同一个目标的距离，其它雷达组合按照同样的方式对距离信息进行配对组合；其中，r表示雷达探测单元总数(r≥4)，m表示单个雷达探测单元识别的生命体个数(m≥2)；
子步骤s108b：根据每个雷达组合中所有雷达对同一个目标的距离信息求解代价函数，对该代价函数利用最优化方法寻找最优值，其最优解(x，y，z)为该雷达组合对应的生命体可能存在位置，其最优值的倒数1/f(x，y，z)即为该位置的可信度指数；以及
子步骤s108c：设定一个位置可信度的阈值δ，对所有雷达组合得到的生命体可能存在位置根据位置的可信度指数进行阈值判定取舍，当某个位置的可信度指数大于该阈值δ时予以保留，小于该阈值δ则舍弃。
优选地，上述从r个雷达单元中随机选取若干个作为一个组合，选取方式采用数学中的组合方式包括：设置r＝5，从中随机取4个雷达探测单元作为一个组合，随机选取的组合数一共有
优选地，上述代价函数的表达式如下：
其中，(x1，y1，z1)(x2，y2，z2)···(xv，yv，zv)分别表示一个雷达组合中的各个雷达探测单元的位置坐标；v表示一个雷达组合中包含的雷达探测单元个数；r1i，r2j，…rvk分别表示一个雷达组合中的第1个，第2个，…第v个雷达对同一个目标的距离；r1i为雷达组合中第1个雷达的m个距离信息中随机挑选的一个距离信息，i＝1，2，…m；r2j为雷达组合中第2个雷达的m个距离信息中随机挑选的一个距离信息，j＝1，2，…m：rvk为雷达组合中第v个雷达的m个距离信息中随机挑选的一个距离信息，k＝1，2，…m；sum{·}为求和函数；|·|为绝对值函数。
优选地，上述求解代价函数的最优化方法采用差分进化最优化算法，并且采用约束优化算法，以雷达阵列最大的探测区域为约束条件，在寻优过程中，对每一次解都检查其是否满足约束条件，最终找出最优解。
优选地，上述可信度的阈值δ量级为103。
优选地，上述对保留的位置进行聚类，聚类的方法为：选取位置点之间的距离小于距离阈值δd的若干位置点归为一类，其表达式如下：
其中一个位置点为：(xi，yi，zi)，另一个位置点为(xj，yj，zj)。
优选地，上述距离阈值δd取值为：δd＝2δ，δ表示雷达单元本身的测距误差。
优选地，上述步骤s106包括：
子步骤s106a：扣除静态背景，其表达式如下：
其中，s(n)为雷达探测数据扣除静态背景后的表达式；s(n)0为雷达探测单元初始探测到的信号数据表达式；n为雷达数据道数，取正整数；m为滑动平均的窗口道数；
子步骤s106b：将扣除静态背景后的雷达探测数据排列成块扫描b-scan图，对同一采样时刻每个雷达探测单元所有道数据的自相关函数采取傅里叶变换获得功率谱，其计算公式如下：
p(ω)＝fourier(rxx(n))(2)
其中，p(ω)为功率谱的表达式；rxx(n)为每一采样时刻对应的一个雷达单元所有道数据的自相关函数；fourier(·)为傅里叶变换函数；以及
子步骤s106c：若某一采样时刻雷达探测单元的功率谱的幅值在生命体微动频率范围内大于某一个阈值，则判定为有生命体存在；这样在b-scan图的时间窗内可以判断有多少个生命体存在，并计算出每个生命体离雷达探测单元的距离；其中，所述阈值为生命体微动频率平均值的三倍，且所述阈值在0.6hz以下。
(三)有益效果
从上述技术方案可以看出，本发明提供的用于生命探测雷达阵列多目标同时定位的方法，具有以下有益效果：
通过采用雷达探测单元组合的方式把探测面阵中每个雷达探测单元接收到的距离信息进行组合配对，建立目标位置方程组，求解代价函数，其最优值的倒数对应每个位置的可信度指数，使系统根据可信度指数便可判断位置信息是否有效，去除了错误解，然后采用聚类处理的方式，在多个雷达组合中辨别真实目标，去除了虚假解，同时求出多目标的具体位置信息，从而实现多目标同时定位，而不会出现漏检。
附图说明
图1为根据本发明实施例用于生命探测雷达阵列多目标同时定位的方法流程图。
图2为根据本发明实施例图1所示的流程图中步骤s102对应的雷达探测单元排布和实际的被探测生命体存在位置的示意图。
图3为根据本发明实施例图1所示的流程图中步骤s106对应的从每个雷达探测单元信号中提取探测到的生命体个数以及相应的距离信息的流程图。
图4为根据本发明实施例图1所示的流程图中步骤s108对应的实施流程图。
图5为根据本发明实施例图4所示的流程图中步骤s108b对应的求解代价函数的算法流程图。
图6为根据本发明实施例图1所示的流程图中步骤s110对应的确定多目标位置的流程图。
图7为如图1所示的流程图中步骤s110对应的聚类处理后的仿真示意图。
具体实施方式
本发明提供了一种用于生命探测雷达阵列多目标同时定位的方法，通过排布多个探测雷达单元形成面阵，将每个探测雷达获取的信息进行编号与组合配对，得到可能的位置目标信息与其可信度指数，通过可信度指数去掉错误解，然后运用聚类处理的方式去除虚假解，进而得出目标体真实位置，实现了多目标定位。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步详细说明。
在本发明的一个示意性实施例中，提供了一种用于生命探测雷达阵列多目标同时定位的方法。图1为用于生命探测雷达阵列多目标同时定位的方法流程图，如图1所示，本实施例中用于生命探测雷达阵列多目标同时定位的方法，包括如下步骤：
步骤s102：将r个用于生命探测的雷达探测单元排布成一个面阵，其中r≥4，并选定一个位置作为参考点，基于此确定各个雷达探测单元的具体位置坐标；
本实施例中，取r＝5，图2为根据本发明实施例图1所示的流程图中步骤s102对应的雷达探测单元排布和实际的被探测生命体存在位置的示意图，如图2所示，将5个用于生命探测的雷达探测单元排布成一个面阵，使得雷达探测单元能在各个方向上尽量“包围住”被探测生命体，同时为了减少由于雷达本身的测距误差而带来的定位误差，将各个雷达探测单元的间距设置远大于测距误差。
步骤s104：获取每个雷达探测单元的信号；
其中，获取的每个雷达探测单元的信号包括幅值，道数。
步骤s106：从每个雷达探测单元信号中提取探测到的生命体个数以及相应的距离信息；
图3为根据本发明实施例图1所示的流程图中步骤s106对应的从每个雷达探测单元信号中提取探测到的生命体个数以及相应的距离信息的流程图，如图3所示，步骤s106具体分为如下子步骤：
子步骤s106a：扣除静态背景，其表达式如下述公式(1)所示；
选取滑动平均的窗口道数m，则每一道雷达探测数据去除背景后的表达式为：
其中，s(n)为雷达探测数据扣除静态背景后的表达式；s(n)0为雷达探测单元初始探测到的信号数据表达式；n为雷达数据道数，取正整数；m为滑动平均的窗口道数。
子步骤s106b：将扣除静态背景后的雷达探测数据排列成块扫描b-scan图，对同一采样时刻每个雷达探测单元所有道数据的自相关函数采取傅里叶变换获得功率谱，其计算公式如下：
p(ω)＝fourier(rxx(n))(2)
其中，p(ω)为功率谱的表达式；rxx(n)为每一采样时刻对应的一个雷达单元所有道数据的自相关函数；fourier(·)为傅里叶变换函数。
子步骤s106c：若某一采样时刻雷达探测单元的功率谱的幅值在生命体微动频率范围内大于某一个阈值，则判定为有生命体存在；这样在b-scan图的时间窗内可以判断有多少个生命体存在，并计算出每个生命体离雷达探测单元的距离；
生命体微动频率大约在0.6hz以下，在某一采样时刻，雷达探测单元的功率谱的幅值在生命体微动频率范围内大于平均值3倍以上时，则判定有生命体存在。
步骤s108：对所有的雷达探测单元进行数学上的随机组合，并对每个雷达组合中的距离信息进行配对组合；利用每个雷达组合的位置和距离信息计算出一个可能的目标位置，并给每个位置分配一个可信度指数；然后通过每个位置的可信度指数决定其是否保留；
图4为根据本发明实施例图1所示的流程图中步骤s108对应的实施流程图，如图4所示，上述步骤可分为如下子步骤：
子步骤s108a：对所有雷达探测单元进行编号a1，a2，······ar，对每个雷达单元获取的目标距离对应进行编号rij，i＝1，2，3，······r，j＝1，2，3，······m；从r个雷达单元中随机选取若干个作为一个组合，选取方式采用数学中的组合方式，不同的组合间允许含有相同的雷达单元；然后选定一个雷达组合，从该组合中每个雷达的距离信息rij中随机挑选一个，得到该组合所有雷达对同一个目标的距离，其它雷达组合按照同样的方式对距离信息进行配对组合；
其中，r表示雷达探测单元总数(r≥4)，m表示单个雷达探测单元识别的生命体个数(m≥2)。
本实施例选用4个雷达探测单元作为一个组合的方式，雷达探测单元总数r＝5，那么随机选取的组合数一共有
子步骤s108b：根据每个雷达组合中所有雷达对同一个目标的距离信息求解代价函数，对该代价函数利用最优化方法寻找最优值，其最优解(x，y，z)为该雷达组合对应的生命体可能存在位置，其最优值的倒数1/f(x，y，z)的即为该位置的可信度指数；
代价函数的表达式如下：
其中，(x1，y1，z1)(x2，y2，z2)···(xv，yv，zv)分别表示一个雷达组合中的各个雷达探测单元的位置坐标；v表示一个雷达组合中包含的雷达探测单元个数；r1i，r2j，…rvk分别表示一个雷达组合中的第1个，第2个，···第v个雷达对同一个目标的距离；r1i为雷达组合中第1个雷达的m个距离信息中随机挑选的一个距离信息，i＝1，2，…m；r2j为雷达组合中第2个雷达的m个距离信息中随机挑选的一个距离信息，j＝1，2，…m；rvk为雷达组合中第v个雷达的m个距离信息中随机挑选的一个距离信息，k＝1，2，…m；sum{·}为求和函数；|·|为绝对值函数。
本实施例中，以4个雷达探测单元为一个雷达组合，设四个雷达探测单元的坐标分别为(x1，y1，z1)，(x2，y2，z2)，(x3，y3，z3)，(x4，y4，z4)，存在生命的目标位置为(x，y，z)，对于每一个雷达组合，其代价函数具体形式为：
其中，i＝1，2，…m；j＝1，2，…m；k＝1，2，…m；l＝1，2，…m。
图5为根据本发明实施例图4所示的流程图中步骤s108b对应的求解代价函数的算法流程图，如图5所示，针对代价函数的非线性，采用差分进化(de)最优化算法来求解代价函数，算法的求解过程分为以下子分步骤：
子分步骤s108b-1：建立目标函数f(x)，确定非线性问题的维度d，建立初始种群{x1，x2，......，xnp}，并设立最大进化次数n；
其中，每一个种群xi都是一个d维向量，np代表种群数，在本实施例中，非线性问题的维度为3。
子分步骤s108b-2：选取一个种群样本xt作为变异目标，另外挑选三个种群样本来产生变异源个体xs；产生变异源个体的方法根据如下公式：
xs＝xk+f*(xj-xl)，{t，k，j，l∈{1，2，...，np}，且t≠k≠j≠l}(5)
子分步骤s108b-3：将变异目标xt与变异源个体xs进行基因交换，产生子代个体xchild，并保证变异源个体中至少有一个基因传递到子代个体中；
子分步骤s108b-4：进行种群筛选，产生下一代种群样本xnext，完成一次进化；种群筛选的方法根据如下公式：
子分步骤s108b-5：如果进化次数小于n，则回到步骤s108b-2，进行下一次进化；如果进化代数为n，则在第n代种群中挑选使目标函数达到最小的个体作为该非线性问题的最优解；
本实施例中由于知道雷达阵列最大的探测区域，因此在求解过程中，为了保证解在探测范围以内，以及考虑求解的效率，采用约束优化算法，以雷达阵列最大的探测区域为约束条件，在寻优过程中，对每一次解都检查其是否满足约束条件，最终找出最优解；
需要说明的是，本发明不仅仅局限于上述差分进化最优化算法，还可以采用现有的其他的最优化算法。
子步骤s108c：设定一个位置可信度的阈值δ，对所有雷达组合得到的生命体可能存在位置根据位置的可信度指数进行阈值判定取舍，当某个位置的可信度指数大于该阈值δ时予以保留，小于该阈值δ则舍弃。即：
本实施例中，位置可信度的阈值δ的量级为103；设置可信度阈值的目的是去除代价函数求解过程中的错误解。
步骤s110：对保留的位置进行聚类，依据每个类中元素个数占所有可能位置点的比例分配一个概率，选取概率最高的m个类当作目标体真实位置所在的类，然后对真实位置所在的类的所有位置点进行加权平均，同时得到多生命体的具体位置，实现多目标同时定位；
图6为根据本发明实施例图1所示的流程图中步骤s110对应的确定多目标位置的流程图，如图6所示，上述步骤分为如下子步骤：
子步骤s110a：对保留的生命体可能存在位置进行聚类，聚类的方法为：选取位置点之间的距离小于距离阈值δd的若干位置点归为一类，其表达式如下：
其中一个位置点为：(xi，yi，zi)，另一个位置点为(xj，yj，zj)；
本实施例中，选取δd＝2δ，δ表示雷达单元本身的测距误差；每个雷达单元在实际测距中由于各自独立的测距误差带来的不同的雷达组合在对同一个目标体定位时最终计算出来定位点并不完全重合，会导致虚假解的产生，而聚类处理有效去除了虚假解。
图7为根据本发明实施例图1所示的流程图中步骤s110对应的聚类处理后的仿真示意图。本实施例中对保留的位置进行聚类后的仿真图如图7所示，其中，黑框中的数字“1、8、9”代表每个位置在雷达组合中出现的次数。
子步骤s110b：依据每个类中元素个数占所有可能位置点的比例分配一个概率，选取概率最高的前m个类当作目标体真实位置所在的类；
子步骤s110c：对真实位置所在的类的所有位置点进行加权平均，得出的结果即代表生命体所在的位置，实现了多目标同时定位。
综上所述，本发明实施例提供了一种用于生命探测雷达阵列多目标同时定位的方法，通过将雷达探测单元进行随机分组，对每个雷达组合获取的距离信息进行组合配对，求解代价方程最优值得到可能的位置目标信息与其可信度指数，使系统根据可信度指标便可判断位置信息是否有效，去除了错误解，解决了传统手段中方程个数多于变量个数、方程组无解的问题；并通过运用聚类处理的手段，将距离小于某一值的位置点归为一类，利用真实目标出现的概率最高这一基本算法，去除了由于测距误差带来的虚假解，最终实现了多目标同时定位。
当然，根据实际需要，本发明提供的用于生命探测雷达阵列多目标同时定位的方法，还包含其他的常用算法和步骤，由于同发明的创新之处无关，此处不再赘述。
本发明中提到的数字出现在第“1”个、第“2”个表明顺序或者列举序号的表述中，与第“一”个、第“二”个等价，出现在表示数目的“4”个、“3”个等表述中，与汉字四个、五个等价。
以上所述的具体实施例，对本发明的目的、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，以上所述仅为发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。