纯距离雷达组网单目标聚类定位方法
【专利摘要】本发明公开一种纯距离雷达组网单目标定位方法，解决在雷达组网对单目标进行定位的过程中，传统的野值识别方法不适合动态情况且实时性较差的问题。主要步骤包括：(1)对组网雷达进行组合进而获得交点坐标；(2)通过交点的距离和确定该交点所处位置的密集程度；(3)将交点的密集程度与聚类检测门限相比较，进而完成野值点识别及目标的定位。同传统方法相比，本发明易于工程实现且实时性、准确性较高，可以有效提高目标的定位精度。
【专利说明】
纯距离雷达组网单目标聚类定位方法
技术领域
[0001] 本发明属于雷达组网定位技术领域，适用于岸基雷达组网、舰艇编队雷达组网等 对空中单目标定位的场合;在定位精度要求较低的场合，可直接应用本方法获得目标位置； 在定位精度要求较高的场合，可将本方法的结果作为估计初值，尤其涉及一种纯距离雷达 组网单目标聚类定位方法。
【背景技术】
[0002] 在雷达组网对单目标进行定位的过程中，由于各种客观因素或主观操作的影响， 各雷达获得的目标量测中常常存在野值。虽然野值的数量较少，但却严重降低目标的定位 精度。传统的野值识别方法如"3 〇"准则、"格罗布斯"准则等，主要是对量测采取事后的批处 理形式。具体而言，在获得所有的量测以后假定其服从某一分布，然后按照上述准则构造检 验统计量进而识别野值。但实际经验表明，该方法仅适合于静态情况下对某一固定量进行 野值识别，对于空中机动目标等动态情况并不十分有效；同时该方法采取事后的批处理方 式，不利于目标的实时定位。如果定位算法能够实时、准确的识别野值，不仅可以对目标进 tx快速定位与跟踪，同时能够有效提尚目标的定位精度。
【发明内容】
[0003] 本发明的目的是提出一种纯距离雷达组网单目标聚类定位方法，解决以往定位算 法中在动态情况下野值识别率低、实时性差的问题。
[0004] 为实现本发明的目的，本发明提出的纯距离雷达组网单目标聚类定位方法包括以 下步骤：
[0005] 步骤1:将某一时刻N(N>3)部雷达接收机心=(&，71厂(1 = 1，2，-_，《测得的目标 距离信息cU送入雷达信号处理计算机；
[0006] 步骤2:初始化
[0007] np为交点数量，初始化np = l;
[0008] nmax为交点数量最大值，
[0009] xQ为聚类检测门限，取xQe(〇，l);
[0010] ng为密集程度高的交点数量，初始化1^ = 0;
[0011] 步骤3:计算交点坐标
[0012] ⑴任意选择三部雷达 Rm= (Xm，ym)T、Rn= (xn，yn)T、Rk=(Xk，yk)T;
[0013] ⑵测得关于目标的交点坐标之，攻)、：
0) (2)
[001 6] 其中，Ll = -Xmyk-Xnym+Xnyk+ymXk+ynXm1nXk ;
[0017] - ^1 - + x2m： ~xl +y2m -y2"
[0018] L3 = d； - d；n + xfn - X'l + y2m - v~k ;
[0019] (3)nP = nP+l ；
[0020] (4)循环执行该步骤中（1)~(3)，直至nP = nmax+l结束；
[0021] (5)nP= 1 ；
[0022]步骤4:计算交点的距离和
[0023] (1)交点戈到其他所有交点的距离和为：
(3)
[0025] (2)nP = nP+l ；
[0026] (3)循环执行该步骤中（1)~(2)，直至nP = nmax+l结束；
[0027] (4)nP= 1 ；
[0028] 步骤5:基于聚类方法的野值点识别
[0029] (1)初始化最小距离和Dmin = Dnp;
[0030] (2)比较Dmin、Av的大小，并对Dmin赋值：
[0031] = ) (4)
[0032] (3)nP = nP+l ；
[0033] (4)循环执行该步骤中（2)~(3)，直至nP = nmax+l结束；
[0034] (5)nP= 1 ；
[0035] (6)交点所处位置的交点密集程度用下式计算
(5)
[0037] (7)如果y np<xQ，将氣视为野值点，且记相反，ng = ng+l;
[0038] (8)nP = nP+l ；
[0039] (9)循环执行该步骤中（6)~(8)，直至nP = nmax+l结束；
[0040] 步骤6:估计目标位置
[0041] 目标估计位置=(毛,叉)1用下式计算 L0043J由此完成对目标的定位。 (6)
[0044] 和【背景技术】相比，本发明的有益效果说明：（1)野值识别方法的改变;传统的野值 识别方法是直接对量测进行识别，本发明采用数据转换的方法首先将量测转换为目标的交 点，根据交点之间的密集程度进行野值识别；（2)野值识别效率的提高;传统的野值识别方 法采取批处理的形式，本发明提出的方法在各雷达获得目标的单次量测后即可进行野值识 另IJ，实时性得到提高；（3)野值识别范围的扩展;对于传统方法无法识别的野值，本发明可以 根据传感器数量的多少自适应调整聚类检测门限，进而科学确定野值的范围；（4)目标定位 精度的改善;传统的野值识别方法由于不适合动态场合等因素导致算法的定位精度并不理 想，而本发明提出的聚类定位方法可以有效提高目标的定位精度。
【附图说明】
[0045] 附图1是本发明的纯距离雷达组网单目标聚类定位方法的步骤流程图；
[0046] 附图2是本发明方法对目标单次测量后的定位结果图；
[0047]附图3是本发明方法和传统基于3〇准则在野值识别后的定位结果对比图；
[0048]附图4是本发明方法和传统基于3〇准则在野值识别后的定位精度对比图。
【具体实施方式】
[0049] 下面结合附图对本发明的纯距离雷达组网单目标聚类定位方法进行详细描述。
[0050] 实施条件:假设组网雷达的数量N = 5,各雷达位置分别为:1^=(-20,30)\1?2=(0， 0)\办=(15，10)\1?4=(30,0)^ 5=(60，15)7(单位:1〇11);各雷达测距精度相同，且设其值 为〇d = 0 ? 1 km;目标当前位置设为T = (40，60)Tkm;取聚类检测门限xQ = 0 ? 6。
[0051] 根据上述条件，本发明的具体步骤如附图1所示。具体如下：
[0052] 步骤1:将某一时刻N(N>3)部雷达接收机心=(^#)% = 1，2，"_，《测得的目标 距离信息cU送入雷达信号处理计算机；
[0053]步骤2:初始化
[0054] nP为交点数量，初始化nP = l;
[0055] nmax为交点数量最大值，g :;
[0056] xQ为聚类检测门限，取xQe (〇, 1);
[0057] ng为密集程度高的交点数量，初始化~ = 0;
[0058]步骤3:计算交点坐标
[0059] (1)任意选择三部雷达1?111=(叉111，5^)1、1^=(叉11，5^) 1、1^=(叉1{，5^)1;
[0060] (2)测得关于目标的交点坐标,义jT :
[0061 ] 上述三部雷达的距离量测分别为(^、(^^^，可得到如下方程组： (XW ^ ^np ^ _ )\,p ^
[0062] ^ -i"；_ F +fvn -yn}^d； (1) ^ (x^_ ^np)" + \yt ~ y"p / ^ dl [0063] 将上式整理成如下矩阵形式：
[0064] XrLi -B (2) i 廿士 j 「~-A 3V-
[0065] 其中 ； xm-xt ym -yk
[0067]解得：
(3) (4)
[0070] 其中，Ll = -Xmyk-Xnym+Xnyk+ymXk+ynXm1nXk ;
[0071 ] L2. = 4；1 -d2m +.x2m -xl + y；, - yl ；
[0072] h = '4-dX? - yl'
[0073] (3)nP = nP+l ；
[0074] (4)循环执行该步骤中（1)~(3)，直至nP = nmax+l结束；
[0075] (5)nP= 1 ；
[0076] 步骤4:计算交点的距离和
[0077] (1)交点&到其他所有交点的距离和为：
(:5)
[0079] (2)nP = nP+l ；
[0080] (3)循环执行该步骤中（1)~(2)，直至nP = nmax+l结束；
[0081] (4)nP= 1 ；
[0082] 步骤5:基于聚类方法的野值点识别
[0083] ⑴初始化最小距离和0_ = ;
[0084] (2)比较Dmin、\的大小，并对Dmin赋值：
[0085] ￡?mil=min(Dmm,Z>!J (6)
[0086] (3)nP = nP+l ；
[0087] (4)循环执行该步骤中（2)~(3)，直至nP = nmax+l结束，此时便得到Dmin;
[0088] (5)nP=l；
[0089] (6)交点i,,所处位置的交点密集程度用下式计算 (7)
[0091 ]由该式可知，A,p越小，越大；即交点的距离和越小，该交点所处位置的交点密 集程度越大；
[0092] (7)如果& <1。，将衣v视为野值点，且记之，02xl;相反，ng = ng+l;
[0093] XQ的选取同N密切相关，总的原则是:N越大，得到的交点数量nP越大，因此XQ应选取 的大一些才能有效度量交点的密集程度；
[0094] (8)nP = nP+l ；
[0095] (9)循环执行该步骤中（6)~(8)，直至nP = nmax+l结束；
[0096] 此时对所有交点的密集程度均进行了度量，并得到了 ng个密集程度较高的交点集 合；
[0097]步骤6:估计目标位置
[0098]目标估计位置1 用下式计算
(8)
[0100] 即取ng个密集程度较高的交点坐标均值作为目标的估计位置，由此完成对目标的 定位。
[0101] 附图2为各雷达对目标单次测量后的聚类定位结果。5部雷达对目标的当前定位中 共产生CV = 10个交点，本发明方法识别出1个交点作为野值处理。从直观结果看，识别出的 野值点与其他交点所呈现的趋势明显不同。
[0102] 附图3为本发明方法和传统基于3〇准则在野值识别后的定位结果对比图。两种方 法均进行200次Monte Carlo仿真，其中图（a)是本发明的结果图，图（b)是基于3〇准则的结 果图。由图可见，图(a)的交点明显集中在目标位置附近。
[0103] 附图4为附图3的均方根误差(RMS)对比图。在当前仿真条件下，本发明的定位精度 较3〇准则提高约600m。因此同传统的野值识别方法相比，本发明的方法更加实时、准确，进 而有效提尚目标的定位精度。
【主权项】
1. 一种纯距离雷达组网单目标聚类定位方法，其特征在于包括以下步骤： 步骤1:将某一时刻N(N>3)部雷达接收机心二匕^八^又…^测得的目标距离 信息Cl1送入雷达信号处理计算机； 步骤2:初始化 nP为交点数量，初始化nP=l; nmi?为交点数量最大值，《胃s.= < ; X0为聚类检测门限，取x〇e(〇，l); ng为密集程度高的交点数量，初始化~=O;(2) nP = nP+l ； (3) 循环执行该步骤中（1)~(2)，直至nP = nmax+l结束； (4) nP = l； 步骤5:基于聚类方法的野值点识别 (1) 初始化最小距离和只Λ = Av ·， (2) 比较Dmin、的大小，并对Dmin赋值：(4) (3) nP = nP+l ； (4) 循环执行该步骤中（2)~(3)，直至nP = nmax+l结束； (5) nP = l； (6) 交点;^所处位置的交点密集程度用下式计算(5) (7) 如果^ <厶'将&视为野值点，且iE相反，ng = ng+1; (8) nP = nP+l ；(9) 循环执行该步骤中（6)~(8)，直至nP = nmax+l结束； 步骤6:估计目标位置 目标估计位i用下式计算(6) 由此完成对目标的定位。
【文档编号】G01S13/06GK105891814SQ201610031441
【公开日】2016年8月24日
【申请日】2016年1月18日
【发明人】王本才, 李发均, 边保平, 卫国爱, 张祖峰
【申请人】中国人民解放军空军预警学院黄陂士官学校