一种基于节点耦合的多径抑制算法的制作方法

本发明属于穿墙雷达技术领域，特别涉及穿墙雷达成像中多径杂波抑制技术。

背景技术：

多径现象是指电磁波从发射天线发射后返回接收天线的过程中，除了照射到目标经直接反射后到达接收天线的回波分量外，还存在很多通过多次反射最终到达接收天线的回波分量。多径回波将在雷达检测结果中形成虚假目标，严重影响着穿墙雷达系统辨识场景中真实目标的能力。从目前已报告的文献来看，对穿墙雷达的多径问题的研究大致可分为两类：第一，对高分辨率雷达，人体目标不能简单地视为单点目标，身体不同部位存在多路径传播行为；第二，发射的电磁波在目标、墙体、天花板、地板及各反射体之间多次反射，导致信号从发射天线到接收天线的多路传播，成像后可能出现多径鬼影。多径鬼影的存在易引起虚警，会严重干扰目标检测与跟踪的准确度，在实际中也会影响穿墙雷达用户的判断。

P Setlur等人根据几何光学和均匀衍射理论，建立封闭结构下的多径数学模型，再采用点扩散函数对场景成像，计算图像每个像素对应坐标的多径鬼影，将鬼影位置对应像素点的幅值加权至原像素以生成新图像，取得良好的抑制效果且提高了信杂比。但计算量很大，现行硬件条件无法实时处理。Garren D A等人利用多径回波对目标方位角的依赖特性进行多径抑制，多反射回波相对方位角是变化的，而单反射回波则不变。但单反射回波在大方位角时不变特性不能保持，有效性下降。André D B等人提出了一种基于极化的多径抑制技术，利用在不同的极化方式下，镜面反射电磁波的奇分量和偶分量存在的差异抑制多径。但只能应用于校准准确的多极化通道雷达，无法应用到单极化通道雷达。Wang J等人提出基于压缩感知(Compressed Sensing，CS)重构技术进行多径抑制，但没有分析对多目标情况的适应性。综上所述，现有的多径抑制算法多数存在实时性较差、适用性较差等缺点。因此，本发明具有很大的实用价值和参考价值。

技术实现要素：

本发明公开了一种基于节点耦合的多径抑制算法。利用复杂网络的数学模型描述多目标跟踪(Multiple Target Tracking，MTT)中的各航迹之间的关联关系，在目标跟踪系统中，每条跟踪保持的航迹在时刻k只有一个坐标点，因而可容易地将航迹抽象成一个节点，航迹与航迹之间的依赖关系抽象成一条边。通过计算节点之间的耦合度，实现了多径抑制。本发明能够在提高多径抑制精确度的同时提升算法的实时性。

当目标位置变化时，回波信号各传播路径时延和相位也必然变化，因而影响多径鬼影的位置，也就是说目标与多径鬼影之间存在关联关系。故可将每条跟踪保持的航迹设定为一个节点，航迹与航迹之间的关联关系看成边。此外，真实目标产生航迹(目标航迹)与多径鬼影产生的航迹(多径航迹)之间的关联关系是有方向的。比如，两条航迹a和b，如果航迹a是由航迹b产生的多径航迹，则其关联关系是从b指向a；反之，关联关系是从a指向b。因而，目标跟踪系统产生的航迹可以用一个由节点和有向边组成的复杂网络模型描述。

本发明技术方案如下：

算法流程图如图1所示，算法步骤如下：

步骤1：

初始化节点的置信度为1；

步骤2：

取航迹a当前时刻坐标求解其多径虚假目标坐标，逐一计算其他航迹b与当前航迹的关联系数如果节点a的置信增加同时，节点b的置信度下降反之，如果节点a和节点b的置信度保持；

步骤3：

当节点的置信度下降到某一门限以下时，比如0.5，节点不再可信，应判断为多径。

本发明基于节点耦合实现了多径抑制，在提升了多径抑制性能的同时算法实时性也较好，具有较大的实用价值。

附图说明

图1算法流程图

图2加入了多径抑制算法的MTT算法流程图

图3二维墙体及多径物理模型

图4关联系数示意图

图5两个目标实际轨迹和不存在多径干扰的仿真量测数据

图6包含多径干扰的仿真量测数据

图7存在多径干扰，目标跟踪系统不使用多径抑制算法跟踪两个目标的输出结果

图8应用多径抑制算法目标跟踪系统的输出结果

具体实施方式

在实际中绝大多数房间的形状均为矩形，不失一般性，考虑下图3所示矩形房间的多径模型，且穿墙雷达可估计房间结构参数。记前墙厚度为d₁，天线阵列到前墙的距离为D_y，侧墙长度为D₁，后墙长度为D₂，墙体介电常数为ε。

基于以上多径模型，考虑如下三种路径分量；

1)直接路径：发射-目标-接收(如，路径A)；

2)一阶路径：发射-目标-墙-接收或者发射-墙-目标-接收(如，路径A+B)；

3)二阶路径：发射-墙-目标-墙-接收(如，路径B+D)。

经计算，二阶路径产生的多径鬼影处于房间外，一阶路径产生的多径鬼影对后墙是位于其上，对侧墙是位于其附近。因此，只需考虑直接路径和一阶路径，对一阶路径产生的多径鬼影位置可通过非线性最小二乘优化估计，公式组如下：

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

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

$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为墙的编号，k＝1，2，3；m为天线的数目，m＝1，2，...，M；为隔墙时多径鬼影的估计值；和分别为电磁波穿墙时的入射角和折射角；为各路径的单程传播时延，p∈{A，B，C，D}；为自由空间下的多径鬼影位置。

基于图3所示多径模型，对包含一阶路径的回波信号成像后图像将显现多个亮斑，无法辨识探测区域实际目标数目。当目标位置变化时，回波信号各传播路径时延和相位也必然变化，因而影响多径鬼影的位置，也就是说目标与多径鬼影之间存在关联关系。故可将每条跟踪保持的航迹设定为一个节点，航迹与航迹之间的关联关系看成边。此外，真实目标产生航迹(目标航迹)与多径鬼影产生的航迹(多径航迹)之间的关联关系是有方向的。比如，两条航迹a和b，如果航迹a是由航迹b产生的多径航迹，则其关联关系是从b指向a；反之，关联关系是从a指向b。因而，目标跟踪系统产生的航迹可以用一个由节点和有向边组成的复杂网络模型描述。

下面具体介绍各目标产生的航迹之间的复杂网络关联数学模型：

定义以下变量：

k：表示某一时刻；

G：表示根据航迹头坐标向量估计多径鬼影的函数(即公式(1)-(4))；

表示航迹a的多径鬼影位置的坐标矢量；

P^a(k)：表示时刻k航迹a的航迹头的坐标矢量；

表示时刻k从节点a到节点b的关联系数；

表示时刻k节点a与节点b之间的耦合度。

在时刻k任意选取两个节点a和b，它们的航迹头坐标分别为P^a(k)和P^b(k)，从节点a到b的关联系数为：

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

式(5)的物理意义是：a的多径虚假目标到b的最短欧式距离定义为两者之间的关联系数。图4直观阐释了关联系数的定义方法。从图4可看出，到b的欧式距离小于到b的欧式距离，因此，把a与b之间的关联系数定义为到b的欧式距离。

节点间的耦合度定义为：

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

显然，是关于关联系数的的减函数，那么，关联系数越小，耦合程度越高。假如给每个节点均定义置信度，耦合程度越高，有向边起始节点的置信度增加越大，终点的置信度下降越厉害；反之，关联系数越大，耦合程度就越低，起点的置信度增加越小，终点的置信度下降越小。当节点为离散节点时，其置信度保持不变。另一方面，本发明所使用的关联波门δ为常数关联波门，大小可调，对同一关联系数是关于关联波门δ的增函数。δ越大，耦合度越大，有向边起始节点置信度增加越大；反之亦然。

算法步骤可归纳如下：

1)初始化节点的置信度为1；

2)取航迹a当前时刻坐标求解其多径虚假目标坐标，逐一计算其他航迹b与当前航迹的关联系数如果节点a的置信增加同时，节点b的置信度下降反之，如果节点a和节点b的置信度保持；

3)当节点的置信度下降到某一门限以下时，比如0.5，节点不再可信，应判断为多径。

为了在真实目标被正确跟踪的同时不出现多径虚假目标航迹，将基于节点耦合的多径抑制算法加入雷达数据处理模块后，得到如2图所示的室内目标跟踪系统的完整处理流程。从图2中可以看出，该目标跟踪系统的输入项是来自信号处理和检测器的数据，输出项是显示器上的航迹。

为了验证本发明所提多径抑制算法的正确性，使用MATLAB进行如下仿真：

设定成像场景为10m×10m，划分为64×64个网格。假设节点a从产生开始就落入其他节点(比如节点b)的关联波门内。目标参数如表1所示。

图5为两个目标实际轨迹和不存在多径干扰的仿真量测数据。图6为包含多径干扰的仿真量测数据。注意到，图6椭圆圈出的部分包含目标2的多径和目标1的量测。图7为存在多径干扰，目标跟踪系统不使用多径抑制算法跟踪两个目标的输出结果。图7中椭圆标注部分实际上存在两条航迹，一条是目标1产生的，另一条是目标2的多径航迹。航迹起始后，随着滤波过程的持续，这两条航迹的状态向量越来越接近，因而被航迹管理过程判断为同一条航迹予以合并，此后，尽管同时存在目标1和目标2多径的量测，超出椭圆部分却只存在一条航迹。图8为应用多径抑制算法目标跟踪系统的输出结果。从图中可以看出，基于节点耦合的多径抑制算法能有效地抑制多径，并且当一个目标在航迹起始就落入其他目标航迹的波门时，基于节点耦合的多径抑制算法依然能有效抑制多径。

表1仿真参数设置