声矢量阵列脉冲环境下的多伯努利机动源DOA跟踪
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
贝叶斯框架及其粒子滤波算法,并证明了该算法在动
态 DOA 估计问题中的有效性。文献[
7]针对标准粒
子滤波算法在机动目标 DOA 快速变化导致跟踪精
度下降、实时性变差等问题,提出了改进粒子滤波算
法,对机动目标的动态进行跟踪。然而,这些算法都
收稿日期:2020
10
13
基金项目:国家自然科学基金(
11661024,
i
r
onme
n
t,a
ndu
s
et
h
e
y,u
FLOM ma
t
r
i
xe
i
e
nd
e
c
ompo
s
i
t
i
ont
oc
on
s
t
r
u
c
tt
h
eno
i
s
es
ub
s
a
c
et
of
o
rmt
h
e MUS
I
Cp
s
e
udo
l
i
k
e
l
i
ho
odf
un
c
t
i
onb
a
s
e
don
g
p
t
h
es
a
t
i
a
ls
e
c
t
r
um.F
i
n
a
l
l
h
ep
a
h
ema
t
i
c
sa
ndCompu
t
i
ngS
c
i
e
n
c
e,
Gu
i
l
i
nUn
i
v
e
r
s
i
t
fE
l
e
c
t
r
on
i
cTe
c
hno
l
ogy,
Gu
i
l
i
n541004,
Ch
i
n
a;
yo
,
2.Co
l
l
e
eo
fE
l
e
c
t
r
on
i
ca
ndI
n
f
o
rma
t
i
onEng
i
n
e
e
r
i
ng Na
n
i
ngUn
i
v
e
r
s
i
t
fAe
为 A。A 中的元素为a(
nk |nk-1),
nk ∈Π 为模型变
量,
Π ={
1,
2,…,
s}为模型索引集合,
s为模型总数。
2
.1 预测阶段
在交互多模型多伯努利滤波器,
k-1时刻的多伯
l
k-1
(
)
}
努利参数集为 {
其中rl
rl
xl
pk-1(
k-1,
nk-1,
k-1)
l=1 ,
k-1
l
l
和pk-1(
xnk-1,k-1)分别表示第l 个伯努利分量的存在
r
on
a
u
t
i
c
sa
nd
g
j
yo
As
t
r
on
a
u
t
i
c
s,Na
n
i
ng210016,
Ch
i
n
a)
j
Ab
s
t
r
a
c
t:
Aimi
nga
tt
h
eDOAt
r
a
c
k
i
ngp
r
ob
l
em o
fmu
l
t
i
l
ema
n
e
uv
e
r
i
ngs
ou
r
c
e
si
nimpu
l
s
i
v
eno
i
s
ee
nv
i
r
onme
n
to
fa
c
ou
s
t
(,)
(,)
k
以近似为一组带有权重的粒子{
其
wkil ,
xnik-l1,k-1}
i=1,
中i为粒子指标,
结合交互式多模算法
Nk 为粒子总数,
N
对粒子的预测可描述为:
在k-1时刻分别用s 个模型
对所有存活粒子的状态预测为
(,)
l
。
xnikl,k|k-1 =fk|k-1(
xl
nk ,
k|
k-1|xnk-1,
J].桂林电子科技大学学报,
2021,
41(
1):
1
6.
2
2021年2月
桂林电子科技大学学报
是在信源数不变的场景下进行跟踪,因此难以解决信
源数时变的跟踪问题。
实 际 情 况 中,跟 踪 的 信 号 源 数 可 能 是 时 变 的,
如潜艇跟踪、移动定位等。随之有学者提出了有限
集统计学理论的概念,并将多目标的状态和量测建
r
t
i
c
l
ef
i
l
t
e
ra
l
r
i
t
hmi
su
s
e
dt
oa
c
h
i
e
v
et
a
r
e
tt
r
a
c
k
i
ng.S
imu
l
a
t
i
one
xp
e
r
ime
n
t
ss
how
p
p
y,t
go
g
t
h
a
tt
h
ea
l
r
i
t
hmc
a
ns
o
l
v
et
h
et
r
a
c
k
i
ngp
r
ob
l
emo
fmu
l
t
i
l
ema
n
e
uv
e
r
i
ngt
a
r
e
t
sund
θ1,k ),
Ψ(
θ2,k ),…,
Ψ(
θN,k )]∈
4M×N
为 导 向 矩 阵;
R
Sk = [
s1(
k),
s2(
k),…,
sN (
k)]
L×N
为 声 源 矩 阵;
Wk = [
w1(
k),
w2(
k),…,
∈R
wM (
k)]∈ R4M×L 为传感器噪声矢量。
2 脉冲环境下多伯努利机动 DOA 跟踪算法
e
rimpu
l
s
i
v
eno
i
s
e,a
ndc
a
na
c
c
u
r
a
t
e
l
go
p
g
y
t
r
a
c
kt
h
et
a
r
e
ts
t
a
t
ea
nde
s
t
ima
t
et
h
enumb
e
ro
ft
a
r
e
t
s.
g
g
Ke
r
d
s:
a
c
ou
s
t
i
cv
e
c
t
o
ra
r
r
a
i
r
e
c
t
i
ono
fa
r
r
i
v
a
lt
r
a
c
k
i
ng;
impu
l
s
eno
i
s
e;
i
DOAt
r
a
c
k
i
ngo
fman
e
u
v
e
r
i
ngs
o
u
r
c
ebymu
l
t
i
b
e
r
no
u
l
l
i
f
i
l
t
e
ri
na
c
o
u
s
t
i
cv
e
c
t
o
ra
r
r
a
l
s
eno
i
s
e
yimpu
WUSuny
ong1,ZOU Ba
ohong1,DONG Xudong2,FAN X
i
a
ng
t
i
ng1
(
1.S
c
ho
o
lo
fMa
t
r的 伪 似 然 函 数,能 够
有效跟踪 时 变 DOA。 而 针 对 单 声 矢 量 脉 冲 噪 声
DOA 跟踪问 题,文 献[
15]用 分 数 低 阶 矩 估 计 声 矢
量 DOA,能准确跟踪 2 个不同频率的窄带信号。但
在低信噪比 环 境 下,当 目 标 发 生 较 大 机 动 时,以 上
算法失去了其检测优势,无法实现机动目标的实时
φn (
收的信源信息表示为
N
zm (
t)= ∑Ψ (
θn (
t))
sn (
t)+wm (
t),
n=1
(
1)
其中:
zm (
t)为在t 时刻第m 个 AVS 接收到的信号
信息;
wm (
t)为脉冲过程噪声;
sn (
t)为第n 个信号的
输出信息;
Ψ(
θn (
t))=a(
t))h(
θn (
t)), 表
ϕn (
动态系统设计了一个开关,非常适用于跟踪时目标
时隐时现的问题。文 献 [
13]首 次 对 单 声 矢 量 传 感
器多信号数目时变跟踪问题进行了仿真,跟踪参数
为方位和频率。实验结果表明,该滤波器能够成功
地跟踪 2 个 不 同 频 率 的 窄 带 信 号。 文 献 [
14]将
MUS
I
C 谱函 数 作 为 MeMBe
为了避免在脉冲噪声下传统单模型状态预测过
程中,因模型失配而导致跟踪的机动目标 DOA 丢失
问题,给出基于脉冲环境下交互式多模型多伯努利
DOA 跟 踪 算 法 (FLOMIMM-MeMBe
r)理 论。
FLOMIMM-MeMBe
r算法引入了一个模型交互,模
型交互是目标运动中进行最佳运动模型匹配的过程,
模型的转换服从马尔科夫过程,则模型转移概率矩阵
n
t
e
r
a
c
t
i
v
emu
l
t
i
l
emod
e
l(
IMM)i
n
t
ot
h
emu
l
t
i
-Be
r
nou
l
l
if
i
l
t
e
rt
op
r
e
d
i
c
t
go
p
t
h
emu
l
t
i
-ma
n
e
uv
e
rs
ou
r
c
e
s.S
e
c
ond
l
s
i
ngt
h
eαs
t
a
b
l
ed
i
s
t
r
i
bu
t
i
ont
omod
e
lt
h
eimpu
l
s
eno
i
s
ee
nv
I
C 伪似然函数,并通过粒子滤波实现。仿真实验结果表明,该算法能够有效实现脉冲噪声下
多机动目标的跟踪,并能有效跟踪目标状态和估计目标数。
关键词:声矢量阵列;波达方向跟踪;脉冲噪声;交互式多模型;多伯努利滤波
中图分类号:TN911
.7
文献标志码:A
文章编号:1673
808X(
2021)
01
0001
06
数估计,然而在水下和室内声信号处理等实际应用
中,过程噪声在本质上是非高斯的脉冲噪声[4]。L
i
等
[
5]
结合稀疏表示和分数低阶矩理论,采用分数低阶
矩,提高了脉冲环境下 DOA 估计算法性能。然而
DOA 估计问题一般假设信号是静止的,实际场景中,
信号源通常是运动的。因此,钟熊虎等[6]针对复杂的
对称 α稳定噪声过程,提出了一种用于 DOA 跟踪的
包含噪声特征向量及其张成的噪声子空间,并采用指
数加权因子ξ 对似然函数进行调整。
i,
l)
因此,对于每个粒子 xn(
得到更新后的模
, k-1,
k k|
型概率计算式:
p
(
i,
l)
pnk =
s
·g(
Zk |x
(
i,
l)
nk
∑p
nk =1
)
(
i,
l)
nk ,
k|
k-1
。
(
i,
l)
)
·g(
Zk |xnk,k|k-1
模为随机有限集(
r
a
nd
omf
i
n
i
t
es
e
t,简称 RFS),构建
贝叶斯框架下的 RFS滤波算法
,为时变目标跟
[
8
10]
踪问题提 供 了 一 种 新 的 思 路。而 多 伯 努 利 滤 波 器
[
]
(
mu
l
t
i
t
a
r
e
tmu
l
t
i
b
e
r
nou
l
l
i,简 称 MeMBe
r)11-12 是
g
在 RFS框架下开发的一种滤波器,其优点是为随机
61861008);广西自然科学基金(
2016GXNSFAA380073);广西研究生教育创新计划(
2020YCXS084)
通信作者:吴孙勇(
1981-),男,教授,博士,研究方向为信息与信号处理。E
-ma
i
l:
wu
s
unyong
121991@163.
态 DOA 估计问题中的有效性。文献[
7]针对标准粒
子滤波算法在机动目标 DOA 快速变化导致跟踪精
度下降、实时性变差等问题,提出了改进粒子滤波算
法,对机动目标的动态进行跟踪。然而,这些算法都
收稿日期:2020
10
13
基金项目:国家自然科学基金(
11661024,
i
r
onme
n
t,a
ndu
s
et
h
e
y,u
FLOM ma
t
r
i
xe
i
e
nd
e
c
ompo
s
i
t
i
ont
oc
on
s
t
r
u
c
tt
h
eno
i
s
es
ub
s
a
c
et
of
o
rmt
h
e MUS
I
Cp
s
e
udo
l
i
k
e
l
i
ho
odf
un
c
t
i
onb
a
s
e
don
g
p
t
h
es
a
t
i
a
ls
e
c
t
r
um.F
i
n
a
l
l
h
ep
a
h
ema
t
i
c
sa
ndCompu
t
i
ngS
c
i
e
n
c
e,
Gu
i
l
i
nUn
i
v
e
r
s
i
t
fE
l
e
c
t
r
on
i
cTe
c
hno
l
ogy,
Gu
i
l
i
n541004,
Ch
i
n
a;
yo
,
2.Co
l
l
e
eo
fE
l
e
c
t
r
on
i
ca
ndI
n
f
o
rma
t
i
onEng
i
n
e
e
r
i
ng Na
n
i
ngUn
i
v
e
r
s
i
t
fAe
为 A。A 中的元素为a(
nk |nk-1),
nk ∈Π 为模型变
量,
Π ={
1,
2,…,
s}为模型索引集合,
s为模型总数。
2
.1 预测阶段
在交互多模型多伯努利滤波器,
k-1时刻的多伯
l
k-1
(
)
}
努利参数集为 {
其中rl
rl
xl
pk-1(
k-1,
nk-1,
k-1)
l=1 ,
k-1
l
l
和pk-1(
xnk-1,k-1)分别表示第l 个伯努利分量的存在
r
on
a
u
t
i
c
sa
nd
g
j
yo
As
t
r
on
a
u
t
i
c
s,Na
n
i
ng210016,
Ch
i
n
a)
j
Ab
s
t
r
a
c
t:
Aimi
nga
tt
h
eDOAt
r
a
c
k
i
ngp
r
ob
l
em o
fmu
l
t
i
l
ema
n
e
uv
e
r
i
ngs
ou
r
c
e
si
nimpu
l
s
i
v
eno
i
s
ee
nv
i
r
onme
n
to
fa
c
ou
s
t
(,)
(,)
k
以近似为一组带有权重的粒子{
其
wkil ,
xnik-l1,k-1}
i=1,
中i为粒子指标,
结合交互式多模算法
Nk 为粒子总数,
N
对粒子的预测可描述为:
在k-1时刻分别用s 个模型
对所有存活粒子的状态预测为
(,)
l
。
xnikl,k|k-1 =fk|k-1(
xl
nk ,
k|
k-1|xnk-1,
J].桂林电子科技大学学报,
2021,
41(
1):
1
6.
2
2021年2月
桂林电子科技大学学报
是在信源数不变的场景下进行跟踪,因此难以解决信
源数时变的跟踪问题。
实 际 情 况 中,跟 踪 的 信 号 源 数 可 能 是 时 变 的,
如潜艇跟踪、移动定位等。随之有学者提出了有限
集统计学理论的概念,并将多目标的状态和量测建
r
t
i
c
l
ef
i
l
t
e
ra
l
r
i
t
hmi
su
s
e
dt
oa
c
h
i
e
v
et
a
r
e
tt
r
a
c
k
i
ng.S
imu
l
a
t
i
one
xp
e
r
ime
n
t
ss
how
p
p
y,t
go
g
t
h
a
tt
h
ea
l
r
i
t
hmc
a
ns
o
l
v
et
h
et
r
a
c
k
i
ngp
r
ob
l
emo
fmu
l
t
i
l
ema
n
e
uv
e
r
i
ngt
a
r
e
t
sund
θ1,k ),
Ψ(
θ2,k ),…,
Ψ(
θN,k )]∈
4M×N
为 导 向 矩 阵;
R
Sk = [
s1(
k),
s2(
k),…,
sN (
k)]
L×N
为 声 源 矩 阵;
Wk = [
w1(
k),
w2(
k),…,
∈R
wM (
k)]∈ R4M×L 为传感器噪声矢量。
2 脉冲环境下多伯努利机动 DOA 跟踪算法
e
rimpu
l
s
i
v
eno
i
s
e,a
ndc
a
na
c
c
u
r
a
t
e
l
go
p
g
y
t
r
a
c
kt
h
et
a
r
e
ts
t
a
t
ea
nde
s
t
ima
t
et
h
enumb
e
ro
ft
a
r
e
t
s.
g
g
Ke
r
d
s:
a
c
ou
s
t
i
cv
e
c
t
o
ra
r
r
a
i
r
e
c
t
i
ono
fa
r
r
i
v
a
lt
r
a
c
k
i
ng;
impu
l
s
eno
i
s
e;
i
DOAt
r
a
c
k
i
ngo
fman
e
u
v
e
r
i
ngs
o
u
r
c
ebymu
l
t
i
b
e
r
no
u
l
l
i
f
i
l
t
e
ri
na
c
o
u
s
t
i
cv
e
c
t
o
ra
r
r
a
l
s
eno
i
s
e
yimpu
WUSuny
ong1,ZOU Ba
ohong1,DONG Xudong2,FAN X
i
a
ng
t
i
ng1
(
1.S
c
ho
o
lo
fMa
t
r的 伪 似 然 函 数,能 够
有效跟踪 时 变 DOA。 而 针 对 单 声 矢 量 脉 冲 噪 声
DOA 跟踪问 题,文 献[
15]用 分 数 低 阶 矩 估 计 声 矢
量 DOA,能准确跟踪 2 个不同频率的窄带信号。但
在低信噪比 环 境 下,当 目 标 发 生 较 大 机 动 时,以 上
算法失去了其检测优势,无法实现机动目标的实时
φn (
收的信源信息表示为
N
zm (
t)= ∑Ψ (
θn (
t))
sn (
t)+wm (
t),
n=1
(
1)
其中:
zm (
t)为在t 时刻第m 个 AVS 接收到的信号
信息;
wm (
t)为脉冲过程噪声;
sn (
t)为第n 个信号的
输出信息;
Ψ(
θn (
t))=a(
t))h(
θn (
t)), 表
ϕn (
动态系统设计了一个开关,非常适用于跟踪时目标
时隐时现的问题。文 献 [
13]首 次 对 单 声 矢 量 传 感
器多信号数目时变跟踪问题进行了仿真,跟踪参数
为方位和频率。实验结果表明,该滤波器能够成功
地跟踪 2 个 不 同 频 率 的 窄 带 信 号。 文 献 [
14]将
MUS
I
C 谱函 数 作 为 MeMBe
为了避免在脉冲噪声下传统单模型状态预测过
程中,因模型失配而导致跟踪的机动目标 DOA 丢失
问题,给出基于脉冲环境下交互式多模型多伯努利
DOA 跟 踪 算 法 (FLOMIMM-MeMBe
r)理 论。
FLOMIMM-MeMBe
r算法引入了一个模型交互,模
型交互是目标运动中进行最佳运动模型匹配的过程,
模型的转换服从马尔科夫过程,则模型转移概率矩阵
n
t
e
r
a
c
t
i
v
emu
l
t
i
l
emod
e
l(
IMM)i
n
t
ot
h
emu
l
t
i
-Be
r
nou
l
l
if
i
l
t
e
rt
op
r
e
d
i
c
t
go
p
t
h
emu
l
t
i
-ma
n
e
uv
e
rs
ou
r
c
e
s.S
e
c
ond
l
s
i
ngt
h
eαs
t
a
b
l
ed
i
s
t
r
i
bu
t
i
ont
omod
e
lt
h
eimpu
l
s
eno
i
s
ee
nv
I
C 伪似然函数,并通过粒子滤波实现。仿真实验结果表明,该算法能够有效实现脉冲噪声下
多机动目标的跟踪,并能有效跟踪目标状态和估计目标数。
关键词:声矢量阵列;波达方向跟踪;脉冲噪声;交互式多模型;多伯努利滤波
中图分类号:TN911
.7
文献标志码:A
文章编号:1673
808X(
2021)
01
0001
06
数估计,然而在水下和室内声信号处理等实际应用
中,过程噪声在本质上是非高斯的脉冲噪声[4]。L
i
等
[
5]
结合稀疏表示和分数低阶矩理论,采用分数低阶
矩,提高了脉冲环境下 DOA 估计算法性能。然而
DOA 估计问题一般假设信号是静止的,实际场景中,
信号源通常是运动的。因此,钟熊虎等[6]针对复杂的
对称 α稳定噪声过程,提出了一种用于 DOA 跟踪的
包含噪声特征向量及其张成的噪声子空间,并采用指
数加权因子ξ 对似然函数进行调整。
i,
l)
因此,对于每个粒子 xn(
得到更新后的模
, k-1,
k k|
型概率计算式:
p
(
i,
l)
pnk =
s
·g(
Zk |x
(
i,
l)
nk
∑p
nk =1
)
(
i,
l)
nk ,
k|
k-1
。
(
i,
l)
)
·g(
Zk |xnk,k|k-1
模为随机有限集(
r
a
nd
omf
i
n
i
t
es
e
t,简称 RFS),构建
贝叶斯框架下的 RFS滤波算法
,为时变目标跟
[
8
10]
踪问题提 供 了 一 种 新 的 思 路。而 多 伯 努 利 滤 波 器
[
]
(
mu
l
t
i
t
a
r
e
tmu
l
t
i
b
e
r
nou
l
l
i,简 称 MeMBe
r)11-12 是
g
在 RFS框架下开发的一种滤波器,其优点是为随机
61861008);广西自然科学基金(
2016GXNSFAA380073);广西研究生教育创新计划(
2020YCXS084)
通信作者:吴孙勇(
1981-),男,教授,博士,研究方向为信息与信号处理。E
-ma
i
l:
wu
s
unyong
121991@163.