[发明专利]基于深度聚类的极坐标动态规划无源协同定位方法

权利要求书

1.基于深度聚类的极坐标动态规划无源协同定位方法，其特征在于该方法包括以下步骤：

步骤(1)、通过环境变量学习确定空间转移伸缩量，并求出非线性测量空间内有效转移范围Ψ(z_k(i))＝[Δγ_k Δθ_k]，Δγ_k表示距离差有效转移范围，Δθ_k为方位角有效转移范围；

1.1首先确定空间转移伸缩量，公式如下：

其中P_k和P_t,k分别表示k时刻目标和辐射源过程噪声协方差矩阵，β表示缩放因子，和以及和分别表示辐射源和目标的横纵坐标速度；

1.2结合误差传递理论，确定有效状态转移范围：

其中Δx_k、Δy_k、Δx_t,k和Δy_t,k分别表示目标和辐射源速度所在区间，x_k和y_k表示k时刻目标的横纵坐标，x_t,k和y_t,k表示k时刻辐射源横纵坐标，γ表示距离差，θ表示方位角；

步骤(2)、通过基于深度聚类的动态规划算法进行评测函数更新，评测函数是由深度聚类因子以及回波幅值共同构成，深度聚类因子公式如下所示：

其中p(z_k(i)/H₁)与p(z_k(i)/H₀)分别表示目标和噪声的概率密度函数，z_k(i)表示第k帧第i个状态，H₁和H₀分别表示测量值源自目标的条件和测量源于噪声的条件，λ和ε均为参数；

评测函数I(z_k(i))为：

其中||·||₂表示二范数，A_k(i)表示第k帧第i个状态的幅值，z_k-1(j)表示第k-1帧第j个状态；

通过构造的评测函数对若干帧观测数据进行批处理，在非线性有效状态转移范围内，若相邻帧的某两个状态的评测函数高于其它的候选状态，则对评价函数进行更新，并记录路径；

步骤(3)、通过极值理论确定回溯阈值，并加入抗干扰因子η进行门限约束，找到所有超过阈值的候选状态；

其中表示第k帧测量集合的幅值均值，表示最大概率密度值处的单帧幅值K为观测总帧数，1≤k≤K；

步骤(4)、对所有候选状态进行航迹回溯，得到非线性测量空间的估计航迹；

步骤(5)、对目标和辐射源状态进行统一滤波；

5.1对目标状态和辐射源状态重新组合，生成扩维状态；

5.2通过基于关联预测协方差的扩展卡尔曼滤波算法，对扩维后的状态进行估计，其中第k帧预测协方差矩阵是由第k-1帧的估计协方差和第k-2帧的估计协方差共同构成，公式如下：

其中E为单位矩阵，F_A,k-1为k-1帧状态扩维后的状态转移矩阵，w_A,k表示第k帧扩维后的过程噪声；

通过该滤波算法，对目标和辐射源进行统一滤波估计，从而降低目标和辐射源的跟踪误差。