[发明专利]一种强冲击噪声下相干分布源动态跟踪方法

说明书

发明公开了一种强冲击噪声下相干分布源动态跟踪方法，具体是在强冲击噪声下设计了一种加权范数分数低阶相关矩阵，在此基础上设计基于加权范数低阶相关矩阵的极大似然动态跟踪方法进行相干分布源动态跟踪，并通过量子标杆学习机制快速得到跟踪结果。本发明设计了更具鲁棒性的基于量子标杆学习机制的相干分布源动态跟踪方法，在强冲击噪声下设计了加权范数分数低阶相关矩阵，并利用极大似然跟踪方法实现了动态跟踪。设计了加权范数分数低阶相关矩阵，能够分辨相干信源，在强冲击噪声下实现了对动态目标的有效跟踪，设计的量子标杆学习机制可以对加权范数分数低阶相关矩阵极大似然方程进行高精度求解，快速准确的得到跟踪结果。

技术领域

本发明涉及一种强冲击噪声下相干分布源动态跟踪方法，特别是一种强冲击噪声环境下的基于量子标杆学习机制的相干分布源动态跟踪方法，属于阵列信号处理领域。

背景技术

近年来，高分辨率的阵列信号处理技术备受关注，尤其是阵列测向技术，在地震探测、雷达、无源声纳、无线通信等诸多领域得到广泛应用，并形成了许多高分辨率估计算法。绝大多数些波达方向估计算法大多假设信号源是远场的点目标，点目标模型是实际环境的一种近似，多数测向算法往往假设背景噪声为高斯噪声,且高速瞬时采样时角度为定值，利用二阶或高阶累积量进行分析可以获得理想的结果。然而,由于目标的尺寸取决于与阵列接受天线的距离，加之多径效应、散射等现象的影响，无线移动通信中信号波达角常在一定范围内被展开，呈现出分布信号源，同时在实际环境中分布源中心方位角是随时间变化的，而且有非高斯噪声的存在，如海杂波噪声、大气噪声、无线信道噪声等，这些噪声的模型可表示成SαS随机过程,它与高斯噪声模型失配,使得传统的基于二阶或高阶累积量的算法失效，根据分布源的散射特性，可以将其分为相干分布源和非相干分布源两类，因此研究在强冲击噪声下基于量子标杆学习机制的相干分布源动态跟踪方法具有重要的意义和价值。

使用极大似然算法进行相干分布源动态跟踪，可以获得高精度高分辨的跟踪性能，且可以分辨相干信源，但是需要对多维非线性优化问题进行全局最值搜索，如何快速高精度得到搜索结果是极大似然动态跟踪方法应用的经典问题，使用智能优化算法对其求解是一种具有潜力的解决方案，但现有的智能优化算法在求解复杂动态跟踪问题时又存在一些不足，如收敛速度慢、易陷入局部极值等，因此需要针对具体问题设计新的智能优化算法进行求解。

通过对现有技术文献的检索发现，蔡睿妍等在《电子与信息学报》(2020,42(11):2600-2606),上发表的“脉冲噪声下基于相关熵的相干分布源DOA估计新方法”中提出基于广义相关熵的DOA估计新方法，此方法在冲击噪声环境下表现出一定的鲁棒性，但不能实现相干分布源动态跟踪，且不能分辨相干信源；Guo Xiansheng等在CIE Radar(2006:1407-1410)上发表的“Fast DOA tracking of coherently distributed sources based onsubspace updating”中提出了一种基于子空间更新的相干分布源中心DOA跟踪方法,并对PAST算法进行改进,研究了基于FAPI的动态DOA估计方法，该方法具有计算量小，实时性好的特点。但是该方法在低信噪比和强冲击噪声环境下效果不理想且不能分辨相干信源。

已有文献的检索结果表明，现有的相干分布源动态跟踪方法多采用子空间跟踪及迭代的方法，此类算法实时性好且计算量小，但大多不能直接对相干信源进行求解，并且在低信噪比和冲击噪声的环境下性能较差，现有的相干分布源动态跟踪方法在强冲击噪声和低信噪比背景下性能恶化且不能分辨相干信源的技术难题亟待解决。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种强冲击噪声下相干分布源动态跟踪方法，此方法利用量子标杆学习机制进行高效求解，在强冲击噪声环境下具有鲁棒性，且可以分辨相干信源，突破了现有相干分布源动态跟踪方法的一些应用局限。

为解决上述技术问题，本发明的一种强冲击噪声下相干分布源动态跟踪方法，包括以下步骤：