基于时延和多普勒频移的运动辐射源直接跟踪研究

作     者：郭梦春 

作者单位：杭州电子科技大学 

学位级别：硕士

导师姓名：骆吉安

授予年度：2021年

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 080902[工学-电路与系统] 08[工学] 

主      题：直接跟踪 贝叶斯滤波 拉普拉斯近似 马尔可夫链蒙特卡洛 时间延迟 多普勒频移 

摘      要：基于时延和多普勒效应的运动辐射源状态估计能够被广泛应用于雷达、声纳、卫星定位和导航等领域。针对多站单运动辐射源跟踪问题,在贝叶斯滤波框架下的粒子滤波直接跟踪算法省去时延和多普勒频移等中间参数估计步骤,利用原始信号采样对辐射源直接进行跟踪,在低信噪比情况下具有更好的跟踪精度。然而基于粒子滤波的直接跟踪算法在重采样时会减少粒子的多样性,降低滤波器的收敛性,影响跟踪性能。此外,算法复杂度分析表明粒子滤波器在粒子数量、采样快拍数较多的高维场景下算法复杂度急剧增加,不利于目标跟踪的实时性。本文针对上述问题,分别提出了马尔科夫链蒙特卡洛（Markov chain Monte Carlo,MCMC）直接跟踪算法和基于Laplace近似的卡尔曼滤波直接跟踪算法。具体的研究内容如下:1.在贝叶斯滤波框架下,对现有的粒子滤波直接跟踪算法进行了梳理,推导了目标跟踪误差的后验克拉美罗下界（Posterior Cramér-Rao Lower Bound,PCRLB）,并进行了算法复杂度分析和仿真实验。仿真结果表明:目标的跟踪误差会随着信噪比（Signal to Noise Ratio,SNR）、粒子数量、采样快拍数的增加而减小,但是粒子数量、采样快拍数较多时算法运行时间急剧增加。2.针对粒子滤波器在重采样时粒子多样性减小问题,提出一种基于MCMC的直接跟踪算法。通过在贝叶斯滤波迭代中引入M-H（Metropolis Hasting）抽样算法,选择符合拒绝-接收率的采样样本作为近似服从目标后验概率密度函数的平稳马氏链样本集,再对样本集作平均进而估计出每个时刻目标的位置和速度等状态参数,由于所构造的马氏链具有良好的收敛特性,避免了上述粒子滤波算法因粒子贫化所带来的收敛性降低问题。仿真结果表明:基于MCMC直接跟踪算法的跟踪误差随着SNR、马氏链长度、采样快拍数的增加而减小,且在相同有效粒子个数条件下该算法比粒子滤波直接跟踪算法更接近PCRLB。3.针对粒子滤波直接跟踪算法高维场景计算量大的问题,提出一种基于Laplace近似的卡尔曼滤波直接跟踪算法。该算法采用Laplace确定性近似算法对高度非线性的后验概率密度函数近似,将没有显示表达式的后验概率密度函数近似为高斯分布,再用卡尔曼滤波器实现目标的跟踪。仿真结果表明:基于Laplace近似的卡尔曼滤波直接跟踪算法的跟踪误差随着SNR、采样快拍数的增加而减小,与粒子滤波直接跟踪算法相比,该算法在达到同等跟踪精度的情况下,具有更少的计算时间。