一种去除伪点的无源多站多目标交叉定位方法

1.本发明属于电子对抗技术领域，具体涉及一种去除伪点的无源多站多目标交叉定位方法。


背景技术：

2.电子对抗在现代战争中的地位和作用不断增强，辐射源定位是电子对抗的一个重要课题。虽然主动定位技术具有全天候和高精度的优势，但它也很容易被敌人探测到，从而遭受敌方电子干扰的软杀伤或诸如反辐射导弹等硬杀伤武器的攻击，对定位精度造成极大影响，甚至威胁定位系统自身的安全。
3.无源定位是一种被动探测侦察定位，它本身不发射信号，只接收来自外部辐射的信号，因此具有极强的隐蔽性。其可以从接收到的信号中获得计算目标位置信息的相关参数，进而实现目标定位。在无源定位中，测向交叉定位由于设备简单、方位信息可靠、探测距离长、系统灵敏度高而得到了广泛的应用。然而，在多目标定位场景中，多传感器使用多目标的方位角测量值进行交叉定位时会产生大量的伪点。


技术实现要素：

4.为了解决现有技术中存在的上述问题，本发明提供了一种去除伪点的无源多站多目标交叉定位方法。本发明要解决的技术问题通过以下技术方案实现：
5.本发明提供了一种去除伪点的无源多站多目标交叉定位方法，包括：
6.步骤1：根据每个测向站获取的每个目标的到达角信息，确定每个测向站对应的测向线，利用双站交叉定位得到所有测向站的测向线的交点集合；
7.步骤2：利用高密度点提取算法确定所述交点集合中的高密度点，得到高密度点集合；
8.步骤3：根据所述高密度点集合中所有高密度点对应的截断半径，对所述高密度点集合中的高密度点聚类成簇，形成簇集合；
9.步骤4：计算得到所述簇集合的每个簇的簇中心相对于每个测向站的方位角，根据计算结果对所述簇集合中的簇进行筛选和合并，确定最终的簇集合；
10.步骤5：根据最终的簇集合中每个簇的平均位置获取目标的定位结果。
11.在本发明的一个实施例中，所述步骤2包括：
12.步骤2.1：初始化高密度点提取算法的参数，所述参数包括截断半径dc，截断半径自增步长step，截断半径的上阈值maxdc，局部密度的下阈值minpts，其中，截断半径dc的初始值为零；
13.步骤2.2：根据dc＝dc+step，对截断半径dc进行更新，判断当前的截断半径dc是否满足dc≤maxdc，如果满足则执行步骤2.3，否则结束高密度点提取算法，执行步骤3；
14.步骤2.3：计算当前的交点集合中各交点之间的欧式距离，得到欧式距离的二维矩阵dis；
15.步骤2.4：根据所述二维矩阵dis和当前的截断半径dc，计算得到每个交点的局部密度，并确定所有交点的局部密度的最大值maxpts，判断局部密度的最大值maxpts是否满足maxpts≥minpts，如果满足则执行步骤2.5，否则返回至步骤2.2；
16.步骤2.5：根据所述二维矩阵dis，计算每个交点的相对距离，根据每个交点的相对距离，计算得到每个交点的基尼系数，将基尼系数最大的交点作为高密度点加入高密度点集合，同时记录该高密度点对应的截断半径dc，之后更新交点集合后返回步骤2.2。
17.在本发明的一个实施例中，在所述步骤2.4中，每个交点的局部密度按照下式计算得到：
18.ρi＝∑
j≠i
x(dis
ij-dc)；
[0019][0020]
式中，ρi表示第i个交点的局部密度，dis
ij
表示交点集合中第i个交点和第j个交点之间的欧式距离，dc表示截断半径。
[0021]
在本发明的一个实施例中，在所述步骤2.5中，每个交点的相对距离按照下式计算得到：
[0022][0023]
式中，rdi表示第i个交点的相对距离，ii表示局部密度比第i个交点大的交点集合，表示空集。
[0024]
在本发明的一个实施例中，在所述步骤2.5中，每个交点的基尼系数按照下式计算得到：
[0025]
pi＝ρi*rdi；
[0026]
式中，pi表示第i个交点的基尼系数。
[0027]
在本发明的一个实施例中，所述步骤3包括：
[0028]
步骤3.1：将所述高密度点集合中的所有高密度点的初始状态记为未聚类，并将所有高密度点按照截断半径由大到小降序排列；
[0029]
步骤3.2：按顺序遍历排序后的高密度点集合中的每个高密度点，若该高密度点的状态为未聚类则并将其状态换为已聚类，判断排序后的高密度点集合中其他未聚类的高密度点与当前遍历的高密度点的欧氏距离，是否在当前遍历的高密度点的截断半径的范围内，若是，则将该未聚类的高密度点的状态换为已聚类，并与当前遍历的高密度点聚类形成簇，对所述高密度点集合遍历完成后得到簇集合。
[0030]
在本发明的一个实施例中，所述步骤4包括：
[0031]
步骤4.1：计算所述簇集合中每个簇的所有点的坐标平均值，得到该簇的簇中心；
[0032]
步骤4.2：计算得到每个簇的簇中心相对于每个测向站的方位角；
[0033]
步骤4.3：对所述簇中心相对于每个测向站的方位角与每个测向站对于每个目标的初始测量值，进行误差计算，得到方位角误差；
[0034]
步骤4.4：根据所述方位角误差，将不符合3σ检验原则的簇剔除，将属于同一组测量数据的簇合并，得到最终的簇集合。
[0035]
与现有技术相比，本发明的有益效果在于：
[0036]
本发明的去除伪点的无源多站多目标交叉定位方法，根据真实目标点附近密度明显高于虚假点的这一特性，在尽量保持精度和虚假点去除性能的同时，有效降低了后续聚类的计算复杂度。本发明方法简单有效，仅通过多站测量的角度信息及自身位置即可完成对目标的定位。
[0037]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
[0038]
图1是本发明实施例提供的一种去除伪点的无源多站多目标交叉定位方法的示意图。
具体实施方式
[0039]
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种去除伪点的无源多站多目标交叉定位方法进行详细说明。
[0040]
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
[0041]
实施例一
[0042]
请参见图1，图1是本发明实施例提供的一种去除伪点的无源多站多目标交叉定位方法的示意图，如图所示，本实施例的去除伪点的无源多站多目标交叉定位方法，包括：
[0043]
步骤1：根据每个测向站获取的每个目标的到达角信息，确定每个测向站对应的测向线，利用双站交叉定位得到所有测向站的测向线的交点集合；
[0044]
示例性地，假设存在n个目标，m个测向站，对于m个测向站来说，每次测量能测到n条测向线，每两个测向站就可构成一个双站系统，共有种组合，对于每种组合利用双站交叉定位可以确定n2个交点，那么，所有测向站的测向线的交点集合包括个交点。
[0045]
步骤2：利用高密度点提取算法确定交点集合中的高密度点，得到高密度点集合；
[0046]
在一个可选地实施方式中，步骤2包括：
[0047]
步骤2.1：初始化高密度点提取算法的参数，参数包括截断半径dc，截断半径自增步长step，截断半径的上阈值maxdc，局部密度的下阈值minpts，其中，截断半径dc的初始值为零；
[0048]
步骤2.2：根据dc＝dc+step，对截断半径dc进行更新，判断当前的截断半径dc是否满足dc≤maxdc，如果满足则执行步骤2.3，否则结束高密度点提取算法，执行步骤3；
[0049]
步骤2.3：计算当前的交点集合中各交点之间的欧式距离，得到欧式距离的二维矩阵dis；
[0050]
步骤2.4：根据二维矩阵dis和当前的截断半径dc，计算得到每个交点的局部密度，并确定所有交点的局部密度的最大值maxpts，判断局部密度的最大值maxpts是否满足maxpts≥minpts，如果满足则执行步骤2.5，否则返回至步骤2.2；
[0051]
在本实施例中，局部密度即表示在i个交点的截断半径内，有多少个其他交点存在，具体地，每个交点的局部密度按照下式计算得到：
[0052]
ρi＝∑
j≠i
x(dis
ij-dc)
ꢀꢀ
(1)；
[0053][0054]
式中，ρi表示第i个交点的局部密度，dis
ij
表示交点集合中第i个交点和第j个交点之间的欧式距离，dc表示截断半径。
[0055]
步骤2.5：根据二维矩阵dis，计算每个交点的相对距离，根据每个交点的相对距离，计算得到每个交点的基尼系数，将基尼系数最大的交点作为高密度点加入高密度点集合，同时记录该高密度点对应的截断半径dc，之后更新交点集合后返回步骤2.2。
[0056]
在本实施例中，采取基于密度峰值聚类的思想计算每个点的相对距离rdi，具体地，每个交点的相对距离按照下式计算得到：
[0057][0058]
式中，rdi表示第i个交点的相对距离，ii表示局部密度比第i个交点大的交点集合，表示空集。
[0059]
对于第i个交点来说，相对距离rdi即表示当第i个交点的局部密度最大时，rdi取dis
ij
的最大值，当存在第i个交点的局部密度大的交点时，rdi取符合j∈ii的dis
ij
最小值。
[0060]
在本实施例中，每个交点的基尼系数按照下式计算得到：
[0061]
pi＝ρi*rdiꢀꢀ
(4)；
[0062]
式中，pi表示第i个交点的基尼系数。
[0063]
在本实施例中，将基尼系数最大的交点作为高密度点加入高密度点集合后，将该交点从交点集合中去除以更新交点集合。
[0064]
步骤3：根据高密度点集合中所有高密度点对应的截断半径，对高密度点集合中的高密度点聚类成簇，形成簇集合；
[0065]
在一个可选地实施方式中，步骤3包括：
[0066]
步骤3.1：将高密度点集合中的所有高密度点的初始状态记为未聚类，并将所有高密度点按照截断半径由大到小降序排列；
[0067]
步骤3.2：按顺序遍历排序后的高密度点集合中的每个高密度点，若该高密度点的状态为未聚类则并将其状态换为已聚类，判断排序后的高密度点集合中其他未聚类的高密度点与当前遍历的高密度点的欧氏距离，是否在当前遍历的高密度点的截断半径的范围内，若是，则将该未聚类的高密度点的状态换为已聚类，并与当前遍历的高密度点聚类形成簇，对高密度点集合遍历完成后得到簇集合。
[0068]
步骤4：计算得到簇集合的每个簇的簇中心相对于每个测向站的方位角，根据计算结果对簇集合中的簇进行筛选和合并，确定最终的簇集合；
[0069]
在一个可选地实施方式中，步骤4包括：
[0070]
步骤4.1：计算簇集合中每个簇的所有点的坐标平均值，得到该簇的簇中心；
[0071]
步骤4.2：计算得到每个簇的簇中心相对于每个测向站的方位角；
[0072]
步骤4.3：对簇中心相对于每个测向站的方位角与每个测向站对于每个目标的初始测量值，进行误差计算，得到方位角误差；
[0073]
步骤4.4：根据方位角误差，将不符合3σ检验原则的簇剔除，将属于同一组测量数据的簇合并，得到最终的簇集合。
[0074]
示例性地，对于簇集合中每个簇的簇中心，可以计算得到其相对测向站的方位角αm，m∈1,2
…
m，每个测向站对于n个目标的初始测量值为α
mn
，m∈1,2
…
m，n∈1,2
…
n，将簇中心和每个测向站的方位角误差定义为min(α
m-α
mn
)。
[0075]
如果该簇中心满足下式条件，即符合3σ原则，则保留该簇，否则将其剔除，
[0076][0077]
如果在寻找min(α
m-α
mn
)的时候，对于每一个m，都能找到一个n满足误差最小，例如，对于两个簇中心p和k，设置一个变量sum，假设以表示p这个簇中心和第m个测向站的第n1个测向数据最接近，表示k这个簇中心和第m个测向站的第n2个测向数据最接近，如果n1和n2相等，令sum+1，对于每一个测向站都进行比较。最后，如果sum≥m-1，就判断簇中心p和k为同一组测量数据对应的目标估计点，将两个簇进行合并。
[0078]
步骤5：根据最终的簇集合中每个簇的平均位置获取目标的定位结果。
[0079]
可选地，计算最终的簇集合中每个簇的所有点的坐标平均值作为目标的定位结果，即，最终的簇集合中每个簇的簇中心为估计得到的目标位置。
[0080]
本发明的去除伪点的无源多站多目标交叉定位方法，根据真实目标点附近密度明显高于虚假点的这一特性，在尽量保持精度和虚假点去除性能的同时，有效降低了后续聚类的计算复杂度。本发明方法简单有效，仅通过多站测量的角度信息及自身位置即可完成对目标的定位。
[0081]
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
[0082]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

技术特征：
1.一种去除伪点的无源多站多目标交叉定位方法，其特征在于，包括：步骤1：根据每个测向站获取的每个目标的到达角信息，确定每个测向站对应的测向线，利用双站交叉定位得到所有测向站的测向线的交点集合；步骤2：利用高密度点提取算法确定所述交点集合中的高密度点，得到高密度点集合；步骤3：根据所述高密度点集合中所有高密度点对应的截断半径，对所述高密度点集合中的高密度点聚类成簇，形成簇集合；步骤4：计算得到所述簇集合的每个簇的簇中心相对于每个测向站的方位角，根据计算结果对所述簇集合中的簇进行筛选和合并，确定最终的簇集合；步骤5：根据最终的簇集合中每个簇的平均位置获取目标的定位结果。2.根据权利要求1所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，所述步骤2包括：步骤2.1：初始化高密度点提取算法的参数，所述参数包括截断半径dc，截断半径自增步长step，截断半径的上阈值maxdc，局部密度的下阈值minpts，其中，截断半径dc的初始值为零；步骤2.2：根据dc＝+step，对截断半径dc进行更新，判断当前的截断半径dc是否满足dc≤，如果满足则执行步骤2.3，否则结束高密度点提取算法，执行步骤3；步骤2.3：计算当前的交点集合中各交点之间的欧式距离，得到欧式距离的二维矩阵dis；步骤2.4：根据所述二维矩阵dis和当前的截断半径dc，计算得到每个交点的局部密度，并确定所有交点的局部密度的最大值maxpts，判断局部密度的最大值maxpts是否满足maxpts≥，如果满足则执行步骤2.5，否则返回至步骤2.2；步骤2.5：根据所述二维矩阵dis，计算每个交点的相对距离，根据每个交点的相对距离，计算得到每个交点的基尼系数，将基尼系数最大的交点作为高密度点加入高密度点集合，同时记录该高密度点对应的截断半径dc，之后更新交点集合后返回步骤2.2。3.根据权利要求2所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，在所述步骤2.4中，每个交点的局部密度按照下式计算得到：ρ
i
＝∑
j≠i
x(dis
ij-c)；式中，ρ
i
表示第i个交点的局部密度，dis
ij
表示交点集合中第i个交点和第j个交点之间的欧式距离，dc表示截断半径。4.根据权利要求3所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，在所述步骤2.5中，每个交点的相对距离按照下式计算得到：式中，rd
i
表示第i个交点的相对距离，i
i
表示局部密度比第i个交点大的交点集合，表示空集。5.根据权利要求4所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，在所
述步骤2.5中，每个交点的基尼系数按照下式计算得到：p
i
＝
i
*d
i
；式中，p
i
表示第i个交点的基尼系数。6.根据权利要求1所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，所述步骤3包括：步骤3.1：将所述高密度点集合中的所有高密度点的初始状态记为未聚类，并将所有高密度点按照截断半径由大到小降序排列；步骤3.2：按顺序遍历排序后的高密度点集合中的每个高密度点，若该高密度点的状态为未聚类则并将其状态换为已聚类，判断排序后的高密度点集合中其他未聚类的高密度点与当前遍历的高密度点的欧氏距离，是否在当前遍历的高密度点的截断半径的范围内，若是，则将该未聚类的高密度点的状态换为已聚类，并与当前遍历的高密度点聚类形成簇，对所述高密度点集合遍历完成后得到簇集合。7.根据权利要求1所述的去除伪点的无源多站多目标交叉定位方法，其特征在于，所述步骤4包括：步骤4.1：计算所述簇集合中每个簇的所有点的坐标平均值，得到该簇的簇中心；步骤4.2：计算得到每个簇的簇中心相对于每个测向站的方位角；步骤4.3：对所述簇中心相对于每个测向站的方位角与每个测向站对于每个目标的初始测量值，进行误差计算，得到方位角误差；步骤4.4：根据所述方位角误差，将不符合3σ检验原则的簇剔除，将属于同一组测量数据的簇合并，得到最终的簇集合。

技术总结
本发明涉及一种去除伪点的无源多站多目标交叉定位方法，包括：根据每个测向站获取的每个目标的到达角信息，确定每个测向站对应的测向线，利用双站交叉定位得到所有测向站的测向线的交点集合；利用高密度点提取算法确定交点集合中的高密度点，得到高密度点集合；根据高密度点集合中所有高密度点对应的截断半径，对高密度点集合中的高密度点聚类成簇，形成簇集合；计算得到簇集合的每个簇的簇中心相对于每个测向站的方位角，根据计算结果对簇集合中的簇进行筛选和合并，确定最终的簇集合；根据最终的簇集合中每个簇的平均位置获取目标的定位结果。本发明简单有效，仅通过多站测量的角度信息及自身位置即可完成对目标的定位。角度信息及自身位置即可完成对目标的定位。角度信息及自身位置即可完成对目标的定位。


技术研发人员：朱丽娜 侯轩 魏雅琦
受保护的技术使用者：西安电子科技大学
技术研发日：2023.03.14
技术公布日：2023/7/25