1.一种基于多伯努利滤波的DOA跟踪方法,其特征在于,包括:通过传感器阵列接收叠加的量测数据;获取k-1时刻多伯努利滤波器得到的滤波后验信息,包括:伯努利分量的存在概率和目标的空间分布概率密度函数;根据多伯努利滤波器对多伯努利分量进行预测,得到k时刻的多伯努利后验信息;根据预测的的多伯努利分量对目标状态进行提取;迭代处理,k=k+1,直至所有时刻处理完毕。2.根据权利要求1所述的基于多伯努利滤波的DOA跟踪方法,其特征在于,所述根据多伯努利滤波器对多伯努利分量进行预测,得到k时刻的多伯努利后验信息,包括:获取第k-1时刻的粒子状态与粒子权重基于所述粒子状态与所述粒子权重确定所述目标的空间分布概率密度函数
4.根据权利要求3所述的基于多伯努利滤波的DOA跟踪方法,其特征在于,根据k时刻所得的叠加量测Y(t),则多伯努利条件为:其中,为多伯努利条件强度函数,表示k时刻伯努利分量的存在概率,表示k时刻伯努利分量的后验概率密度,fk|k(·)为k时刻的概率函数,fk|k-1(·)为k时刻预测的概率函数,W表示当前目标的集合且W={x1,...,xn},x表示目标状态,(xj)表示为第j个多伯努利分量X,Yk表示k时刻量测,Y[k-1]表示到k-1时刻所有量测的集合,fk|k(Yk|Y[k-1],xj)表示在到k-1时刻所有量测的集合为Y[k-1]及k时刻状态为xj情况下k时刻量测为Yk的概率,f(·|xj)表示不包含第j个多伯努利分量的多伯努利随机有限集的多目标概率密度;其中,是多目标分布,定义为:5.根据权利要求4所述的基于多伯努利滤波的DOA跟踪方法,其特征在于,对于任意的W且它对应于预测的多目标分布,多伯努利条件更新为:其中,为多伯努利条件存在概率的更新,为粒子状态预测,j为粒子数目指标,因此得到多伯努利条件更新的伪似然函数:伪似然函数根据传感器阵列叠加量测及源信号可进一步写成:s表示目标信号能量,则有a(xi ,k)表示信号的方向矢量,si为信号强度,nk表示高斯噪声,已知预测的fk({x}∪W)均满足泊松过程,因此fk(Yk|{x}∪W)=fk(Yk-a(x)s|W)N(s;0,P),P=s·sT为信号方差,则多伯努利DOA跟踪算法伪似然函数根据传感器阵列叠加量测及源信号可进一步写成:根据变量变换公式,即表示g(m)=a(m)s且噪声为高斯噪声,为噪声协方差,则似然函数为:假设p(z)是根据变量变化引起的高斯分布,用高斯分布近似得到更新
条件PHD更新的解析公式,则p(z)的第一阶矩和二阶矩分别为:其中,为目标状态变量,是多伯努利辅助粒子滤波预测权重,{·}H表示共轭转
置因子,根据高斯引理1,即两个高斯函数的卷积仍为一高斯函数,则可写为:得:则k时刻多目标多伯努利粒子滤波更新阶段的多伯努利后验信息表示为: