[0005] 本发明的目的是针对现有技术的不足，提供一种在极坐标测量空间下的动态规划无源协同定位，包括以下步骤：
[0006] 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。
[0007] 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。
[0008] 步骤(3)、确定基于深度聚类的动态规划算法的回溯阈值。
[0009] 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。
[0010] 步骤(5)、对目标进行状态扩维，从而将辐射源状态和目标状态统一滤波估计。
[0011] 步骤(1)具体是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：
[0012] Ψ(zk(i))＝[Δγk Δθk] (1)
[0013] 其中Δγk表示距离差有效转移范围，Δθk为方位角有效转移范围；
[0014] 1.1首先确定空间转移伸缩量，公式如下：
[0015]
[0016]
[0017] 其中Pk和Pt,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。
[0018] 1.2结合误差传递理论，确定有效状态转移范围：
[0019]
[0020]
[0021] 其中Δxk、Δyk、Δxt,k和Δyt,k分别表示目标和辐射源速度所在区间，xk和yk表示k时刻目标的横纵坐标，xt,k和yt,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；
[0022] 步骤(2)具体是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：
[0023]
[0024] 其中p(zk(i)/H1)与p(zk(i)/H0)分别表示目标和噪声的概率密度函数，zk(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；
[0025] 评测函数I(zk(i))为：
[0026]
[0027] 其中||·||2表示二范数，Ak(i)表示第k帧第i个状态的幅值，zk-1(j)表示第k-1帧第j个状态；
[0028] 通过构造的评测函数式(7)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式(1)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；
[0029] 步骤(3)具体是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；
[0030]
[0031] 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；
[0032] 步骤(4)具体是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。
[0033] 步骤(5)具体是对目标和辐射源状态进行统一滤波：
[0034] 5.1对目标状态和辐射源状态重新组合，生成扩维状态。
[0035] 5.2通过一种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：
[0036]
[0037] 其中E为单位矩阵，FA,k-1为k-1帧状态扩维后的状态转移矩阵，wA,k表示第k帧扩维后的过程噪声；
[0038] 通过上述滤波算法，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。
[0039] 与现有技术相比，本发明能够有大幅提高运行时间，算法复杂度低，有效提高辐射源位置不确定下无源协同定位系统的目标跟踪性能，并在不依靠先验信息的条件下确定航迹回溯阈值。
