CN104360310B - 一种多目标近场源定位方法和装置 - Google Patents

Abstract

本发明涉及一种多目标近场源定位方法和装置，属于阵列信号处理领域。利用传感器阵列接收目标信号；对各路传感器接收信号进行预处理；由采样的接收信号构造复数接收矩阵；求解复数协方差矩阵特征值和特征向量，构造噪声子空间；谱峰搜索获得定位参数；将定位结果由显示电路显示。其本质是简化特征值分解的Jacobi方法，避免消耗时间选取矩阵绝对值最大元素；采用分级谱峰搜索方式，降低程序运行时间。所述装置包括接收传感器阵列、信号预处理模块、算法执行和定位结果显示模块。本发明适用于多种近场源定位算法，可提高近场源定位算法运行效率，实时获得多目标高精度定位参数。

Description

一种多目标近场源定位方法和装置

技术领域

本发明属于阵列信号处理领域，具体涉及一种多目标近场源定位方法和装置。

背景技术

被动定位是利用定位目标自身辐射信号获得其位置信息的一项技术，在雷达和声纳等军事领域和无线通信、地震监测等民用领域均具有广泛的应用。传统的被动定位是利用目标源信号到达不同传感器的时间差估计信源方位信息。但这种方法定位精度较低，且难以实现对多目标源的定位。而将近场源定位算法应用于被动定位系统中，可以发挥其精度高、抗干扰能力强、空间超分辨能力和可定位多目标等特点。

随着数字信号处理(Digital Signal Processing，简称DSP)技术的进步，近场源定位算法也得到了较快的发展。利用硬件装置实现近场源定位算法成为人们研究的热点。近场源定位算法需处理复值接收矩阵，故在硬件实现方法中需将传感器采集的实数数据转换为复数数据。目前常用的方法是对接收数据进行正交相位检波，但该方法仅能处理单频信号，限制了定位系统的适用性。

近场源定位算法需同时估计信源的角度和距离信息，其中的经典方法有二维MUSIC算法和高阶ESPRIT算法等。但以上定位算法计算复杂度高。如二维MUSIC算法计算过程中，对复数协方差矩阵进行特征值分解，由C语言实现计算复杂度高；谱峰搜索求解定位参量程序执行效率低，程序实时性差。上述问题限制了近场源定位算法由DSP等处理器的实现。

信源角度和距离估计算法硬件实现一直受到人们的广泛关注。Kishigami T等人在题为“Direction of arrival estimation apparatus and variable directionalsignal receiving and transmitting apparatus using the same”的美国专利No.US6351238 B1中提到的DOA估计硬件实现方法中，利用相位检测将传感器接收信号转换为正交复数信号，为提高运算效率，对AD采样所得复数数字信号进行下采样降低数据量，利用上述步骤所得数据，由DOA估计模块计算信源定位参数。该方法会损失信号部分有用信息，降低估计精度。

魏平等人在题为“一种芯片可实现的多信号分类算法”的中国专利No.CN1746697A中提到，利用阵列天线并行采集数据，由实数接收矩阵计算协方差矩阵，通过改进的低复杂度坐标旋转算法实现Jacobi特征值分解方法，求解造噪声子空间，进而由谱峰搜索估计信源角度。该方法没有提出求解复数协方差矩阵特征值和特征向量的方法，无法获得定位算法的硬件实现方案。

发明内容

本发明提供一种多目标近场源定位方法和装置，以解决近场源定位算法实现过程中复值矩阵特征值分解C语言实现计算复杂度高和谱峰搜索程序运行效率低等问题。

本发明采取的技术方案是，一种多目标近场源定方法，具体包括如下步骤：

(1)利用传感器阵列接收目标信号；

(2)对各路传感器接收信号进行预处理；

(3)由采样的接收信号构造复数接收矩阵；

(4)求解复数协方差矩阵特征值和特征向量，构造噪声子空间；

(5)谱峰搜索获得定位参数；

(6)将定位结果由显示电路显示。

上述方法描述的接收信号预处理过程包括增益控制、滤波和归一化处理，增益控制是为了将接收信号幅值调整至适于定位装置动态范围，滤波是为了预先去除一部分接收信号中的噪声，归一化处理是由于各路传感器接收信号难以满足近场源定位算法对幅度一致性的要求，需将各路信号调整至相同幅值；

上述方法描述的接收信号可以是单频信号也可以是多频信号。若信号为多频信号，为便于将实数数据转换为复数数据，需事先确定其主频段，经数字带通滤波处理，获得单一频率信号；

上述方法描述的对采样接收数据需进行归一化处理，是由于各路传感器接收信号难以满足近场源定位算法对幅度一致性的要求，需将各路信号调整至相同幅值；

上述方法描述的构造复数接收矩阵，其特征在于对采样所得各路实数数据进行希尔伯特变换，获得接收矩阵虚部，进而构造近场源定位算法可处理的复数接收矩阵；

上述方法描述的求解复数协方差矩阵特征值和特征向量，其特征在于将复数协方差矩阵转换为实对称矩阵，利用改进的Jacobi方法求解实对称矩阵的特征值和特征向量，由矩阵对应关系获得复数协方差矩阵的特征值和特征向量，进而构造噪声子空间；

上述方法描述的谱峰搜索，其特征在于采用分级搜索方式，首先选取较大步长搜索，确定信源大致位置后缩小角度和距离搜索范围和步长，搜索获得的谱峰即对应所需高精度的多目标位置参数，可提高算法执行效率。

本发明采取的方案是，一种多目标近场源定位装置，具体包含以下部分：

接收传感器阵列，包含多个传感器，按照要求摆放成不同阵型，用于接收目标信号，常用传感器阵列有均匀线阵、十字型阵和面阵等，采用不同传感器阵列需对定位算法进行适当调整；

信号预处理模块，包括增益控制电路和低噪滤波电路，用于对接收信号进行幅值调整和低噪滤波；

算法执行和定位结果显示模块，包括多路AD采样电路、处理器及外围电路、存储器和定位结果显示电路，用于将模拟接收信号转换为数字量，由处理器经算法运算获得信源定位信息并通过显示电路显示。

本发明具有以下优点：

第一、将近场源定位算法应用于被动定位系统中，可发挥定位算法精度高、抗干扰能力强、空间超分辨能力和可定位多目标等特点，便于开发成本低、体积小的被动定位系统；

第二、提出处理多频接收信号的方法，便于将实数信号转换为复数接收矩阵，与传统正交采样方法仅能处理单频信号相比，增加了被动定位系统的适用性；

第三、提出计算复数协方差矩阵特征值和特征向量的C语言实现方法，便于近场源定位算法的实际应用，且可缩短程序运行时间；

第四、采用分级谱峰搜索方式，在不影响定位精度的情况下提高了程序的运行效率，可提高被动定位系统的实时性。

附图说明

图1是本发明提出的由采样的接收信号构造复数接收矩阵的程序的流程图；

图2是本发明提出的求解复数协方差矩阵特征值和特征向量构造噪声子空间的流程图；

图3是本发明提出的分级谱峰搜索的流程图；

图4是本发明提出多目标近场源定位装置结构框图。

具体实施方式

多目标近场源定位方法，其特征包括如下步骤：

步骤一、利用传感器阵列接收目标信号，具体实施过程如下：

将多个传感器按照要求摆放成不同的阵型，如均匀线阵、十字型阵、面阵等，将定位目标发射的声波等模拟信号转换为电信号传递给后续电路。

步骤二、对各路传感器接收信号进行预处理，具体实施过程如下：

各路传感器阵列后续的信号预处理模块首先对信号进行幅值调整，以适应后续电路的动态范围，进而对信号进行低噪滤波，以去除部分信号中含有的噪声，将数据传递给后续电路。

步骤三、由采样的接收信号构造复数接收矩阵，具体实施过程如下：

1.设传感器个数为M，对M路接收信号进行并行L次AD采样，接收信号可以是单频线谱cos(2πft)，其中f为信号频率，t为时间，也可以是多频线谱其中f_i为各线谱频率。针对多频信号，为便于将实数数据转换为复数数据，需确定其主频段，经带通滤波处理，获得单一频率信号；

2.设第m路接收信号的采样数据为[s_m0(1)s_m0(2)…s_m0(L)]，其中m＝1,2…M，n＝1,2…L为采样次数。将采样所得数据进行归一化处理，首先选取采样数据中最大值和最小值分别定义为x_max和x_min，然后对采样所得每一个数据进行如下处理

y＝(y_max-y_min)(x-x_min)/(x_max-x_min)-y_max

其中x为采样数据元素，y为归一化所得数据元素，y_max和y_min是归一化所得数据中的最大值和最小值，优选的方案是，令y_max＝1，y_min＝-1；

2.由归一化所得数据构成M×L维实数接收矩阵X_real

其中s_m(n)表示第m路信号归一化所得元素，将X_real写成列向量形式为：

X_real＝[S₁ S₂ …S_M]^T

其中，T表示转置操作，S_m＝[s_m(1) s_m(2) … s_m(L)]为X_real的各行元素组成的向量；

3.对X_real各行进行希尔伯特变换，获得矩阵X_imag如下：

X_imag＝[H(S₁) H(S₂) … H(S_M)]^T

其中H(S_m)表示对S_m进行希尔伯特变换。故复数接收矩阵X可表示为：

X＝X_real+jX_imag＝[S₁+jH(S₁) S₂+jH(S₂) … S_M+jH(S_M)]^T；

步骤四、求解复数协方差矩阵特征值和特征向量，构造噪声子空间，具体实施过程如下：

1.利用步骤一中所得复数接收矩阵X计算协方差矩阵R：

R＝XX^H

H表示复值共轭转置操作，R为M×M维复值Hermitian矩阵；

2.利用Hermitian矩阵对称性，将复值协方差矩阵R转换为实对称矩阵R₂

其中re表示取矩阵的实部，im表示取矩阵的虚部，R₂为2M×2M维实对称矩阵；

3.求解实对称矩阵R₂的特征值和特征向量：

(1)令V为2M阶单位矩阵，即

(2)确定迭代次数为2M次，即对于m＝0,1,2,…,2M-1执行如下操作：

1)对于i＝0,1,2,…，2M-2

A)对于j＝i+1,i+2,…,2M-1

a)定义B为2M阶单位矩阵；

b)令m＝-R₂[i][j]，n＝(R₂[j][j]-R₂[i][i])/2；

c)令

d)s2＝ω；

e)令B[i][i]＝B[j][j]＝c，B[i][j]＝-s，B[j][i]＝s；

f)R₂＝B^TR₂B^T，V＝VB；

经过上述过程，R₂的主对角线元素为特征值，V的列向量为各特征值对应的特征向量；

4.利用R与R₂的对应关系，由R₂的特征值和特征向量求解R的特征值和特征向量，构造噪声子空间。

(1)取R₂前M个主对角线元素即为协方差矩阵R的特征值；

(2)设V的前M列为矩阵V_M＝[v₁ v₂ … v_M]，V_M中各列向量为v_i＝[v_i1 v_i2 … v_i2M]^T，则R的第i个特征值对应的特征向量可表示为

V_Ri＝[v_i1 v_i2 … v_iM]^T+j[v_i(M+1) v_i(M+2) … v_i2M]^T

其中i＝1,2,…,M；

(3)将R的特征值按升序排列。设信源个数为K，取前(M-K)个小特征值对应的特征向量即构成噪声子空间U_n；

步骤五、谱峰搜索获得定位参数，为了提高谱峰搜索过程程序执行效率，采用分级搜索方式，具体步骤如下：

1.确定搜索范围，选取大步长进行搜索，优选方案为取最终所需定位精度的10倍为第一级搜索步长

(1)确定角度搜索范围[-90,90]，搜索步长a₁，定义数组

doa1＝-90,-90+a₁,-90+2a₁,...,90-a₁,90

(2)确定距离搜索范围[R₁,R₂]，搜索步长r₁，定义数组

Ra1＝R₁,R₁+r₁,R₁+2r₁,...,R₂-r₁,R₂

(3)根据传感器阵型，由doa1和Ra1定义方向矢量A₁，由此构造谱函数

将P1中满足{P1[i][j]＞P1[m][n]|m∈[i-1,i+1],n∈[j-1,j+1],i≠m,j≠n}元素所对应数组doa1和Ra1中的值作为第一级搜索所得定位参数(θ_k,ra_k)，其中k＝1,2,…K，θ_k和ra_k为第一级搜素所得信源角度和距离参数；

2.以第一级搜索所得信源角度和距离为中心确定第二级搜索范围并缩小搜索步长至所需精度进行搜索

(1)确定角度搜索范围搜索步长a₂，定义数组

(2)确定距离搜索范围搜索步长r₂，定义数组

(3)根据传感器阵型，由doa2和Ra2定义方向矢量A_2k，由此构造谱函数

在各搜索范围内，所得P2k中最大值元素所对应数组doa2k和Ra2k中的值即为所需精度的K个目标的信源定位参数(θ_2k,ra_2k)，其中θ_2k和ra_2k分别第二级搜索所得高精度的信源角度和距离；

步骤六、将定位结果由显示电路显示，具体实施过程如下：

显示电路与控制器进行数据传输，接收计算所得信源定位参数数据，将定位结果显示在LCD屏幕上。

多目标近场源定位装置，包含以下部分：

接收传感器阵列，包含多个传感器，按照要求摆放成不同阵型，用于接收目标信号，常用传感器阵列有均匀线阵、十字型阵和面阵等，采用不同传感器阵列需对定位算法进行适当调整；

信号预处理模块，包括增益控制电路和低噪滤波电路，用于对接收信号进行幅值调整及低噪滤波；

算法执行和定位结果显示模块，包括多路AD采样电路、处理器及外围电路、存储器和定位结果显示电路，用于将模拟接收信号转换为数字量，由处理器经算法运算获得信源定位信息并通过显示电路显示。

下边结合附图对本发明作进一步说明。

图1示出了本发明提出的由采样的接收信号构造复数接收矩阵的程序流程图。将L次并行AD采样的实数数据存储到存储器中，构成实数接收矩阵X_real，将X_real由希尔伯特变换为X_imag，最终构成复数接收矩阵X＝X_real+jX_imag。

图2示出了本发明提出的求解复数协方差矩阵特征值和特征向量进而构造噪声子空间的程序流程图。首先将复数协方差矩阵R转换为实对称矩阵R₂；利用改进的特征值分解Jacobi方法计算R₂的特征值和特征向量；根据R与R₂的映射关系，获得R的实数特征值和复数特征向量；将R的特征值按升序排列，选取前(M-K)个小特征值对应的特征向量构成噪声子空间U_n。

图3示出了本发明提出的分级谱峰搜索程序流程图。第一级搜索时在[-90,90]和[R₁,R₂]范围内以较大步长a₁和r₁对谱函数P1进行搜索，确定P1中谱峰位置(θ_k,ra_k)，第二级搜索根据第一级搜索结果以(θ_k,ra_k)为中心确定搜索范围为和缩小步长至适当精度a₂和r₂对谱函数P2进行搜索，P2中谱峰即对应精度较高的定位参量(θ_2k,ra_2k)。

图4示出了本发明提出的多目标近场源定位装置结构框图。包括接收传感器阵列、信号预处理模块和算法执行与定位结果显示模块。接收传感器阵列包含多个传感器，按照要求摆放成不同志阵型，用于接收目标发射信号；信号预处理模块包含低噪滤波电路和增益控制电路，用于对接收信号进行低噪滤波、幅值调整及各路信号幅值一致性控制；算法执行与定位结果显示模块包含多路AD采样电路、处理器及外围电路、存储器和定位结果显示电路，用于将模拟量接收信号转换为数字量，由处理器经算法运算获得信源定位信息并通过显示电路显示。

本发明提出的多目标近场源定位方法和装置可适用于多种近场源定位算法。具体实施步骤以2D-MUSIC算法为例加以说明，利用M个传感器组成的均匀线阵进行双目标近场源被动定位，所需的角度和距离精度均为0.5：

(1)将M个传感器以λ/4的间距摆放成均匀线阵，接收定位目标发射信号，其中λ为定位目标发射信号的波长；

(2)对各路传感器接收信号首先分别进增益控制以使信号幅值适宜后续电路的动态范围，进而对接收信号进行滤波处理以去除部分噪声成分；

(3)将M路模拟量信号进行L次AD并行采样保存在存储器中，确定目标信号的主频段后，由带通滤波器进行滤波处理，获得单频信号，对各路单频信号进行归一化处理，获得M×L维实数接收矩阵X_real，对X_real进行希尔伯特变换得到X_imag，构成复数接收矩阵X＝X_real+jX_imag；

(4)利用复数接收矩阵X计算协方差矩阵R＝X·X^T/L，将复数协方差矩阵R变换为实对称矩阵R₂，利用改进的特征值分解Jacobi方法求解R₂的特征值和特征向量，根据R和R₂的对应关系，获得R的特征值和特征向量，将R的特征值按升序排列，选取前(M-2)个小特征值对应的特征向量构成噪声子空间U_n。

(5)利用噪声子空间构造谱函数进行分级搜索，首先确定第一级角度和距离的搜索范围与步长，定义

doa1＝-90,-85,-80,...,85,90

Ra1＝0.1λ,0.6λ,1.1λ,...,(M-1)²λ/8

λ为定位目标发射信号波长，(M-1)²λ/8为近场源定位所能达到的最远距离。定义方向矢量

A₁＝exp(-jan2πdsin(doa1π/180)/λ+jπan²(dcos(doa1π/180)²/(λRa1))

其中an为传感器编号，由此构造谱函数

确定P1中谱峰对应位置为(θ₁,ra₁)和(θ₂,ra₂)。

确定第二级角度和距离搜索范围与步长，定义

doa2k＝(θ_k-2.5),(θ_k-2.5)+0.5,(θ_k-2.5)+1,...,(θ_k+2.5)

Ra2k＝(ra_k-0.25λ),(ra_k-0.25λ)+0.5,(ra_k-0.25λ)+1,...,(ra_k+0.25λ)

其中k＝1,2。定义方向矢量

A_2k＝exp(-jan2πdsin(doa2k·π/180)/λ+jπan²(dcos(doa2k·π/180)²/(λRa2k))构造谱函数

确定P2k中最大值元素对应位置(θ₂₁,ra₂₁)和(θ₂₂,ra₂₂)即为最后所得高精度的定位参数。

(6)显示电路与控制器进行数据传输，获得目标定位参数(θ₂₁,ra₂₁)和(θ₂₂,ra₂₂)，由LCD显示屏显示。

表1示出了应用Matlab软件分别采用常规方法和本发明提出的近场源定位方法实现的2D-MUSIC算法进行50次双目标定位的时间对比，实验采用由5路传感器组成的均匀线阵，各路信号采样次数为512，由对比可知本发明提出的近场源定位方法能够有效降低程序运行时间，实现对目标的实时定位。

表1

定位方法	时间(秒)
		常规方法	150.313622
本发明提出的近场源定位方法	3.369142

Claims (7)

1.一种多目标近场源定位方法，其特征在于包括下列步骤：

(1)利用传感器阵列接收目标信号；

(2)对各路传感器接收信号进行预处理；

(3)由采样的接收信号构造复数接收矩阵，接收信号可以是单频信号也可以是多频信号，若信号为多频信号，为便于将实数数据转换为复数数据，需事先确定其主频段，经数字带通滤波处理，获得单一频率信号；

对采样接收数据需进行归一化处理，是由于各路传感器接收信号难以满足近场源定位算法对幅度一致性的要求，需将各路信号调整至相同幅值；

对采样所得各路实数数据进行希尔伯特变换，获得接收矩阵虚部，进而构造近场源定位算法可处理的复数接收矩阵；

(4)求解复数协方差矩阵特征值和特征向量，构造噪声子空间；

(5)谱峰搜索获得定位参数；

(6)将定位结果由显示电路显示。

2.根据权利要求1所述的一种多目标近场源定位方法，其特征在于步骤(2)接收信号进行预处理过程包括：首先对信号进行幅值调整，以适应后续电路的动态范围，进而对信号进行低噪滤波，以去除部分信号中含有的噪声。

3.根据权利要求1所述的一种多目标近场源定位方法，其特征在于步骤(4)中将复数协方差矩阵转换为实对称矩阵，利用改进的Jacobi方法求解实对称矩阵特征值和特征向量，由矩阵对应关系获得复数协方差矩阵的特征值和特征向量，进而构造噪声子空间。

4.根据权利要求1所述的一种多目标近场源定位方法，其特征在于步骤(5)中选取较大步长搜索，确定信源大致位置后缩小角度和距离搜索范围和步长，搜索获得的谱峰即对应所需高精度的多目标位置参数。

5.根据权利要求1所述的一种多目标近场源定位方法，其特征在于步骤(3)包括如下步骤：

(1).设传感器个数为M，对M路接收信号进行并行L次AD采样，接收信号可以是单频线谱cos(2πft)，其中f为信号频率，t为时间，也可以是多频线谱其中f_i为各线谱频率，针对多频信号，为便于将实数数据转换为复数数据，需确定其主频段，经带通滤波处理，获得单一频率信号；

(2).设第m路接收信号的采样数据为[s_m0(1) s_m0(2) … s_m0(L)]，其中m＝1,2…M，(1),(2)…(L)为采样次数，将采样所得数据进行归一化处理，首先选取采样数据中最大值和最小值分别定义为x_max和x_min，然后对采样所得每一个数据进行如下处理：

y＝(y_max-y_min)(x-x_min)/(x_max-x_min)-y_max

其中x为采样数据元素，y为归一化所得数据元素，y_max和y_min是归一化所得数据中的最大值和最小值，令y_max＝1，y_min＝-1；

由归一化所得数据构成M×L维实数接收矩阵X_real：

$X_{real}=\left[\begin{array}{cccc}{s}_1\left(1\right)& s_1\left(2\right)& \mathrm{...}& s_1\left(L\right)\\ s_2\left(1\right)& s_2\left(2\right)& \mathrm{...}& s_2\left(L\right)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ s_M\left(1\right)& s_M\left(2\right)& \mathrm{...}& s_M\left(L\right)\end{array}\right]$

其中s_m(n)表示第m路信号归一化所得元素，将X_real写成列向量形式为：

X_real＝[S₁ S₂ … S_M]^T

其中，T表示转置操作，S_m＝[s_m(1) s_m(2) … s_m(L)]为X_real的各行元素组成的向量；

(3).对X_real各行进行希尔伯特变换，获得矩阵X_imag如下：

X_imag＝[H(S₁) H(S₂) … H(S_M)]^T

其中H(S_m)表示对S_m进行希尔伯特变换，故复数接收矩阵X可表示为：

X＝X_real+jX_imag＝[S₁+jH(S₁) S₂+jH(S₂) … S_M+jH(S_M)]^T。

6.根据权利要求1或3所述的一种多目标近场源定位方法，其特征在于步骤(4)包括下列步骤：

1).利用步骤一中所得复数接收矩阵X计算协方差矩阵R：

R＝XX^H

H表示复值共轭转置操作，R为M×M维复值Hermitian矩阵；

2).利用Hermitian矩阵对称性，将复值协方差矩阵R转换为实对称矩阵R₂：

$R_2=\left[\begin{array}{cc}re\left(R\right)& -im\left(R\right)\\ im\left(R\right)& re\left(R\right)\end{array}\right]$

其中re表示取矩阵的实部，im表示取矩阵的虚部，R₂为2M×2M维实对称矩阵；

3).求解实对称矩阵R₂的特征值和特征向量：

(1)令V为2M阶单位矩阵，即：

(2)确定迭代次数为2M次，即对于m＝0,1,2,…,2M-1执行如下操作：

1)对于i＝0,1,2,…，2M-2

A)对于j＝i+1,i+2,…,2M-1

a)定义B为2M阶单位矩阵；

b)令m＝-R₂[i][j]，n＝(R₂[j][j]-R₂[i][i])/2；

c)令

d)s2＝ω；

e)令B[i][i]＝B[j][j]＝c，B[i][j]＝-s，B[j][i]＝s；

f)R₂＝B^TR₂B^T，V＝VB；

经过上述过程，R₂的主对角线元素为特征值，V的列向量为各特征值对应的特征向量；

4).利用R与R₂的对应关系，由R₂的特征值和特征向量求解R的特征值和特征向量，构造噪声子空间：

(1)取R₂前M个主对角线元素即为协方差矩阵R的特征值；

(2)设V的前M列为矩阵V_M＝[v₁ v₂ … v_M]，V_M中各列向量为v_i＝[v_i1 v_i2 … v_i2M]^T，则R的第i个特征值对应的特征向量可表示为：

V_Ri＝[v_i1 v_i2 … v_iM]^T+j[v_i(M+1/ v_i(M+2) … v_i2M]^T

其中i＝1,2,…,M；

(3)将R的特征值按升序排列，设信源个数为K，取前(M-K)个小特征值对应的特征向量即构成噪声子空间U_n。

7.根据权利要求4所述的一种多目标近场源定位方法，其特征在于步骤(5)包括下列步骤：

1).确定搜索范围，选取大步长进行搜索，取最终所需定位精度的10倍为第一级搜索步长：

(1)确定角度搜索范围[-90,90]，搜索步长a₁，定义数组：

doa1＝-90,-90+a₁,-90+2a₁,...,90-a₁,90

(2)确定距离搜索范围[R₁,R₂]，搜索步长r₁，定义数组：

Ra1＝R₁,R₁+r₁,R₁+2r₁,...,R₂-r₁,R₂

(3)根据传感器阵型，由doa1和Ra1定义方向矢量A₁，由此构造谱函数：

$P1=\frac{1}{|A_1^{\′}\·U_n\·U_n^{\′}\·A_1|}$

将P1中满足{P1[i][j]>P1[m][n]|m∈[i-1,i+1],n∈[j-1,j+1],i≠m,j≠n}元素所对应数组doa1和Ra1中的值作为第一级搜索所得定位参数(θ_k,ra_k)，其中k＝1,2,…K，θ_k和ra_k为第一级搜素所得信源角度和距离参数；

2).以第一级搜索所得信源角度和距离为中心确定第二级搜索范围并缩小搜索步长至所需精度进行搜索：

(1)确定角度搜索范围搜索步长a₂，定义数组：

$doa2=({\mathrm{\θ}}_k-\frac{1}{2}{a}_1),({\mathrm{\θ}}_k-\frac{1}{2}{a}_1)+a_2,({\mathrm{\θ}}_k-\frac{1}{2}{a}_1)+2a_2,...,({\mathrm{\θ}}_k+\frac{1}{2}{a}_1)$

(2)确定距离搜索范围搜索步长r₂，定义数组：

$Ra2=({\mathrm{ra}}_k-\frac{1}{2}{r}_1),({\mathrm{ra}}_k-\frac{1}{2}{r}_1)+r_2,({\mathrm{ra}}_k-\frac{1}{2}{r}_1)+2r_2,...,({\mathrm{ra}}_k+\frac{1}{2}{r}_1)$

(3)根据传感器阵型，由doa2和Ra2定义方向矢量A_2k，由此构造谱函数

$P2k=\frac{1}{|A_{2k}^{\′}\·U_n\·U_n^{\′}\·A_{2k}|}$

在各搜索范围内，所得P2k中最大值元素所对应数组doa2k和Ra2k中的值即为所需精度的K个目标的信源定位参数(θ_2k,ra_2k)，其中θ_2k和ra_2k分别第二级搜索所得高精度的信源角度和距离。