CN104537257B - 一种基于时差的分布式自适应直接定位方法 - Google Patents
一种基于时差的分布式自适应直接定位方法 Download PDFInfo
- Publication number
- CN104537257B CN104537257B CN201510013222.1A CN201510013222A CN104537257B CN 104537257 B CN104537257 B CN 104537257B CN 201510013222 A CN201510013222 A CN 201510013222A CN 104537257 B CN104537257 B CN 104537257B
- Authority
- CN
- China
- Prior art keywords
- receiver
- mrow
- msub
- signal
- mover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于时差的分布式自适应直接定位方法,用于克服集中式定位方法存在的缺陷。包括以下步骤:1)采集数据,各接收机同时接收发射机发射的信号,并对信号进行解调,采样,得到基带的离散接收信号;2)第一次数据交换,各接收机将自身接收的离散基带信号与邻居接收机互传;3)自适应运算,各接收机计算4)第二次数据交换:各接收机将自身计算得到的与邻居接收机互传;5)结合,各接收机计算6)连续50次的迭代值的差值均小于设定阈值δ时,即认为得到了发射机的位置估计值。本发明定位方法可扩展性强,定位速度快,工作稳健性强。
Description
技术领域
本发明属于信号处理领域,特别是涉及基于时差的无源定位系统中分布式自适应定位方法。
背景技术
目前,基于时差的无源定位技术根据是否需要计算时差值而分为两大类:两步定位方法和直接定位方法。两步定位方法在第一步通过接收信号估计时差值,第二步利用估计的时差值进行定位解算。直接定位算法则不需要计算时差值,直接利用接收信号,估计目标的位置。在接收信号信噪比较低的情况下,直接定位方法的定位精度更高。直接定位方法又可分为批处理方法和自适应方法两类。批处理方法需要对定位区域进行二维或三维的网格式搜索,计算量很大,且不具有目标跟踪的能力。自适应的方法虽然定位精度比批处理的方法精度要稍低,但是该方法的计算量要比批处理的方法少很多,并且具备目标跟踪的能力。
但是,目前基于时差的自适应直接定位方法都是集中式的架构,即各接收机都将其接收的信号传递到定位运算接收机,在该接收机上进行定位运算,即集中式的处理方式。如文献《Adaptive direct position determination of emitters based on timedifferences of arrival》(ChinalSIP’13,2013,S.Zhong,W.Xia,and Z.He)就是采取的该方法。然而,这种集中式处理方式却存在着很大的缺陷。首先,由于所有的运算都集中在一台定位运算接收机上,所以当定位系统中接收机的个数较多时,定位运算接收机将承受很大的计算压力,其能量消耗也将很大,且随着定位系统中接收机个数的增加这种问题将越来越严重。其次,要将所有的信号都传输给定位运算接收机必然会存在多跳传输及传输路径选择等诸多问题,并且在多跳传输的过程中也必然存在着噪声干扰等情况。另外,靠近定位运算接收机的各接收机由于承担着很大的转发接收信号给定位接收机的任务,能量消耗也将变的很大。最后,将所有的定位运算都集中到一个接收机上,对于资源的利用也不是太合理,并且如果在定位的过程中定位运算接收机出现故障,那么整个的定位系统也就瘫痪了,即系统的稳健性不高。且在集中式方法中,会选取参考接收机的信号作为参考信号,定位的精度受该参考接收机信号的影响很大,导致其稳定性很差。
发明内容
本发明的目的在于针对现有集中式自适应定位方法存在的缺陷,提供一种基于时差的分布式自适应直接定位方法。
本发明的技术方案:一种基于时差的分布式自适应直接定位方法,包括以下步骤:
步骤1:采集数据,各接收机同时接收发射机发射的信号,并对信号进行解调,采样,得到基带的离散接收信号;
步骤2:第一次数据交换,各接收机将自身接收的离散基带信号传给邻居接收机,即直接相连的接收机,同时接收邻居接收机传过来的离散基带信号;
步骤3:自适应运算,各接收机根据公式:
计算
步骤4:第二次数据交换:各接收机将自身计算得到的传输给自己的邻居接收机,同时接收邻居接收机传来的结果;
步骤5:结合,各接收机根据公式:
计算
步骤6:当连续50次的迭代值的差值均小于设定阈值δ时,即认为得到了发射机的位置估计值,
在本发明中分布式算法的推导过程为,首先建立发射机与接收机的基带离散时间信号模型;然后提出新的代价函数,用LMS算法对代价函数进行最小化,推导出新的集中式的自适应直接定位方法;最后将新的集中式的算法推广到分布式。具体推导如下:
步骤1:建立发射机与接收机的基带离散时间信号模型,
假设有M个空间分隔的接收机,每个接收机接收的信号xi(t)可表示为:
xi(t)=ηis(t-τt,i)+qi(t)i=1,…,M;0≤t≤T (1)
其中,ηi表示信道衰减,s(t)表示发射机的基带发射信号,qi(t)表示零均值加性高斯白噪声,τt,i表示发射信号从发射机到接收机之间的传输时延,可表示为:
τt,j=(||pe-pr,i||)/c,i=1,2,...,M (2)
其中,pe表示发射机的位置向量,pr,i表示各接收机的位置向量,常数c表示电磁波信号的传播速度,
对各接收信号以周期为Ts进行采样,并且令qi[n]=qi(nTs),即可得到离散的接收信号;
步骤2:建立新的代价函数,推导对应的集中式定位方法,
提出全局代价函数
其中表示每一个接收机上的局部代价函数,为:
而eij[n]称之为误差函数,它是信号xi[n]与延时滤波器输出的差,表示为:
延时滤波器是长度为2K+1的FIR滤波器,其权值向量wij[n]表示为:
滤波器的输入为信号xj(t)的连续2K+1个采样点组成的向量,表示为:
(6)式中的表示在第n次迭代时接收机i与接收机j之间的时差值:
其中表示第n次迭代运算得到的发射机位置估计值,(5)中的表示增益控制系数、作用是减少信号信噪比变化对性能的影响。(3)(4)两式中的表示接收机i邻居接收机的集合(包括接收机i自身),表示除接收机i自身外,所有的邻居接收机。
采用LMS算法对(3)进行最小化,可得到一种集中式的自适应直接位置估计迭代式:
其中μ表示位置迭代的步长,通常选取一个很小的正整数。我们发现(9)式的计算需要所有的接收信号,即每一次迭代过程中,所有接收机都将自身的接收信号传递给定位运算接收机,在其上做(9)式的运算,在背景技术中已提到此集中式方法的诸多劣势,并不理想。
步骤三:对集中式的算法进行改造,提出如下的分布式算法:
根据Diffusion LMS相关理论,我们提出了一种分布式自适应定位方法,在分布式算法中,每个接收机都将参与定位运算,在接收机i(i=1,2,3,…,M)上做如下迭代运算
其中aji为矩阵A(称为结合矩阵)的元素,矩阵A满足如下的条件:
从(10)(11)式中我们发现,每一个接收机的运算只需要其邻居接收机的信号,这样就避免了集中式算法中的多跳传输。
公式(10)中的计算细节描述如下:
其中:
公式(14)中的f(x)表示如下:
而公式(14)可通过如下迭代公式得到:
其中,μα,i,i=1,2,…,M为增益的迭代步长。
本发明分布式自适应直接定位方法与集中式自适应直接定位方法的区别及优势如下
(1)本发明分布式定位方法中,每个接收机都参与运算;避免了集中式定位方法中,只有一个接收机进行定位运算;并且每个接收机的运算量相对于集中式方法中的定位运算接收机的运算量要小很多,且在分布式算法中,每个接收机的运算量并不会随着接收机个数的增加而有明显的增加,可扩展性更强;
(2)本发明分布式定位方法中,每个接收机都只与自身直接相连的接收机(即邻居接收机)进行数据交互,即只存在单跳传输;避免了集中式定位方法中信号的多跳传输信号,信号在传递过程中受到的干扰将会大大的减小;
(3)本发明所提出的分布式定位方法除了上述在计算量及通信量等方面的优势之外,其定位速度比集中式方法的定位速度更快,且本发明定位方法的性能不会随着参考信号信噪比的改变而发生大的变化,工作稳健性强。
附图说明
图1为本发明分布式自适应定位方法工作流程示意图。
图2为本发明实施例接收机网络布局的示例图。
图3为本发明分布式定位方法与集中式定位方法收敛速度比较图。
图4为参考信号信噪比变化对本发明分布式定位方法与集中式定位方法稳态性能影响比较图。
具体实施方式
下面结合附图与实施例对本发明作进一步详细的说明。基于时差的分布式自适应直接定位方法,包括以下步骤:
1.初始化:各接收机进行初始化准备,设定位置迭代的初值及增益迭代初值设定各位置迭代步长μi,设定增益迭代步长μα,i;
2.采集数据:各接收机同时开始接收发射机发射的信号,并对信号进行解调,采样,得到基带的离散接收信号;
3.第一次数据交换:各接收机将自身接收的离散基带信号传给邻居接收机,同时接收邻居接收机传过来的离散基带信号;
4.自适应运算:各接收机根据公式(10)及相关公式计算
5.第二次数据交换:各接收机将自身计算得到的传输给自己的邻居接收机,同时接收邻居接收机传来的结果;
6.结合:各接收机根据公式(11)计算
7.跳到2.继续2-6步的循环,当连续50次的迭代值的差值均小于设定阈值δ时,即认为得到了发射机的位置估计值。
如图2所示为本实施例接收机网络布局的示例图。在集中式定位方法中,所有数据都将传递给定位运算接收机,那么必然存在多跳的传输情况,比如我们选择接收机1为定位运算接收机,则接收机9的信号传给接收机1的信号就要经过9→6→5→1这样多跳的传递,而在本发明的方法中,接收机9的信号只需传递给其邻居即可,即9→4,9→6,9→8,都是单跳的传输。
如图3所示为本发明分布式定位方法与集中式定位方法收敛速度的比较,从图中可以看出,本发明的方法大概经过1000次的迭代运算就可以得到稳定的发射机位置估计值,而集中式定位方法却要经过3000次的迭代才能得到与本发明方法相当的位置估计值,即本发明的收敛速度更快,需要的信号样本点数更少。
在背景技术中已经提到,集中式定位方法会选取某一个接收机的信号作为参考信号,定位的性能将会随着该信号信噪比(SNR)的变化而改变很大,而本发明却不存在这个问题。如图4所示为两种方法在参考信号不同信噪比情况下的学习曲线,在集中式方法中我们选取接收机1的信号作为参考信号,我们做了三组实验,分别设定接收机1的信噪比为20dB,10dB和0dB,从图4中可以看出,随着接收机1信号信噪比的变差,集中式定位方法的位置估计的误差也随之增大,而本文所提出的分布式定位方法却不会受到影响,随着接收机1信号的变化,位置估计的误差并没有明显的变化。
Claims (1)
1.一种基于时差的分布式自适应直接定位方法,包括以下步骤:
步骤1:采集数据,各接收机同时接收发射机发射的信号,并对信号进行解调,采样,得到基带的离散接收信号,具体为:
假设有M个空间分隔的接收机,每个接收机接收的信号xi(t)表示为:
xi(t)=ηis(t-τt,i)+qi(t)i=1,…,M;0≤t≤T
其中,ηi表示信道衰减,s(t)表示发射机的基带发射信号,qi(t)表示零均值加性高斯白噪声,τt,i表示发射信号从发射机到接收机之间的传输时延,表示为:
τt,i=(||pe-pr,i||)/c,i=1,2,…,M
其中,pe表示发射机的位置向量,pr,i表示各接收机的位置向量,常数c表示电磁波信号的传播速度,
对各接收信号以周期为Ts进行采样,并且令即可得到离散接收信号;
步骤2:第一次数据交换,各接收机将自身接收的离散基带信号传给邻居接收机,即直接相连的接收机,同时接收邻居接收机传过来的离散基带信号;
步骤3:自适应运算,各接收机根据公式:
<mrow>
<msub>
<mover>
<mi>&psi;</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>e</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mover>
<mi>J</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>e</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
计算μi为迭代步长;其中,表示接收机i第n次迭代的发射机位置估计值、初始值 表示第i个接收机上的局部代价函数:
表示包括接收机i及其邻居接收机的集合,表示除接收机i自身外所有的邻居接收机的集合、而eij[n]称之为误差函数,它是信号xi[n]与延时滤波器输出的差,表示为:
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mover>
<mi>&alpha;</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<msubsup>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>T</mi>
</msubsup>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<msub>
<mi>u</mi>
<mi>j</mi>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
其中,表示增益控制系数,
wij[n]表示延时滤波器的权值向量,延时滤波器是长度为2K+1的FIR滤波器,表示为:
式中表示在第n次迭代时接收机i与接收机j之间的时差值,表示为:
表示第n次迭代运算得到的发射机位置估计值,
uj[n]表示延时滤波器的输入为信号xj(t)的连续2K+1个采样点组成的向量,为:
uj[n]=[xj[n+K],…,xj[n],…,xj[n-K]]T,
步骤4:第二次数据交换:各接收机将自身计算得到的传输给自己的邻居接收机,同时接收邻居接收机传来的结果;
步骤5:结合,各接收机根据公式:
计算其中,ali为结合矩阵A的元素,结合矩阵A满足如下的条件:
1TA=1T
步骤6:当连续50次的迭代值的差值均小于等于设定阈值δ时,即认定得到了发射机的位置估计值,
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>e</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>e</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>|</mo>
<mo>|</mo>
<mo>&le;</mo>
<mi>&delta;</mi>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510013222.1A CN104537257B (zh) | 2015-01-12 | 2015-01-12 | 一种基于时差的分布式自适应直接定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510013222.1A CN104537257B (zh) | 2015-01-12 | 2015-01-12 | 一种基于时差的分布式自适应直接定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537257A CN104537257A (zh) | 2015-04-22 |
CN104537257B true CN104537257B (zh) | 2017-09-26 |
Family
ID=52852783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510013222.1A Expired - Fee Related CN104537257B (zh) | 2015-01-12 | 2015-01-12 | 一种基于时差的分布式自适应直接定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537257B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137392B (zh) * | 2015-07-27 | 2018-06-19 | 电子科技大学 | 一种色接收信号下的分布式自适应直接定位方法 |
CN105510948A (zh) * | 2015-12-05 | 2016-04-20 | 中国人民解放军信息工程大学 | 联合无线电信号复包络和载波相位信息的多目标直接定位方法 |
CN105807257B (zh) * | 2016-03-17 | 2018-05-18 | 电子科技大学 | 一种带噪声约束的分布式自适应直接定位方法 |
CN105843780B (zh) * | 2016-04-11 | 2018-06-26 | 西安交通大学 | 一种机械结构冲击载荷识别的稀疏解卷积方法 |
CN105974362B (zh) * | 2016-04-29 | 2018-10-16 | 电子科技大学 | 一种联合估计信号参数和位置的高精度被动定位方法 |
CN106792982B (zh) * | 2017-03-23 | 2019-12-10 | 电子科技大学 | 一种基于自适应分簇策略的多目标直接定位方法 |
CN107367710B (zh) * | 2017-07-18 | 2020-08-11 | 电子科技大学 | 一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法 |
CN110412505B (zh) * | 2019-06-28 | 2023-08-29 | 同方电子科技有限公司 | 一种快速的时差定位网格搜索方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101588191A (zh) * | 2008-05-23 | 2009-11-25 | 华为技术有限公司 | 无线电信号认知方法及设备 |
CN102608624A (zh) * | 2012-03-14 | 2012-07-25 | 桂林电子科技大学 | Gps模拟器与接收机闭环测试方法及系统 |
CN103135094A (zh) * | 2013-01-31 | 2013-06-05 | 西安电子科技大学 | 基于bfgs拟牛顿法的信号源定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001059940A1 (en) * | 2000-02-11 | 2001-08-16 | The Regents Of The University Of California | Method and apparatus for resolving multipath components for wireless location finding |
US7868819B2 (en) * | 2007-09-07 | 2011-01-11 | The Board Of Trustees Of The Leland Stanford Junior University | Arrangements for satellite-based navigation and methods therefor |
-
2015
- 2015-01-12 CN CN201510013222.1A patent/CN104537257B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101588191A (zh) * | 2008-05-23 | 2009-11-25 | 华为技术有限公司 | 无线电信号认知方法及设备 |
CN102608624A (zh) * | 2012-03-14 | 2012-07-25 | 桂林电子科技大学 | Gps模拟器与接收机闭环测试方法及系统 |
CN103135094A (zh) * | 2013-01-31 | 2013-06-05 | 西安电子科技大学 | 基于bfgs拟牛顿法的信号源定位方法 |
Non-Patent Citations (2)
Title |
---|
分布式多传感器无源定位综述;李建春等;《舰船电子工程》;20130930;第33卷(第9期);第28-31页 * |
相位噪声对时差估计的影响分析;钟森等;《电子与信息学报》;20141130;第36卷(第11期);第2614-2619页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104537257A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537257B (zh) | 一种基于时差的分布式自适应直接定位方法 | |
CN115516774B (zh) | 电子设备及其操作方法 | |
CN101150324B (zh) | 射频接收器及其运行方法 | |
KR102251970B1 (ko) | 풀 듀플렉스 방식을 지원하는 통신 시스템에서 자기 간섭 신호 제거 장치 및 방법 | |
US20110176633A1 (en) | Method and system for orthogonalized beamforming in multiple user multiple input multiple output (mu-mimo) communication systems | |
Wilson et al. | A convergent version of the Max SINR algorithm for the MIMO interference channel | |
CN103200140A (zh) | 一种基于预均衡的干扰消除系统及方法 | |
CN102422565A (zh) | 无线中继器中的增益调整步进控制 | |
CN103414669B (zh) | 一种基于可变窗长的ccfd系统自干扰信道估计方法和装置 | |
CN102273088A (zh) | 具有改进的sir估计的mimo接收器和对应方法 | |
CN101192867A (zh) | 用于接收器中处理信号的方法和系统 | |
CN105162507A (zh) | 大规模mimo fdd系统中基于信漏噪比的两阶段预编码方法 | |
CN103368874B (zh) | 信道估计装置、方法及用户设备 | |
CN104378787B (zh) | 基于扩展Prony算法的平坦快衰落长距离信道预测方法 | |
CN105137392B (zh) | 一种色接收信号下的分布式自适应直接定位方法 | |
CN106656296A (zh) | 全双工能量采集中继自适应天线选择传输方法 | |
CN103905345A (zh) | 通道校正装置、方法及系统 | |
CN103607234A (zh) | 一种中继合并接收方法和系统 | |
CN102006112A (zh) | 一种mimo系统中天线选择的方法及装置 | |
CN109347769A (zh) | 双向多输入多输出中继系统的信道联合估计方法 | |
CN101834649B (zh) | 用于多天线协作通信系统中的随机数据联合检测方法 | |
Vahidnia et al. | Diversity combining in bi‐directional relay networks with energy harvesting nodes | |
CN102857292A (zh) | 多用户双向中继传输系统及方法 | |
JP2000332652A (ja) | レイク受信機におけるcdmaセルラ信号の合成方法 | |
CN103457698A (zh) | 一种联合均衡联合预编码设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170926 Termination date: 20220112 |