CN105717529A - 一种基于无线电信号路测功率值的信源定位方法 - Google Patents

一种基于无线电信号路测功率值的信源定位方法 Download PDF

Info

Publication number
CN105717529A
CN105717529A CN201510608614.2A CN201510608614A CN105717529A CN 105717529 A CN105717529 A CN 105717529A CN 201510608614 A CN201510608614 A CN 201510608614A CN 105717529 A CN105717529 A CN 105717529A
Authority
CN
China
Prior art keywords
data
gps
signal source
point
drive test
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.)
Granted
Application number
CN201510608614.2A
Other languages
English (en)
Other versions
CN105717529B (zh
Inventor
王静春
胡小伟
裴峥
马方立
孔明明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xihua University
Original Assignee
Xihua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xihua University filed Critical Xihua University
Priority to CN201510608614.2A priority Critical patent/CN105717529B/zh
Publication of CN105717529A publication Critical patent/CN105717529A/zh
Application granted granted Critical
Publication of CN105717529B publication Critical patent/CN105717529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position

Abstract

本发明公开了一种基于无线电信号路测功率值的信源定位方法，涉及无线电信号源定位技术领域。本发明包括数据采集、数据分类、数据处理、获取信号源估计位置步骤和信源定位步骤。本发明的信源定位方法不需要对信号源进行测向定位，不会受到信号传输过程中遇到的反射折射的影响，只需要接收GPS位置信息数据和对应的功率值。在车载设备进行测向的过程中，现有设备可以很容易做到接收功率和GPS数据的采集；数据获取容易。

Description

一种基于无线电信号路测功率值的信源定位方法
技术领域
本发明涉及无线电信号源定位技术领域，更具体地说涉及一种基于无线电信号路测功率值的信源定位方法。
背景技术
在无线电领域中，一个重要的研究方向就是对无线电信号源的定位问题。在已经发展出来的无线电信号源定位方法中，主要的信号源定位方法是：寻找出在测试位置点出的，接收到指定频率的信号的最大值得方向，并且朝着该方向运动；经过不断的测向和运动，找到信号源的位置。但是由于建筑物或障碍的遮挡常常会发生反射、折射等现象，相当于一个定向天线，具有较大的前向增益，增强了信号强度，增加了抗干扰能力，而且电磁波不能按照理想的直线传播，所以按照测向的办法进行定位的方法比较复杂。
传统的在城市中寻找无线电信号源大致有两种方法：
第一：依靠架设在城市中较高位置的固定监测站，对待查的无线电信号进行测向，然后交绘定位，从而得到无线电信号源的大体位置；然后如果可以和监测站的台站数据库里的台站信息吻合，则可以判断该合法电台的地理位置；如果台站数据库内没有相应信息，则该电台是一个非法电台，需要派无线电工作人员到测得的大体位置，依靠测向天线寻找信号源的位置。
第二：利用车载无线电监测设备，找到存在信号源信号的地理范围内的多个制高点进行测向，交绘定位，得到信号源的大体位置。然后奔向测得的大体位置，再测向，再调整行车路线，最后找到信号源的位置；必要时候下车，利用手持式测向设备寻找信号源的位置。
国家知识产权局于2012年06月27日，公开了一件公开号为CN102520393A，名称为“信源定位方法”的发明专利，该发明专利包括步骤：获得各接收天线接收信源发送的信号时的接收信号功率值；针对每个接收天线，分别根据获得的各接收信号功率值，确定所述信源的横向坐标为该接收天线的横向坐标时的概率值；根据确定出的各概率值，确定该信源的横向坐标。采用本发明技术方案，能够解决现有技术中计算复杂度较高，稳定性较差，误差较大以及系统成本较高的问题。
由于城市中高楼林立，电磁波不能按照理想的直线传播，所以按照测向的办法进行定位的方法比较复杂。查找时间较长、信号源查找效率较低，不能准确定位。
发明内容
为克服现有技术中的不足，本发明提供了基于无线电信号路测功率值的信源定位方法，本发明的发明目的是提供一种不需要对信号源进行测向定位，不会受到信号传输过程中遇到的反射折射的影响，只需要接收GPS数据和对应的功率值；对接收的GPS数据和对应的功率值进行处理，从而确定信号源的位置，可以大大缩短查找信号源位置的时间，提高信号源查找效率，节省人力物力。
为了解决上述现有技术中的不足，本发明是通过下述技术方案实现的：
一种基于无线电信号路测功率值的信源定位方法：其特征在于：其步骤如下：
数据采集步骤：通过无线电接收设备和GPS数据采集设备获得在设定路径上的原始数据，所述原始路测数据包括路测GPS位置信息数据和对应的功率值；
数据分类步骤：根据定向天线的发射特性，采用模式识别分类算法将功率值进行分类；
设定信号源的搜索区域Re：以数据采集的路径为基础，向外拓展1～3倍面积的相应区域作为信号源的搜索区域Re；
数据处理步骤：建立数学模型对分类后的数据进行运算，其中j是类别编号，i是j类数据中的第i个路测点的数据，Rcji＝klog(deltaji)，k是经验参数，取值是28-55，dji是j类中假定的信号源与第i个路测点之间的距离，即 是第j类中n个Rcji的均值；将全部的Dj求和；即其中M表示数据的类别数；Gps表示信号源的预测位置；该模型满足在信号源位置所处邻域内，可以找到一个位置Gps使得D＝f(Gps)取得极值或者最值；
获取信号源估计位置步骤：根据数学模型D＝f(Gps)，对D采用最优化算法，在区域Re内计算D＝f(Gps)的极值或者最值Dm；在此过程可能得到M(M＞0)个位置Gpsm使得D＝f(Gps)取得极值点Dm，在这些极值或最值中，使得D＝f(Gps)取得极值或者最值的某个Gpsm是信号源的位置；
信源定位步骤：以使得D＝f(Gps)取得极值或者最值的位置Gpsm为基础，反推每个数据采集点的电波传播模型；当电波传播模型的参数方差值最小时，该位置Gpsm便是信号源的最优位置。
还包括数据筛选步骤，所述数据筛选步骤设置在数据采集步骤之后，数据处理步骤之前，所述数据筛选步骤具体是指：
a、以一个数据采集的GPS位置点为参考点，计算它到其他数据采集位置点的距离dil，其中i是参考点的编号，l为其他位置点的编号；
b、按照公式计算出ρil，其中δ是描述以参考点为中心，半径为δ的圆内包含的其他GPS位置信息数据；
c、按照公式求解密度，其中N是信号采集点的数量；
d、重复a-c步骤，将i从1计算到n，将所有点的密度计算出来，并观察部分数据与其他数据之间有无明显界限，如果有明显界限，确定一个阈值t，当ρi＜t，这个位置点滤除，反之，则保留这个位置点；如果没有明显界限，则可增大δ，重复上述步骤。
分类算法：分类算法通过对已知类别训练集的分析，从中发现分类规则，以此预测新数据的类别。主要分类方法介绍解决分类问题的方法很多，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting等。
最优化的算法：为了达到最优化目的所提出的各种求解方法。从数学意义上说，最优化方法是一种求极值的方法，即在一组约束为等式或不等式的条件下，使系统的目标函数达到极值，即最大值或最小值。经典的最优化算法有梯度、Hessian矩阵、拉格朗日乘数、单纯形法、梯度下降法等；而对于更复杂的问题，则可考虑用一些智能优化算法，例如遗传算法、蚁群算法、模拟退火、禁忌搜索、粒子群算法等。
与现有技术相比，本发明所带来的有益的技术效果表现在：
1、本发明的信源定位方法不需要对信号源进行测向定位，不会受到信号传输过程中遇到的反射折射的影响。本发明的技术方案，是测向式信号源定位方法的一种补充。当测向式信号源定位方法存在一定误差的城市地理环境中，可以采用本发明的技术方案，弥补测向定位方法的不足，通过数学运算的方法，提供一个信号源可能的参考位置，帮助无线电工作人员花费更少的时间找出信号源的位置。
2、只需要GPS位置信息数据和对应的功率值，现有设备可以很容易做到接收功率和GPS数据的采集，数据获取容易。
3、除了一台电脑、平板或者智能手机等智能设备，不要添加任何别的硬件，成本低廉。
附图说明
图1为定向发射天线信号接收强度图；
图2为本发明定位效果图。
具体实施方式
实施例1
作为本发明一较佳实施例，本实施例公开了：
一种基于无线电信号路测功率值的信源定位方法，其步骤如下：
数据采集步骤：通过无线电接收设备和GPS数据采集设备获得在设定路径上的原始数据，所述原始路测数据包括路测GPS位置信息数据和对应的功率值；
数据分类步骤：根据定向天线的发射特性，采用K-近邻聚类算法将功率值进行分类；
设定信号源的搜索区域Re：以数据采集的路径为基础，向外拓展1～3倍面积的相应区域作为信号源的搜索区域Re。
数据处理步骤：建立数学模型对分类后的数据进行运算，其中j是类别编号，i是j类数据中的第i个路测点的数据，Rcji＝klog(dji)，k是经验参数，取值是28-55，dji是j类中假定的信号源与第i个路测点之间的距离，即是第j类中n个Rcji的均值；将全部的Dj求和；即其中M表示数据的类别数；Gps表示信号源的预测位置；该模型满足在信号源位置所处邻域内，可以找到一个位置Gps使得D＝f(Gps)取得极值或者最值；
获取信号源位置的步骤：根据数学模型D＝f(Gps)，对D采用最优化算法，在区域Re内计算D＝f(Gps)的极值或者最值Dm；在此过程可能得到M(M＞0)个位置Gpsm使得D＝f(Gps)取得极值点Dm，在这些极值或最值中，使得D＝f(Gps)取得极值或者最值的某个Gpsm是信号源的位置；
信源定位步骤：以使得D＝f(Gps)取得极值或者最值的位置Gpsm为基础，反推每个数据采集点的电波传播模型。当电波传播模型的参数方差值最小时，该位置Gpsm便是信号源的最优位置。通过计算，得到M个D＝f(Gps)的极值和最值，将每一个取得极值或者最值的位置X代入以下公式运算：
通过公式：计算每一个位置X的k参数，其中，k1是可能的信号源的位置X相对于第i信号采集点的的电波传播模型的k参数，Ri是第i个信号采集点的信号接收功率，是所有点的接收功率的均值，di是X和第i个信号采集点的距离，N是信号采集点的个数；
接下来算出k1～kn，再计算k1～kn的方差Sn；
最后，取出S1～SM中的最小值Smin＝min(S1，...SM)，Smin对应的位置X便是信号源位置的最优估计。
K-近邻聚类算法：k-近邻(kNN，k-NearestNeighbors)算法是一种基于实例的分类方法。该方法就是找出与未知样本x距离最近的k个训练样本，看这k个样本中多数属于哪一类，就把x归为那一类。
实施例2
作为本发明又一较佳实施例，本实施例公开了：
一种基于无线电信号路测功率值的信源定位方法：其步骤如下：
数据采集步骤：通过无线电接收设备和GPS数据采集设备获得在设定路径上的原始数据，所述原始路测数据包括路测GPS位置信息数据和对应的功率值；
数据分类步骤：根据定向天线的发射特性，采用贝叶斯算法将功率值进行分类；
设定信号源的搜索区域Re：以数据采集的路径为基础，向外拓展1～3倍面积的相应区域作为信号源的搜索区域Re；
数据筛选步骤：
a、以一个数据采集的GPS位置点为参考点，计算它到其他数据采集位置点的距离dil，其中i是参考点的编号，l为其他位置点的编号；
b、按照公式计算出ρil，其中δ是描述以参考点为中心，半径为δ的圆内包含的其他GPS位置信息数据；
c、按照公式求解密度，其中N是信号采集点的数量；
d、重复a-c步骤，将i从1计算到n，将所有点的密度计算出来，并观察部分数据与其他数据之间有无明显界限，如果有明显界限，确定一个阈值t，当ρi＜t，这个位置点滤除，反之，则保留这个位置点；如果没有明显界限，则可增大δ，重复上述步骤；
数据处理步骤：建立数学模型对分类后的数据进行运算，其中j是类别编号，i是j类数据中的第i个路测点的数据，Rcji＝klog(dji)，k是经验参数，取值是28-55，dji是j类中假定的信号源与第i个路测点之间的距离，即是第j类中n个Rcji的均值；将全部的Dj求和；即其中M表示数据的类别数；Gps表示信号源的预测位置；该模型满足在信号源位置所处邻域内，可以找到一个位置Gps使得D＝f(Gps)取得极值或者最值；
获取信号源位置的步骤：根据数学模型D＝f(Gps)，对D采用梯度下降算法，在区域Re内计算D＝f(Gps)的极值或者最值Dm；在此过程可能得到M(M＞0)个位置Gpsm使得D＝f(Gps)取得极值点Dm，在这些极值或最值中，使得D＝f(Gps)取得极值或者最值的某个Gpsm是信号源的位置。
信源定位步骤：以使得D＝f(Gps)取得极值或者最值的位置Gpsm为基础，反推每个数据采集点的电波传播模型。当电波传播模型的参数方差值最小时，该位置Gpsm便是信号源的最优位置。通过计算，得到M个D＝f(Gps)的极值和最值，将每一个取得极值或者最值的位置X代入以下公式运算：
通过公式：计算每一个位置X的k参数，其中，k1是可能的信号源的位置X相对于第i信号采集点的的电波传播模型的k参数，Ri是第i个信号采集点的信号接收功率，是所有点的接收功率的均值，di是X和第i个信号采集点的距离，N是信号采集点的个数；
接下来算出k1～kn，再计算k1～kn的方差Sn；
最后，取出S1～SM中的最小值Smin＝min(S1，...SM)，Smin对应的位置X便是信号源位置的最优估计。
贝叶斯算法：贝叶斯(Bayes)分类算法是一类利用概率统计知识进行分类的算法，如朴素贝叶斯(NaiveBayes)算法。这些算法主要利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。
上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (2)

1.一种基于无线电信号路测功率值的信源定位方法，其特征在于：其步骤如下：
数据采集步骤：通过无线电接收设备和GPS数据采集设备获得在设定路径上的原始数据，所述原始路测数据包括路测GPS位置信息数据和对应的功率值；
数据分类步骤：根据定向天线的发射特性，采用模式识别分类算法将功率值进行分类；
设定信号源的搜索区域Re：以数据采集的路径为基础，向外拓展1～3倍面积的相应区域作为信号源的搜索区域Re；
数据处理步骤：建立数学模型对分类后的数据进行运算，其中j是类别编号，i是j类数据中的第i个路测点的数据，Rcji＝klog(deltaji)，k是经验参数，取值是28-55，dji是j类中假定的信号源与第i个路测点之间的距离，即 是第j类中n个Rcji的均值；将全部的Dj求和；即其中M表示数据的类别数；Gps表示信号源的预测位置；该模型满足在信号源位置所处邻域内，可以找到一个位置Gps使得D＝f(Gps)取得极值或者最值；
获取信号源估计位置步骤：根据数学模型D＝f(Gps)，对D采用最优化算法，在区域Re内计算D＝f(Gps)的极值或者最值Dm；在此过程可能得到M(M>0)个位置Gpsm使得D＝f(Gps)取得极值点Dm，在这些极值或最值中，使得D＝f(Gps)取得极值或者最值的某个Gpsm是信号源的位置；
信源定位步骤：以使得D＝f(Gps)取得极值或者最值的位置Gpsm为基础，反推每个数据采集点的电波传播模型；当电波传播模型的参数方差值最小时，该位置Gpsm便是信号源的最优位置。
2.如权利要求1所述的一种基于路测功率值的信源定位方法，其特征在于：还包括数据筛选步骤，所述数据筛选步骤设置在数据采集步骤之后，数据处理步骤之前，所述数据筛选步骤具体是指：
a、以一个数据采集的GPS位置点为参考点，计算它到其他数据采集位置点的距离dil，其中i是参考点的编号，l为其他位置点的编号；
b、按照公式计算出ρil，其中δ是描述以参考点为中心，半径为δ的圆内包含的其他GPS位置信息数据；
c、按照公式求解密度，其中N是信号采集点的数量；
d、重复a-c步骤，将i从1计算到n，将所有点的密度计算出来，并观察部分数据与其他数据之间有无明显界限，如果有明显界限，确定一个阈值t，当ρi<t，这个位置点滤除，反之，则保留这个位置点；如果没有明显界限，则可增大δ，重复上述步骤。
CN201510608614.2A 2015-09-22 2015-09-22 一种基于无线电信号路测功率值的信源定位方法 Active CN105717529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510608614.2A CN105717529B (zh) 2015-09-22 2015-09-22 一种基于无线电信号路测功率值的信源定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510608614.2A CN105717529B (zh) 2015-09-22 2015-09-22 一种基于无线电信号路测功率值的信源定位方法

Publications (2)

Publication Number Publication Date
CN105717529A true CN105717529A (zh) 2016-06-29
CN105717529B CN105717529B (zh) 2018-11-02

Family

ID=56144905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510608614.2A Active CN105717529B (zh) 2015-09-22 2015-09-22 一种基于无线电信号路测功率值的信源定位方法

Country Status (1)

Country Link
CN (1) CN105717529B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108196273A (zh) * 2017-11-30 2018-06-22 中国商用飞机有限责任公司北京民用飞机技术研究中心 一种组合导航系统的定位卫星选择方法
CN109299555A (zh) * 2018-09-30 2019-02-01 上海机电工程研究所 红外成像导引头抗干扰性能评估方法及系统
CN112639511A (zh) * 2020-12-01 2021-04-09 华为技术有限公司 一种信源数量估计的方法、装置和存储介质
CN116165599A (zh) * 2023-04-24 2023-05-26 武汉能钠智能装备技术股份有限公司四川省成都市分公司 一种超短波测向系统及集成式超短波测向设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101184307A (zh) * 2007-12-14 2008-05-21 中国移动通信集团广东有限公司 一种非法无线话务信源定位方法
CN102413563A (zh) * 2011-11-09 2012-04-11 中国科学院深圳先进技术研究院 无线信号源定位方法及系统
CN102520393A (zh) * 2011-11-21 2012-06-27 天津中兴软件有限责任公司 信源定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101184307A (zh) * 2007-12-14 2008-05-21 中国移动通信集团广东有限公司 一种非法无线话务信源定位方法
CN102413563A (zh) * 2011-11-09 2012-04-11 中国科学院深圳先进技术研究院 无线信号源定位方法及系统
CN102520393A (zh) * 2011-11-21 2012-06-27 天津中兴软件有限责任公司 信源定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周勇: "多频点多制式数字电视路测系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108196273A (zh) * 2017-11-30 2018-06-22 中国商用飞机有限责任公司北京民用飞机技术研究中心 一种组合导航系统的定位卫星选择方法
CN109299555A (zh) * 2018-09-30 2019-02-01 上海机电工程研究所 红外成像导引头抗干扰性能评估方法及系统
CN109299555B (zh) * 2018-09-30 2020-02-04 上海机电工程研究所 红外成像导引头抗干扰性能评估方法及系统
CN112639511A (zh) * 2020-12-01 2021-04-09 华为技术有限公司 一种信源数量估计的方法、装置和存储介质
CN116165599A (zh) * 2023-04-24 2023-05-26 武汉能钠智能装备技术股份有限公司四川省成都市分公司 一种超短波测向系统及集成式超短波测向设备
CN116165599B (zh) * 2023-04-24 2023-06-27 武汉能钠智能装备技术股份有限公司四川省成都市分公司 一种超短波测向系统及集成式超短波测向设备

Also Published As

Publication number Publication date
CN105717529B (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
Ibrahim et al. CNN based indoor localization using RSS time-series
Zhang et al. Air-to-air path loss prediction based on machine learning methods in urban environments
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
US20160150380A1 (en) Automated wlan radio map construction method and system
Cengiz Comprehensive analysis on least-squares lateration for indoor positioning systems
EP3404439A1 (en) Cluster-based magnetic positioning method, device and system
CN105717529B (zh) 一种基于无线电信号路测功率值的信源定位方法
Hayashi et al. A study on the variety and size of input data for radio propagation prediction using a deep neural network
Wu et al. A GA-based mobile RFID localization scheme for internet of things
CN105768480A (zh) 行李箱的定位方法、装置与系统
Xuanmin et al. An improved dynamic prediction fingerprint localization algorithm based on KNN
Yadav et al. A systematic review of localization in WSN: Machine learning and optimization‐based approaches
Chiroma et al. Large scale survey for radio propagation in developing machine learning model for path losses in communication systems
Aikawa et al. WLAN finger print localization using deep learning
CN104217231A (zh) 一种基于非精确锚节点的rfid定位系统及定位方法
Wu UAV-based interference source localization: A multimodal Q-learning approach
Machaj et al. Impact of optimization algorithms on hybrid indoor positioning based on GSM and Wi‐Fi signals
Xue et al. Deep learning based channel prediction for massive MIMO systems in high-speed railway scenarios
CN105158731B (zh) 一种基于路测功率值的信源定位方法
Caceres et al. WLAN-based real time vehicle locating system
Ahmad et al. Vision-Assisted Beam Prediction for Real World 6G Drone Communication
Charan et al. User identification: A key enabler for multi-user vision-aided communications
Zhang et al. Gaussian process based radio map construction for LTE localization
Luo et al. Positioning and guiding educational robots by using fingerprints of WiFi and RFID array
Asaad et al. Novel integrated matching algorithm using a deep learning algorithm for Wi-Fi fingerprint-positioning technique in the indoors-IoT era

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