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 PDFInfo
- 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
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
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。
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)
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)
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 |
-
2015
- 2015-09-22 CN CN201510608614.2A patent/CN105717529B/zh active Active
Patent Citations (3)
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)
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)
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 |