CN105929378B - 基于外辐射源联合时延与多普勒频率的直接跟踪方法 - Google Patents

基于外辐射源联合时延与多普勒频率的直接跟踪方法 Download PDF

Info

Publication number
CN105929378B
CN105929378B CN201610257109.2A CN201610257109A CN105929378B CN 105929378 B CN105929378 B CN 105929378B CN 201610257109 A CN201610257109 A CN 201610257109A CN 105929378 B CN105929378 B CN 105929378B
Authority
CN
China
Prior art keywords
mrow
msub
mover
msubsup
mtd
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.)
Active
Application number
CN201610257109.2A
Other languages
English (en)
Other versions
CN105929378A (zh
Inventor
王云龙
王鼎
于宏毅
吴瑛
杨宾
唐涛
吴志东
吴江
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.)
PLA Information Engineering University
Original Assignee
PLA Information Engineering 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
Priority claimed from CN201510887968.5A external-priority patent/CN105510948A/zh
Priority claimed from CN201510991043.5A external-priority patent/CN105487063A/zh
Application filed by PLA Information Engineering University filed Critical PLA Information Engineering University
Publication of CN105929378A publication Critical patent/CN105929378A/zh
Application granted granted Critical
Publication of CN105929378B publication Critical patent/CN105929378B/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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明涉及一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，首先建立目标的状态转移模型以及包含外辐射源的直达波和回波的接收信号模型；通过计算接收信号的傅立叶系数将时域数据转化成频域数据，对频域接收数据构建高维最大似然估计，利用信息矩阵的最大特征值作为粒子滤波中粒子的后验概率加权，通过重采样获得权值较大的粒子，对所得粒子取平均得到对应时刻目标位置的估计。本发明相比于传统跟踪方法，综合考虑外辐射源的直达波信息与目标反射回波信息，构建包含时延与多普勒信息的多维信号模型，利用底层接收数据构建粒子后验概率加权，直接对目标位置状态进行估计，跟踪精度更高，且方法实现简单、高效，性能稳健、可靠。

Description

基于外辐射源联合时延与多普勒频率的直接跟踪方法
技术领域
本发明涉及外辐射源定位跟踪技术领域，特别涉及一种基于外辐射源联合时延与多普勒频率的直接跟踪方法。
背景技术
外辐射源无源定位与跟踪，指的是利用非合作的第三方辐射源(例如AM/FM信号、普通/数字电视信号等)作为目标的照射源，通过对直达波及反射回波进行处理，以得到时延、频率等相关参数信息，进而实现对目标的定位与跟踪。利用第三方的非合作照射源对目标进行探测，不仅能够实现对隐形目标和静默目标的探测、定位与跟踪，同样也可以用于对目标的成像与识别。是诸多军用和民用应用领域的重要组成部分，如电子对抗、雷达信号处理、空中交通管制、无线电监测、移动通信、遥测与导航等。
目前外辐射源无源定位与跟踪采用的体制是传统的无源定位与跟踪体制，其处理流程为首先进行参数估计，如到达角度、到达时间、到达时间差、多普勒频差、接收信号强度或多种参数联合估计，再通过对获取的参数进行对非线性方程的求解获得目标的位置估计。若目标运动，除了需要考虑目标的坐标信息外，还需要考虑目标的速度信息及其带来的状态变化；目标运动中的参数信息及其变化率均是状态变量的的非线性函数，必须采用非线性滤波算法，如卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波算法等，否则定位系统的性能将急剧下降。寻找一种稳健且收敛速度快的跟踪滤波算法是辐射源目标跟踪中需要解决的首要问题，传统的目标跟踪处理方法为首先进行参数估计形成目标的点迹，再利用滤波算法对目标的航迹进行跟踪处理。由于参数估计与目标滤波跟踪相分离，无法保证测量的参数结果与真实目标航迹信息相匹配，同时参数估计的误差可能在后续的处理过程中被进一步放大且很难被消除从而导致整个数据处理过程中不可避免地存在信息损失，所以无法获得最优的估计性能。从信息论的角度来看，从原始接收数据到最终的处理结果，增加中间的处理环节将引入更多的不确定性，导致部分信息的损失，所以传统的目标跟踪处理方法很难取得最优的结果。为了克服传统目标跟踪方法的缺点，以色列学者A.J.Weiss和Alon Y.Sidi学者提出了单步跟踪(直接目标跟踪)方法，该方法直接从接收信号数据中获取目标的航迹信息，无需参数估计步骤，避免了误差的引入，提高了目标跟踪的精度，该方法仅考虑单根天线时的情况，未对阵列天线的情况进行研究。
发明内容
针对现有技术中的不足，本发明提供一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，利用接收底层数据构造粒子后验概率权重，避免由参数估计误差引起权重与真实位置失配的问题，减少了目标跟踪信息的损失，跟踪精度明显提升，且对信噪比具有较强的鲁棒性。
按照本发明所提供的设计方案，一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，具体包含如下步骤：
步骤1.外辐射源场景下利用状态转移矩阵F构建目标运动状态方程为：
xk＝Fxk-1+vk-1，
其中，为状态向量，xk,yk与表分别示在第k次观测间隙内目标辐射源的位置坐标和相应的速度分量；Tr表示采样周期，状态转移矩阵F为：
，
并定义初始状态与跟踪状态时的条件概率密度函数；结合粒子滤波方法构建后验概率加权迭代方程为：
，
其中，zk表示k时刻的观测量；
步骤2.对L个观测站的双通道接收系统进行时间同步，并根据Nyquist采样定理采集外辐射源的直达波信号以及经目标反射的回波信号，获得多站接收的信号时域模型；
步骤3.针对信号时域模型，对各站双通道接收的时域数据分别计算其傅立叶系数，得到阵列信号频域模型；
步骤4.针对阵列信号频域模型，每个观测站将所获得的阵列信号频域数据传输至中心站，中心站将每个站传输的阵列信号频域数据按照观测站的顺序进行堆栈排列，构造高维阵列信号频域模型；
步骤5.针对高维阵列信号频域模型，在中心站对高维阵列信号频域数据构造高斯最大似然函数，并构造包含回波时延、多普勒信息以及直达波时延信息的数据信息矩阵；
步骤6.数据信息矩阵的最大特征值作为粒子滤波的后验概率权重；根据粒子滤波理论，设定粒子数量及初始权重，通过迭代更新粒子的后验概率权重并进行重采样，所得最终粒子的均值作为该时刻目标跟踪的结果。
上述的，步骤2中，第l个k时刻观测站的所接收到的信号时域模型为：
其中，表示外辐射源相对于第l个观测站的直达路径时延；τl,k＝(||pe-p0,k||+||pl-p0,k||)/c表示外辐射源照射k时刻的目标并反射至观测站产生的时延，c表示信号传播速度，||·|| 表示2范数；pe为外辐射源位置，发射信号带宽W，p0,k为目标在k时刻时的位置，速度为vk＝[vx,k,vy,k]T；与wl,k(t)分别表示均值为0，方差为与直达波通道与k时刻回波通道的加性平稳复高斯白噪声；bl,k与分别表示k时刻回波信道与直达波信道的衰减系数；fl,k表示目标与观测站之间的多普勒频率，其包含两部分，一部分为外辐射源照射至目标时信号的多普勒频率，另一部分是k时刻反射回波到达观测站时产生的多普勒频率，故fl,k表示为：
,
其中，pl＝[xl,yl]T(l＝1,2,,L)为第l个观测站的位置坐标。
上述的，步骤3中第l个观测站k时刻的所接收到的信号频域模型为：
,
其中，与分别表示接收信号、发射信号以及噪声项的傅立叶系数。
上述的，步骤4中，中心站所获得的高维信号频域模型为：
,
其中，
,
式中，表示循环移位矩阵，其形式表示为：
,
即将单位阵循环向下移位floor(Tfl，k)+1行；即将矩阵按行循环向下移位floor(Tfl，k)，floor(·)表示向下取整。
上述的，步骤5中，构造的高斯最大似然函数为：
,
其中，det(·)表示求行列式； 为了估计目标的位置坐标，应使上式右端最小化，此时第i个粒子似然表示如下：
,
其中，代价函数为：
,
利用bl,k使得上式最小化，可得：
,
其中，不失一般性，假设结合矩阵和的特殊结构，可得：
,
经过数学推导简化，得到如下形式：
,
上式的最小化等价于式子右端的最大化，即构造代价函数为：
,
其中，
,
数据信息矩阵表示为：
上述的，步骤6中具体包含如下：取粒子对应数据信息矩阵对应的最大特征值为：
,
其中，λmax(·)表示求最大特征值；的维度为(2N+1)×(2N+1)，考虑给定矩阵X，XHX与XXH的非零特征值是一致的，故将变换为
,
式中， 的维度为L×L维且仅与观测站数量有关，利用该代价函数计算粒子滤波加权，即：
,
通过迭代更新粒子后验概率权重并重采样，所得最终粒子的均值即为该时刻目标跟踪的结果。
本发明的有益效果：
1、本发明结合外辐射源无源定位，为计算粒子后验概率权重，首先通过计算回波信号与直达波信号的傅立叶系数将时域数据转化成频域数据，然后对频域数据构建高维数据模型，结合高斯最大似然估计器得到估计代价函数；最后利用信息矩阵的最大特征值作为粒子后验概率权重，实现基于直接数据域的目标跟踪；与传统跟踪算法相比，本发明直接利用接收底层数据构造粒子后验概率权重，避免了由参数估计误差引起权重与真实位置信息失配的问题，减少了目标跟踪信息的损失，跟踪精度明显提升，且对信噪比具有较强的鲁棒性。
2、本发明相比于传统跟踪方法中先对目标的参数进行估计再进行滤波跟踪，本发明综合考虑了外辐射源的直达波信息与目标反射回波信息，构建了包含时延与多普勒信息的多维信号模型，通过利用底层接收数据构建粒子的后验概率加权，并直接对目标位置状态进行估计，获取了更高的跟踪精度，且方法实现简单、高效，性能稳健、可靠，实现高精度定位跟踪。
附图说明：
图1为本发明的流程示意图；
图2为本发明的实例场景示意图；
图3为相对于传统基于时差与频差跟踪方法的跟踪性能对比图；
图4为相对于传统基于时差与频差跟踪方法的不同时刻下跟踪误差对比图；
图5为时刻k＝15时算法定位误差对比图。
具体实施方式：
下面结合附图和技术方案对本发明作进一步详细的说明，并通过优选的实施例详细说明本发明的实施方式，但本发明的实施方式并不限于此。
实施例一，参见图1所示，一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，具体包含如下步骤：
步骤1.外辐射源场景下利用状态转移矩阵F构建目标运动状态方程为：
xk＝Fxk-1+vk-1,
其中，为状态向量，xk,yk与表分别示在第k次观测间隙内目标辐射源的位置坐标和相应的速度分量；Tr表示采样周期，状态转移矩阵F为：
,
并定义初始状态与跟踪状态时的条件概率密度函数；结合粒子滤波方法构建后验概率加权迭代方程为：
,
其中，zk表示k时刻的观测量；
步骤2.对L个观测站的双通道接收系统进行时间同步，并根据Nyquist采样定理采集外辐射源的直达波信号以及经目标反射的回波信号，获得多站接收的信号时域模型；
步骤3.针对信号时域模型，对各站双通道接收的时域数据分别计算其傅立叶系数，得到阵列信号频域模型；
步骤4.针对阵列信号频域模型，每个观测站将所获得的阵列信号频域数据传输至中心站，中心站将每个站传输的阵列信号频域数据按照观测站的顺序进行堆栈排列，构造高维阵列信号频域模型；
步骤5.针对高维阵列信号频域模型，在中心站对高维阵列信号频域数据构造高斯最大似然函数，并构造包含回波时延、多普勒信息以及直达波时延信息的数据信息矩阵；
步骤6.数据信息矩阵的最大特征值作为粒子滤波的后验概率权重；根据粒子滤波理论，设定粒子数量及初始权重，通过迭代更新粒子的后验概率权重并进行重采样，所得最终粒子的均值作为该时刻目标跟踪的结果。
实施例二，参见图1～4，一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，具体包含如下步骤：
步骤1.外辐射源场景下利用状态转移矩阵F构建目标运动状态方程为：
xk＝Fxk-1+vk-1,
其中，为状态向量，xk,yk与表分别示在第k次观测间隙内目标辐射源的位置坐标和相应的速度分量；Tr表示采样周期，状态转移矩阵F为：
,
并定义初始状态与跟踪状态时的条件概率密度函数，若假设状态噪声vk-1为零均值白高斯过程，其协方差矩阵为：
,
其中，q为系统定义参数；目标的条件概率密度函数p(xk+1|xk)同样为高斯过程，即p(xk+1|xk)～N(Fxk,Λv)；对于目标初始状态x1，假设为已知的先验高斯概率密度，即结合粒子滤波方法构建后验概率加权迭代方程为：
,
其中，zk表示k时刻的观测量，考虑粒子滤波中权重更新迭代：粒子滤波的基本思想是在给定一组观测量Zk＝[z1,z2,,zk]的基础上估计器后验概率密度p(xk|Zk)，一般通过若干离散样本(粒子)来估计：
,
其中，表示k时刻第i个粒子的权值，且当粒子数目足够多时，上式的估计越接近真实的p(xk|Zk)；一般由下式给出
,
式中，表示重要性函数，一般选择为
则粒子权值可写为：为了避免粒子滤波中粒子退化的问题，最后需要对粒子进行重采样；
步骤2.对L个观测站的双通道接收系统进行时间同步，并根据Nyquist采样定理采集外辐射源的直达波信号以及经目标反射的回波信号，获得多站接收的信号时域模型；第l个k时刻观测站的所接收到的信号时域模型为：
其中，表示外辐射源相对于第l个观测站的直达路径时延；τl，k＝(||pe-p0，k||+||pl-p0，k||)/c表示外辐射源照射k时刻的目标并反射至观测站产生的时延，c表示信号传播速度，||·||表示2范数；pe为外辐射源位置，发射信号带宽W，p0,k为目标在k时刻时的位置，速度为vk＝[vx,k,vy,k]T；与wl,k(t)分别表示均值为0，方差为与直达波通道与k时刻回波通道的加性平稳复高斯白噪声；bl,k与分别表示k时刻回波信道与直达波信道的衰减系数；fl,k表示目标与观测站之间的多普勒频率，其包含两部分，一部分为外辐射源照射至目标时信号的多普勒频率，另一部分是k时刻反射回波到达观测站时产生的多普勒频率，故fl,k表示为：
,
其中，pl＝[xl,yl]T(l＝1,2,,L)为第l个观测站的位置坐标；
步骤3.针对信号时域模型，对各站双通道接收的时域数据分别计算其傅立叶系数，得到阵列信号频域模型；第l个观测站k时刻的所接收到的信号频域模型为：
,
其中，与分别表示接收信号、发射信号以及噪声项的傅立叶系数；
步骤4.针对阵列信号频域模型，每个观测站将所获得的阵列信号频域数据传输至中心站，中心站将每个站传输的阵列信号频域数据按照观测站的顺序进行堆栈排列，构造高维阵列信号频域模型；中心站所获得的高维信号频域模型为：
,
其中，
,
式中，表示循环移位矩阵，其形式表示为：
,
即将单位阵循环向下移位floor(Tfl,k)+1行；即将矩阵按行循环向下移位floor(Tfl,k)，floor(·)表示向下取整
步骤5.针对高维阵列信号频域模型，在中心站对高维阵列信号频域数据构造高斯最大似然函数，并构造包含回波时延、多普勒信息以及直达波时延信息的数据信息矩阵；构造的高斯最大似然函数为：
,
其中，det(·)表示求行列式；bl,k＝diag{bdl,bl,k}；为了估计目标的位置坐标，应使上式右端最小化，此时第i个粒子似然表示如下：
,
其中，代价函数为：
利用bl,k使得上式最小化，可得：
,
其中，不失一般性，假设结合矩阵和的特殊结构，可得：
,
经过数学推导简化，得到如下形式：
,
上式的最小化等价于式子右端的最大化，即构造代价函数为：
,
其中，
,
数据信息矩阵表示为：
步骤6.数据信息矩阵的最大特征值作为粒子滤波的后验概率权重；根据粒子滤波理论，设定粒子数量及初始权重，通过迭代更新粒子的后验概率权重并进行重采样，所得最终粒子的均值作为该时刻目标跟踪的结果；取粒子对应数据信息矩阵对应的最大特征值为：
,
其中，λmax(·)表示求最大特征值；的维度为(2N+1)×(2N+1)，考虑给定矩阵X，XHX与XXH的非零特征值是一致的，故将变换为,
式中， 的维度为L×L维且仅与观测站数量有关，利用该代价函数计算粒子滤波加权，即：
,
通过迭代更新粒子后验概率权重并重采样，所得最终粒子的均值即为该时刻目标跟踪的结果。
参见图3～5所示，结合具体的试验数据对本发明做进一步解释说明：
如图3所示，目标初始位置p0,1＝[1,1]Tkm，速度vk＝[0.1,0.05]Tkm/s，外辐射源位置pe＝[-5,4]Tkm，6个观测站的位置分别为[10,9]Tkm，[7,2]Tkm，[-6,-8]Tkm，[6,10]Tkm，[-2,6]Tkm，[0,-4]Tkm。目标初始位置，外辐射源及观测站的地理几何关系如图所示。发射信号载频为fc＝0.5MHz，带宽为100kHz的高斯信号，其传播速度为c＝3×105km/s；观测站采样频率fc＝2MHz，跟踪模型中Tr＝1，观测次数K＝30，每次观测时间为32us，系统参数q＝0.032，产生粒子数1000；各站接收回波信噪比10dB，接收直达波信噪比70dB。。
下面将本专利公开的多目标直接定位方法与传统的两步定位方法，以及Weiss-Amar方法进行性能比较，这里的两步定位方法是指利用多重信号分类估计算法(即经典MUSIC算法)进行到达角度估计，然后基于Taylor级数迭代定位算法估计目标位置。
图3和图4分别为本发明基于直接数据域的跟踪方法和传统的基于时差与频差信息的跟踪方法跟踪效果图与误差对比图，其中，基于时差与频差信息方法为，首先采用最大似然法，以第1观测站为参考站估计目标的时差与频差信息，再利用参数信息构建后验概率加权，通过粒子滤波实现目标跟踪。
由图可以看出，采用本发明直接数据方法的估计精度高于传统的方法；在目标运动过程中，直接数据方法能够较好的对目标进行跟踪保持，不同时刻下的误差均较小，而先进行参数估计再利用滤波的传统方法随着目标的运动估计结果起伏较大，其原因就是由于参数误差对跟踪性能的影响。
为了进一步说明直接数据域算法较之传统算法的优势，选择观测间隙k＝15时，对比两种算法在不同信噪比下对目标的定位性能，不同信噪比条件下进行200次蒙特卡洛仿真，结果如图5所示。由图可以看出，在k＝15时刻基于直接数据域的方法定位精度远高于传统两步定位方法，且对信噪比较为稳健。相比于传统的两步定位方法，其非线性门限也高于本专利所提出的直接数据域方法，也是由于其精度同时受到参数估计方法和定位方法的约束；本专利在低信噪比条件下的优势更加明显。
本发明并不局限于上述具体实施方式，本领域技术人员还可据此做出多种变化，但任何与本发明等同或者类似的变化都应涵盖在本发明权利要求的范围内。

Claims (6)

1.一种基于外辐射源联合时延与多普勒频率的直接跟踪方法，具体包含如下步骤：
步骤1.外辐射源场景下利用状态转移矩阵构建目标运动方程为：
xk＝Fxk-1+vk-1，
其中，为状态向量，xk,yk与表分别示在第k次观测间隙内目标辐射源的位置坐标和相应的速度分量；Tr表示采样周期，状态转移矩阵F为：
<mrow> <mi>F</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <msub> <mi>T</mi> <mi>r</mi> </msub> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <msub> <mi>T</mi> <mi>r</mi> </msub> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow> ，
并定义初始状态与跟踪状态时的条件概率密度函数；结合粒子滤波方法构建粒子后验概率加权迭代方程为：
<mrow> <msubsup> <mi>w</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msubsup> <mover> <mi>w</mi> <mo>~</mo> </mover> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msubsup> <mover> <mi>w</mi> <mo>~</mo> </mover> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msubsup> <mover> <mi>w</mi> <mo>~</mo> </mover> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>w</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>k</mi> </msub> <mo>|</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow> ，
其中，zk表示k时刻的观测量；
步骤2.对L个观测站的双通道接收系统进行时间同步，并根据Nyquist采样定理采集外辐射源的直达波信号以及经目标反射的回波信号，获得多站接收的信号时域模型；
步骤3.针对信号时域模型，对各站双通道接收的时域数据分别计算其傅立叶系数，得到阵列信号频域模型；
步骤4.针对阵列信号频域模型，每个观测站将所获得的阵列信号频域数据传输至中心站，中心站将每个站传输的阵列信号频域数据按照观测站的顺序进行堆栈排列，构造高维阵列信号频域模型；
步骤5.针对高维阵列信号频域模型，在中心站对高维阵列信号频域数据构造高斯最大似然函数，并构造包含回波时延、多普勒信息以及直达波时延信息的数据信息矩阵；
步骤6.数据信息矩阵的最大特征值作为粒子滤波的后验概率权重；根据粒子滤波理论，设定粒子数量及初始权重，通过迭代更新粒子后验概率权重并重采样，所得最终粒子的均值作为该时刻目标跟踪的结果。
2.根据权利要求1所述的基于外辐射源联合时延与多普勒频率的直接跟踪方法，其特征在于：步骤2中，第l个k时刻观测站的所接收到的信号时域模型为：
<mrow> <msub> <mi>r</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mi>s</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&amp;tau;</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mi>s</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&amp;tau;</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mi>t</mi> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mn>0</mn> <mo>&amp;le;</mo> <mi>t</mi> <mo>&lt;</mo> <mi>T</mi> <mo>;</mo> </mrow>
其中，表示外辐射源相对于第l个观测站的直达路径时延；
τl,k＝(||pe-p0,k||+||pl-p0,k||)/c表示外辐射源照射k时刻的目标并反射至观测站产生的时延，c表示信号传播速度，||·||表示2范数；pe为外辐射源位置，发射信号带宽W，p0,k为目标在k时刻时的位置，速度为vk＝[vx,k,vy,k]T；与wl,k(t)分别表示均值为0，方差为与直达波通道与k时刻回波通道的加性平稳复高斯白噪声；bl,k与bdl分别表示k时刻回波信道与直达波信道的衰减系数；fl,k表示目标与观测站之间的多普勒频率，其包含两部分，一部分为外辐射源照射至目标时信号的多普勒频率，另一部分是k时刻反射回波到达观测站时产生的多普勒频率，故fl,k表示为：
<mrow> <msub> <mi>f</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mover> <mo>=</mo> <mi>&amp;Delta;</mi> </mover> <mfrac> <msub> <mi>f</mi> <mi>c</mi> </msub> <mi>c</mi> </mfrac> <mrow> <mo>(</mo> <mfrac> <mrow> <msubsup> <mi>v</mi> <mi>k</mi> <mi>T</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>p</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>p</mi> <mi>l</mi> </msub> <mo>|</mo> <mo>|</mo> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>v</mi> <mi>k</mi> <mi>T</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>p</mi> <mi>e</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>p</mi> <mi>e</mi> </msub> <mo>|</mo> <mo>|</mo> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow> ，
其中，pl＝[xl,yl]T(l＝1,2,…,L)为第l个观测站的位置坐标。
3.根据权利要求2所述的基于外辐射源联合时延与多普勒频率的直接跟踪方法，其特征在于：步骤3中第l个观测站k时刻的所接收到的信号频域模型为：
<mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>n</mi> </msub> <msub> <mi>&amp;tau;</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> </mrow> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>-</mo> <msub> <mi>f</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>n</mi> </msub> <msub> <mi>&amp;tau;</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> ，
其中，与(fn＝n/T,n＝±1,±2,…)分别表示接收信号、发射信号以及噪声项的傅立叶系数。
4.根据权利要求3所述的基于外辐射源联合时延与多普勒频率的直接跟踪方法，其特征在于：步骤4中，中心站所获得的高维信号频域模型为：
<mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msub> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msub> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> </mrow> ，
其中，
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mn>2</mn> <mi>N</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mn>2</mn> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mn>2</mn> <mi>N</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mover> <mi>s</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> <mo>=</mo> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mo>{</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mrow> <mo>-</mo> <mi>N</mi> </mrow> </msub> <msub> <mi>&amp;tau;</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> </mrow> </msup> <mo>,</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mrow> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>&amp;tau;</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> </mrow> </msup> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>N</mi> </msub> <msub> <mi>&amp;tau;</mi> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> </mrow> </msup> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mo>{</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mrow> <mo>-</mo> <mi>N</mi> </mrow> </msub> <msub> <mi>&amp;tau;</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> </msup> <mo>,</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mrow> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>&amp;tau;</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> </msup> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>N</mi> </msub> <msub> <mi>&amp;tau;</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> </msup> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mrow> <mo>-</mo> <mi>N</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <msub> <mi>d</mi> <mi>l</mi> </msub> </msub> <mrow> <mo>(</mo> <msub> <mi>f</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> ，
式中，表示循环移位矩阵，其形式表示为：
，
即将单位阵循环向下移位floor(Tfl,k)+1行；即将矩阵按行循环向下移位floor(Tfl,k)，floor(·)表示向下取整。
5.根据权利要求4所述的基于外辐射源联合时延与多普勒频率的直接跟踪方法，其特征在于：步骤5中，构造的高斯最大似然函数为：
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mi>k</mi> </msub> <mo>|</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>&amp;Proportional;</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mn>1</mn> <mrow> <mi>det</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mi>w</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mo>|</mo> <mo>|</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>b</mi> <mi>l</mi> </msub> <mo>(</mo> <mtable> <mtr> <mtd> <mrow> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> </mtd> </mtr> </mtable> <mo>)</mo> </mrow> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>)</mo> </mrow> ，
其中，det(·)表示求行列式； 为了估计目标的位置坐标，应使上式右端最小化，此时第i个粒子似然表示如下：
<mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>r</mi> <mi>k</mi> </msub> <mo>|</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>&amp;Proportional;</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mn>1</mn> <mrow> <mi>det</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mi>w</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <munder> <mi>argmin</mi> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> </munder> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>(</mo> <mrow> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> ，
其中，代价函数为：
<mrow> <msub> <mi>C</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mo>|</mo> <mo>|</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow>
利用bl,k使得上式最小化，可得：
<mrow> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>&amp;lsqb;</mo> <mrow> <msup> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <msubsup> <mover> <mi>B</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mtd> </mtr> </mtable> </mfenced> <mi>H</mi> </msup> <msup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mi>H</mi> </msup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <msubsup> <mover> <mi>B</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> </mtd> </mtr> </mtable> </mfenced> </mrow> <mo>&amp;rsqb;</mo> </mrow> <msup> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> ，
其中，不失一般性，假设结合矩阵和的特殊结构，可得：
<mrow> <msub> <mi>b</mi> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mn>2</mn> <msup> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> ，
经过数学推导简化，得到如下形式：
<mrow> <msub> <mi>C</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mo>|</mo> <mo>|</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>-</mo> <mn>2</mn> <msup> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mo>|</mo> <mo>|</mo> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>-</mo> <msqrt> <mn>2</mn> </msqrt> <mo>|</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> ，
上式的最小化等价于式子右端的最大化，即构造代价函数为：
<mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mo>|</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>=</mo> <msup> <mover> <mi>s</mi> <mo>~</mo> </mover> <mi>H</mi> </msup> <msubsup> <mi>Q</mi> <mrow> <mi>c</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mover> <mi>s</mi> <mo>~</mo> </mover> </mrow> ，
其中，
<mrow> <msubsup> <mi>Q</mi> <mrow> <mi>c</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>V</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mi>V</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> </mrow> ，
数据信息矩阵表示为：
<mrow> <msubsup> <mi>V</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mn>1</mn> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mn>1</mn> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mover> <mi>B</mi> <mo>~</mo> </mover> <mn>1</mn> <mi>H</mi> </msubsup> <mo>)</mo> </mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mn>1</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>,</mo> <mrow> <mo>(</mo> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mn>2</mn> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mn>2</mn> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mover> <mi>B</mi> <mo>~</mo> </mover> <mn>2</mn> <mi>H</mi> </msubsup> <mo>)</mo> </mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mn>2</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mrow> <mo>(</mo> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>L</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <msubsup> <mover> <mi>A</mi> <mo>~</mo> </mover> <mrow> <mi>L</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mi>H</mi> </mrow> </msubsup> <mo>,</mo> <msubsup> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>L</mi> <mi>H</mi> </msubsup> <mo>)</mo> </mrow> <msub> <mover> <mi>r</mi> <mo>~</mo> </mover> <mrow> <mi>L</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&amp;rsqb;</mo> <mo>.</mo> </mrow>
6.根据权利要求5所述的基于外辐射源联合时延与多普勒频率的直接跟踪方法，其特征在于：步骤6中具体包含如下：取粒子对应数据信息矩阵对应的最大特征值为：
<mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mrow> <mo>(</mo> <msubsup> <mi>Q</mi> <mrow> <mi>c</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow> ，
其中，λmax(·)表示求最大特征值；的维度为(2N+1)×(2N+1)，考虑给定矩阵X，XHX与XXH的非零特征值是一致的，故将变换为
<mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>x</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msub> <mi>p</mi> <mrow> <mn>0</mn> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mrow> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow> ，
式中，的维度为L×L维且仅与观测站数量有关，利用该代价函数计算粒子滤波加权，即：
<mrow> <msub> <mover> <mi>w</mi> <mo>~</mo> </mover> <mi>k</mi> </msub> <mo>&amp;Proportional;</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mrow> <mi>det</mi> <mrow> <mo>(</mo> <msub> <mover> <mi>C</mi> <mo>~</mo> </mover> <mi>w</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>(</mo> <msubsup> <mover> <mi>Q</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>c</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> <mo>)</mo> </mrow> </mrow> ，
通过迭代更新粒子后验概率权重并重采样，所得最终粒子的均值即为该时刻目标跟踪的结果。
CN201610257109.2A 2015-12-05 2016-04-22 基于外辐射源联合时延与多普勒频率的直接跟踪方法 Active CN105929378B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201510887968.5A CN105510948A (zh) 2015-12-05 2015-12-05 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
CN2015108879685 2015-12-05
CN201510991043.5A CN105487063A (zh) 2015-12-26 2015-12-26 一种基于外辐射源时延和多普勒频率的直接定位方法
CN2015109910435 2015-12-26

Publications (2)

Publication Number Publication Date
CN105929378A CN105929378A (zh) 2016-09-07
CN105929378B true CN105929378B (zh) 2018-03-16

Family

ID=56836080

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201610255158.2A Withdrawn CN105929389A (zh) 2015-12-05 2016-04-22 一种基于外辐射源时延和多普勒频率的直接定位方法
CN201610257109.2A Active CN105929378B (zh) 2015-12-05 2016-04-22 基于外辐射源联合时延与多普勒频率的直接跟踪方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201610255158.2A Withdrawn CN105929389A (zh) 2015-12-05 2016-04-22 一种基于外辐射源时延和多普勒频率的直接定位方法

Country Status (1)

Country Link
CN (2) CN105929389A (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526585B (zh) * 2016-10-26 2019-01-25 中国人民解放军空军工程大学 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法
CN106597409B (zh) * 2016-12-19 2019-02-12 电子科技大学 一种基于外辐射源雷达的时延-多普勒频移提取方法
CN106886011A (zh) * 2017-01-19 2017-06-23 电子科技大学 一种反映直达波影响的mimo雷达克拉美罗界计算方法
CN106909779B (zh) * 2017-02-17 2019-06-21 电子科技大学 基于分布式处理的mimo雷达克拉美罗界计算方法
CN107132505B (zh) * 2017-05-19 2019-11-08 中国人民解放军信息工程大学 直达与非直达混合场景中的多目标直接定位方法
CN107290717B (zh) * 2017-05-19 2019-07-26 中国人民解放军信息工程大学 针对非圆信号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
CN107390171B (zh) * 2017-08-03 2020-10-09 厦门大学 基于toa测距和多普勒效应的水下传感器节点定位方法
CN108445444B (zh) * 2018-03-09 2020-05-05 中国人民解放军战略支援部队信息工程大学 修正容积卡尔曼滤波直接定位方法
CN108770059A (zh) * 2018-05-31 2018-11-06 清华大学 基于波束空间的低通信量高精度定位方法及系统
CN109031196A (zh) * 2018-07-19 2018-12-18 中国人民解放军战略支援部队信息工程大学 基于运动观测站对多信号源的最大似然直接定位方法
CN108828568A (zh) * 2018-07-19 2018-11-16 中国人民解放军战略支援部队信息工程大学 一种运动单站的直接定位方法和系统
CN108872971B (zh) * 2018-07-19 2020-12-04 中国人民解放军战略支援部队信息工程大学 一种基于运动单阵列的目标定位方法与装置
CN108828419B (zh) * 2018-08-01 2020-11-03 广东电网有限责任公司广州供电局 基于似然估计的开关房局部放电定向方法
CN109975754A (zh) * 2019-02-26 2019-07-05 中国人民解放军战略支援部队信息工程大学 联合角度、时延与多普勒信息的运动多站直接定位方法
CN110082748B (zh) * 2019-05-23 2020-10-30 中国人民解放军战略支援部队信息工程大学 一种无源雷达目标检测方法及装置
CN110471029B (zh) * 2019-08-16 2023-11-24 天津大学 一种基于扩展卡尔曼滤波的单站无源定位方法及装置
CN110632556B (zh) * 2019-09-29 2022-08-05 电子科技大学 一种对静辐射源目标的微弱信号检测并定位的方法
CN111965595A (zh) * 2020-06-30 2020-11-20 南京航空航天大学 一种基于无人机的多非圆信源高精度直接定位方法
CN111965594B (zh) * 2020-07-14 2023-06-06 杭州电子科技大学 一种基于特征值搜索的轻量级直接跟踪方法
CN111812630B (zh) * 2020-07-23 2022-06-21 桂林电子科技大学 干扰剩余时外辐射源雷达目标检测与doa估计系统及方法
CN112946568B (zh) * 2021-01-29 2023-06-30 中国人民解放军战略支援部队信息工程大学 辐射源航迹矢量直接估计方法
CN113514821B (zh) * 2021-06-30 2024-05-14 中国电子科技集团公司第三十六研究所 基于时变时差的定位方法、装置和系统
CN117233697A (zh) * 2023-08-30 2023-12-15 中国人民解放军战略支援部队信息工程大学 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104515971A (zh) * 2014-12-25 2015-04-15 西安电子科技大学 宽带多目标机载单站无源定位方法
CN104656104A (zh) * 2015-02-27 2015-05-27 清华大学 基于最大似然估计的卫星导航欺骗信号识别方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7450064B2 (en) * 2005-03-22 2008-11-11 Qualcomm, Incorporated Methods and systems for deriving seed position of a subscriber station in support of unassisted GPS-type position determination in a wireless communication system
CN104049237A (zh) * 2013-03-15 2014-09-17 郁涛 基于相差测量的无源定位技术

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104515971A (zh) * 2014-12-25 2015-04-15 西安电子科技大学 宽带多目标机载单站无源定位方法
CN104656104A (zh) * 2015-02-27 2015-05-27 清华大学 基于最大似然估计的卫星导航欺骗信号识别方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于单个长基线干涉仪的运动单站直接定位;张敏 等;《航空学报》;20130225;第34卷(第2期);第378-386页 *
联合时延与多普勒频率的直接定位改进算法;王云龙 等;《西安交通大学学报》;20150430;第49卷(第4期);第123-129页 *
采用时延估计的外辐射源雷达杂波抑制算法;翟永惠 等;《西安交通大学学报》;20151231;第49卷(第12期);第47-52段 *

Also Published As

Publication number Publication date
CN105929378A (zh) 2016-09-07
CN105929389A (zh) 2016-09-07

Similar Documents

Publication Publication Date Title
CN105929378B (zh) 基于外辐射源联合时延与多普勒频率的直接跟踪方法
CN105445708B (zh) 一种极化合成孔径雷达的定标方法
CN103901395B (zh) 一种冲击噪声环境下相干信号波达方向动态跟踪方法
Dvorecki et al. A machine learning approach for Wi-Fi RTT ranging
CN107132505A (zh) 直达与非直达混合场景中的多目标直接定位方法
CN102135617A (zh) 双基地多输入多输出雷达多目标定位方法
CN104515971A (zh) 宽带多目标机载单站无源定位方法
CN108872971B (zh) 一种基于运动单阵列的目标定位方法与装置
CN108089183A (zh) 一种用于异步多基地雷达系统的检测跟踪一体化方法
CN108363054A (zh) 用于单频网络和多路径传播的被动雷达多目标跟踪方法
CN110536245A (zh) 一种基于深度学习的室内无线定位方法及系统
CN103023586A (zh) 一种天波超视距雷达电离层信道模型
CN101644760A (zh) 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法
CN102353947A (zh) 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法
CN106353722A (zh) 基于代价参考粒子滤波的rssi测距方法
Zhang et al. AOA-based three-dimensional multi-target localization in industrial WSNs for LOS conditions
CN103116162A (zh) 基于目标空间稀疏性的高分辨声呐定位方法
CN111487597B (zh) 一种基于时空频能数据的通用电子侦察截获仿真方法
CN109671100A (zh) 一种分布式可变扩散组合系数粒子滤波直接跟踪方法
CN103064084A (zh) 基于距离频域的解模糊方法
CN112986907A (zh) 一种时钟偏差和时钟漂移条件下的运动目标定位方法
CN108732534A (zh) 一种基于加权mds的多标签协作定位方法
CN106093926A (zh) 双边带频率分集阵列雷达系统及其目标定位方法
CN111199281A (zh) 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法
CN100585429C (zh) 一种基于非直线天线阵列的无源通道校正方法

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