CN106842155A - 一种基于空间插值和聚类分析的无线固定发射源定位方法 - Google Patents

Abstract

本发明公开一种基于空间插值和聚类分析的无线信号定位方法，将监测区域内的大量移动监测数据经过筛选、清洗后，使用在地理统计学中广泛使用的Kriging空间插值算法重构无线固定发射源在空间电磁分布的统计性趋势数据，同时使用聚类分析中的经典算法Mean Shift自动寻找出监测区域中电磁频谱分布的所有峰值位置，从而实现对无线固定发射源的快速搜寻和定位。采用本发明的技术方案，可以提高移动监测历史数据的利用效率。

Description

一种基于空间插值和聚类分析的无线固定发射源定位方法

技术领域

本发明涉及无线电监测技术领域，具体涉及一种基于空间插值-聚类分析的无线固定发射源定位方法，可应用于无线电移动监测中对无线固定发射源的定位。

背景技术

无线电发射源的监测定位是无线电管理部门日常无线电监测中重要内容，通常采用固定站监测和移动站监测两种方式，通过对来波信号特征参数的分析计算达到发射源定位的目的。

当前使用的单个固定监测站利用AOA、POA、相关干涉等信号定位技术侧重于利用天线阵列通过对信号的幅度和相位变化的监测分析处理来判断来波方向，通过多监测站的联合测向实现对信号的交汇定位。网格化监测站则利用TDOA技术计算到达每个监测站点的信号时间差实现对信号的交汇定位。

移动监测站则多数利用相关干涉技术来实现对信号的测向，同时对测向结果叠加计算实现信号定位。

由于信号定位的精度取决于接收到的信噪比、GPS时间精度、接收机灵敏度等参数。对于固定站而言，站点位置和高度经过精心设计，接收到的多为视距传输信号，测向定位结果较为准确稳定，可以有效地发现发射源位置。

移动监测作为固定站监测的补充，弥补了固定监测站点过于稀疏，不能抵近监测的缺点。但由于移动监测站高度不足，容易受城区道路分布以及周围环境影响，监测点离散化，且接收到的信号经过多次的反射和衰落，其幅度和相位出现了复杂变化。使用传统的测向定位技术得到的测向或定位结果出现波动，测向质量有明显的下降。

同时移动监测产生的历史数据反映了监测区域内无线固定台站使用情况，但目前尚没有一种有效的利用手段，导致大量的移动监测数据被闲置，数据利用效率较低。

发明内容

本发明的目的是针对移动监测在城区对信号监测定位存在的问题，提供一种空间插值—聚类分析的信号定位方法。所述方法将将地理上离散化分布的移动监测数据使用空间插值方法将其拟合变为地理上连续分布的信号强度数据，并使用聚类算法为确定监测区域内发射源的位置从而实现对发射源的定位。

为实现上述目的，本发明采用如下的技术方案：

一种基于空间插值-聚类分析的无线固定发射源定位方法，包括以下主要步骤：

第一步，构建移动监测扫描获取的经纬度-场强/电平数据集{Z_ij(Lng,Lat,P)}

第二步，根据所选频段(频率)、区域、门限对监测数据进行筛选

第三步，将所选监测区域进行栅格化处理，栅格交点作为未知数据点

第四步，计算筛选后监测点两两之间的距离{d_ij}和半方差{γ_ij}

第五步，对距离{d_ij}和半方差{γ_ij}数据进行曲线拟合，获取拟合曲线函数γ_ij＝f(d_ij)

第六步，根据拟合曲线重新计算已知监测点两两之间的半方差{γ_ij}

第七步，任选一个未知点，利用拟合函数计算其与已知监测点之间的距离{d_io}和半方差{γ_io＝f(d_io)}

第八步，计算未知点到各个已知监测点的权重系数λ_i

第九步，计算未知点的信号强度得到未知点数据Z_o(Lng,Lat,P)

第十步，重复第七步到第九步，直到完成所有未知点的数据计算，生成未知点预测数据集{Z_o}

第十一步，根据数据集{Z_o}范围，设定若干三维球，其初始中心点x^t(Lng,Lat,P)，三维球半径h，容许误差ε

第十二步，三维球中心点x^t到球体内所有数据点的矢量和均值M_h(x^t)

第十三步，平移三维球中心，令x^t+1＝M_h(x^t)+x^t

第十四步，判断矢量和均值是否满足收敛条件，‖M_h(x^t)‖<ε。如不满足则重复第十二步、第十三步，如满足则进入认为已找到峰值点，输出x^t的数据结果

第十五步，完成所有三维球的计算过程，直到满足收敛条件，并输出x^t的数据结果。最终实现对发射源位置的定位计算。

作为优选，第四步中，监测点之间的距离dij(Zi,Zj)(km)计算涉及球面两点间距计算，经纬度参数需要做一定的转换，转换公式如下：

d_ij[Z_i(Lng_i,Lat_i,P_i),Z_j(Lng_i,Lat_j,P_j)]＝

int((cos^-1(sin(Lat_i/180×π)×sin(Lat_j/180×π)

+cos(Lat_i/180×π)×cos(Lat_j/180×π)

×cos(Lng_i/180×π-Lng_j/180×π))×180

×60÷π)×100000)÷100000×1.852

各监测点间的半方差γij计算：

作为优选，第八步中，采用Kriging空间插值算法计算未知点到各个已知监测点的权重系数λ_i

在Kriging插值中，权重系数λ与半方差{γ_ij}、{γ_io}有线性函数关系，具体关系如下：

对矩阵求逆，即可解得：

作为优选，第十一步到第十四步的Mean-shift聚类分析算法，通过构造三维球约束空间和收敛条件，实现对预测数据集的快速分析和计算，判定峰值区域，从而实现定位功能。

本发明的基于空间插值和聚类分析的无线信号定位方法，可用于无线电移动监测中对无线固定发射源的定位。本发明的主要思路是：将监测区域内的大量移动监测数据经过筛选、清洗后，使用在地理统计学中广泛使用的Kriging空间插值算法重构无线固定发射源在空间电磁分布的统计性趋势数据，同时使用聚类分析中的经典算法Mean Shift自动寻找出监测区域中电磁频谱分布的所有峰值位置，从而实现对无线固定发射源的快速搜寻和定位。本发明根据无线电固定发射源的空间辐射分布具有一定的统计规律，在移动监测数据基础上使用Kriging空间插值算法实现对固定发射源的辐射趋势的预测，同时利用Meanshift聚类分析算法实现快速定位计算。有助于无线电监管机构充分利用移动监测站的灵活性，提高移动监测历史数据的利用效率，监督无线笃定发射台站使用变动情况，推动监测区域内无线固定台站的精细化管理工作。

本发明优点在于：

1、根据无线发射源信号强度的空间分布统计规律，综合使用地理统计和数据挖掘方法实现对无线发射源的自动定位判断。拓展了无线电定位技术的范围。

2、充分利用现有监测条件，降低了无线电发射源定位技术的硬件成本

3、基于规模数据统计和分析技术，避免因为局部数据异常引起的计算结果失真，提高了定位的准确性。

附图说明

图1本发明的实现流程示意图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明

如图1所示，一种基于空间插值和聚类分析的无线发射源定位方法，其方法步骤如下：

第一步，构建移动监测扫描获取的经纬度-场强/电平数据集

{Z_ij(Lng,Lat,P)}

第二步，根据所选频段/频率、区域、门限对监测数据进行筛选

第三步，将所选监测区域进行栅格化处理，栅格粒度为50m×50m,栅格交点作为未知数据点{Z_o(Lng_o,Lat_o,P_o)}

第四步，计算筛选后监测点两两之间的距离d_ij和半方差γ_ij

监测点之间的距离dij(Zi,Zj)(km)计算涉及球面两点间距计算，经纬度参数需要做一定的转换，转换公式如下：

d_ij[Z_i(Lng_i,Lat_i,P_i),Z_j(Lng_i,Lat_j,P_j)]＝

int((cos^-1(sin(Lat_i/180×π)×sin(Lat_j/180×π)

+cos(Lat_i/180×π)×cos(Lat_j/180×π)

×cos(Lng_i/180×π-Lng_j/180×π))×180

×60÷π)×100000)÷100000×1.852

各监测点间的半方差γij计算：

第五步，对距离d_ij和半方差γ_ij数据进行曲线拟合，获取拟合曲线函数γ_ij＝f(d_ij)

第六步，根据拟合曲线重新计算已知监测点两两之间的半方差γ_ij

γ_ij＝f(d_ij)

第七步，任选一个未知点，计算其与已知监测点之间的距离d_io和半方差γ_io＝f(d_io)

第八步，计算未知点到各个已知监测点的权重系数λ_i

在Kriging插值中，权重系数λ与半方差{γ_ij}、{γ_io}有线性函数关系，具体关系如下：

对矩阵求逆，即可解得：

第九步，计算未知点的信号强度获得单个未知点的结果Z_o(Lng_o,Lat_o,P_o)

第十步，重复第七步到第九步，直到完成所有未知点的数据计算，生成未知点预测数据集{Z_o(Lng_o,Lat_o,P_o)}

第十一步，在数据集{Z_o}范围内，设定若干三维球，其随机初始中心点x^t(Lng,Lat,P)，三维球半径h，容许误差ε

第十二步，三维球中心点x^t到球体内所有数据点的矢量和均值M_h(x^t)

第十三步，平移三维球中心，令x^t+1＝M_h(x^t)+x^t

第十四步，判断矢量和均值是否满足收敛条件，‖M_h(x^t)‖<ε。如不满足则重复第十二步、第十三步，如满足则进入认为已找到峰值点，输出x^t的数据结果

第十五步，完成所有三维球的计算过程，直到满足收敛条件，并输出x^t的数据结果。最终实现对发射源位置的定位计算。

本发明引入了Kriging空间插值算法和Mean shift聚类分析算法来实现对离散数据的插值预测和信号峰值区域的快速定位。根据筛选后离散的监测数据，通过空间插值算法构建连续的信号强度分布曲面，并使用聚类分析算法快速找到区域内的所有信号强度峰值点，从而实现对固定发射源的快速准确定位。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于空间插值和聚类分析的无线固定发射源定位方法，其特征在于，包括以下主要步骤：

第一步，构建移动监测扫描获取的经纬度-场强/电平数据集

{Z_ij(Lng，Lat，P)}；

第二步，根据所选频段(频率)、区域、门限对监测数据进行筛选；

第三步，将所选监测区域进行栅格化处理，栅格交点作为未知数据点；

第四步，计算筛选后监测点两两之间的距离{d_ij}和半方差{γ_ij}；

第五步，对距离{d_ij}和半方差{γ_ij}数据进行曲线拟合，获取拟合曲线函数γ_ij＝f(d_ij)；

第六步，根据拟合曲线重新计算已知监测点两两之间的半方差{γ_ij}；

第七步，任选一个未知点，利用拟合函数计算其与已知监测点之间的距离{d_io}和半方差{γ_io＝f(d_io)}；

第八步，计算未知点到各个已知监测点的权重系数λ_i；

第九步，计算未知点的信号强度得到未知点数据Z_o(Lng，Lat，P)；

第十步，重复第七步到第九步，直到完成所有未知点的数据计算，生成未知点预测数据集{Z_o}；

第十一步，根据数据集{Z_o}范围，设定若干三维球，其初始中心点x^t(Lng，Lat，P)，三维球半径h，容许误差ε；

第十二步，三维球中心点x^t到球体内所有数据点的矢量和均值M_h(x^t)；

第十三步，平移三维球中心，令x^t+1＝M_h(x^t)+x^t；

第十四步，判断矢量和均值是否满足收敛条件，||M_h(x^t)||＜ε。如不满足则重复第十二步、第十三步，如满足则进入认为已找到峰值点，输出x^t的数据结果；

第十五步，完成所有三维球的计算过程，直到满足收敛条件，并输出x^t的数据结果。最终实现对发射源位置的定位计算。

2.如权利要求1所述的基于空间插值和聚类分析的无线固定发射源定位方法，其特征在于，第四步中，监测点之间的距离dij(Zi，Zj)(km)计算涉及球面两点间距计算，经纬度参数需要做一定的转换，转换公式如下：

d_ij[Z_i(Lng_i，Lat_i，P_i)，Z_j(Lng_i，Lat_j，P_j)]＝

int((cos^-1(sin(Lat_i/180×π)×sin(Lat_j/180×π)

+cos(Lat_i/180×π)×cos(Lat_j/180×π)

×cos(Lng_i/180×π-Lng_j/180×π))×180×60÷π)

×100000)÷100000×1.852

各监测点间的半方差γij计算：

$\begin{array}{c}{\mathrm{\&gamma;}}_{ij}\&lsqb;Z_i\left({\mathrm{Lng}}_i,{\mathrm{Lat}}_i,P_i\right),Z_j\left({\mathrm{Lng}}_i,{\mathrm{Lat}}_j,P_j\right)\&rsqb;=\frac{1}{2}E\&lsqb;{(P_i-P_j)}^2\&rsqb;\\ =\frac{1}{2}{\left(P_i-P_j\right)}^2\end{array}.$

3.如权利要求1所述的基于空间插值和聚类分析的无线固定发射源定位方法，其特征在于，第八步中，采用Kriging空间插值算法计算未知点到各个已知监测点的权重系数λ_i

在Kriging插值中，权重系数λ与半方差{γ_ij}、{γ_io}有线性函数关系，具体关系如下：

$\left[\begin{array}{ccccc}{r}_{11}& r_{12}& ...& r_{1n}& 1\\ r_{21}& r_{22}& ...& r_{2n}& 1\\ ...& ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{nn}& 1\\ 1& 1& ...& 1& 0\end{array}\right]\left[\begin{array}{c}{\mathrm{\&lambda;}}_1\\ {\mathrm{\&lambda;}}_2\\ ...\\ {\mathrm{\&lambda;}}_n\\ 0\end{array}\right]=\left[\begin{array}{c}{r}_{1o}\\ r_{2o}\\ ...\\ r_{no}\\ 1\end{array}\right]$

对矩阵求逆，即可解得：

$\left|\begin{array}{c}{\mathrm{\&lambda;}}_i\\ 0\end{array}\right|=\left|\begin{array}{cc}{\mathrm{\&gamma;}}_{ij}& 1\\ 1& 0\end{array}{|}^{-1}\right|\begin{array}{c}{\mathrm{\&gamma;}}_{io}\\ 1\end{array}|.$

4.如权利要求1所述的基于空间插值和聚类分析大的无线固定发射源定位方法，其特征在于，第十一步到第十四步的Mean-shift聚类分析算法，通过构造三维球约束空间和收敛条件，实现对预测数据集的快速分析和计算，判定峰值区域，从而实现定位功能。