CN107045117B - 基于Capon波束形成定位方法及装置 - Google Patents
基于Capon波束形成定位方法及装置 Download PDFInfo
- Publication number
- CN107045117B CN107045117B CN201610848107.0A CN201610848107A CN107045117B CN 107045117 B CN107045117 B CN 107045117B CN 201610848107 A CN201610848107 A CN 201610848107A CN 107045117 B CN107045117 B CN 107045117B
- Authority
- CN
- China
- Prior art keywords
- signal
- capon
- matrix
- wireless
- signals
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004807 localization Effects 0.000 title abstract 2
- 239000013598 vector Substances 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 22
- 230000000295 complement effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/04—Position of source determined by a plurality of spaced direction-finders
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于Capon波束形成定位方法及装置，设定K个接收天线构成信号接收阵列和M个信号发射点；利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx，通过求解线性约束最小方差准则的约束优化问题，构造谱函数，搜索出M个最大谱峰，计算出波达方向。该方法通过部署在监测区域的beacon点和无线网关组网通信，数据经无线通信模块传输至云端，进行协作感知、采集和定位网络覆盖区域内信号发射点的信息，使得云端监控数据与地图等进行匹配，实现智慧停车。该方法不需要先验已知或估计车辆数目，减少采样数据长度；通过增强期望信号、抑制干扰，达到提高系统输出信干噪比的目的；通过改写具有鲁棒Capon算法改善方向向量存在偏差实际环境，提高定位估计性能。
Description
技术领域
本发明涉及一种基于Capon波束形成定位方法及装置。
背景技术
随着个人车辆的增加，现在反向寻车是个大难题，有时候转了几圈都找不到停车点，有的商场与小区都建有地下停车场，这样增加了不少的停车位，但是有一些朋友都不愿把车停到地下停车场，其原因是不太熟悉地址停车场的停车规则，停车找车难这已成为生活中遇到的常见问题之一。如何高效反向寻车，通过实时的监测并辅以有效的定位控制措施，可以有效的解决停车找车难的问题。
现有的超声波定位整体定位精度较高，结构简单，但超声波受多径效应和非视距传播影响很大，同时需要大量的底层硬件设施投资，成本太高。WIFI应用于小范围的室内定位，成本较低。但无论是用于室内还是室外定位，Wi-Fi收发器都只能覆盖半径90米以内的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。ZigBee定位方法通过测算对象到多个已知位臵的参考节点的距离，来确定对象所在的位臵。测算的方法包括接收信号强度、链路质量指示(LQI)等。也可以通过“临近法”大概地判定终端处在哪一个参考节点附近，这种做法的定位精度较低，在实际应用中并不常见。
发明内容
本发明的目的是提供一种基于Capon波束形成定位方法及装置，能够通过部署在监测区域的beacon点和无线网关组网通信，数据经无线通信模块传输至云端，进行协作感知、采集和定位网络覆盖区域内信号发射点的信息，解决现有技术中存在的上述问题。
本发明的技术解决方案是：
一种基于Capon波束形成定位方法，包括以下步骤：
S1、在待定位区域内部署K个beacon点构成信号接收阵列；
S2、由M个无线移动设备构成M个信号点，M个无线移动设备与步骤S1构成的信号接收阵列直接进行通信；
S3、利用信号接收阵列输出的信号矩阵计算协方差矩阵
S4、求解线性约束最小方差准则的约束优化问题，计算最佳权向量；
S5、利用Capon波束形成算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方向，定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac地址传输到无线网关，由无线网关传输到云端监控中心；
S6、当M个无线移动设备移动到其他的位置时，重复执行步骤S2～S4，得到M个无线移动设备的新的地址位置；
S7、云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并发送给无线移动设备，实现室内定位。
进一步地，步骤S4中，应用拉格朗日乘子法求解最佳权向量：
其中，为接收信号相关矩阵求逆，H表示共轭转置，ar(θ)为接收阵列导向矢量，ar(θ)＝exp[j2πd(i-1)sinθ]，式中，θ为入射角，d为信号间距，j为根号-1的虚数。
进一步地，步骤S5中，谱函数是对波束形成器的输出利用最小二乘法即得到Capon估计出的空间谱：
其中，at(θ)为发射信号的阵向导量，ar(θ)为接收阵列导向矢量，T为转置，*表示共轭，H表示共轭转置，XS分别为接收和发射信号，Rss是M个信号点样本斜方差矩阵，
进一步地，步骤S5中，两个发射信号之间存在相关性时，将相关信号进行线性变换，获得独立的充分统计量为
其中，为充分统计量矩阵，式中，因此非正交发射信号S是正交信号的线性变换，矩阵U和矩阵Λ分别是发射非正交信号的样本协方差矩阵的特征值所构成的对角矩阵和对应的归一化特征向量构成的酉矩阵。vec是将经过匹配滤波后的噪声分量按列重排为一个列向量。为联合导向矢量。
进一步地，发射信号间的相关性由信号相关系数判断，信号相关系数为：
由Schwartz不等式可知|ρij|＜1，E为求期望，根据其取值的不同，信号之间的相关性定义如下：
其中，si(t)sj(t)分别表示第ij个发射信号，*表示共轭。
进一步地，步骤S5中，当阵列信号的方向向量存在偏差时，重写具有鲁棒Capon算法的代价函数为：
其中，为假定的方向向量，∈r为任意小的变量，T为转置。
根据拉格朗日定理得到新的方向矢量为：
其中，γ为方向向量扰动，I为单位向量，c为矩阵补集。
一种利用上述任一项所述的基于Capon波束形成算法的室内定位方法的装置，包括K个beacon点构成信号接收阵列、无线网关、M个无线移动设备、云端监控中心；所述K个beacon点构成信号接收阵列分布在待定位区域内，M个无线移动设备与信号接收阵列之间为无线通信；无线移动设备通过无线接口与无线网关连接；无线网关发送信息传输到云端控制中心，并接收云端控制中心发送的信号。
进一步地，所述无线移动设备为蓝牙移动设备；所述无线网关为蓝牙无线网关；所述无线接口为蓝牙无线接口。
本发明的有益效果是：该种基于Capon波束形成定位方法及装置，不需要先验已知或估计车辆数目，减少采样数据长度；通过增强期望信号、抑制干扰，达到提高系统输出信干噪比的目的；通过改写具有鲁棒Capon算法改善方向向量存在偏差实际环境，提高定位估计性能。该方法，具有高分辨率和强抗干扰能力，并且该方法算法简单，易于编程实现。可以应用在任意发射信号环境下，并且在信号方向向量存在偏差的情况下，引入了方位依赖的相位扰动，在抑制旁瓣、提高检测目标数目具有优势。
附图说明
图1是本发明实施例基于Capon波束形成定位方法的流程构示意图。
图2是实施例中信号接收阵列接收信号的示意图。
图3是实施例中的走道布局示意框图。
图4是实施例中发射信号任意相关时Capon算法空间谱图。
图5是实施例中采用鲁棒Capon方法估计波达方向的极坐标图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例
实施例的基于Capon波束形成定位方法，通过在待定位区域部署K个beacon点构成信号接收阵列，利用M个无线移动设备构成M个信号点，M个信号点与K个beacon点之间通信，无线移动设备结合Capon波束形成得到波达方向信息，从而定位出信号点的地理位置，无线移动设备其MAC地址信息和信号点的地理位置信息经过无线网关传送到云端监控中心；当M个无线移动设备变更位置后，再次进行其物理位置的定位，并上传其MAC地址信息和信号点的地理位置信息到云端监控中心；云端控制中心进行路线规划，并通过反向的通信链路下达给无线移动设备，利用无线移动设备的导航实现反向寻位，非常适用于地下车库导航系统。
实施例的基于Capon波束形成定位方法，如图1，具体包括以下步骤：
S1、在待定位区域内部署K个beacon点构成信号接收阵列，如图2和图3。
S2、由M个无线移动设备构成M个信号点，M个无线移动设备与步骤S1构成的信号接收阵列直接进行通信。
S3、利用信号接收阵列输出的信号矩阵计算协方差矩阵
S4、Capon波束形成器是下面采用线性约束最小方差准则的约束优化问题的解，即：
且
其中，是所观测数据的协方差矩阵，K为观测数据数目，为阵列权重矢量，又称为最小方差无畸变响应(MVDR,Minimum Variance Distortionless Response)波束形成器权值，起到在保持目标信号不失真情况下抑制噪声和干扰的作用。Capon波束形成方法对于某个观测方向，它使输出信号的方差最小，同时使来自观测方向的信号无畸变地通过。事实上，还隐含了其它方向的信号均被抑制的条件，这样，来自空间相距比较近的信源的空间泄漏即可减小，从而使MVDR波束形成器比常规波束形成器具有高的空间方位分辨能力。最佳权向量应用拉格朗日乘子法，容易求解可得
S5、利用Capon波束形成算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方向，定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac地址传输到无线网关，由无线网关传输到云端监控中心。
对波束形成器的输出利用最小二乘法即得到Capon估计出的空间谱：
在实际应用中，发射信号可能具有相关性。在正交发射信号时，其值简化为单位对角阵，事实上，在实际环境中完全正交的发射信号几乎是不可能得到的，两个发射信号之间可能存在相关性，同观测通道相关性定义类似，这里引入信号相关系数为
由Schwartz不等式可知|ρij|＜1，E为求期望。根据其取值的不同，信号之间的相关性定义如下：
当发射非正交信号时，Rss矩阵的值不再局限于单位对角阵，而是
从上式可知，发射信号的样本斜方差矩阵Rss主对角线元素均相同(为1)，与主对角线平行的斜线上各元素亦相同，即为Topletz矩阵。当发射信号相关时，将非正交发射信号经过线性变换后，则独立的充分统计量为
该方法针对相干发射信号用正交信号进行了线性变换，得到了独立的充分统计量，提高了参数估计的有效性。
进而，谱函数的求解需要准确地知道信号的方向向量，但在实际的环境中，信号方向向量往往会存在偏差，波束形成器的性能会急剧下降。当阵列信号的方向向量存在偏差时，重写具有鲁棒Capon算法的代价函数为
根据拉格朗日定理
对接收矩阵进行特征分解为其中U为特征向量矩阵，Λ＝diag(λ1,…λMK)，diag为取矩阵对角元素，λ1,…λMK为矩阵特征值。
假设λ1＞λ2＞…λMK。令则构建函数
其中，γi为方向扰动量，为假定的方向向量，zm∈z。
显然，该式是λ的单调递减函数，λ存在唯一解。当位置存在扰动时，可以等效为阵列方向向量中引入了方位依赖的相位扰动其中，为i方向上扰动量，式中，为时间偏差，c为光速，f0为载波频率Δri为由阵元位置扰动，j为根号-1的虚数，ai为信源i的方向向量。
则可得λ为
事实上阵列误差扰动一般是未知的，此时需要采用牛顿方法在取值范围内求解λ，将计算得到的λ代入可计算方向向量的估计值。求解过程中可以看到当存在阵列误差时，在求解角度估计值时，除了要对接收信号进行特征分解，还要涉及采用牛顿数值方法求解λ。
在阵列信号的方向向量存在偏差时，将前述最佳权向量、谱函数中ar代入新的方向矢量其余参数不变。
如图2所示，将蓝牙灯管即黑点位置分布在停车场内，采用上述方法获得的定位仿真如图3所示，可以看出，获得的定位精度很高。
S6、当M个无线移动设备移动到其他的位置时，重复执行步骤S2～S4，得到M个无线移动设备的新的地址位置。
S7、云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并发送给无线移动设备，实现室内定位。
实施例的基于Capon波束形成定位方法，先计算信号接收阵列输出的信号的协方差矩阵，计算线性约束方程求解权向量，结合谱函数计算出出波达方向信息。具体为：通过设定K个接收天线构成信号接收阵列和M个信号发射点；利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx，通过求解线性约束最小方差准则的约束优化问题，构造谱函数，搜索出M个最大谱峰，计算出波达方向。进而通过构造鲁棒Capon算法提高定位性能。
实施例通过将接收信号输出进行加权求和，在一时间内将天线阵列波束“导向”到一个方向上，对期望信号得到最大输出功率的导向位置即给出方DOA估计。该方法不需要先验已知或估计车辆数目，减少采样数据长度；通过增强期望信号、抑制干扰，达到提高系统输出信干噪比的目的；通过改写具有鲁棒Capon算法改善方向向量存在偏差实际环境，提高定位估计性能。该方法能够通过部署在监测区域的beacon点和无线网关组网通信，数据经无线通信模块传输至云端，进行协作感知、采集和定位网络覆盖区域内信号发射点的信息，使得云端监控数据与地图等进行匹配，实现智慧停车。
该种基于Capon波束形成定位方法，具有高分辨率和强抗干扰能力，并且该方法算法简单，易于编程实现。可以应用在任意发射信号环境下，并且在信号方向向量存在偏差的情况下，引入了方位依赖的相位扰动，在抑制旁瓣、提高检测目标数目具有优势。
一种利用上述任一项基于Capon波束形成算法的室内定位方法的装置，包括K个beacon点构成信号接收阵列、无线网关、M个无线移动设备、云端监控中心；K个beacon点构成信号接收阵列分布在待定位区域内，M个无线移动设备与信号接收阵列之间为无线通信；无线移动设备通过无线接口与无线网关连接；无线网关发送信息传输到云端控制中心，并接收云端控制中心发送的信号。无线移动设备为蓝牙移动设备；无线网关为蓝牙无线网关；无线接口为蓝牙无线接口。
图4发射信号任意相关时Capon算法空间谱图。假设空间存在4个目标源，且目标的位置为-40°,-30°,-20°，-10°，信噪比为10dB，采样数目为256。图4中实线表示发射线性独立正交信号Capon空间谱图，标记的点线表示非正交发射信号经过线性变换后Capon空间谱估计。
从图4中可以看出，发射相互独立信号DOA估计性能好于发射相关信号，发射独立信号可以形成更窄的波峰和更低的旁瓣，因而能提供更高的角度估计性能，将相关发射信号经过线性变换后DOA估计性能接近发射彼此独立信号。
图5是采用鲁棒Capon方法估计波达方向，目标在θ1＝45°、θ2＝60°、θ3＝30°和θ4＝135°，快拍数2000。图5中，a、b分别表示经过鲁棒改进的Capon最小方差法空间谱图和极坐标图。
从图5仿真可以看出，MIMO采用Capon最小方差法估计比较稳定，主峰峰值基本稳定没有什么变化，能够成功估计出目标所在的方位，这表明MIMO雷达克服了目标闪烁对DOA估计的影响。
总体来说，对于非相干信源，CAPON的估计结果与真实值接近，误差在可接受的范围内，估计精度较高，估计性能较好。并且估计均方误差随着信噪比、快拍数的增加而降低。CAPON空间谱算法的缺点是估计精度比较差，但是由于其它不需要预先知道信号的个数，在快拍数较小时也能较好的估计出目标波达方向。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种基于Capon波束形成定位方法，其特征在于，包括以下步骤：
S1、在待定位区域内部署K个beacon点构成信号接收阵列；
S2、由M个无线移动设备构成M个信号点，M个无线移动设备与步骤S1构成的信号接收阵列直接进行通信；
S3、利用信号接收阵列输出的信号矩阵计算协方差矩阵
S4、求解线性约束最小方差准则的约束优化问题，计算最佳权向量；
S5、利用Capon波束形成算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方向，定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac地址传输到无线网关，由无线网关传输到云端监控中心；步骤S5中，谱函数是对波束形成器的输出利用最小二乘法即得到Capon估计出的空间谱：
其中，at(θ)为发射信号的阵向导量，ar(θ)为接收阵列导向矢量，T为转置，*表示共轭，H表示共轭转置，X、 S分别为接收和发射信号，Rss是M个信号点样本斜方差矩阵，
S6、当M个无线移动设备移动到其他的位置时，重复执行步骤S2～S4，得到M个无线移动设备的新的地址位置；
S7、云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并发送给无线移动设备，实现室内定位。
2.如权利要求1所述的基于Capon波束形成定位方法，其特征在于：步骤S4中，应用拉格朗日乘子法求解最佳权向量：
其中，为接收信号相关矩阵求逆，H表示共轭转置，ar(θ)为接收阵列导向矢量，ar(θ)＝exp[j2πd(i-1)sinθ]，式中，θ为入射角，d为信号间距，K为beacon点的数量，j为根号-1的虚数。
3.如权利要求1所述的基于Capon波束形成定位方法，其特征在于：步骤S5中，两个发射信号之间存在相关性时，将相关信号进行线性变换，获得独立的充分统计量为
其中，为充分统计量矩阵，式中，K为beacon点的数量，因此非正交发射信号S是正交信号的线性变换，矩阵U和矩阵Λ分别是发射非正交信号的样本协方差矩阵的特征值所构成的对角矩阵和对应的归一化特征向量构成的酉矩阵；vec是将经过匹配滤波后的噪声分量按列重排为一个列向量， 为联合导向矢量。
4.如权利要求3所述的基于Capon波束形成定位方法，其特征在于：发射信号间的相关性由信号相关系数判断，信号相关系数为：
其中，si(t)sj(t)分别表示第i j个发射信号，*表示共轭，
由Schwartz不等式可知|ρij|＜1，E为求期望，根据其取值的不同，信号之间的相关性定义如下：
5.如权利要求1-3任一项所述的基于Capon波束形成定位方法，其特征在于：步骤S5中，当阵列信号的方向向量存在偏差时，重写具有鲁棒Capon算法的代价函数为：
其中，为假定的方向向量，∈r为任意小的变量，T为转置。
6.如权利要求5所述的基于Capon波束形成定位方法，其特征在于：根据拉格朗日定理得到新的方向矢量为：
其中，γ为方向向量扰动，I为单位向量，c为矩阵补集。
7.一种利用权利要求1-6任一项所述的基于Capon波束形成算法的室内定位方法的装置，其特征在于：包括K个beacon点构成信号接收阵列、无线网关、M个无线移动设备、云端监控中心；所述K个beacon点构成信号接收阵列分布在待定位区域内，M个无线移动设备与信号接收阵列之间为无线通信；无线移动设备通过无线接口与无线网关连接；无线网关发送信息传输到云端控制中心，并接收云端控制中心发送的信号。
8.根据权利要求7所述的一种利用基于Capon波束形成算法的室内定位方法的装置，其特征在于：所述无线移动设备为蓝牙移动设备；所述无线网关为蓝牙无线网关；所述无线接口为蓝牙无线接口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610848107.0A CN107045117B (zh) | 2016-09-23 | 2016-09-23 | 基于Capon波束形成定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610848107.0A CN107045117B (zh) | 2016-09-23 | 2016-09-23 | 基于Capon波束形成定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107045117A CN107045117A (zh) | 2017-08-15 |
| CN107045117B true CN107045117B (zh) | 2019-10-25 |
Family
ID=59542699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610848107.0A Active CN107045117B (zh) | 2016-09-23 | 2016-09-23 | 基于Capon波束形成定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107045117B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656262A (zh) * | 2017-09-21 | 2018-02-02 | 杭州电子科技大学 | 基于m‑Capon目标分布式相控阵雷达目标定位方法 |
| CN111044970B (zh) * | 2019-12-10 | 2023-08-11 | 陕西凌云电器集团有限公司 | 实时高精度测向方法和系统 |
| CN113534198B (zh) * | 2021-06-16 | 2023-05-23 | 北京遥感设备研究所 | 基于协方差矩阵重构的卫星导航动态抗干扰方法及其系统 |
| CN114785426B (zh) * | 2022-03-30 | 2023-11-03 | 西安宇飞电子技术有限公司 | 多天线抗干扰方法、装置、设备和计算机可读存储介质 |
| CN116973834B (zh) * | 2023-08-01 | 2024-01-30 | 同方工业有限公司 | 一种强干扰下基于协同波束形成置信度的测向方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101325807A (zh) * | 2008-07-24 | 2008-12-17 | 中国人民解放军理工大学 | 信号波达方向估计方法 |
| CN103760519A (zh) * | 2014-01-24 | 2014-04-30 | 深圳大学 | 高分辨率doa估计方法及系统 |
| CN105429913A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 基于特征值的多电平检测与识别方法 |
| CN105611490A (zh) * | 2016-01-20 | 2016-05-25 | 南京工程学院 | 基于蓝牙组网的定位系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8428897B2 (en) * | 2008-04-08 | 2013-04-23 | Massachusetts Institute Of Technology | Method and apparatus for spectral cross coherence |
-
2016
- 2016-09-23 CN CN201610848107.0A patent/CN107045117B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101325807A (zh) * | 2008-07-24 | 2008-12-17 | 中国人民解放军理工大学 | 信号波达方向估计方法 |
| CN103760519A (zh) * | 2014-01-24 | 2014-04-30 | 深圳大学 | 高分辨率doa估计方法及系统 |
| CN105429913A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 基于特征值的多电平检测与识别方法 |
| CN105611490A (zh) * | 2016-01-20 | 2016-05-25 | 南京工程学院 | 基于蓝牙组网的定位系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Design and Optimization of Beacon Nodes for Localization in Mobile Application";Wang Q 等;《International Conference on Computer Supported Cooperative Work in Design,IEEE》;20081231;第571-576页 * |
| "多径效应下稳健Capon的DOA估计";李璇 等;《信号处理》;20070831;第23卷(第4A期);正文第2-4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107045117A (zh) | 2017-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107045117B (zh) | 基于Capon波束形成定位方法及装置 | |
| CN103002576B (zh) | 一种基于脉冲幅度比值指纹的天线阵列单基站定位方法 | |
| CN105182322B (zh) | 基于反射信号相位差的被动式定位方法 | |
| US6748324B2 (en) | Method for determining location information | |
| Lu et al. | Opportunities and Challenges in the Industrial Internet of Things based on 5G Positioning | |
| US20130023278A1 (en) | Rss-based doa indoor location estimation system and method | |
| CN102944866A (zh) | 基于干涉仪体制的航管二次雷达应答信号测向方法 | |
| CN102752849A (zh) | 基于信号检测概率和波达角估计的单接收机定位方法 | |
| Jais et al. | Review of angle of arrival (AOA) estimations through received signal strength indication (RSSI) for wireless sensors network (WSN) | |
| Hu et al. | Spherical large intelligent surfaces | |
| Li et al. | Review on positioning technology of wireless sensor networks | |
| Petrov et al. | Auto-calibration of automotive radars in operational mode using simultaneous localisation and mapping | |
| Aydogdu et al. | Distributed radar-aided vehicle-to-vehicle communication | |
| Chen et al. | UWB-assisted high-precision positioning in a UTM prototype | |
| Ge et al. | Experimental validation of single base station 5G mm Wave positioning: Initial findings | |
| Ge et al. | V2X sidelink positioning in FR1: Scenarios, algorithms, and performance evaluation | |
| CN106507473A (zh) | 一种基于压缩感知算法的室内定位方法及装置 | |
| Astafiev et al. | Algorithm for preliminary processing channel state information of the WIFI communication channel for building indoor positioning systems | |
| CN112118530A (zh) | 基于wifi信道状态信息的定位系统及方法 | |
| Roy et al. | Neighborhood tracking and location estimation of nodes in ad hoc networks using directional antenna: a testbed implementation | |
| Korogodin et al. | Vehicle-to-vehicle angular determinations by means of DSRC signals | |
| Li et al. | An effective integrated communication and localization method based on digital phased array antenna | |
| Rayar et al. | A Survey on DoA Measurement using ULA and UCA for Wireless Sensor Network Applications | |
| Chen et al. | Deriving AP position and antenna array orientation for Wi-Fi localization | |
| Chen et al. | Distributed spectrum monitoring system based on RSSI optimization algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170815 Assignee: Nanjing Jinxi Yunchuang Technology Co.,Ltd. Assignor: NANJING INSTITUTE OF TECHNOLOGY Contract record no.: X2024980001815 Denomination of invention: Capon beamforming based localization method and device Granted publication date: 20191025 License type: Common License Record date: 20240204 Application publication date: 20170815 Assignee: Nanjing Dingbo controller Co.,Ltd. Assignor: NANJING INSTITUTE OF TECHNOLOGY Contract record no.: X2024980001812 Denomination of invention: Capon beamforming based localization method and device Granted publication date: 20191025 License type: Common License Record date: 20240204 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170815 Assignee: Nanjing Boliang Technology Co.,Ltd. Assignor: NANJING INSTITUTE OF TECHNOLOGY Contract record no.: X2024980002988 Denomination of invention: Capon beamforming based localization method and device Granted publication date: 20191025 License type: Common License Record date: 20240319 |