CN107132505A - 直达与非直达混合场景中的多目标直接定位方法 - Google Patents

直达与非直达混合场景中的多目标直接定位方法 Download PDF

Info

Publication number
CN107132505A
CN107132505A CN201710357434.0A CN201710357434A CN107132505A CN 107132505 A CN107132505 A CN 107132505A CN 201710357434 A CN201710357434 A CN 201710357434A CN 107132505 A CN107132505 A CN 107132505A
Authority
CN
China
Prior art keywords
mrow
msub
msup
mover
target
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
CN201710357434.0A
Other languages
English (en)
Other versions
CN107132505B (zh
Inventor
尹洁昕
王鼎
吴瑛
杨宾
张莉
唐涛
吴志东
王成
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
Application filed by PLA Information Engineering University filed Critical PLA Information Engineering University
Priority to CN201710357434.0A priority Critical patent/CN107132505B/zh
Publication of CN107132505A publication Critical patent/CN107132505A/zh
Application granted granted Critical
Publication of CN107132505B publication Critical patent/CN107132505B/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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种针对无线电信号的定位方法技术领域，特别是涉及一种直达与非直达混合场景中基于单个阵列观测站的多目标直接定位方法，首先，基于单跳的多径传播模型，利用多径信号到达角度与时延关于目标位置参数的数学关系，建立关于目标位置参数的阵列信号模型；接着，利用基2‑FFT算法将多站阵列天线接收数据转化为频域数据，并依据子空间正交准则建立联合估计目标位置参数和传播系数的数学优化模型；最后，提取仅包含目标位置的信息矩阵，以最小化信息矩阵最小特征值为目标函数，进行网格搜索，用以实现对多径场景中多目标的精确定位。本发明提供的方法可以显著提高目标定位精度，并且能够避免对非直达径的识别与数据关联问题。

Description

直达与非直达混合场景中的多目标直接定位方法
技术领域
本发明涉及一种针对无线电信号的定位方法技术领域，特别是涉及一种直达与非直达混合场景中基于单个阵列观测站的多目标直接定位方法。
背景技术
众所周知，无线电信号定位技术对于目标发现及其态势感知具有十分重要的意义，在无线通信、遥测与导航等诸多工程科学领域具有广泛应用。经过近几十年的发展，该技术在理论和工程应用中都取得了较大的进展。根据观测站的数目进行划分，可以将无线电信号定位体制划分为单站定位和多站定位两大类，前者具有系统简洁、灵活性高、无需信息同步和通信传输等优点，后者则能够提供更多的观测量，从而有助于取得更高的定位精度。本发明主要涉及单站定位方式。
现有定位技术主要是利用到达时间(Time of Arrival，TOA)、到达角度(Direction of Arrival，DOA)等参数进行定位，这些定位技术对接收端是否有非直达(Non-Line-of-Sight，NLOS)径信号非常敏感。非直达径的存在会带来TOA与DOA等测量参数的偏差，从而对定位结果造成影响。然而，在很多环境中，用以目标位置解算的测量参数都不是仅在信号直达(Line-of-Sight，LOS)情况下获得的，因此，研究LOS与NLOS混合环境中的定位方法具有重要意义。
传统的定位技术分为两步进行，其第一步先从原始信号抽样中估计定位参数(例如DOA与TOA等)，第二步是基于这些参数进一步确定目标的位置信息。当非直达径存在时，两步定位方法需要解决两方面问题：NLOS识别与NLOS影响消除。前者用于确定测量结果是否受到非视距影响，后者利用定位算法抑制NLOS造成的误差。现有消除NLOS影响的两步定位算法一般可以分为两类：统计方法与参数化方法。统计方法将NLOS误差看作具有一定统计特性的偏差，辨识NLOS观测量后，根据其概率分布或者其他先验统计特性，利用鲁棒的方法如鲁棒最小二乘算法等来消除NLOS误差的影响；参数化方法综合考虑信号的传播路径和障碍物或反射体的状态，利用定位场景的几何分布实现NLOS存在下的定位，其中障碍物或反射体的位置信息一般依靠预先精确测量的电子地图等，或者与目标位置联合估计得到。相比于统计方法，参数化方法能够充分利用信号在多径场景中的传播特性，在LOS观测量较少的情况下可以获得更高精度的定位结果。
然而，NLOS两步定位技术存在一些固有缺点：例如，估计性能难以达到渐近最优、存在门限效应、需要NLOS参数识别与测量数据关联等问题。此外，NLOS两步定位方法需要估计较多的观测参数，其个数随多径数的增加而增大，当多径数较多时，计算量复杂度很高。近年来，一种新型无线电信号定位模式被国内外学者广泛关注，即目标位置直接定位(Direct Position Determination，DPD)技术，也称为单步定位。这种(单步)直接定位方式的基本思想是从原始采集信号中直接提取目标的位置坐标，而无需估计其它中间参量。根据信息处理的理论可知，单步直接定位方法会比两步定位方法具有更高的估计精度，并且可以避免两步参数估计中的门限效应，以及多目标定位中的测量数据关联问题。显然，对于直达与非直达环境中的多目标定位问题，这种单步直接定位模式也是可以应用的，并且无需NLOS环境下两步定位的NLOS识别，其定位精度要比传统的两步定位模式高，这也是提高直达与非直达混合环境下目标定位精度的一种重要手段。
发明内容
针对现有技术中直达与非直达场景中目标定位精度不高的问题，本发明提供了一种直达与非直达混合场景中的多目标直接定位方法，以显著提高NLOS传播条件下目标的定位精度。
为了实现上述目的，本发明采用以下的技术方案：
本发明提供一种直达与非直达混合场景中的多目标直接定位方法，包括以下步骤：
步骤1，根据Nyquist采样定理，从M通道阵列天线接收系统采集Q个目标辐射的无线电信号数据，M即为阵列的天线数，Q为大于等于1的自然数，包括直达波信号以及非直达波信号，获得阵列信号时域数据；
步骤2，将观测站所采集到的时域数据分为K段，K为大于等于M的自然数，每段J个样本点，J为2的整数次幂，对每段数据做基2-FFT运算，从而得到K段阵列信号频域数据；
步骤3，计算J个频域分量数据的协方差矩阵，通过特征值分解得到各个频率分量上的噪声子空间；
步骤4，基于子空间正交准则建立联合估计目标位置参数和传播系数的数学优化模型；
步骤5，在子空间正交准则的基础上，提取仅包含目标位置的信息矩阵；
步骤6，设定每个目标的网格搜索范围，并计算地理网格点上信息矩阵对应的最小特征值；
步骤7，通过Q次网格搜索范围内的最小值对应的坐标即可得到对Q个目标的精确定位。
进一步地，所述步骤1中，观测站的阵列天线所接收到的信号时域模型为：
其中，Lq为第q个辐射源信号到达该阵列的多径数，l＝0表示与直达径有关的参数，a(θql)表示第q个目标辐射源的第l条径所产生的阵列流型响应，θql为该条径到达阵列的到达角度参数，表示第q个辐射源信号在时刻发射时延为τql时的复包络，αql表示第q个辐射源信号的第l条径到达天线阵列的未知复传播系数，n(t)代表与信号独立的复圆高斯噪声，均值为零；
多径信号到达角度与时延表示为关于目标位置、观测站位置以及障碍物位置参数的表达式：
其中，pq表示第q个目标的位置，uo表示观测站的位置，表示第q个目标信号的第l条路径经由的障碍物或者反射体位置。
进一步地，所述步骤2中，在第k段观测时间内，观测站的阵列天线所接收到的信号频域模型为：
其中， 和分别表示第q个信号和噪声在第k段观测时间内第j个数字频点上的频率分量，Ts为采样周期，Aq(j,pq)与αq的表达式分别为：
进一步地，所述步骤3中，第j个频域分量数据的协方差矩阵表达式为：
其中，表示Q个目标信号的协方差矩阵，为噪声的功率，Φ(j)的表达式为：
Φ(j)＝[A1(j,p1)α1,A2(j,p2)α2,...,AQ(j,pQ)αQ]，
对Rrr(j)进行特征值分解，其特征值满足下式：
将特征矢量矩阵分为两部分：Us(j)是与Q个大特征值对应的信号子空间，Un(j)是与M-Q个小特征值对应的噪声子空间，从而得到噪声子空间的投影矩阵为：
对第j个频域分量数据的协方差矩阵估计由下式获得：
进一步地，所述步骤4中，所建立的联合估计目标位置矢量pq和传播系数矢量αq的数学优化模型为：
进一步地，所述步骤5中，提取仅包含目标位置的信息矩阵为：
进一步地，所述步骤6中，地理网格点上信息矩阵对应的最小特征值为：
C＝λmin(Q(p))，
设定网格搜索范围，每次网格搜索先以100m距离为间隔粗搜，再以1m距离为间隔细搜，以确保精度的同时降低计算复杂度。
进一步地，所述步骤7中，通过Q次网格搜索得到的最小值对应的坐标即为对Q个目标位置的估计：
与现有技术相比，本发明具有以下优点：
1.本发明公开了一种直达与非直达混合场景中的多目标直接定位方法，该方法是在获得障碍物或反射体位置的先验信息基础上，通过利用单个阵列观测站接收数据直接估计多径环境中的多目标位置参数。首先，基于单跳的多径传播模型，利用多径信号到达角度与时延关于目标位置参数的数学关系，建立关于目标位置参数的阵列信号模型；接着，利用基2-FFT算法将多站阵列天线接收数据转化为频域数据，并依据子空间正交准则建立联合估计目标位置参数和传播系数的数学优化模型；最后，提取仅包含目标位置的信息矩阵，以最小化信息矩阵最小特征值为目标函数，进行网格搜索，用以实现对多径场景中多目标的精确定位。相比于传统的NLOS条件下的两步定位方法，本发明提供的直达与非直达混合场景中的多目标直接定位方法能够提高目标定位精度，无需估计较多的多径参数，且能够避免非直达径识别与数据关联问题。
2.本发明公开的直达与非直达混合场景中的多目标直接定位方法是基于子空间思想实现的，无需高维搜索或者迭代即可实现多目标的定位，是一种性能可靠、运算高效的定位方法。
附图说明
图1是本发明一种直达与非直达混合场景中的多目标直接定位方法的原理示意图；
图2是本发明一种直达与非直达混合场景中的多目标直接定位方法的流程示意图；
图3是直达与非直达混合环境中的两目标定位场景示意图；
图4是图3中目标1位置估计均方根误差随着信噪比的变化曲线图；
图5为图3中目标2位置估计均方根误差随着信噪比的变化曲线图；
图6为图3中目标1定位误差的经验累积分布函数图；
图7为图3中目标2定位误差的经验累积分布函数图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述：
实施例一，如图1所示，本发明公开的直达与非直达混合场景中的多目标直接定位方法需要单个静止观测站安装天线阵列，观测站结合障碍物位置的先验估计，利用观测站位置、障碍物位置与目标位置的几何关系，在信号数据域直接估计直达与非直达环境中多个目标的位置参数。
如图2所示，本发明提供一种直达与非直达混合场景中的多目标直接定位方法，包括以下步骤：
步骤1，根据Nyquist采样定理，从M通道阵列天线接收系统采集Q个目标辐射的无线电信号数据，M即为阵列的天线数，Q为大于等于1的自然数，包括直达波信号以及非直达波信号，获得阵列信号时域数据；
步骤2，将观测站所采集到的时域数据分为K段，K为大于等于M的自然数，每段J个样本点，J为2的整数次幂，对每段数据做基2-FFT运算，从而得到K段阵列信号频域数据；
步骤3，计算J个频域分量数据的协方差矩阵，通过特征值分解得到各个频率分量上的噪声子空间；
步骤4，基于子空间正交准则建立联合估计目标位置参数和传播系数的数学优化模型；
步骤5，在子空间正交准则的基础上，提取仅包含目标位置的信息矩阵；
步骤6，设定每个目标的网格搜索范围，并计算地理网格点上信息矩阵对应的最小特征值；
步骤7，通过Q次网格搜索范围内的最小值对应的坐标即可得到对Q个目标的精确定位。
所述步骤1中，观测站的阵列天线所接收到的信号时域模型为：
其中，Lq为第q个辐射源信号到达该阵列的多径数(包括直达径与非直达径)，l＝0表示与直达径有关的参数，a(θql)表示第q个目标辐射源的第l条径所产生的阵列流型响应，θql为该条径到达阵列的到达角度参数，表示第q个辐射源信号在时刻发射时延为τql时的复包络，αql表示第q个辐射源信号的第l条径到达天线阵列的未知复传播系数，n(t)代表与信号独立的复圆高斯噪声，均值为零；
多径信号到达角度与时延表示为关于目标位置、观测站位置以及障碍物位置参数的表达式：
其中，pq表示第q个目标的位置，uo表示观测站的位置，表示第q个目标信号的第l条路径经由的障碍物或者反射体位置。
所述步骤2中，在第k段观测时间内，观测站的阵列天线所接收到的信号频域模型为：
其中， 和分别表示第q个信号和噪声在第k段观测时间内第j个数字频点上的频率分量，Ts为采样周期，Aq(j,pq)与αq的表达式分别为：
所述步骤3中，第j个频域分量数据的协方差矩阵表达式为：
其中，表示Q个目标信号的协方差矩阵，为噪声的功率，Φ(j)的表达式为：
Φ(j)＝[A1(j,p1)α1,A2(j,p2)α2,...,AQ(j,pQ)αQ]，
对Rrr(j)进行特征值分解，其特征值满足下式：
将特征矢量矩阵分为两部分：Us(j)是与Q个大特征值对应的信号子空间，Un(j)是与M-Q个小特征值对应的噪声子空间，从而得到噪声子空间的投影矩阵为：
对第j个频域分量数据的协方差矩阵估计由下式获得：
所述步骤4中，所建立的联合估计目标位置矢量pq和传播系数矢量αq的数学优化模型为：
所述步骤5中，提取仅包含目标位置的信息矩阵为：
所述步骤6中，地理网格点上信息矩阵对应的最小特征值为：
C＝λmin(Q(p))，
设定网格搜索范围，每次网格搜索先以100m距离为间隔粗搜，再以1m距离为间隔细搜，以确保精度的同时降低计算复杂度。
所述步骤7中，通过Q次网格搜索得到的最小值对应的坐标即为对Q个目标位置的估计：
如图3所示，图3是一个直达与非直达混合环境中的两目标定位场景示意图，观测站采用10元均匀线阵接收目标信号，间距为0.5λ(λ为目标信号波长)，坐标位置为uo＝[0,0]T(km)，假设有两个目标分别位于p1＝[1,4]T(km)，p2＝[3,2]T(km)，目标区域内有两个障碍物，分别位于u1＝[-2.5,1.5]T(km)和u2＝[-2,3]T(km)。由于障碍物的存在，每个目标都经过一条直达径和两条非直达径到达接收阵列。信号带宽为17kHz，观测站收集K＝15段数据，每段数据包含J＝16个频率分量，噪声为高斯白噪声。下面将本发明直达与非直达混合场景中的多目标直接定位方法与传统的基于TOA与DOA的两步定位方法的性能进行比较，其中测向采用基于前后向平滑的多重信号分类估计(MUSIC)算法，时延估计采用相关方法，定位解算采用最小二乘定位算法，假设两步定位过程中的NLOS识别与数据关联正确。
首先，图4给出了目标1位置估计均方根误差随着信噪比的变化曲线，图5给出了目标2位置估计均方根误差随着信噪比的变化曲线，然后，将信噪比固定为10dB，图6给出了目标1定位误差的经验累积分布函数，图7给出了目标2定位误差的经验累积分布函数。
从图4和图5中可以看出，针对直达与非直达环境中的定位场景，相比于传统的基于TOA和DOA的两步定位方法，本发明公开的多目标直接定位方法可以明显提升定位精度，并且信噪比越低，其优势越明显。从图6和图7中可以看出，本发明公开的方法的定位误差主要分布在低误差范围内，很少出现较大的定位误差，其定位结果更加稳定可靠。
以上所示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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种直达与非直达混合场景中的多目标直接定位方法，其特征在于，包括以下步骤：
步骤1，根据Nyquist采样定理，从M通道阵列天线接收系统采集Q个目标辐射的无线电信号数据，M即为阵列的天线数，Q为大于等于1的自然数，包括直达波信号以及非直达波信号，获得阵列信号时域数据；
步骤2，将观测站所采集到的时域数据分为K段，K为大于等于M的自然数，每段J个样本点，J为2的整数次幂，对每段数据做基2-FFT运算，从而得到K段阵列信号频域数据；
步骤3，计算J个频域分量数据的协方差矩阵，通过特征值分解得到各个频率分量上的噪声子空间；
步骤4，基于子空间正交准则建立联合估计目标位置参数和传播系数的数学优化模型；
步骤5，在子空间正交准则的基础上，提取仅包含目标位置的信息矩阵；
步骤6，设定每个目标的网格搜索范围，并计算地理网格点上信息矩阵对应的最小特征值；
步骤7，通过Q次网格搜索范围内的最小值对应的坐标即可得到对Q个目标的精确定位。
2.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤1中，观测站的阵列天线所接收到的信号时域模型为：
<mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>q</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>Q</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <mi>a</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <mo>)</mo> </mrow> <msub> <mi>s</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>&amp;tau;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <mo>-</mo> <msubsup> <mi>t</mi> <mi>q</mi> <mi>o</mi> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <mi>n</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，Lq为第q个辐射源信号到达该阵列的多径数，l＝0表示与直达径有关的参数，a(θql)表示第q个目标辐射源的第l条径所产生的阵列流型响应，θql为该条径到达阵列的到达角度参数，表示第q个辐射源信号在时刻发射时延为τql时的复包络，αql表示第q个辐射源信号的第l条径到达天线阵列的未知复传播系数，n(t)代表与信号独立的复圆高斯噪声，均值为零；
多径信号到达角度与时延表示为关于目标位置、观测站位置以及障碍物位置参数的表达式：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mrow> <mi>q</mi> <mn>0</mn> </mrow> </msub> <mo>=</mo> <mi>arctan</mi> <mfrac> <mrow> <msub> <mi>p</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>p</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;tau;</mi> <mrow> <mi>q</mi> <mn>0</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>c</mi> </mfrac> <mo>|</mo> <mo>|</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mo>|</mo> <mo>|</mo> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mi>arctan</mi> <mfrac> <mrow> <msub> <mi>u</mi> <msub> <mi>l</mi> <mi>q</mi> </msub> </msub> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>u</mi> <msub> <mi>l</mi> <mi>q</mi> </msub> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;tau;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>c</mi> </mfrac> <mrow> <mo>(</mo> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>-</mo> <msub> <mi>u</mi> <msub> <mi>l</mi> <mi>q</mi> </msub> </msub> <mo>|</mo> <mo>|</mo> <mo>+</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>u</mi> <msub> <mi>l</mi> <mi>q</mi> </msub> </msub> <mo>-</mo> <msup> <mi>u</mi> <mi>o</mi> </msup> <mo>|</mo> <mo>|</mo> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1.</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>q</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，pq表示第q个目标的位置，uo表示观测站的位置，表示第q个目标信号的第l条路径经由的障碍物或者反射体位置。
3.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤2中，在第k段观测时间内，观测站的阵列天线所接收到的信号频域模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <mover> <mi>r</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>q</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>Q</mi> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>l</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>q</mi> <mi>l</mi> </mrow> </msub> <msub> <mover> <mi>a</mi> <mo>&amp;OverBar;</mo> </mover> <mi>l</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>s</mi> </msub> </mrow> <mo>)</mo> </mrow> <msub> <mover> <mi>s</mi> <mo>&amp;OverBar;</mo> </mover> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>n</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>q</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>Q</mi> </munderover> <msub> <mi>A</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> </mrow> <mo>)</mo> </mrow> <msub> <mi>&amp;alpha;</mi> <mi>q</mi> </msub> <msub> <mover> <mi>s</mi> <mo>&amp;OverBar;</mo> </mover> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>n</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <mi>k</mi> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>J</mi> </mrow> </mtd> </mtr> </mtable> <mo>,</mo> </mrow>
其中， 和分别表示第q个信号和噪声在第k段观测时间内第j个数字频点上的频率分量，Ts为采样周期，Aq(j,pq)与αq的表达式分别为：
<mrow> <msub> <mi>A</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msub> <mover> <mi>a</mi> <mo>&amp;OverBar;</mo> </mover> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>a</mi> <mo>&amp;OverBar;</mo> </mover> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mover> <mi>a</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>q</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <msub> <mi>&amp;alpha;</mi> <mi>q</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>[</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>q</mi> <mn>0</mn> </mrow> </msub> <mo>,</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>q</mi> <mn>1</mn> </mrow> </msub> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msub> <mi>&amp;alpha;</mi> <mrow> <mi>q</mi> <mrow> <mo>(</mo> <msub> <mi>L</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>]</mo> </mrow> <mi>T</mi> </msup> <mo>.</mo> </mrow>
4.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤3中，第j个频域分量数据的协方差矩阵表达式为：
其中，表示Q个目标信号的协方差矩阵，为噪声的功率，Φ(j)的表达式为：
Φ(j)＝[A1(j,p1)α1,A2(j,p2)α2,...,AQ(j,pQ)αQ]，
对Rrr(j)进行特征值分解，其特征值满足下式：
<mrow> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>...</mo> <mo>&amp;GreaterEqual;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>Q</mi> </mrow> </msub> <mo>&gt;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>Q</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mo>...</mo> <mo>=</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>M</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>n</mi> <mn>2</mn> </msubsup> <mo>,</mo> </mrow>
将特征矢量矩阵分为两部分：Us(j)是与Q个大特征值对应的信号子空间，Un(j)是与M-Q个小特征值对应的噪声子空间，从而得到噪声子空间的投影矩阵为：
<mrow> <msup> <mi>&amp;Pi;</mi> <mo>&amp;perp;</mo> </msup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>I</mi> <mi>M</mi> </msub> <mo>-</mo> <msub> <mi>U</mi> <mi>s</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <msubsup> <mi>U</mi> <mi>s</mi> <mi>H</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>U</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <msubsup> <mi>U</mi> <mi>n</mi> <mi>H</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>J</mi> <mo>,</mo> </mrow>
对第j个频域分量数据的协方差矩阵估计由下式获得：
<mrow> <msub> <mi>R</mi> <mrow> <mi>r</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mover> <mi>r</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mover> <mi>r</mi> <mo>&amp;OverBar;</mo> </mover> <mi>H</mi> </msup> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>J</mi> <mo>.</mo> </mrow>
5.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤4中，所建立的联合估计目标位置矢量pq和传播系数矢量αq的数学优化模型为：
<mrow> <mi>min</mi> <mi> </mi> <msub> <mi>V</mi> <mi>q</mi> </msub> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mi>p</mi> <mo>,</mo> <mi>&amp;alpha;</mi> </mrow> </munder> <msup> <mi>&amp;alpha;</mi> <mi>H</mi> </msup> <mo>{</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>J</mi> </munderover> <msubsup> <mi>A</mi> <mi>q</mi> <mi>H</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <msup> <mi>&amp;Pi;</mi> <mo>&amp;perp;</mo> </msup> <mo>(</mo> <mi>j</mi> <mo>)</mo> <msub> <mi>A</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>}</mo> <mi>&amp;alpha;</mi> <mo>,</mo> <mi>q</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>Q</mi> <mo>.</mo> </mrow>
6.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤5中，提取仅包含目标位置的信息矩阵为：
<mrow> <mi>Q</mi> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>J</mi> </munderover> <msubsup> <mi>A</mi> <mi>q</mi> <mi>H</mi> </msubsup> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <msup> <mi>&amp;Pi;</mi> <mo>&amp;perp;</mo> </msup> <mo>(</mo> <mi>j</mi> <mo>)</mo> <msub> <mi>A</mi> <mi>q</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
7.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤6中，地理网格点上信息矩阵对应的最小特征值为：
C＝λmin(Q(p))，
设定网格搜索范围，每次网格搜索先以100m距离为间隔粗搜，再以1m距离为间隔细搜，以确保精度的同时降低计算复杂度。
8.根据权利要求1所述的直达与非直达混合场景中的多目标直接定位方法，其特征在于，所述步骤7中，通过Q次网格搜索得到的最小值对应的坐标即为对Q个目标位置的估计：
<mrow> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>q</mi> </msub> <mo>=</mo> <mi>arg</mi> <munder> <mi>min</mi> <mi>p</mi> </munder> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>Q</mi> <mo>(</mo> <mi>p</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>,</mo> <mi>q</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>Q</mi> <mo>.</mo> </mrow> 3
CN201710357434.0A 2017-05-19 2017-05-19 直达与非直达混合场景中的多目标直接定位方法 Active CN107132505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710357434.0A CN107132505B (zh) 2017-05-19 2017-05-19 直达与非直达混合场景中的多目标直接定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710357434.0A CN107132505B (zh) 2017-05-19 2017-05-19 直达与非直达混合场景中的多目标直接定位方法

Publications (2)

Publication Number Publication Date
CN107132505A true CN107132505A (zh) 2017-09-05
CN107132505B CN107132505B (zh) 2019-11-08

Family

ID=59733261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710357434.0A Active CN107132505B (zh) 2017-05-19 2017-05-19 直达与非直达混合场景中的多目标直接定位方法

Country Status (1)

Country Link
CN (1) CN107132505B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108387867A (zh) * 2018-02-09 2018-08-10 华南理工大学 一种水下源节点定位方法
CN108802674A (zh) * 2018-07-19 2018-11-13 中国人民解放军战略支援部队信息工程大学 一种针对直接定位的联合搜索方法及装置
CN109633527A (zh) * 2018-12-14 2019-04-16 南京理工大学 基于低秩及几何约束的嵌入式平面麦克风阵列声源测向方法
CN110426562A (zh) * 2019-06-24 2019-11-08 乐山师范学院 基于分层搜索和距离空间投影的高精度闪电三维定位方法
CN110658492A (zh) * 2019-10-10 2020-01-07 重庆邮电大学 一种室内目标与散射体位置优化的迭代方法
CN111257901A (zh) * 2020-02-28 2020-06-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多径传播条件下散射体位置已知的定位方法
CN111273228A (zh) * 2019-05-09 2020-06-12 哈尔滨工程大学 一种基于遍历搜索策略的多相干源定位方法
CN111766560A (zh) * 2020-06-29 2020-10-13 南京航空航天大学 一种基于无人机移动监测的多信源高精度直接定位方法
CN112034419A (zh) * 2020-09-08 2020-12-04 北京邮电大学 一种用于5g定位的传播时延估计方法和装置
CN112333629A (zh) * 2020-10-23 2021-02-05 西北工业大学 一种互耦未知条件下分布式阵列多目标定位方法
CN113376572A (zh) * 2021-05-31 2021-09-10 清华大学 网络定位方法、装置、电子设备和存储介质
CN113687304A (zh) * 2021-07-07 2021-11-23 浙江大华技术股份有限公司 直达声检测方法、系统以及计算机可读存储介质
CN113709661A (zh) * 2021-07-30 2021-11-26 西安交通大学 一种基于los识别的单站点室内混合定位方法及系统
CN114636970A (zh) * 2022-02-21 2022-06-17 中国人民解放军战略支援部队信息工程大学 一种基于被动合成孔径的多无人机协同直接定位方法
CN116087875A (zh) * 2023-04-07 2023-05-09 电子科技大学(深圳)高等研究院 基于环境信息的室内非视距场景无源标签三维定位方法
CN117202343A (zh) * 2023-08-30 2023-12-08 中国人民解放军战略支援部队信息工程大学 一种针对多个宽带信号辐射源的分布式阵列协同直接定位方法
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
CN117871968A (zh) * 2024-03-07 2024-04-12 合肥工业大学 一种脉冲电场测量系统的开环校准方法
CN117871968B (zh) * 2024-03-07 2024-05-31 合肥工业大学 一种脉冲电场测量系统的开环校准方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140062793A1 (en) * 2012-09-05 2014-03-06 Khalifa University of Science, Technology, and Research Methods and devices for channel identification
CN104077498A (zh) * 2014-07-22 2014-10-01 西安电子科技大学 一种结合目标角度的外辐射源雷达多目标跟踪方法
CN104101876A (zh) * 2014-07-22 2014-10-15 西安电子科技大学 外辐射源雷达中一种基于随机有限集的多目标跟踪方法
CN105467361A (zh) * 2015-12-05 2016-04-06 中国人民解放军信息工程大学 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN105510948A (zh) * 2015-12-05 2016-04-20 中国人民解放军信息工程大学 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
CN105929378A (zh) * 2015-12-05 2016-09-07 中国人民解放军信息工程大学 基于外辐射源联合时延与多普勒频率的直接跟踪方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140062793A1 (en) * 2012-09-05 2014-03-06 Khalifa University of Science, Technology, and Research Methods and devices for channel identification
CN104077498A (zh) * 2014-07-22 2014-10-01 西安电子科技大学 一种结合目标角度的外辐射源雷达多目标跟踪方法
CN104101876A (zh) * 2014-07-22 2014-10-15 西安电子科技大学 外辐射源雷达中一种基于随机有限集的多目标跟踪方法
CN105467361A (zh) * 2015-12-05 2016-04-06 中国人民解放军信息工程大学 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN105510948A (zh) * 2015-12-05 2016-04-20 中国人民解放军信息工程大学 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
CN105738865A (zh) * 2015-12-05 2016-07-06 中国人民解放军信息工程大学 信号波形已知条件下的多目标直接定位方法
CN105911521A (zh) * 2015-12-05 2016-08-31 中国人民解放军信息工程大学 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN105929378A (zh) * 2015-12-05 2016-09-07 中国人民解放军信息工程大学 基于外辐射源联合时延与多普勒频率的直接跟踪方法
CN105954712A (zh) * 2015-12-05 2016-09-21 中国人民解放军信息工程大学 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

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108387867A (zh) * 2018-02-09 2018-08-10 华南理工大学 一种水下源节点定位方法
CN108802674A (zh) * 2018-07-19 2018-11-13 中国人民解放军战略支援部队信息工程大学 一种针对直接定位的联合搜索方法及装置
CN108802674B (zh) * 2018-07-19 2022-05-10 中国人民解放军战略支援部队信息工程大学 一种针对直接定位的联合搜索方法及装置
CN109633527A (zh) * 2018-12-14 2019-04-16 南京理工大学 基于低秩及几何约束的嵌入式平面麦克风阵列声源测向方法
CN111273228A (zh) * 2019-05-09 2020-06-12 哈尔滨工程大学 一种基于遍历搜索策略的多相干源定位方法
CN110426562B (zh) * 2019-06-24 2021-06-04 乐山师范学院 基于分层搜索和距离空间投影的高精度闪电三维定位方法
CN110426562A (zh) * 2019-06-24 2019-11-08 乐山师范学院 基于分层搜索和距离空间投影的高精度闪电三维定位方法
CN110658492A (zh) * 2019-10-10 2020-01-07 重庆邮电大学 一种室内目标与散射体位置优化的迭代方法
CN111257901A (zh) * 2020-02-28 2020-06-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多径传播条件下散射体位置已知的定位方法
CN111766560A (zh) * 2020-06-29 2020-10-13 南京航空航天大学 一种基于无人机移动监测的多信源高精度直接定位方法
CN111766560B (zh) * 2020-06-29 2024-01-05 南京航空航天大学 一种基于无人机移动监测的多信源高精度直接定位方法
CN112034419A (zh) * 2020-09-08 2020-12-04 北京邮电大学 一种用于5g定位的传播时延估计方法和装置
CN112034419B (zh) * 2020-09-08 2024-02-06 北京邮电大学 一种用于5g定位的传播时延估计方法和装置
CN112333629A (zh) * 2020-10-23 2021-02-05 西北工业大学 一种互耦未知条件下分布式阵列多目标定位方法
CN113376572A (zh) * 2021-05-31 2021-09-10 清华大学 网络定位方法、装置、电子设备和存储介质
CN113376572B (zh) * 2021-05-31 2024-04-02 清华大学 网络定位方法、装置、电子设备和存储介质
CN113687304A (zh) * 2021-07-07 2021-11-23 浙江大华技术股份有限公司 直达声检测方法、系统以及计算机可读存储介质
CN113709661B (zh) * 2021-07-30 2022-05-20 西安交通大学 一种基于los识别的单站点室内混合定位方法及系统
CN113709661A (zh) * 2021-07-30 2021-11-26 西安交通大学 一种基于los识别的单站点室内混合定位方法及系统
CN114636970A (zh) * 2022-02-21 2022-06-17 中国人民解放军战略支援部队信息工程大学 一种基于被动合成孔径的多无人机协同直接定位方法
CN116087875A (zh) * 2023-04-07 2023-05-09 电子科技大学(深圳)高等研究院 基于环境信息的室内非视距场景无源标签三维定位方法
CN117202343A (zh) * 2023-08-30 2023-12-08 中国人民解放军战略支援部队信息工程大学 一种针对多个宽带信号辐射源的分布式阵列协同直接定位方法
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
CN117871968A (zh) * 2024-03-07 2024-04-12 合肥工业大学 一种脉冲电场测量系统的开环校准方法
CN117871968B (zh) * 2024-03-07 2024-05-31 合肥工业大学 一种脉冲电场测量系统的开环校准方法

Also Published As

Publication number Publication date
CN107132505B (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN107132505A (zh) 直达与非直达混合场景中的多目标直接定位方法
CN107613559B (zh) 一种基于5g信号的doa指纹库定位方法
US9084217B2 (en) Single-site localization via multipath fingerprinting
CN103501538B (zh) 基于多径能量指纹的室内定位方法
US7574221B2 (en) Method for estimating jointly time-of-arrival of signals and terminal location
CN105510948A (zh) 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
US8188923B2 (en) Method of multi-transmitter and multi-path AOA-TDOA location comprising a sub-method for synchronizing and equalizing the receiving stations
CN112073895A (zh) 一种基于csi高精度人员定位跟踪方法
CN106793087B (zh) 一种基于aoa和pdoa的阵列天线室内定位方法
CN105929378A (zh) 基于外辐射源联合时延与多普勒频率的直接跟踪方法
CN107290717B (zh) 针对非圆信号的多目标直接定位方法
CN104619020A (zh) 基于rssi和toa测距的wifi室内定位方法
CN106597368B (zh) 室内干扰源的定位方法及系统
CN103618997B (zh) 一种基于信号强度概率的室内定位方法和装置
CN110954865A (zh) 一种基于电离层信息的短波时差定位方法
CN106501768B (zh) 一种单站动中定位方法
CN104540219A (zh) 一种低复杂度的Wi-Fi指纹室内定位方法
CN106255203A (zh) 基于mds的终端rsrp差异补偿的定位方法
CN108226912B (zh) 基于稀疏网络的非接触物体感知定位的方法及系统
CN110888108B (zh) 一种基于rfid与相位校准的定位方法
Schmitz et al. TDOA fingerprinting for localization in non-line-of-sight and multipath environments
Yin et al. Robust positioning in NLOS environments using nonparametric adaptive kernel density estimation
US20170090006A1 (en) Method for Passive Approximate Localization using Frequency Modulation and Software Defined Radio
CN113203985B (zh) 一种短波同频信号直接定位方法
US7965237B2 (en) Mobile system and method for position estimation

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