CN108089147B - 改进的短波单站定位方法 - Google Patents
改进的短波单站定位方法 Download PDFInfo
- Publication number
- CN108089147B CN108089147B CN201711287763.9A CN201711287763A CN108089147B CN 108089147 B CN108089147 B CN 108089147B CN 201711287763 A CN201711287763 A CN 201711287763A CN 108089147 B CN108089147 B CN 108089147B
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- array
- wave
- signal source
- 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
Images
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
Abstract
本发明公开的一种改进的短波单站定位方法,旨在提供一种具有高分辨的定位性能,计算量小,估计精度高定位方法,本发明通过下述技术方案予以实现:波束域输出数据通过求解自相关矩阵获得波束域协方差矩阵;分解求出其特征值及对应的特征向量,判断是否存在信号源数目,确定信号源数目对应的信号子空间和噪声子空间,得到各信号源自动配对的估计值;然后,构建多项式f(z)并求解多项式f(z)的根;在多项式f(z)的根中,求根高分辨谱,求出与信号子空间维数相同数目的趋近单位圆上的根,结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,获知信号源数目的特征向量,进行深度学习,自我调整短波单站的定位精度。
Description
技术领域
本发明涉及一种提升短波单站定位性能的方法,具体涉及广泛应用在诸如雷达、通信、声纳、导航、地震、生物医学工程、射电天文等领域,适应复杂电磁环境的波达方向估计改进方法,实现对目标的探测、测向、定位等目的。
背景技术
在现代短波通信监测中,定位远距离通信信号时通常采用双站定位的"三角法"。通过"三角法"对被测电台定位。按照三角法,定位一个被测电台至少需要两台位于不同地点的测向机,并且这两台测向机和被测电台须不在一条直线上。在短波波段可以只用一台测向机而实现对被测电台的定位。这就是所谓单站定位技术。在短波频段,超视距传播主要通过电离层反射实现,短波单站定位技术因此应运而生。对短波发射机进行定位时,通常采用的是单站定位或者多个测向站交会定位,交会定位需要多套测向设备,投资较大,且增加了通信联络的困难。单站定位就是运用射线反跟踪原理,只使用一套测向设备,无需经过多站网络,即可对无线电波发射源进行定位的技术。通常情况下,短波单站定位是利用一台能同时测量来波方位角和俯仰角的短波测向机,运用射线反跟踪原理,并辅以电离层模型或实测的电离层高度信息,在天波一跳范围内确定发射机的位置。因此信号的方位角、仰角、通信距离、传播模式及电离层高度等各参数的测量准确性都对单站定位的精度有很大的影响。对短波发射机进行定位会采用多个测向站组网交会定位,这种方法的定位精度较高,但系统组成复杂、定位时效性低。单站定位是利用一台能同时测量来波方位角/仰角的短波测向机,结合电波在电离层中的反射高度,在天波一跳范围内确定发射机的位置。短波测向机在天线阵元上的噪声为空域和时域白噪声或其协方差矩阵为已知阵元上所接收到的信号为部分相关或不相关。实际上环境噪声通常是时域和空域相关的,其协方差是未知的,而且由于多径传播效应或相干干扰阵列上所接收到的信号通常是高度相关的。短波单站定位系统由单个测向站通过测定入射波的方位角和仰俯角,并辅以电离层模型或实测的电离层高度信息,虽然可以计算出目标的地理位置日。然而由于要对数据协方差阵做特征分解,运算量大,实时处理有一定难度。阵元数目也影响着超分辨算法的估计性能。因为上三角阵R的对角元不具有元素从大到小排列的特点.直接对数据矩阵作基于数据矩阵的秩校正QR(RRQIt)分解是很难求出信号或噪声子空间。另一方面信号源的相干性也是子空间类算法的致命问题,当信号源中存在相干信号时,信号协方差矩阵就不再为满秩矩阵,这种情况下,原有的超分辨算法便失效,因此,会大大的影响到DOA估计的性能。采用现有技术基于特征结构的高分辩谱估计方法算法,在当入射到天线阵的信号高度相关或完全相干时这些基于特征结构的子空间方法的性能将严重下降或失效。通常,阵列信号处理中解决相干信号问题的最常用的一种预处理方法是空间平滑方法。对于相干信号,经典的循环MUSIC算法已经失去有效性,由于MUSIC算法研究的信号仅仅限于非相关的信号,当信号源是相关信号或者相隔比较近的小信噪比信号时,MUSIC算法的估计性能恶化,甚至完全失效。若估计的干扰源数目比实际的干扰源数目多(过估计),则在划分信号子空间和噪声子空间的时候,就会有一定数目的噪声特征向量被划分到信号子空间,MUSIC空间谱会出现比实际的干扰源数目多的谱峰,即伪峰。同样,如果估计的干扰数目比实际的信号源数目少(欠估计),在划分信号子空间和噪声子空间的时候,就会有一定数目的信号特征向量被划分到噪声子空间,信号子空间维数降低,MUSIC空间的某些谱峰将会消失。
在超视距的短波通信中,从信号的发射点到信号的接收点之间存在多种传播模式,而传播模式的识别是完成长距离单站定位的关键之一。通常单站定位可以由具有方位角和仰角同时测量能力的测向站和具有实时电离层参数测量的设备共同完成。在来波的方位角、仰角和电离层高度测量中,短波传播一般有两种方式:天波传播和地波传播。天波传播可以从一百多公里到几千公里,因此长距离短波通信一般采用天波方式。当短波通过天波传播时,信号是通过电离层的反射来传播的。而来波可能是被探测目标主动发射的射频信号,也可能是目标反射的第三方信号,如移动基站发射的通信信号等。实现对天波信号假定在来波的方位角、仰角和电离层高度测量中,所有影响之和导致的误差是平均值为零,正态分布的,互不相关的,并假定电波在电离层中的传输是单跳模式,地球是理想的大圆球。在进行定位时,根据实际高度;测向的入射信号的频率及实际测量的入射仰角,在得到球面距离的基础上,加入方位角和测向站的当发射台与接收站的间隔达到一定的距离时,不同位置,通过球面三角形的性质就可以计算出目标在地球频率和入射角度的信号在通过电离层时有不同的传播的实际位置。波长为200m~10m(相应的频率为1.5MHz~30MHz)的电波通常被称为短波。短波既可由地波传播,也可由天波传播。地波(地表波)是沿地球表面传播的无线电波;天波是经电离层反射回地面的无线电波。短波传播的特点是:地波衰减快;天波不稳定;存在寂静区,寂静区是短波传播的特点之一。寂静区是距离发射点相当远的一个区域。在此区域内接收不到信号,而在此区域外却可以接收到信号。也就是说,在距离发射点较近或较远的区域都可接收到信号,而这两个区域之间的地区却接收不到信号,这个接收不到信号的区域就称为寂静区。寂静区只有散射波,对这种电波测向,示向度变化不定,甚至根本得不到示向度。即使得到示向度,也是无用的,因为散射波的方向和无线电台的实际方向一般没有什么联系。天波是经电离层反射而到达接收点的。电离层的不断变化,引起天波信号的不稳定。引起短波远距离测向误差的两个主要原因是天波传播路径常常偏离地球大圆弧平面和天波的波束干涉。短波辐射源测向定位的一些特殊性与短波传播的这些特点密切相关。距离为20km~250km的被测短波电台所辐射的电波到达测向天线处的只有垂直极化的地表波。此时的测向,就是对垂直极化的短波地波的测向。因此,采用环形天线、分离天线、间隔环天线都可以达到无极化误差的测向。地波传播几乎不存在日变和季变,是比较稳定的。但是,由于多径传播的干扰和其他电台的天波干扰,相当稳定的地波信号也会出现测向误差。多径传播干扰引起的测向误差。如果在地波传播路径中有一段电气参数很差的地面(例如在海上传播路径中经过一个岛屿),则有一部分地波可能会绕过这个地区的边缘,以一定的时延在接收点与直接过来的地波相干涉。这两个电波相叠加的结果就导致接收信号出现了干扰。干扰的强弱与这两个电波的振幅和相位有关,有可能出现较大的测向误差。影响无线电波的反射和散射的电离层的高度及其特性的变化是很快的,其变化周期从几分之一秒到五秒或更长。快速游动周期随频率的降低而增长,并且夜间比白昼长。根据观测站的数目可以将无源定位问题划分为两大类:一类是单站无源定位;另一类是多站无源定位。一般情况下,在单站无源定位中,都要求观测站与目标之间存在相对运动;而多站无源定位则无此要求。在运动单站对固定目标的无源定位中,目前普遍采用在辐射源来波方向进行测量。
波达方向估计是空间谱估计研究的核心问题,也是雷达、通信等许多领域的重要研究任务之一。它主要包含方位角估计和仰角估计两个方面,其中通过方位角估计可开展短波单站一维定位技术研究。通过对波达方向的估计,可得到目标相对于接收点的方位与俯仰参数,实现单站对来波目标的定位。这一技术可扩展应用到对空间目标的探测、定位领域,对空间目标进行被动探测与定位。一般来说,空间谱估计系统通常由空间信号入射、空间阵列接收及参数估计三部分组成。相应的可分为目标空间、观察空间及估计空间三个空间信号源通道。波达方向(DOA)是指无线电波到达天线阵列的方向,若到达的无线电波满足远场窄带条件,可以近似认为无线电波的波前为一平面,平面波前的阵列轴线或阵列法线间的夹角即为波达方向。DOA估计的目标是在给定N个快拍数据:x(1)…x(N),用某种算法估计k个信号的DOA值,对于一般的远场信号而言,同一信号到达不同的阵元存在一个波程差,这个波程差导致了接收阵元间的相位差。
在众多定位方法中,波达方向估计法是研究最早、最多,也是应用最多的定位方法。其主要原因是,方向测量是电子侦察设备的基本功能之一,且方向参数是辐射源最可靠的参数之一,特别是在现代复杂信号环境下,方向参数几乎成了唯一可靠的参数,因此,方向测量法一直是定位方法的主要研究内容。波达方向估计方法经历了几个阶段的发展,已经有了长足的进步。在发展早期,波达方向估计(空间信号)方法远不如频率估计(时间信号)方法成熟,但由于波达方向估计和频率估计的原理十分类似,于是,时域非线性信号处理技术经常被应用到空域处理上,早期波达方向估计的算法也基本上都是采取这种处理方式。20世纪70年代开始,出现了一系列用于估计波达方向的空间谱估计算法,其中,比较代表性的经典算法有:谐波分析算法、Burg的最大熵法(MaximumEntropyMethod;MEM)、CAPON的最小方差法(MinimumVarianceMethod;MVM)。这些经典算法都是要在线性预测模型基础上才成立的,但线性预测理论不能有效利用加性噪声的统计特性,导致其分辨性能相对较差。另外,非线性估计方法都要满足一定前提条件才能成立,比如设定空间中的信号源需连续分布,信号需满足平稳随机特性,但在实际探测时,这个前提是不成立的,因此,这些经典算法在实际应用中均具有一定的局限性。20世纪70年代末,又产生了子空间分解类算法,是通过对阵列接收数据的特征进行分解的一类方法。这类方法可以突破线性预测理论中波达方向估计方法的传统瑞利极限限制,从而很大程度提高了算法的分辨力,较其他方法有明显优势。
子空间分解类算法最具代表性的算法是1979年美国SchmidtRO提出的多重信号分类(MultipleSignalClassification;MUSIC)算法。MUSIC的核心思想是:利用噪声子空间和信号子空间的正交特性构造出“针状”空间谱峰,从而实现波达方向的估计;另一种是(EstimationofSignalParametersviaRotationalInvarianceTechniques;ESPRIT)算法,是Roy等人1986年提出的旋转不变子空间。它的核心思想是:根据初始阵列,构建两个几何结构具有不变性的子阵。在此基础上,利用子阵间的旋转不变性来实现波达方向的估计。然而,随着科技水平不断的发展,对定位性能要求越来越高。不仅需要定位方法能有高分辨率,又需要适应复杂的电磁环境。在此基础上,本发明提出了一种改进的短波单站定位方法。
发明内容
本发明主要针对短波单站定位需要适应复杂电磁环境,提供一种改进的短波单站定位方法,该方法是基于波束域的求根高分辨谱估计定位方法,它不仅具有高分辨的定位性能,而且算法的计算量小,估计精度高,让方法具有深度学习的自适应能力,进一步提高方法的性能。以用于短波单站定位技术的研究。
本发明解决现有技术问题所采用的方案是:一种改进的短波单站定位方法,具有如下技术特征:在短波单站定位系统中,天线阵列接收分系统接收经过信号传播通道传播的外辐射源信号,对天线阵列接收信号以码片速率连续采样,构成输入矩阵,然后结合空域采样数据构造时空DOA矩阵;后端信号处理分系统根据天线阵列阵元数据、波束数目以及相应的物理参量,在信号源接收方向形成空间波束,利用连续采样所得到的数据样本构造时空阵列数据矩阵,用矩阵表达的方式获取波束转换矩阵T;后端信号处理分系统将T矩阵进行共轭转置为矩阵TH,TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t);波束域输出数据通过求解自相关矩阵获得波束域协方差矩阵;后端信号处理分系统对波束域协方差矩阵进行特征值分解,分解求出其特征值及对应的特征向量;依据求解出的特征值判断是否存在信号源数目,确定信号源数目对应的信号子空间和噪声子空间,得到各信号源自动配对的估计值;然后,构建多项式f(z)并求解多项式f(z)的根;再基于波束域,在多项式f(z)的根中,求根高分辨谱,求出与信号子空间维数相同数目的趋近单位圆上的根,将该趋近单位圆上的根作为信号源波达方向,并通过积累信号源波达方向的实测数据,进行大数据统计和分析整理,再采用信号源数目估计的方法,结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,获知信号源数目的特征向量D,进行深度学习,自我调整短波单站的定位精度。
本发明相比于现有技术具有如下有益效果:
1.具有高分辨的定位性能。本发明采用后端信号处理分系统根据天线阵列阵元数据、波束数目以及相应的物理参量,在信号源接收方向形成空间波束,DOA估计谱的波束宽度变窄,阵列的指向性变好,阵列分辨空间信号的能力增强,具有潜在分辨多信号的能力,具有较好的性能和较高的效率,能提供高分辨率及渐近无偏的到达角估计,能提高信号接收方向功率和抑制噪声的优点,有利于微弱信号的检测和定位,适应于复杂的电磁环境;基于波束域的求根高分辨谱估计定位方法,与传统方法相比,具有较高的方向分辨特性和波束域特性,理论分析和计算机模拟结果证明了结果的正确性。通过对阵列协方差矩阵的特征分解,把特征向量特征值划分为信号特征向量特征值与噪声特征向量特征值,其中D个较大的特征值对应于信号,可以将矩阵的特征值进行从小到大的排序,M-D个较小的特征值对应于噪声。在对DOA的估计理论上可以达到任意高的分辨率。可以很好的估计出入射信号的个数和方向,能有效的估计出独立信号源的DOA,并且在模型准确的前提下,对DOA的估计可以达到任意精度,克服了传统测向定位方法精度低的缺点,可以有效解决密集信号环境中多个辐射源的高分辨率、高精度测向定位问题。
2.计算量小。本发明基于波束域的求根高分辨谱估计定位方法,在方法运算上,采用的不是矩阵循环的谱峰搜索方式,而是求根的方式,通过后端信号处理分系统对波束域协方差矩阵进行特征值分解,分解求出其特征值及对应的特征向量,利用分解可以得到的特征值和特征向量估计出信号源的三维参数,且能估计出比阵元数多的信号源的参数。这种对协方差矩阵进行信号子空间分解,有效改善了输出期望信号的主瓣增益和输出信干噪比。而且不需要进行谱峰搜索,运算量小,能实现频率、方位角和俯仰角的同时估计与自动配对,具有较高的分辨率。在保证方法性能的基础上,并通过实测大数据的统计和分析,形成反馈机制,具有深度学习的自适应能力,能够大大降低系统的运算量和复杂度,有利于实时探测和定位;可以很好的估计出入射信号的个数和方向,能有效的估计出独立信号源的DOA,并且在模型准确的前提下,对DOA的估计可以达到任意精度,克服了传统测向定位方法精度低的缺点,可以有效解决密集信号环境中多个辐射源的高分辨率、高精度测向定位问题。
3.测向定位精度高。本发明采用后端信号处理分系统对波束域协方差矩阵进行特征值分解,分解求出其特征值及对应的特征向量,根据估计的信号源数从特征向量中分出噪声子空间;依据求解出的特征值判断是否存在信号源数目,确定信号源数目对应的信号子空间和噪声子空间,得到各信号源自动配对的估计值,进一步提高短波单站定位方法的定位精度。在同等试验条件下,通过试验数据分析,定位精度优于传统的方法。
4.估计精度高。本发明在多项式f(z)的根中,求根高分辨谱,求出与信号子空间维数相同数目的趋近单位圆上的根,将该趋近单位圆上的根作为信号源波达方向,并通过积累信号源波达方向的实测数据,进行大数据统计和分析整理,再采用信号源数目估计的方法,结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,利用天线阵元间的相位差估计出信号方位,获知信号源数目的特征向量,在同等定位精度的系统需求下,同时也降低了信噪比门限要求和阵列数目要求,节约了场地空间、面积和成本。采用信号源数目估计,获知的信号源数目的特征向量,进行信号源波达方向自我调整和纠错,估计精度高,定位精度更优,具有较高的分辨率、适中的计算量、较好的稳健性、对阵列结构适用面比较广,能更好适应复杂的电磁环境。
5.测向准确度、灵敏度高。本发明用矩阵表达的方式获取波束转换矩阵T;后端信号处理分系统将T矩阵进行共轭转置的处理得到TH,然后TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t),波束域输出数据通过求解自相关矩阵获得波束域协方差矩阵,测向准确度、灵敏度高。通过积累信号源波达方向的实测数据,结合数学建模和深度学习,采用信号源数目估计,对信号源波达方向自我调整和纠错,使信号DOA的估计性能更加完善。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是短波单站定位系统的处理结构框图。
图2是本发明中短波单站定位方法的流程框图。
具体实施方式
参阅图1,图2。根据本发明,在短波单站定位系统中,天线阵列接收分系统接收经过信号传播通道传播的外辐射源信号,对天线阵列接收信号以码片速率连续采样,构成输入矩阵,然后结合空域采样数据构造时空DOA矩阵;后端信号处理分系统根据天线阵列阵元数据、波束数目以及相应的物理参量,在信号源接收方向形成空间波束,利用连续采样所得到的数据样本构造时空阵列数据矩阵,用矩阵表达的方式获取波束转换矩阵T;后端信号处理分系统将T矩阵进行共轭转置的处理得到矩阵TH,然后TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t);波束域输出数据通过求解自相关矩阵获得波束域协方差矩阵;后端信号处理分系统对波束域协方差矩阵进行特征值分解,分解求出其特征值及对应的特征向量;依据求解出的特征值判断是否存在信号源数目,确定信号源数目对应的信号子空间和噪声子空间,得到各信号源自动配对的估计值;然后,构建多项式f(z)并求解多项式f(z)的根;再基于波束域,在多项式f(z)的根中,求根高分辨谱,求出与信号子空间维数相同数目的趋近单位圆上的根,将该趋近单位圆上的根作为信号源波达方向,并通过积累信号源波达方向的实测数据,进行大数据统计和分析整理,再采用信号源数目估计的方法,结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,获知信号源数目的特征向量D,进行深度学习,自我调整短波单站的定位精度。
短波单站定位系统由接收外辐射源的天线阵列接收分系统、后端信号处理分系统构成,其中,天线阵列接收系统包括带有信号传播通道的天线阵列单元Array unit_1,Array unit_2,…Array unit_n,对应天线阵列单元Array unit_1,Array unit_2,…Arrayunit_n的数据传递链接收通道Receiver_1,Receiver_2,…Receiver_n,数据传递链接收通道连接的接收通道时频同步和幅相一致性处理单元。当空间外辐射源发射信号时,短波单站定位系统中的天线阵列接收分系统通过天线阵列单元Array unit_1,Array unit_2,…Array unit_n,接收经过信号传播通道传播的外辐射源信号,外辐射源信号数据传递链接收通道Receiver_1,Receiver_2,…Receiver_n送入接收通道时频同步和幅相一致性处理单元进行处理,并将阵列阵元数据、波束数目以及相应的物理参量的处理结果送入后端信号处理系统,后端信号处理系统结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,实现短波单站定位的目的。
基本步骤包括:
第一步,在短波单站定位系统中,天线阵列接收分系统接收经过信号传播通道传播的外辐射源信号;后端信号处理分系统根据天线阵列阵元数据、波束数目以及相应的物理参量,用矩阵表达的方式获取波束转换矩阵T。T矩阵将阵元域中的输出数据转换为波束域输出数据。短波单站定位系统中,天线阵列接收分系统将均匀线列阵列的阵元数目设为M个,对应阵元数目的波束数目设为B,且B<M,构成M×B的波束转换矩阵T。后端信号处理分系统将T矩阵进行共轭转置为矩阵TH,TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t)。
波束转换矩阵T获得波束域输出数据y(t),
y(t)=THx(t),T=[a1,a2,…,aB] (1)
式中,TH为T的共轭转置矩阵,t为时间变量,ai,i=1,2,…B为接收基阵在第i个信号源波达方向θi,i=1,2,…,B方向上各阵元的相位移量,wk,k=1,2,…,M为各阵元的加权系数。e为指数的底,j为复数的虚数单位,γiki=1,2,…,B;k=1,2,…,M为信号源在各阵元的相移参数。
信号源在各阵元的相移参数
γik=2π(M-1)dsinθk/λ,i=1,2,…B,k=1,2,…,M (3)
其中,π为圆周率,M为阵元数目,B为对应阵元数目的波束数目,d为阵元间距,sin为正弦,θ为信号源波达方向,λ为信号波长。同时证明波束转换矩阵T满足正交性THT=I,因此,可以得到波束域协方差矩阵为:
RB=E[y(t)yH(t)],(THT=I) (4)
式中,E为期望,I为单位矩阵,H为共轭转置。
第二步,后端信号处理分系统对波束域输出数据进行处理和分析。
后端信号处理分系统根据波束域协方差矩阵求解出相应的特征值,并按降序排列特征值ξ1≥ξ2≥…≥ξB,对应的特征向量为v1,v2,…,vD,vD+1,…,vB,根据特征值判断是否存在信号源,再采用信号源数目估计可知信号源数目的特征向量为D。后端信号处理分系统将与信号源对应的信号子空间和噪声子空间设为:
VS=[v1,v2,…,vD],VN=[vD+1,vD+2,…,vB] (5)
波束域的方向矢量设为:
d(θ)=THa(θ) (6)
其中,a(θ)为阵元的方向矢量。
为了从所有噪声特征矢量中同时提取信息,在此基础上,假定一个多项式为:
然而,公式(6)还不是z的多项式,因为存在的z*的幂次项。由于只需求解单位圆上的z值,所以可以用pT(z-1)代替pH(z),这就给出了短波单站定位方法的求根多项式,根据公式(7)可以把多项式修正为:
可知多项式f(z)的阶数为2(M-1),相当于该多项式有(M-1)对根,且每对根符合相互共轭的特性,在上述(M-1)对根中存在D个根z1,…,zD分布在单位圆上,且
式中,pT(z)为p(z)的转置矩阵,e为指数的底,j为复数的虚数单位,π为圆周率,θ为信号源波达方向。
公式(9)考虑的是在协方差矩阵非常精确时获取的结果,而在实际探测中,当协方差矩阵存在误差时,只需求出D个无限趋近于单位圆上的值,该趋近单位圆上的根作为信号源波达方向θ:
通过上式求解出信号源的波达方向θ,实现了短波单站定位的目的,其中,d为阵元间距,λ为信号波长。
第三步,对信号源的波达方向进行大数据统计和分析。通过深度学习和自我调整,可以进一步提高短波单站定位方法的定位精度。
Claims (10)
1.一种改进的短波单站定位方法,具有如下技术特征:在短波单站定位系统中,天线阵列接收分系统接收经过信号传播通道传播的外辐射源信号,对天线阵列接收信号以码片速率连续采样,构成输入矩阵,然后结合空域采样数据构造时空DOA矩阵;后端信号处理分系统根据天线阵列阵元数据、波束数目以及相应的物理参量,在信号源接收方向形成空间波束,利用连续采样所得到的数据样本构造时空阵列数据矩阵,用矩阵表达的方式获取波束转换矩阵T;后端信号处理分系统将T矩阵进行共轭转置为矩阵TH,TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t);波束域输出数据通过求解自相关矩阵获得波束域协方差矩阵;后端信号处理分系统对波束域协方差矩阵进行特征值分解,分解求出其特征值及对应的特征向量;依据求解出的特征值判断是否存在信号源数目,确定信号源数目对应的信号子空间和噪声子空间,得到各信号源自动配对的估计值;然后,构建多项式f(z)并求解多项式f(z)的根;再基于波束域,在多项式f(z)的根中,求根高分辨谱,求出与信号子空间维数相同数目的趋近单位圆上的根,将该趋近单位圆上的根作为信号源波达方向,并通过积累信号源波达方向的实测数据,进行大数据统计和分析整理,再采用信号源数目估计的方法,结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,获知信号源数目的特征向量D,进行深度学习,自我调整短波单站的定位精度。
2.如权利要求1所述的改进的短波单站定位方法,其特征在于:短波单站定位系统由接收外辐射源的天线阵列接收分系统、后端信号处理分系统构成,其中,天线阵列接收系统包括带有信号传播通道的天线阵列单元Array unit_1,Array unit_2,…Array unit_n,对应天线阵列单元的数据传递链接收通道Receiver_1,Receiver_2,…Receiver_n,数据传递链接收通道连接的接收通道时频同步和幅相一致性处理单元。
3.如权利要求2所述的改进的短波单站定位方法,其特征在于:空间外辐射源发射信号时,短波单站定位系统中的天线阵列接收分系统通过天线阵列单元Array unit_1,Arrayunit_2,...Array unit_n,接收经过信号传播通道传播的外辐射源信号,外辐射源信号数据传递链接的接收通道Receiver_1,Receiver_2,…Receiver_n送入接收通道时频同步和幅相一致性处理单元进行处理,并将阵列阵元数据、波束数目以及相应的物理参量的处理结果送入后端信号处理系统,后端信号处理系统结合阵列阵元数据、波束数目以及相应的物理参量,进行外辐射信号源波达方向估计,实现短波单站定位。
4.如权利要求1所述的改进的短波单站定位方法,其特征在于:天线阵列接收分系统将均匀线列阵列的阵元数目设为M个,对应阵元数目的波束数目设为B,且B<M,构成M×B的波束转换矩阵T。
5.如权利要求4所述的改进的短波单站定位方法,其特征在于:后端信号处理分系统将T矩阵进行共轭转置为矩阵TH,TH矩阵与阵元域中的输出数据x(t)通过矩阵相乘转换为波束域输出数据y(t)。
7.如权利要求1所述的改进的短波单站定位方法,其特征在于:后端信号处理分系统根据波束域协方差矩阵求解出相应的特征值,并按降序排列特征值ξ1≥ξ2≥…≥ξB,对应的特征向量为v1,v2,…,vD,vD+1,…,vB,根据特征值判断是否存在信号源,再采用信号源数目估计可知信号源数目的特征向量为D。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287763.9A CN108089147B (zh) | 2017-12-07 | 2017-12-07 | 改进的短波单站定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711287763.9A CN108089147B (zh) | 2017-12-07 | 2017-12-07 | 改进的短波单站定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108089147A CN108089147A (zh) | 2018-05-29 |
CN108089147B true CN108089147B (zh) | 2021-05-11 |
Family
ID=62174656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711287763.9A Active CN108089147B (zh) | 2017-12-07 | 2017-12-07 | 改进的短波单站定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108089147B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975755B (zh) * | 2019-02-26 | 2021-04-20 | 中国人民解放军战略支援部队信息工程大学 | 一种校正源存在条件下的短波多站直接定位方法 |
CN109856597B (zh) * | 2019-02-27 | 2022-12-16 | 武汉大学 | 一种新体制超视距短波定位系统及定位方法 |
CN110058223B (zh) * | 2019-03-14 | 2022-03-18 | 四川九洲电器集团有限责任公司 | 一种基于航管应答信号的单站无源定位方法 |
CN111487581B (zh) * | 2020-04-20 | 2022-02-11 | 中国人民解放军军事科学院国防科技创新研究院 | 基于舵矢量模式匹配的宽带闪电vhf辐射源测向方法 |
CN111505566B (zh) * | 2020-05-08 | 2022-09-16 | 哈尔滨工程大学 | 一种特高频射频信号doa估计方法 |
CN112946564B (zh) * | 2021-04-12 | 2024-02-02 | 西北大学 | 基于dnn的波束空间的doa估计方法、装置及计算机存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567034B1 (en) * | 2001-09-05 | 2003-05-20 | Lockheed Martin Corporation | Digital beamforming radar system and method with super-resolution multiple jammer location |
US7680211B1 (en) * | 2005-05-18 | 2010-03-16 | Urbain A. von der Embse | MIMO maximum-likelihood space-time architecture |
CN100380134C (zh) * | 2005-10-20 | 2008-04-09 | 武汉大学 | 小型天线阵口径扩展与空间信号处理方法 |
CN103886192B (zh) * | 2014-03-13 | 2017-01-11 | 西安电子科技大学昆山创新研究院 | 基于二次规划的运动目标单站定位方法 |
CN106918801A (zh) * | 2015-12-28 | 2017-07-04 | 航天信息股份有限公司 | 一种在认知无线电中对干扰信号源进行定位的方法和系统 |
CN106842114A (zh) * | 2016-12-29 | 2017-06-13 | 西安电子科技大学 | 基于root‑MUSIC算法的目标波达方向获取方法 |
-
2017
- 2017-12-07 CN CN201711287763.9A patent/CN108089147B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108089147A (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108089147B (zh) | 改进的短波单站定位方法 | |
Gu et al. | Joint 2-D DOA estimation via sparse L-shaped array | |
CN103353595B (zh) | 基于阵列内插压缩感知的米波雷达测高方法 | |
Xia et al. | Decoupled estimation of 2-D angles of arrival using two parallel uniform linear arrays | |
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 | |
CN109407055A (zh) | 基于多径利用的波束形成方法 | |
CN107576947B (zh) | 基于时间平滑的l型阵对相干信源二维波达方向估计方法 | |
Gu et al. | Compressed sensing for DOA estimation with fewer receivers than sensors | |
CN109765521A (zh) | 一种基于子阵划分的波束域成像方法 | |
CN108957387A (zh) | 一种卫星信号二维到达角估计方法及系统 | |
CN107290732A (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
Lin et al. | 3D wideband mmWave localization for 5G massive MIMO systems | |
Liu et al. | Target localization in high-coherence multipath environment based on low-rank decomposition and sparse representation | |
Chen et al. | Meter-wave MIMO radar height measurement method based on adaptive beamforming | |
CN112924924B (zh) | 一种基于l1范数稀疏表示的宽带信号DOA估计方法 | |
CN109491009A (zh) | 一种光纤组合阵及基于光纤组合阵的栅瓣抑制方法 | |
Chen et al. | A beamspace maximum likelihood algorithm for target height estimation for a bistatic MIMO radar | |
Zhang et al. | Pulse-compression signal propagation and parameter estimation in the troposphere with parabolic equation | |
Hyder et al. | A new target localization method for bistatic FDA radar | |
Tayem et al. | Capon root-MUSIC-like direction of arrival estimation based on real data | |
Yao et al. | A Degenerate spatial ARMA process of external sources impinging upon an azimuth-only ULA and the estimation of Doas and noise variances | |
Nagaraju et al. | Performance Analysis of Sparse Array Using Compressive Sensing in A Closed Multi-Path Environment | |
Tang et al. | Bistatic MIMO radar height estimation method based on adaptive beam-space RML data fusion | |
CN109752688B (zh) | 一种针对传感器阵列系统的临近信源角度差值计算方法 | |
Al-Azzo et al. | Comparison between classical and modern methods of direction of arrival (DOA) 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 |