CN108107451A - 基于张量cp分解的矢量阵列干扰定位方法 - Google Patents
基于张量cp分解的矢量阵列干扰定位方法 Download PDFInfo
- Publication number
- CN108107451A CN108107451A CN201711232357.2A CN201711232357A CN108107451A CN 108107451 A CN108107451 A CN 108107451A CN 201711232357 A CN201711232357 A CN 201711232357A CN 108107451 A CN108107451 A CN 108107451A
- Authority
- CN
- China
- Prior art keywords
- signal
- msup
- msub
- mrow
- vector
- 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
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
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)
- Navigation (AREA)
Abstract
本发明提供了一种基于张量CP分解的矢量阵列干扰定位方法，空间阵列单元采用矢量传感器，得到包含信号空域、时域及极化域信息的三阶张量模型，通过实施CP分解得到信号的空域信息，进而提取相关位置信息，提升干扰信号的定位精度。本发明采用张量CP分解技术进行干扰信号定位，利用了张量本身具有的高维特性对信号的极化域、空域及时域多样性进行了区分，通过CP分解得到含有空域信息的子矩阵，保留了信号本身的相位信息，进而根据空间导向矢量的表示方法构建方程组，提取信号的空间位置信息，相比于传统的基于矩阵求解的定位方法，该算法有效缩减了运算量，提升了系统的定位精度。
Description
技术领域
本发明涉及一种卫星导航干扰信号定位方法，属于卫星导航领域。
背景技术
近年来，全球卫星导航系统在人们的日常生活中得到了广泛的应用，其在军事领域更是发挥着越发重要的作用。由于卫星距离导航接收设备距离较远，卫星信号容易受到空间各种非期望电磁信号的影响，因此，基于卫星导航设备的抗干扰技术和干扰信号定位技术得到了广泛的研究与应用。
卫星导航设备的信号接收阵列主要分为标量阵列和矢量阵列，基于标量阵列的空时域或空频域二维阵列信号处理技术是当前卫星导航设备在干扰抑制及定位领域应用的主要技术。此外，基于矢量阵列的极化信号自适应处理技术引入了极化维度，提升了阵列对信号进行分析处理的灵活性，因而，近年来在卫星导航领域得到了广泛的研究与应用。然而，当前针对极化信号定位技术多集中与多重信号信号分类方法(MUSIC)和旋转不变参数估计法(ESPRIT)，以及基于它们的改进方法。上述两种方法及其改进方法在算法流程上均显得较为复杂，难以实现。
发明内容
为了克服现有技术的不足，本发明提供一种基于张量CP(Canonical Polyadic)分解的矢量阵列干扰定位方法，空间阵列单元采用矢量传感器，得到包含信号空域、时域及极化域信息的三阶张量模型，通过实施CP分解得到信号的空域信息，进而提取相关位置信息，提升干扰信号的定位精度。
本发明解决其技术问题所采用的技术方案包括以下步骤：
a)每个矢量传感器接收到的信号极化分量个数为J，J＞1；将L个矢量传感器接收到的各路射频模拟信号进行低噪声放大和模拟下变频，得到J×L路中频模拟信号；
b)对各路中频模拟信号进行A/D采样，得到J×L路中频数字信号；
c)将同时刻得到的J×L个信号采样点组成J×L维矩阵，矩阵的列为各个矢量传感器同时刻对各个极化分量的采样点；利用时间域上K个采样时刻得到的K个J×L维矩阵组成接收信号的三阶张量模型其中表示复数域；将信号张量表示为即R表示干扰信号的个数，R＜J×L，⊙表示张量外积，和表示张量的因素矩阵，其中sr表示第r个信号的K个采样点组成的向量，
分别表示第r个信号的极化域导向矢量和空域导向矢量，θr和φr分别代表第r个信号来向的方位角和俯仰角，γr和ηr分别表示第r个信号的极化辅助角和极化相位差，表示极化选择矩阵，表示三偶极子天线阵列，表示全电磁矢量传感器；代表阵列中第n个矢量传感器的位置矢量，n＝1,2,...,L，λ为信号波长，用表示第r个信号的空间传播方向；
d)对信号丈量模型进行矩阵展开，Aj表示矩阵A的第j行，根据CP分解可知：
式中上标⊥表示矩阵的广义逆，j1,j2∈[1,...,J]，且j1≠j2；
e)对矩阵进行特征值分解，的前R个大特征值对应的特征向量组成的矩阵与矩阵B的相位信息相同，存在某一常数h使得
f)求解方程组提取干扰位置信息，式中表示矩阵的第l行第r列，得到第r个信号的空间方位角θr和空间俯仰角φr。
本发明的有益效果是：采用张量CP分解技术进行干扰信号定位，利用了张量本身具有的高维特性对信号的极化域、空域及时域多样性进行了区分，通过CP分解得到含有空域信息的子矩阵，保留了信号本身的相位信息，进而根据空间导向矢量的表示方法构建方程组，提取信号的空间位置信息，相比于传统的基于矩阵求解的定位方法，该算法有效缩减了运算量，提升了系统的定位精度。
附图说明
图1是基于张量CP分解的极化敏感阵列定位方法流程图；
图2是三阵元全电磁矢量传感器矢量阵列示意图，图中，○表示全电磁矢量传感器。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
如图1所示，本发明包括以下步骤：
a)模拟下变频：每个矢量传感器接收到的信号极化分量个数为J(J＞1)，将L个矢量传感器接收到各路射频模拟信号进行低噪声放大、模拟下变频，进而得到J×L路中频模拟信号。
b)A/D采样：对步骤a)得到的各路中频模拟信号进行A/D采样，得到J×L路中频数字信号。
c)张量信号模型：将同时刻得到的J×L个信号采样点组成J×L维矩阵，矩阵的列为各个矢量传感器同时刻对各个极化分量的采样点；利用时间域上K个采样时刻得到的K个J×L维矩阵组成接收信号的三阶张量模型其中表示复数域。将信号张量表示为即
上式中R(R＜J×L)表示干扰信号的个数，“⊙”表示张量外积， 表示张量的因素矩阵，其中sr表示第r个信号的K个采样点组成的向量，此外，
分别表示第r个信号的极化域导向矢量和空域导向矢量，式(2)中θr和φr分别代表第r个信号来向的方位角和俯仰角，γr和ηr分别表示第r个信号的极化辅助角和极化相位差，表示极化选择矩阵，表示三偶极子天线阵列，表示全电磁矢量传感器；式(3)中代表阵列中第n个矢量传感器的位置矢量，n＝1,2,...,L，用表示第r个信号的空间传播方向，λ为信号波长。
d)张量的矩阵展开：对公式(1)进行矩阵展开：
式中，Diag(·)表示向量对角化操作，Aj表示矩阵A的第j行，
根据CP分解可知，下述关系式成立
式中上标“⊥”表示矩阵的广义逆，j1,j2∈[1,...,J]，且j1≠j2。
e)矩阵特征分解：对矩阵进行特征值分解，有公式(5)可知，的前R个大特征值对应的特征向量组成的矩阵与矩阵B的相位信息相同，存在某一常数h使得
f)干扰位置信息提取：根据公式(3)可得到以下方程组
式中表示矩阵的第l行第r列，求解公式(7)所示方程组，便可得到第r个信号的空间方位角θr和空间俯仰角φr。
本发明的实施例采用阵列为三阵元全电磁矢量传感器(可测量空间3个方向的电场信息及3个方向的磁场信息)矢量阵列，如图2所示，阵元间距为半波长，空间2个待测干扰信号均与GPS信号同频，其中心频点为1.57542GHz，空间来向分别为(θ1,φ1)＝(120°,90°)，(θ2,φ2)＝(100°,60°)，张量CP分解极化敏感阵列定位方法具体步骤如下：
步骤一：天线阵列在空间3个方位接收射频(RF)干扰信号，每个方位的全电磁矢量传感器可输出6个极化分量，经过低噪放及下变频后得到18路模拟中频信号，其中心频率为46.42MHz。
步骤二：由AD模块对步骤一得到的18路模拟中频信号进行模/数转换，得到18路数字中频信号。
步骤三：根据公式(1)建立张量信号模型。
步骤四：根据公式(4)对信号张量模型进行矩阵展开，并计算
步骤五：对步骤四得到的进行特征分解，利用其前两个大特征值对应的特征向量组成矩阵
步骤六：根据公式(7)利用步骤五得到的矩阵构建方程组，并求解分别得到两个干扰信号的空间方位角和俯仰角。
Claims (1)
1.一种基于张量CP分解的矢量阵列干扰定位方法，其特征在于包括下述步骤：
a)每个矢量传感器接收到的信号极化分量个数为J，J＞1；将L个矢量传感器接收到的各路射频模拟信号进行低噪声放大和模拟下变频，得到J×L路中频模拟信号；
b)对各路中频模拟信号进行A/D采样，得到J×L路中频数字信号；
c)将同时刻得到的J×L个信号采样点组成J×L维矩阵，矩阵的列为各个矢量传感器同时刻对各个极化分量的采样点；利用时间域上K个采样时刻得到的K个J×L维矩阵组成接收信号的三阶张量模型其中表示复数域；将信号张量表示为即表示干扰信号的个数，R＜J×L，⊙表示张量外积，表示张量的因素矩阵，其中sr表示第r个信号的K个采样点组成的向量，
分别表示第r个信号的极化域导向矢量和空域导向矢量，θr和φr分别代表第r个信号来向的方位角和俯仰角，γr和ηr分别表示第r个信号的极化辅助角和极化相位差，表示极化选择矩阵，表示三偶极子天线阵列，表示全电磁矢量传感器；代表阵列中第n个矢量传感器的位置矢量，n＝1,2,...,L，λ为信号波长，用表示第r个信号的空间传播方向；
d)对信号丈量模型进行矩阵展开，Aj表示矩阵A的第j行，根据CP分解可知：
<mrow>
<msub>
<mi>X</mi>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
</msub>
<msubsup>
<mi>X</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
<mo>&perp;</mo>
</msubsup>
<mo>=</mo>
<mi>B</mi>
<mo>&CenterDot;</mo>
<mi>D</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
</msup>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mi>B</mi>
<mo>&perp;</mo>
</msup>
</mrow>
<mrow>
<msubsup>
<mi>X</mi>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
<mi>T</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>X</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
<mi>T</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&perp;</mo>
</msup>
<mo>=</mo>
<mi>C</mi>
<mo>&CenterDot;</mo>
<mi>D</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
</msup>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mi>i</mi>
<mi>a</mi>
<mi>g</mi>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>A</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mi>C</mi>
<mo>&perp;</mo>
</msup>
</mrow>
式中上标⊥表示矩阵的广义逆，j1,j2∈[1,...,J]，且j1≠j2；
e)对矩阵进行特征值分解，的前R个大特征值对应的特征向量组成的矩阵与矩阵B的相位信息相同，存在某一常数h使得
f)求解方程组提取干扰位置信息，式中表示矩阵的第l行第r列，得到第r个信号的空间方位角θr和空间俯仰角φr。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711232357.2A CN108107451B (zh) | 2017-11-30 | 2017-11-30 | 基于张量cp分解的矢量阵列干扰定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711232357.2A CN108107451B (zh) | 2017-11-30 | 2017-11-30 | 基于张量cp分解的矢量阵列干扰定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108107451A true CN108107451A (zh) | 2018-06-01 |
| CN108107451B CN108107451B (zh) | 2019-05-10 |
Family
ID=62207972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711232357.2A Active CN108107451B (zh) | 2017-11-30 | 2017-11-30 | 基于张量cp分解的矢量阵列干扰定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108107451B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830930A (zh) * | 2018-06-21 | 2018-11-16 | 福州大学 | 一种基于张量填充的自适应群智感知系统数据收集方法 |
| CN113556774A (zh) * | 2021-07-14 | 2021-10-26 | 中国电信股份有限公司 | 移动网络的干扰定位方法、装置、设备以及存储介质 |
| CN114235411A (zh) * | 2021-12-28 | 2022-03-25 | 频率探索智能科技江苏有限公司 | 轴承外圈缺陷定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100286053A1 (en) * | 2009-05-07 | 2010-11-11 | Children's Hospital Medical Center | Plasminogen activator inhibitor amelioration of newborn hypoxic ischemic brain injury |
| CN103076640A (zh) * | 2013-01-17 | 2013-05-01 | 中国科学院测量与地球物理研究所 | 利用方差-协方差对角张量原理反演地球重力场的方法 |
| CN103280803A (zh) * | 2013-06-07 | 2013-09-04 | 河海大学 | 一种基于张量法的状态估计方法 |
| CN104063852A (zh) * | 2014-07-07 | 2014-09-24 | 温州大学 | 一种基于指数化核范数与混合奇异值截断的张量恢复方法 |
| CN107045131A (zh) * | 2017-05-24 | 2017-08-15 | 西北工业大学 | 张量分解卫星导航抗干扰方法 |
-
2017
- 2017-11-30 CN CN201711232357.2A patent/CN108107451B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100286053A1 (en) * | 2009-05-07 | 2010-11-11 | Children's Hospital Medical Center | Plasminogen activator inhibitor amelioration of newborn hypoxic ischemic brain injury |
| CN103076640A (zh) * | 2013-01-17 | 2013-05-01 | 中国科学院测量与地球物理研究所 | 利用方差-协方差对角张量原理反演地球重力场的方法 |
| CN103280803A (zh) * | 2013-06-07 | 2013-09-04 | 河海大学 | 一种基于张量法的状态估计方法 |
| CN104063852A (zh) * | 2014-07-07 | 2014-09-24 | 温州大学 | 一种基于指数化核范数与混合奇异值截断的张量恢复方法 |
| CN107045131A (zh) * | 2017-05-24 | 2017-08-15 | 西北工业大学 | 张量分解卫星导航抗干扰方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郝亚娜: ""基于张量的电磁矢量传感器阵列波达方向估计"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830930A (zh) * | 2018-06-21 | 2018-11-16 | 福州大学 | 一种基于张量填充的自适应群智感知系统数据收集方法 |
| CN108830930B (zh) * | 2018-06-21 | 2021-08-31 | 福州大学 | 一种基于张量填充的自适应群智感知系统数据收集方法 |
| CN113556774A (zh) * | 2021-07-14 | 2021-10-26 | 中国电信股份有限公司 | 移动网络的干扰定位方法、装置、设备以及存储介质 |
| CN114235411A (zh) * | 2021-12-28 | 2022-03-25 | 频率探索智能科技江苏有限公司 | 轴承外圈缺陷定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108107451B (zh) | 2019-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103941221B (zh) | 空间拉伸电磁矢量传感器阵列参数估计方法 | |
| CN103091671B (zh) | 基于非同心电磁矢量阵列雷达的两维波达方向估计方法 | |
| CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
| CN103941222B (zh) | 基于瑞利熵降维music算法的参数估计方法 | |
| CN108957391A (zh) | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 | |
| CN108107451B (zh) | 基于张量cp分解的矢量阵列干扰定位方法 | |
| CN102830386B (zh) | 一种强干扰背景下的任意阵型微弱信号源角度估计方法 | |
| CN102520399B (zh) | 基于电磁矢量阵列的米波雷达角度估计方法 | |
| CN104515969B (zh) | 一种基于六角形阵列的相干信号二维doa估计方法 | |
| CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
| CN103344940A (zh) | 低复杂度的doa估计方法及系统 | |
| CN103018713A (zh) | 基于导航数字多波束接收阵列天线的卫星跟踪测角方法 | |
| CN104933290B (zh) | 双l型拉伸正交电偶对阵列的多参数联合估计四元数方法 | |
| CN109959891A (zh) | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 | |
| CN108020812A (zh) | 基于特殊三平行线阵结构的二维doa估计方法 | |
| CN109143197A (zh) | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 | |
| CN106019234A (zh) | L型天线阵的低计算复杂度二维波达方向估计方法 | |
| CN107576951B (zh) | 基于嵌套式电磁矢量传感器阵列的波达方向估计方法 | |
| CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
| CN110161452A (zh) | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 | |
| CN104849694A (zh) | 电磁偶极子对阵列的四元数esprit参数估计方法 | |
| CN101252382B (zh) | 一种宽频段信号极化与doa估计方法及装置 | |
| 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 | |
| CN107045131B (zh) | 张量分解卫星导航抗干扰方法 | |
| CN103308884B (zh) | 基于分离式电磁矢量传感器阵列的两维到达角估计方法 |
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 |