CN108802670B - 一种鲁棒的相位干涉测角方法 - Google Patents
一种鲁棒的相位干涉测角方法 Download PDFInfo
- Publication number
- CN108802670B CN108802670B CN201810581016.4A CN201810581016A CN108802670B CN 108802670 B CN108802670 B CN 108802670B CN 201810581016 A CN201810581016 A CN 201810581016A CN 108802670 B CN108802670 B CN 108802670B
- Authority
- CN
- China
- Prior art keywords
- value
- antenna
- angle
- phase
- robust
- 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
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
- G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开一种鲁棒的相位干涉测角方法,采用矢量平均、有限记忆递推和边缘检测联合的鲁棒测角算法,利用该方法可有效降低通道间相位噪声对测角性能的影响,实现高精度、鲁棒的角度估计。
Description
技术领域
本发明属于微波雷达测量技术领域,具体涉及一种鲁棒的相位干涉测角方法。
背景技术
在多基线相位干涉仪测角系统中,为提高测角精度需要增加基线的长度,同时为了避免相位的模糊基线长度不能超过电磁波波长的一半。故相位干涉测角算法一般利用短基线辅助长基线进行相位差解模糊,进而利用长基线来提高测角精度。实际工作环境下,受接收机热噪声、背景噪声等因素影响,接收信号信噪比低,相位误差大,导致常规干涉仪测角解模糊频繁出错,严重恶化角度测量精度。
2008年朱新国、崔嵬在《北京理工大学学报》第28卷第6期第541页至544页发表的“一种新的干涉测角数据处理算法”一文中,提出了一种对于相位解模糊出错的异常角度值进行剔除、并引入修正卡尔曼滤波对剔除后的角度进行平滑滤波的方法,但此方法在识别出异常值时不进行纠正,直接将其剔除,虽然消除了异常值的消极影响,但造成了观测样本的减少,进而降低了测角的精度。2012年韩月涛等在《宇航学报》第33卷第1期第120页至127页发表的“一种基于有限记忆算法的干涉仪解模糊纠正方法”一文中,提出了一种利用有限记忆递推识别并纠正逐次递推测角算法中错误模糊值的解模糊方法,此方法虽然能够降低通道相位噪声的影响,但并未起到测角性能提升的作用,在微弱信号环境下不能实现对角度的高精度测量。因此现有方法均不满足在复杂环境下,对于测角估计结果精度要求严苛的场合。
发明内容
有鉴于此,本发明提供了一种鲁棒的相位干涉测角方法,能够有效降低通道间相位噪声对测角性能的影响,实现高精度、鲁棒的角度估计。
实现本发明的技术方案如下:
一种鲁棒的相位干涉测角方法,包括以下步骤:
步骤一、将相位干涉仪的天线布局为一维四元线阵,天线1与天线2之间的距离和天线3与天线4之间的距离均为载波半波长的M倍,天线2与天线3之间的距离为载波半波长的N倍,其中,M、N均为正整数,M、N和2M+N两两互素且满足N-2M=1;
步骤二、利用四路天线测得的n时刻的相位φi'(n)进行逐次递推解模糊算法得到无模糊的角度估计值,其中,i=1,2,3,4表示天线序号;
步骤三、采用有限记忆算法对无模糊的角度估计值进行野值剔除得到
步骤四、将与前第τ个时刻的值进行比较,若两者之差大于设定的检测门限值则累加边缘检测计数值,反之,则对边缘检测计数值清零;当边缘检测计数值大于设定的门限时,对卡尔曼滤波器进行初始化;
步骤五、对进行α-β平滑滤波得到
步骤六、对进行卡尔曼滤波得到角度估计值θ'(n);
步骤七、对θ'(n)与求差值,若差值不超过设定门限值,则将θ'(n)作为最终角度测量值,否则,初始化卡尔曼滤波器,并将作为最终角度测量值。
进一步地,步骤二具体为:利用相位φi'(n)求得天线间的相位差,对相位差进行矢量平均,对矢量平均后的结果进行逐次递推解模糊算法得到无模糊的角度估计值,其中,每次递推之后对递推结果进行错误纠正后再进行下一次的递推运算。
进一步地,对进行角度微分得到角速度对进行α-β平滑滤波得到对进行卡尔曼滤波得到角速度估计值对和求差值,如果差值不超过设定门限值,则将作为最终角速度测量值;否则,初始化卡尔曼滤波器,并将作为最终角速度测量值。
有益效果:
(1)本发明采用矢量平均、有限记忆算法、边缘检测联合的鲁棒测角算法,显著降低了通道噪声对正确解相位模糊的影响,有效纠正了传统逐次递推解模糊测角算法在强噪声环境下频繁出现的解模糊错误难题,同时大幅降低了运算量。
(2)本发明通过引入α-β平滑滤波辅助进行卡尔曼滤波发散与否的判断,解决了卡尔曼滤波器工作状态难于在线监测的难题,进一步增加了测角算法的鲁棒性。
附图说明
图1为本发明一维四元线阵示意图。
图2为本发明算法流程框图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种鲁棒的相位干涉测角方法,为使本发明的目的、技术方案及优点更加清晰,下面参照附图和实施例,对本发明作进一步详细说明。如图2所示,本发明采用矢量平均、有限记忆递推、边缘检测联合的鲁棒测角算法,利用该方法可有效降低通道间相位噪声对测角性能的影响,实现高精度、鲁棒的角度估计。
步骤一、将相位干涉仪的天线布局为一维四元线阵,如图1所示,天线1与天线2之间的距离和天线3与天线4之间的距离均为载波半波长的M倍,天线2与天线3之间的距离为载波半波长的N倍;如附图1。本实施例中,假设发射信号载波频率为fc=13GHz,载波波长λ=0.023m,设M=5,N=11,则2M+N=21。
步骤二、利用四路天线测得的n时刻的相位φi'(n)求得天线间的相位差,对相位差进行矢量平均,对矢量平均后的结果进行逐次递推解模糊算法得到无模糊的角度估计值,其中,i=1,2,3,4表示天线序号;
步骤二具体为:
步骤2.1、利用四路天线测得相位φi'(n)通过式φij′(n)=[φj′(n)-φi′(n)]mod2π,其中i,j=1,2,3,4表示天线单元序号,得到φ1′2(n),φ3′4(n),φ2′3(n),φ1′4(n),令Θ'(n)=[φ2′3(n)-φ1′2(n)-φ3′4(n)]mod2π,Θ'(n)取值范围为(-π,π),n=1,2…。
步骤2.2、求取2M+N倍无模糊角估值
(1)对步骤2.1中的Θ'(n)作P次矢量平均得到本实施例中,P=20,如式:
其中,Im()表示取虚部。
(2)利用步骤2.1中的φ1′2(n)和φ3′4(n),得到φM(n)。
φM(n)=0.5(φ1′2(n)+φ3′4(n))-tmp1 (2)
式中,本实施例中,M=5。
(3)利用式(1)中得到的和式(2)中得到的φM(n),通过式
求得M倍精度的相位整周模糊值kM(n),其中INT[]表示四舍五入取整函数,并利用kM(n)和φM(n)可得到
ΘM(n)=[2πkM(n)+φM(n)]/M (4)
(4)对式(4)中得到的ΘM(n)进行错误纠正得到Θ′M(n):如果式(4)中ΘM(n)大于等于π,则使它减去如果Θ5(n)小于-π,则使它加上
(5)利用纠正后的Θ′M(n)和步骤2.1中的φ2′3(n),通过式
求得N倍精度的相位整周模糊值kN(n),本实施例中,N=11,利用kN(n)和φ2′3(n)得到
ΘN(n)=[2πkN(n)+φ2′3(n)]/N (6)
(6)同样对式(6)中得到的ΘN(n)进行错误纠正得到Θ′N(n):如果式(6)中得到的ΘN(n)大于等于π,则使它减去如果ΘN(n)小于-π,则使它加上
(7)利用纠正后的Θ′N(n)和步骤2.1中的φ1′4(n),通过式
求得2M+N倍精度相位整周模糊值k2M+N(n),利用k2M+N(n)和φ1′4(n)得到
Θ2M+N(n)=[2πk2M+N(n)+φ1′4(n)]/(2M+N) (8)
(8)对式(8)中得到的Θ2M+N(n)进行错误纠正得到Θ′2M+N(n):如果式(8)中得到的Θ2M+N(n)大于等于π,则使它减去如果Θ2M+N(n)小于-π,则使它加上
(9)利用纠正后的Θ′2M+N(n),通过式
得到2M+N倍精度无模糊角估值。
步骤三、采用有限记忆算法对无模糊的角度估计值进行野值剔除得到θ(n);
步骤三具体为:
步骤3.1、初始化后利用步骤二计算得到的第一个测量值θ2M+N(1)即记为第一次的角度纠正值并记录当前时刻2M+N倍精度的相位整周模糊值k2M+N(1);此后,对步骤二得到的n时刻2M+N倍精度无模糊角估值θ2M+N(n)和前一时刻的纠正值作比较:
如果θ2M+N(n)与差值的绝对值不大于门限值(这里取为3度),则把当前时刻的角估值θ2M+N(n)记为纠正值进行后续处理,并记录该时刻的2M+N倍精度的相位整周模糊值k2M+N(n),同时将数据标志位置为正确标志位。
如果θ2M+N(n)与差值的绝对值大于门限值(3度),则利用前一时刻纠正值所对应的2M+N倍精度的相位整周模糊值k2M+N(n-1)、k2M+N(n-1)±1以及当前的相位差测量值φ1'4(n),根据公式(10)—(12)计算对应的2M+N倍精度角估值。
取θ1(n),θ2(n),θ3(n)中与前一时刻的角度纠正值最接近的值作为当前时刻的纠正值并记录相应的2M+N倍精度的相位整周模糊值k2M+N(n),同时将数据标志位置为非正确标志位。
步骤3.2、将每一次测量的数据标志位按位存储在一个固定长度数组中,当数组存满后,将数组按位移位,剔除旧的数据标志位,存入新的数据标志位,每次存储数据标志位后都要统计数组中非正确标志位的个数,用非正确标志位的个数除以数组长度计算错误概率:如果错误概率小于0.5,则继续按照上述纠正算法纠正;如果错误概率大于0.5,则将正确标志位取反,数据标志位中非正确标志位的个数相应发生变化,并将本次测量值θ2M+N(n)记为纠正值同时记录当前时刻的2M+N倍精度的相位整周模糊值k2M+N(n)。
步骤四、对本次存储的值和前τ=19个时刻存储的值进行比较,若两者之差大于检测门限值(这里取为4度),则累加边缘检测计数值;反之,则对边缘检测计数值清零。当边缘检测计数值大等于设定的门限(这里取15次)时,对后续Kalman滤波器进行初始化。
步骤五、对进行α-β平滑滤波得到
对步骤三得到的通过式
进行α-β滤波得到作为辅助卡尔曼滤波的发散判断依据。本实施例中,β1=0.95,α1=0.05。
步骤六、对进行角度微分得到角速度对进行α-β平滑滤波;
步骤6.1、利用步骤三得到的和前t(t定为31)时刻角度值进行角度微分,通过式(单次信号处理时间T=0.953ms)求出角速度(如果没有31个有效数据,则按照实际有效数据的个数进行平均)。
步骤6.2、对按下式进行α-β滤波,得到
本实施例中,β2=0.97,α2=0.03。
步骤七、对进行卡尔曼滤波得到θ'(n);
采用卡尔曼滤波器对步骤三得到的入射角估计值进行滤波,通过式:
得到滤波估计结果矩阵这里θ'(n),为当前时刻卡尔曼滤波结果的角度估计值、角速度估计值以及角加速度估计值;为上一时刻的卡尔曼滤波结果估计矩阵;为观测矩阵;Kn为滤波增益矩阵;H=[1 0 0]。
步骤八、Kalman发散判决与输出结果选择
步骤8.1、将步骤七中卡尔曼滤波估计结果矩阵中的角度值θ'(n)和步骤五中的α-β滤波角度值求差:如果差的绝对值不超过相应门限值(这里取10度),则选择卡尔曼滤波器输出的θ'(n)作为最终角度测量值;如果差的绝对值超过10度,则重新初始化卡尔曼滤波器,同时选择作为最终角度测量值。
步骤8.2、将步骤七中滤波估计结果矩阵中的角速度和步骤六中的滤波值求差:如果差的绝对值不超过相应门限值(这里取20度/秒),则选择卡尔曼滤波器输出的作为最终角速度测量值;如果差的绝对值超过20度/秒,则重新初始化卡尔曼滤波器,同时选择作为最终角速度测量值。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种鲁棒的相位干涉测角方法,其特征在于,包括以下步骤:
步骤一、将相位干涉仪的天线布局为一维四元线阵,天线1与天线2之间的距离和天线3与天线4之间的距离均为载波半波长的M倍,天线2与天线3之间的距离为载波半波长的N倍,其中,M、N均为正整数,M、N和2M+N两两互素且满足N-2M=1;
步骤二、利用四路天线测得的n时刻的相位φi'(n)进行逐次递推解模糊算法得到无模糊的角度估计值,其中,i=1,2,3,4表示天线序号;
步骤三、采用有限记忆算法对无模糊的角度估计值进行野值剔除得到
步骤四、将与前第τ个时刻的值进行比较,若两者之差大于设定的检测门限值则累加边缘检测计数值,反之,则对边缘检测计数值清零;当边缘检测计数值大于设定的门限时,对卡尔曼滤波器进行初始化;
步骤五、对进行α-β平滑滤波得到
步骤六、对进行卡尔曼滤波得到角度估计值θ'(n);
步骤七、对θ'(n)与求差值,若差值不超过设定门限值,则将θ'(n)作为最终角度测量值,否则,初始化卡尔曼滤波器,并将作为最终角度测量值。
2.如权利要求1所述的一种鲁棒的相位干涉测角方法,其特征在于,步骤二具体为:利用相位φi'(n)求得天线间的相位差,对相位差进行矢量平均,对矢量平均后的结果进行逐次递推解模糊算法得到无模糊的角度估计值,其中,每次递推之后对递推结果进行错误纠正后再进行下一次的递推运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581016.4A CN108802670B (zh) | 2018-06-05 | 2018-06-05 | 一种鲁棒的相位干涉测角方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581016.4A CN108802670B (zh) | 2018-06-05 | 2018-06-05 | 一种鲁棒的相位干涉测角方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108802670A CN108802670A (zh) | 2018-11-13 |
CN108802670B true CN108802670B (zh) | 2019-04-02 |
Family
ID=64087648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810581016.4A Active CN108802670B (zh) | 2018-06-05 | 2018-06-05 | 一种鲁棒的相位干涉测角方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108802670B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109049B (zh) * | 2019-03-27 | 2021-04-20 | 北京邮电大学 | 用于大规模天线角度估计的无迹卡尔曼滤波方法及装置 |
CN112946565B (zh) * | 2021-01-28 | 2022-09-13 | 上海微波设备研究所(中国电子科技集团公司第五十一研究所) | 一种卡尔曼滤波的干涉仪测向模糊纠错方法、系统及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7295150B2 (en) * | 2005-09-28 | 2007-11-13 | Honeywell International Inc. | Methods and systems for identifying high-quality phase angle measurements in an interferometric radar system |
CN103018713B (zh) * | 2012-12-24 | 2014-09-24 | 中国电子科技集团公司第五十四研究所 | 基于导航数字多波束接收阵列天线的卫星跟踪测角方法 |
CN104020465B (zh) * | 2014-06-03 | 2016-06-29 | 西安电子科技大学 | 基于八单元小孔径圆阵天线的外辐射源雷达测角方法 |
CN106125039B (zh) * | 2016-06-14 | 2018-11-27 | 河海大学 | 基于局域联合处理的改进空时自适应单脉冲测角方法 |
-
2018
- 2018-06-05 CN CN201810581016.4A patent/CN108802670B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108802670A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109387813B (zh) | 一种基于宽带雷达信号接收的高精度频率测量方法 | |
KR101783050B1 (ko) | 3축 자계 센서의 교정 방법 및 장치 | |
CN104080165B (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
CN108802670B (zh) | 一种鲁棒的相位干涉测角方法 | |
CN104699965B (zh) | 基于旋转干涉仪的近场源参数估计方法 | |
CN106204629A (zh) | 天基雷达与红外数据融合在轨动目标检测方法 | |
CN115308682B (zh) | 一种基于旋转基线的干涉仪测向方法及测向系统 | |
CN108508439B (zh) | 双机载sar对目标协同成像立体定位的方法 | |
Niedfeldt et al. | Recursive RANSAC: Multiple signal estimation with outliers | |
CN110672103B (zh) | 一种多传感器目标跟踪滤波方法及系统 | |
CN109324309B (zh) | 一种旋转单天线测角装置及其测量方法 | |
CN107633256A (zh) | 一种多源测距下联合目标定位与传感器配准方法 | |
CN109901104A (zh) | 一种通过估计时差解干涉仪测向模糊的方法 | |
CN113259837B (zh) | 基于角度估计和指纹定位算法的室内定位方法 | |
CN112014835B (zh) | 分布式稀疏阵列雷达在栅瓣模糊下的目标跟踪方法和装置 | |
CN117724035A (zh) | 基于两级校正的干涉仪测向定位方法 | |
CN115508824A (zh) | 多目标大数据关联融合跟踪方法及系统 | |
CN109190647B (zh) | 一种有源无源数据融合方法 | |
CN112240957B (zh) | 一种卫星导航干扰测向中天线幅相特性校正方法 | |
CN115877350B (zh) | 一种和差波束体制雷达时变目标角度估计方法和装置 | |
Meng et al. | A dynamic programming track-before-detect algorithm based on EKF for acceleration targets | |
CN108196221A (zh) | 一种基于多基线干涉仪角度模糊区间的去野值方法 | |
CN113837295A (zh) | 一种超声波传感器自动泊车的余弦相似关系计算方法 | |
CN109358324B (zh) | 基于地面监视雷达谱数据的目标检测方法 | |
CN112327052A (zh) | 一种快速高精度测频方法和系统 |
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 |