CN109239653B - 一种基于子空间分解的多辐射源被动直接时差定位方法 - Google Patents

一种基于子空间分解的多辐射源被动直接时差定位方法 Download PDF

Info

Publication number
CN109239653B
CN109239653B CN201811023816.0A CN201811023816A CN109239653B CN 109239653 B CN109239653 B CN 109239653B CN 201811023816 A CN201811023816 A CN 201811023816A CN 109239653 B CN109239653 B CN 109239653B
Authority
CN
China
Prior art keywords
time difference
position coordinates
radiation source
subspace
observation
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
Application number
CN201811023816.0A
Other languages
English (en)
Other versions
CN109239653A (zh
Inventor
彭志华
郝克钢
万群
陈向明
王长生
郭贤生
刘翼鹏
庄杰
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.)
Tong Fang Electronic Science & Technology Co ltd
University of Electronic Science and Technology of China
Original Assignee
Tong Fang Electronic Science & Technology Co ltd
University of Electronic Science and Technology of China
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 Tong Fang Electronic Science & Technology Co ltd, University of Electronic Science and Technology of China filed Critical Tong Fang Electronic Science & Technology Co ltd
Priority to CN201811023816.0A priority Critical patent/CN109239653B/zh
Publication of CN109239653A publication Critical patent/CN109239653A/zh
Application granted granted Critical
Publication of CN109239653B publication Critical patent/CN109239653B/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

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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于信号与信息处理技术领域，涉及一种基于子空间分解的多辐射源被动直接时差定位方法。本发明采用被动直接时差定位方法，不估计中间参数，避免引入中间参数估计误差和多站之间的中间参数配对，从而可解决两步法在定位多个时频重叠的辐射源的场景中不再适用的问题，并针对多个辐射源的分辨问题，采用基于子空间分解的超分辨定位方法来提高定位的分辨率。

Description

一种基于子空间分解的多辐射源被动直接时差定位方法
技术领域
本发明属于信号与信息处理技术领域，涉及一种基于观测网络接收信号样本协方差矩阵子空间分解的多辐射源被动直接时差定位方法。
背景技术
目前，大部分无源定位技术可分为两步法和直接法两大类。两步法首先利用多个观测站的接收信号估计信号的到达角度、到达时间差或者到达频率差等中间参数，然后采用几何方法或统计方法估计辐射源的位置。而直接法不估计这些中间参数，直接建立由辐射源位置表示的参数化数据模型，通过拟合信号来估计辐射源位置。相对于直接法而言，两步法以其低计算量的特点在军事和民用领域被广泛应用。
但是，两步法在估计中间参数时会引入估计误差，导致低信噪比条件下利用中间参数计算辐射源位置的精度很低；而在定位多个同频辐射源的场景中，两步法还需要额外解决多组中间参数的关联问题，导致算法不稳健；再有就是两步法估计的多组中间参数由于存在估计误差，几何上无法严格约束在一点上，导致估计结果在一个区域内，降低了算法分辨率。因此，当有多个时频重叠的辐射源信号存在时，各个辐射源信号的到达时间差或者到达频率差等中间参数难以逐个估计、分辨和站间配对，导致两步法不再适用。
发明内容
本发明的目的是针对背景技术存在的问题，采用被动直接时差定位方法，不估计中间参数，避免引入中间参数估计误差和多站之间的中间参数配对，从而可解决两步法在定位多个时频重叠的辐射源的场景中不再适用的问题，并针对多个辐射源的分辨问题，采用基于子空间分解的超分辨定位方法来提高定位的分辨率。
为实现上述技术目的，本发明采用如下技术方案：
步骤1：初始化设置，将辐射源位置坐标的搜索网格、观测网络中各观测站的位置坐标写入主机内存；
步骤2：将各观测站的接收信号序列进行离散傅里叶变换后拼接得到总的观测样本向量，并利用多帧观测样本向量计算样本协方差矩阵并将其谱分解得到噪声子空间和辐射源个数。
步骤3：利用噪声子空间与由位置坐标参数化的时差矩阵的正交性构造搜索目标函数。
步骤4：在同频辐射源位置坐标的搜索网格上搜索目标函数峰值估计辐射源的位置坐标。
进一步地，所述步骤1的具体执行过程如下：
初始化设置，将同频辐射源位置坐标的搜索网格lk∈Ω,k＝1,...,K和各观测站的位置坐标pn,n＝1,...,N写入主机内存。
进一步地，所述步骤2的具体执行过程如下：
将各观测站的接收信号序列进行离散傅里叶变换后拼接得到总的观测样本向量
Figure BDA0001788028840000021
Figure BDA0001788028840000022
其中，
Figure BDA0001788028840000023
是第n个观测站接收信号的第t帧离散频谱向量，fm,m＝1,...,M为频点。
利用L帧观测样本向量计算样本协方差矩阵
Figure BDA0001788028840000024
Figure BDA0001788028840000025
将
Figure BDA0001788028840000026
谱分解，并将特征值分为组内方差最小且组间均值差最大的两组特征值：
Figure BDA0001788028840000027
其中，
Figure BDA0001788028840000028
和
Figure BDA0001788028840000029
分别为大特征值组为对角元素的对角矩阵和小特征值组为对角元素的对角矩阵；小特征值组对应的特征向量构成噪声子空间
Figure BDA00017880288400000210
大特征值组对应的特征向量构成信号子空间
Figure BDA00017880288400000211
辐射源个数P等于对角矩阵ΛS阶数的
Figure BDA00017880288400000212
进一步地，所述步骤3的具体执行过程如下：
位置坐标lk参数化的时差矩阵为：
Figure BDA0001788028840000031
利用噪声子空间UN与由位置坐标lk参数化的时差矩阵Qn(lk)的正交性构造搜索目标函数：
Figure BDA0001788028840000032
其中，λmin(·)表示求最小特征值；
Ψ(lk)＝[Vec(G1Q1(lk))Vec(G2Q2(lk))…Vec(GNQN(lk))]，Vec(·)为向量化运算。
Figure BDA0001788028840000033
即将噪声子空间的转置
Figure BDA0001788028840000034
按每M列分块。
进一步地，所述步骤4的具体执行过程如下：
在同频辐射源位置坐标的搜索网格上搜索目标函数最大的P个峰值坐标：
Figure BDA0001788028840000035
本发明方法确定的辐射源位置为：
Figure BDA0001788028840000036
与现有技术相比，本发明方案的有益效果是：
在多个时频重叠的辐射源被动定位场景中，本发明采用直接时差定位方法克服中间参数估计、分辨、配对的问题，本发明方法具有定位精度高、稳健、超分辨等特点。
具体实施方式
下面结合实施例对本发明进行详细的描述：
实施例
本例以利用直角坐标分别为(-250,-150)米、(-250,150)米、(250,150)米和(250,-150)米的4个观测站接收信号对位于观测站围成的区域内的3个同频辐射源(-100,-100)米、(-150,120)米、(200,-50)米进行定位为例来考察本发明的定位效果。
为了考察本发明的定位方法抑制误差的能力，4个观测站接收信号均包含零均值加性高斯白噪声，信噪比设为20dB，辐射源信号带宽为2MHZ，离散傅里叶变换频点数为32个，观测信号帧数为1280帧。
本例的流程如下：
步骤1：初始化设置，将同频辐射源位置坐标的搜索网格x＝-250：3：250米，y＝-150：3：150米，4个观测站的位置坐标(-250，-150)米、(-250，150)米、(250，150)米和(250，-150)米，写入主机内存。
步骤2：利用1280帧观测样本向量计算样本协方差矩阵：
Figure BDA0001788028840000041
样本协方差矩阵谱分解得到的两组特征值：
Figure BDA0001788028840000042
噪声子空间：
Figure BDA0001788028840000043
辐射源个数为较大特征值组成员数96的1/32，即3个。
步骤3：在同频辐射源位置坐标的搜索网格x＝-250:3:250米；y＝-150:3:150米上搜索目标函数3个最大峰值坐标为：
(-100，-99，42.05)、(200，-51，25.96)、(-148，120，12.92)
3个辐射源的位置估计为：(-100，-99)、(200，-51)、(-148，120)，单位：米。
可见，在信噪比为20dB的情况下，本发明方法确定的辐射源位置估计误差分别为1米、2米、1米。

Claims (5)

1.一种基于子空间分解的多辐射源被动直接时差定位方法，其特征在于，包括以下步骤：
步骤1：初始化设置，将辐射源位置坐标的搜索网格、观测网络中各观测站的位置坐标写入主机内存；
步骤2：将各观测站的接收信号序列进行离散傅里叶变换后拼接得到总的观测样本向量，并利用多帧观测样本向量计算样本协方差矩阵并将其谱分解得到噪声子空间和辐射源个数；
步骤3：利用噪声子空间与由位置坐标参数化的时差矩阵的正交性构造搜索目标函数；
步骤4：在同频辐射源位置坐标的搜索网格上搜索目标函数峰值估计辐射源的位置坐标。
2.根据权利要求1所述的一种基于子空间分解的多辐射源被动直接时差定位方法，其特征在于，所述步骤1的具体执行过程如下：
初始化设置，将同频辐射源位置坐标的搜索网格lk∈Ω,k＝1,...,K和各观测站的位置坐标pn,n＝1,...,N写入主机内存。
3.根据权利要求2所述的一种基于子空间分解的多辐射源被动直接时差定位方法，其特征在于，所述步骤2的具体执行过程如下：
将各观测站的接收信号序列进行离散傅里叶变换后拼接得到总的观测样本向量
Figure FDA0001788028830000011
Figure FDA0001788028830000012
其中，
Figure FDA0001788028830000013
是第n个观测站接收信号的第t帧离散频谱向量，fm,m＝1,...,M为频点；
利用L帧观测样本向量计算样本协方差矩阵
Figure FDA0001788028830000014
Figure FDA0001788028830000021
将
Figure FDA0001788028830000022
谱分解，并将特征值分为组内方差最小且组间均值差最大的两组特征值：
Figure FDA0001788028830000023
其中，
Figure FDA0001788028830000024
和
Figure FDA0001788028830000025
分别为大特征值组为对角元素的对角矩阵和小特征值组为对角元素的对角矩阵；小特征值组对应的特征向量构成噪声子空间
Figure FDA0001788028830000026
大特征值组对应的特征向量构成信号子空间
Figure FDA0001788028830000027
辐射源个数P等于对角矩阵ΛS阶数的
Figure FDA0001788028830000028
4.根据权利要求3所述的一种基于子空间分解的多辐射源被动直接时差定位方法，其特征在于，所述步骤3的具体执行过程如下：
位置坐标lk参数化的时差矩阵为：
Figure FDA0001788028830000029
利用噪声子空间UN与由位置坐标lk参数化的时差矩阵Qn(lk)的正交性构造搜索目标函数：
Figure FDA00017880288300000210
其中，λmin(·)表示求最小特征值；
Ψ(lk)＝[Vec(G1Q1(lk)) Vec(G2Q2(lk)) … Vec(GNQN(lk))]，Vec(·)为向量化运算；
Figure FDA00017880288300000211
即将噪声子空间的转置
Figure FDA00017880288300000212
按每M列分块。
5.根据权利要求4所述的一种基于子空间分解的多辐射源被动直接时差定位方法，其特征在于，所述步骤4的具体执行过程如下：
在同频辐射源位置坐标的搜索网格上搜索目标函数最大的P个峰值坐标：
Figure FDA0001788028830000031
则确定的辐射源位置为：
Figure FDA0001788028830000032
CN201811023816.0A 2018-09-04 2018-09-04 一种基于子空间分解的多辐射源被动直接时差定位方法 Active CN109239653B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811023816.0A CN109239653B (zh) 2018-09-04 2018-09-04 一种基于子空间分解的多辐射源被动直接时差定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811023816.0A CN109239653B (zh) 2018-09-04 2018-09-04 一种基于子空间分解的多辐射源被动直接时差定位方法

Publications (2)

Publication Number Publication Date
CN109239653A CN109239653A (zh) 2019-01-18
CN109239653B true CN109239653B (zh) 2022-11-15

Family

ID=65060374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811023816.0A Active CN109239653B (zh) 2018-09-04 2018-09-04 一种基于子空间分解的多辐射源被动直接时差定位方法

Country Status (1)

Country Link
CN (1) CN109239653B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110133583B (zh) * 2019-04-23 2022-03-18 四川九洲电器集团有限责任公司 基于离散时间驱动的信号toa测量方法和装置
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
CN113407903B (zh) * 2021-08-20 2021-12-24 成都云溯新起点科技有限公司 一种基于平滑拟合的频谱拼接方法
CN116203501B (zh) * 2023-04-27 2024-01-05 中国人民解放军战略支援部队航天工程大学 基于频域互模糊函数插值映射辐射源无源定位方法和设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349748A (zh) * 2008-08-29 2009-01-21 西安电子科技大学 多输入多输出雷达系统目标定位方法
CN106371088A (zh) * 2016-08-23 2017-02-01 电子科技大学 基于clean的多个非合作发射源被动定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7973716B2 (en) * 2005-01-19 2011-07-05 The Charles Stark Draper Laboratory, Inc. Systems and methods for transparency mapping using multipath signals

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349748A (zh) * 2008-08-29 2009-01-21 西安电子科技大学 多输入多输出雷达系统目标定位方法
CN106371088A (zh) * 2016-08-23 2017-02-01 电子科技大学 基于clean的多个非合作发射源被动定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Joint TDOA-DOA localization scheme for passive coherent location systems;Meng-Chang Hua et al.;《2012 8th International Symposium on Communication Systems, Networks & Digital Signal Processing (CSNDSP)》;20121231;全文 *
"快速子空间估计方法研究及其在阵列信号处理中的应用";黄磊;《中国优秀博硕士学位论文全文数据库 (博士)》;20050615;全文 *

Also Published As

Publication number Publication date
CN109239653A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109239653B (zh) 一种基于子空间分解的多辐射源被动直接时差定位方法
CN112615801B (zh) 基于压缩感知和深度学习的信道估计方法、介质及设备
CN111337893A (zh) 一种基于实值稀疏贝叶斯学习的离格doa估计方法
CN111157943B (zh) 在异步网络中基于toa的传感器位置误差抑制方法
CN104021293A (zh) 一种基于结构最小二乘法的联合到达角-频率估计方法
CN108226855B (zh) 互耦情况下的远近场非圆联合参数估计方法
CN110954860B (zh) 一种doa和极化参数估计方法
CN113238227A (zh) 一种结合深度学习的改进最小二乘相位解缠方法及系统
CN109696651B (zh) 一种基于m估计的低快拍数下波达方向估计方法
CN113835063B (zh) 一种无人机阵列幅相误差与信号doa联合估计方法
Lii et al. Estimation for almost periodic processes
CN105572629B (zh) 一种适用于任意阵列结构的低运算复杂度的二维测向方法
Artyushenko et al. The demodulation signal under the influence of additive and multiplicative non-Gaussian noise
CN111007457B (zh) 一种基于块稀疏贝叶斯模型的辐射源直接定位方法
CN104407319A (zh) 阵列信号的目标源测向方法和系统
CN115826004B (zh) 一种基于二维角度及时差联合的三星协同直接定位方法
CN109917330B (zh) 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法
WO2017049914A1 (zh) 一种终端定位方法、装置及系统
CN112881971B (zh) 电磁方向性互耦效应下相干干扰源测向方法
CN113970762B (zh) 一种多级干扰源定位方法及系统
CN114488150A (zh) 一种InSAR时序相位的优化方法及装置
CN109581422B (zh) 一种基于子空间误差修正的线性扫频干扰抑制方法及系统
CN115290079A (zh) 基于最小方差无偏有限脉冲响应的机器人定位方法及系统
CN111983561A (zh) 接收机位置误差下多无人机目标的tdoa定位方法
CN111060883B (zh) 一种无人机干涉sar时变基线误差估计和补偿方法

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