CN109977584B - 一种基于随机信号的定位方法及装置 - Google Patents

Abstract

本发明提供了一种基于随机信号的定位方法及装置，涉及信号定位技术领域。本发明所述的基于随机信号的定位方法，根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵；建立目标函数，确定最优的权重向量；重构所述系统模型；确定所述待测目标位置。本发明所述的基于随机信号的定位装置，包括建模模块、矩阵模块、算法模块、重构模块和定位模块。本发明所述的基于随机信号的定位方法及装置，通过遗传算法对随机信号源最优权重的估计，减小定位误差，从而达到提高随机信号导航定位精度的目的。

Description

一种基于随机信号的定位方法及装置

技术领域

本发明涉及信号定位技术领域，特别涉及一种基于随机信号的定位方法及装置。

背景技术

随着科技的发展，人们对定位服务的需求也日益强烈。在室外，随着GPS、北斗等卫星导航系统的完善和普及，定位精度服务已经基本满足人们的日常需求；然而在一些日常环境(城市高楼或室内)下，GPS等导航信号无法保证定位精度。目前，主要导航方法包括以下几种：(1)基于GPS、北斗等卫星信号的导航方法，该方法对于环境的要求需要开阔、无遮挡的环境，便于接收卫星信号，在地下、建筑物内部等环境对信号存在较大衰减时精度较差。(2)基于地磁匹配的定位方法，该方法需要当前导航环境存在较强烈的地磁异常，在地磁场变化平缓或存在较大电磁干扰，特别是墙内的钢筋等导磁性材料和众多电子设备的存在情况下定位精度较差。(3)基于惯性导航系统的方法，该方法虽然短时间内能够提供精确的导航定位信息，但是由于其存在积累误差，随时间的增加，误差越来越大，不适合单独使用。

考虑到上述情况，室内或城市中信号接收质量较好的随机信号导航的研究引起了人们的关注。随机信号指幅度未可预知但又服从一定统计特性的信号，随机信号的信号源包括数字广播、数字电视和手机基站等民用设施，信号易获取，信号质量好，能够提供误差不随时间积累的绝对定位信息，因此随机信号定位逐渐成为卫星导航系统的有效补充。而由于随机信号出现时间无法预知，持续时间不确定，其精度受环境和基站影响较大，使得基于随机信号的导航定位误差较大，定位不准确。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

有鉴于此，本发明旨在提出一种基于随机信号的定位方法及装置，以提高随机信号导航定位的精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于随机信号的定位方法，包括：根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；根据所述最优的权重向量，重构所述系统模型；根据重构后的所述系统模型，确定所述待测目标位置。

进一步的，所述建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵包括：建立所述导航模型中不同的随机信号源的观测量和所述待测目标位置的位置恒等式，确认所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵；根据所述位置恒等式确定所述系统模型。

进一步的，所述位置恒等式为：

式中，

其中，l_i和l_j分别为理想情况下不同的信号源s_i和s_j与所述待测目标位置之间的距离，L_i和L_j分别为理想情况下不同的信号源s_i和s_j与坐标系原点之间的距离，

和

分别为理想情况下不同的信号源s_i和s_j的坐标向量，(x_i,y_i,z_i)为理想情况下信号源s_i的坐标，(x_j,y_j,z_j)为理想情况下信号源s_j的坐标。

进一步的，所述引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵包括：采用最优设计思想，根据所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵建立不同的所述随机信号源的信息矩阵；引入权重向量，根据所有所述随机信号源的信息矩阵确定所述导航模型的信息矩阵；所述导航模型的信息矩阵为：

式中，M_i-1为所述随机信号源的信息矩阵，z_i-1为所述导航模型中不同的随机信号源在所述导航模型中的权重。

进一步的，所述随机信号源的信息矩阵为：

式中，

b_i-1为所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵。

进一步的，所述建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量包括：基于遗传算法，对所述导航模型的定位误差进行寻优，确定所述导航模型的定位误差的最小值；根据所述导航模型的定位误差的最小值确定所述最优的权重向量。

进一步的，所述目标函数满足：

式中，权重向量

Z_n为所述导航模型中不同的随机信号源在所述导航模型中的权重，M为所述导航模型的信息矩阵。

进一步的，所述最优的权重向量

满足：

进一步的，所述根据最优的权重向量，重构所述系统模型包括：根据所述最优的权重向量，确认所述导航模型中最优的信号源；确认所述待测目标位置到所述最优的信号源的观测量的传递矩阵；根据所述待测目标位置到所述最优的信号源的观测量的传递矩阵重构所述系统模型。

相对于现有技术，本发明所述的基于随机信号的定位方法具有以下优势：

(1)本发明所述的基于随机信号的定位方法，通过遗传算法对随机信号源最优权重的估计，以最优设计准则为依据，得到相应的最优导航模型，得到相同观测噪声下待测目标位置方差最小的导航模型，达到提高随机信号导航定位精度的目的。

(2)本发明所述的基于随机信号的定位方法，基于最优设计思想利用遗传算法确定随机信号最优导航模型的模型重构技术，针对随机信号源不固定的问题，当可用的随机信号源发生变化时，通过遗传算法重新估计导航模型中各随机信号源在约束条件下的最优权重，以保证由观测方差引起的解算方差最小。

本发明的另一目的在于提出一种基于随机信号的定位装置，包括建模模块、矩阵模块、算法模块、重构模块和定位模块；所述建模模块用于根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；所述矩阵模块用于引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；所述算法模块用于建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；所述重构模块用于根据所述最优的权重向量，重构所述系统模型；所述定位模块用于根据重构后的所述系统模型，确定所述待测目标位置。

所述基于随机信号的定位装置与上述基于随机信号的定位方法相对于现有技术所具有的优势相同，在此不再赘述。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明所述的基于随机信号的定位方法的流程图；

图2为本发明所述的随机信号定位导航原理图；

图3为本发明所述的各代最优个体目标函数值；

图4为本发明所述的各代个体目标函数值；

图5为本发明所述的原系统模型和重构模型下定位误差对比图；

图6为本发明所述的基于随机信号的定位装置的结构图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

另外，在本发明中未作详尽描述的内容，属于本领域技术人员的公知常识。

下面将参考附图并结合实施例来详细说明本发明。

实施例1

本发明是一种基于最优设计思想利用遗传算法确定随机信号最优导航模型的模型重构技术，针对随机信号源不固定的问题，当可用的随机信号源发生变化时，通过遗传算法重新估计导航模型中各随机信号源在约束条件下的最优权重，以保证由观测方差引起的解算方差最小。

随机信号作为一种非自主式的导航信号，当随机信号源发生改变时，其对应的观测方程也随之改变。根据最优设计准则，信息矩阵的特征值决定观测误差对状态估计量(待测目标位置)误差的影响。因此当观测方程发生改变时，相应的信息矩阵的特征值发生变化，为了保证导航模型的最优性能，需要重新构建导航模型。本方法就是通过对各信息矩阵的权重调整达到总的信息矩阵最优的目的，以保证系统模型的最优性，提高随机信号导航定位的精度。

结合图1所示，本发明提供的基于随机信号的定位方法包括如下步骤：

步骤1，根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵。

具体的，基站作为随机信号源，依照图2所示的导航原理图，根据TDOA(到达时间差)随机信号观测模型，设基站为s_i＝[x_i,y_i,z_i]，待测目标位置为u＝[x,y,z]，则基站s_i与待测目标位置u之间的距离l_i满足：

(l_i)²＝(x-x_i)²+(y-y_i)²+(z-z_i)²

其中l_i可由l_i＝ct_i确定，c为光在空气中的传播速度，t_i为基站s_i的信号传播到待测目标位置u的时间，t_i由传感器测定，从而能够确定l_i。

对于基站s_j相应的有(l_j)²＝(x-x_j)²+(y-y_j)²+(z-z_j)²，并将(l_i)²和(l_j)²两式作差有：

取j＝1有

其中，

令

c_i＝(l_i)²-(l₁)²-(L_i)²+(L₁)²，

故

c_i＝b_iu^T

上述式中，l_i和l_j分别为理想情况下不同的信号源s_i和s_j与所述待测目标位置之间的距离，L_i和L_j分别为理想情况下不同的信号源s_i和s_j与坐标系原点之间的距离，

和

分别为理想情况下不同的信号源s_i和s_j的坐标向量，(x_i,y_i,z_i)为理想情况下信号源s_i的坐标，(x_j,y_j,z_j)为理想情况下信号源s_j的坐标。

上述公式推导过程的具体含义为，根据随机信号的定位原理，定位软件可以根据接收到的每个基站信号的强弱，自动估算待测目标位置(例如手机等)到每个基站(随机信号源)的距离，这样通过多个基站(至少三个)就可以确定待测目标位置，基站越多，定位越准确；本实施例中，在定位过程中使用的基站数量为n+1，每个基站和待测目标位置u确定一个距离方程，在本实施例中，以基站s₁与待测目标位置u确定的距离方程(l₁)²＝(x-x₁)²+(y-y₁)²+(z-z₁)²为基准距离方程，将其它基站和待测目标位置u确定的距离方程与(l₁)²＝(x-x₁)²+(y-y₁)²+(z-z₁)²作差，从而可以确定导航模型中不同的随机信号源的观测量和待测目标位置之间的位置恒等式：

即c_i＝b_iu^T，其中i＝2,3,...,n，n+1，意味着存在n个随机信号源的观测量c_i以及与之对应的n个传递方程；随机信号源的观测量c_i指待测目标位置u对随机信号源的观测量；u^T为待测目标位置u的转置。需要说明的是，本实施例中以基站s₁与待测目标位置u确定的距离方程作为基准距离方程并不是唯一的实施方法，还可以选择其它基站和待测目标位置u确定的距离方程作为基准距离方程来确定位置恒等式进而确定随机信号源的观测量c_i。

当存在n个随机信号源的观测量c_i时，共得到n个与随机信号源的观测量c_i相应的传递方程：c_i＝b_iu^T，其中i＝2,3,...,n，n+1；c_i∈R^k×1，k为随机信号的信号源的观测量的维数；u为待测目标位置，u∈R^m×1，u^T为待测目标位置u的转置，m为待测目标位置u的维数；b_i为所述待测目标位置u到所述导航模型中不同的随机信号源的观测量c_i的传递矩阵，b_i∈R^{k ×m}；传递方程c_i＝b_iu^T与其参数限制构成了随机信号的信号源的观测量c_i与待测目标位置u之间的系统模型。

建立随机信号源的观测量c_i和待测目标位置u之间的传递方程，通过传递方程以及传递方程的具体参数限制来确定随机信号的信号源的观测量与待测目标位置之间的系统模型。

本实施例基于TDOA随机信号观测模型，TDOA定位是一种利用时间差进行定位的方法。通过测量信号到达监测站的时间，可以确定随机信号源的距离。利用随机信号源到各个监测站的距离(以监测站为中心，距离为半径作圆)，就能确定信号的位置。但是绝对时间一般比较难测量，通过比较信号到达各个监测站的绝对时间差，就能作出以监测站为焦点，距离差为长轴的双曲线，双曲线的交点就是信号的位置。除本实施例的TDOA定位外，还可采用TOA(到达角度)和AOA(到达时间)进行定位。

步骤2，引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重。

具体的，根据最优设计思想，根据所述待测目标位置u到所述导航模型中不同的随机信号源的观测量c_i的传递矩阵建立不同的所述随机信号源的信息矩阵M₁,M₂,...,M_n，以M_i-1表示随机信号源的信息矩阵，其中，

b_i-1为所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵，

T为转置符号。

其中，最优设计是指在给定因子空间内试验单元数相等的所有试验方案中，各回归系数的广义方差最小的试验方案。最优设计是在因子空间中可能产生的试验方案中信息矩阵行列式值最大，也是相关矩阵行列式值最小的试验方案。最优设计的出发点是优化回归方程的统计性质。最优设计试验方案通常用数值方法构造，先给定一个初始方案，然后用计算机构造出一系列方案的信息矩阵行列式值逐渐增大，并收敛于最优设计方案；最优设计可以是A最优设计和D最优设计，本发明对此不做限制；本说明书中以D最优设计来说明，对本发明的保护范围不构成限制。

引入权重向量

Z_n为所述导航模型中不同的随机信号源在所述导航模型中的权重；根据权重向量

确定随机信号源的信息矩阵的权重分布，根据随机信号源的信息矩阵的权重分布确定导航模型的信息矩阵M，具体来说是通过随机信号源的信息矩阵的权重分布对n个随机信号源的信息矩阵M₁,M₂,...,M_n进行加权求和，得到导航模型的信息矩阵M为

z_i-1为所述导航模型中不同的随机信号源在所述导航模型中的权重。

步骤3，建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小。

具体的，根据导航模型的信息矩阵建立导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，目标函数满足:

式中，0≤z_i-1≤1；

其中t为权重向量z的模约束，同时也是最优权重向量

的模约束，t为常数；

为矩阵元素均为1的列向量；T为矩阵转置符号。

根据系统的可观测性条件，至少需要三个方程能解得待测目标位置u，在本实施例中设需求解的方程数为3，因而在本实施例中权重向量z的模约束t取为3；此处依照求解待测目标位置的最低方程数量将t取为3，并不构成对t的限制，其他满足求解待测目标位置u的t值均在本发明的保护范围内。

在确定目标函数后，根据系统的内存情况等设置遗传算法的参数。

基本的遗传算法可以分为以下几个部分：

编码、确定目标函数、选择目标函数、交叉及变异。

通过遗传算法的目标函数和参数得到最优的权重向量

最优的权重向量

满足

在该步骤中，基于遗传算法，对所述导航模型的定位误差进行寻优，确定所述导航模型的定位误差的最小值；根据所述导航模型的定位误差的最小值确定所述最优的权重向量。

步骤4，根据所述最优的权重向量，重构所述系统模型。

通过所述最优的权重向量

得到的待测目标位置u为次优解，次优解逐渐逼近于最优解，而优化目标为选择三个系统方程满足解算误差最小，因此根据最优的权重向量

中的三个最大值作为重构系统模型的参数，其中，重构系统模型中，对应最优的权重向量

中的三个最大值的传递矩阵为b_p,b_q,b_r，即确认了导航模型中最优的随机信号源，与之对应的重构观测量为c_p,c_q,c_r；p，q，r各不相同，但均在2～n+1范围内。

因此重构后的系统为

从而确定待测目标位置u。

在该步骤中，根据所述最优的权重向量，确认所述导航模型中最优的信号源；确认所述待测目标位置到所述最优的信号源的观测量的传递矩阵；根据所述待测目标位置到所述最优的信号源的观测量的传递矩阵重构所述系统模型。

步骤5，根据重构后的所述系统模型，确定所述待测目标位置。

根据重构系统模型

其中

从而确定待测目标位置u。

基于随机信号的定位方法还包括，在确定所述待测目标位置后，判断是否有新的随机信号源，若否，定位结束，若是，则再次获取观测量，再次建立导航模型的观测量与待测目标位置之间的系统模型并按照上述步骤进行定位。

依照本发明的基于随机信号的定位方法，通过遗传算法对随机信号源最优权重的估计，以最优设计准则为依据，得到相同观测噪声下待测目标位置方差最小的导航定位模型，并在随机信号源发生改变时，通过调整相应随机信号源的权重值，保持导航定位模型的最优性，从而达到提高随机信号导航定位精度的目的。

实施例2

本实施例提供一种基于随机信号的定位方法，如图1和图2所示，具体流程包括：

在本实施例中，利用TDOA定位法进行随机信号导航，设基站为s_i＝[x_i,y_i,z_i]，待测目标位置为u，其坐标为u＝[x,y,z]；基站共7个，基站坐标分别为：

S₁＝(62.74°W,52.57°N,-3.1)，

S₂＝(64.91°W,47.56°N,3.3)，S₃＝(68.25°W,51.41°N,4.4)，S₄＝(66.92°W,52.35°N,2.2)，S₅＝(67.41°W,48.21°N,-5.6)

，S₆＝(62.35°W,54.23°N,2.9)，S₇＝(61.93°W,53.75°N,4.3)。

步骤1，根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵。根据随机信号的定位原理，当存在7个随机信号源时，得到6个随机信号源的观测量，共得到n＝6个相应的传递方程：c_i＝b_iu^T，其中i＝2,3,...,7。c_i为随机信号源的观测量，c_i∈R^1×1，

b_i∈R^1×3，u为待测目标位置，u∈R^3×1，u^T为待测目标位置u的转置，i＝2,3,...,7。

步骤2，引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重。

根据D最优设计思想，分别建立当前所有6个随机信号源的信息矩阵M₁,M₂,...,M₆，6个信息矩阵分别为：

引入权重向量

根据权重向量

确定随机信号源的信息矩阵的权重分布，根据随机信号源的信息矩阵的权重分布确定导航模型的信息矩阵M为

步骤3，建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小。

具体的，根据导航模型的信息矩阵建立导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，目标函数满足:

式中，0≤z_i-1≤1；

其中t为权重向量z的模约束，t为常数；T为矩阵转置符号；

根据遗传算法和系统内存情况，遗传算法的参数设为：种群大小PopulationSize＝100；搜索范围PopInitRange＝[0,1]；交叉率CrossoverFraction＝0.65；变异率MigrationFraction＝0.05；进化代数Generation＝100；

需要说明的是，种群大小、搜索范围、交叉率、变异率和进化代数的取值不限于上述提到的情况，具体以实际需求为准。

通过目标函数和遗传算法的参数得到最优的权重向量为：

从而得到如图3所示的各代最优个体目标函数值，以及如图4所示的各代个体目标函数值。

步骤4，根据所述最优的权重向量，重构所述系统模型。

通过最优的权重向量

得到的待测目标位置u为次优解，次优解逐渐逼近于最优解，而优化目标为选择三个系统方程满足解算误差最小，因此根据最优的权重向量

中的三个最大值0.9487、0.9396和0.9581作为重构系统模型的参数，令p＝2，q＝3，r＝5，则重构系统模型中，传递矩阵为b₂,b₃,b₅，与之对应的重构观测量为c₂,c₃,c₅。

因此重构后的系统为

从而确定待测目标位置u。

步骤5，根据重构后的所述系统模型，确定所述待测目标位置。

根据重构后的系统模型

其中

从而确定待测目标位置u；

在相同观测误差条件下，令权重向量z的模约束t为3，得到原系统模型为

c＝[b₁ b₂ b₃]^Tu

原系统误差与重构后的误差如图5所示，其中，图5中分别展示了x轴、y轴和z轴的误差，以x轴误差图为例，图5中示出了两条误差曲线，位于上方的为原系统模型的误差，位于下方的为重构后的系统模型误差，y轴和z轴误差同上；通过遗传算法对系统模型进行重构，降低了误差，从而提高随机信号导航定位精度。

基于随机信号的定位方法还包括，在确定所述待测目标位置后，判断是否有新的随机信号源，若否，定位结束，若是，则再次获取观测量，再次建立导航模型的观测量与待测目标位置之间的系统模型并进行定位。

本实施例通过实例展示了依照本发明的基于随机信号的定位方法提高定位精度的过程。通过遗传算法对随机信号源最优权重的估计，以最优设计准则为依据，得到相应的最优组合模型，得到相同观测噪声下待测目标位置方差最小的导航模型，并在随机信号源发生改变时，通过调整相应信号源的权重值，保持导航模型的最优性，从而达到提高随机信号导航定位精度的目的。

实施例3

本实施例提供一种基于随机信号的定位装置，结合图6所示，本发明的基于随机信号的定位装置包括建模模块、矩阵模块、算法模块、重构模块和定位模块。

以下对建模模块、矩阵模块、算法模块、重构模块和定位模块的具体工作过程，结合基于随机信号的定位方法进行说明。

所述建模模块用于根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；

所述矩阵模块用于引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；

所述算法模块用于建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；

所述重构模块用于根据所述最优的权重向量，重构所述系统模型；

所述定位模块用于根据重构后的所述系统模型，确定所述待测目标位置。

其中，矩阵模块依照最优设计，根据所述系统模型和权重向量确定所述导航模型的信息矩阵；最优设计是指在给定因子空间内试验单元数相等的所有试验方案中，各回归系数的广义方差最小的试验方案。最优设计是在因子空间中可能产生的试验方案中信息矩阵行列式值最大，也是相关矩阵行列式值最小的试验方案。最优设计的出发点是优化回归方程的统计性质。最优设计试验方案通常用数值方法构造，先给定一个初始方案，然后用计算机构造出一系列方案的信息矩阵行列式值逐渐增大，并收敛于最优设计方案；本发明的最优设计思想包括但不限于实施例所提供的D最优设计和A最优设计思想。

其中，定位模块依照卡尔曼滤波算法进行导航解算。

本实施例展示了依照基于随机信号的定位装置实现基于随机信号的定位方法的过程。通过建模模块，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；通过矩阵模块依照最优设计思想，引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；通过算法模块，建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；通过重构模块，根据所述最优的权重向量，重构所述系统模型；通过定位模块，根据重构后的所述系统模型，确定所述待测目标位置，从而得到低误差的定位结果，达到提高随机信号导航定位精度的目的。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (6)

1.一种基于随机信号的定位方法，其特征在于，包括：

根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；

引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；

建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；

根据所述最优的权重向量，重构所述系统模型；

根据重构后的所述系统模型，确定所述待测目标位置；

所述建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵包括：

建立所述导航模型中不同的随机信号源的观测量和所述待测目标位置的位置恒等式，确认所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵；

根据所述位置恒等式确定所述系统模型；

所述位置恒等式为：

式中，

其中，l_i和l_j分别为理想情况下不同的信号源s_i和s_j与所述待测目标位置之间的距离，L_i和L_j分别为理想情况下不同的信号源s_i和s_j与坐标系原点之间的距离，

和

分别为理想情况下不同的信号源s_i和s_j的坐标向量，(x_i,y_i,z_i)为理想情况下信号源s_i的坐标，(x_j,y_j,z_j)为理想情况下信号源s_j的坐标，u为待测目标位置；

所述引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵包括：

采用最优设计思想，根据所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵建立不同的所述随机信号源的信息矩阵；

引入权重向量，根据所有所述随机信号源的信息矩阵确定所述导航模型的信息矩阵；

所述导航模型的信息矩阵为：

式中，M_i-1为所述随机信号源的信息矩阵，z_i-1为所述导航模型中不同的随机信号源在所述导航模型中的权重；

所述随机信号源的信息矩阵为：

式中，

b_i-1为所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵。

2.根据权利要求1所述的基于随机信号的定位方法，其特征在于，所述建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量包括：

基于遗传算法，对所述导航模型的定位误差进行寻优，确定所述导航模型的定位误差的最小值；

根据所述导航模型的定位误差的最小值确定所述最优的权重向量。

3.根据权利要求2所述的基于随机信号的定位方法，其特征在于，所述目标函数满足：

式中，权重向量

Z_n为所述导航模型中不同的随机信号源在所述导航模型中的权重，M为所述导航模型的信息矩阵。

4.根据权利要求3所述的基于随机信号的定位方法，其特征在于，所述最优的权重向量

满足：

5.根据权利要求1所述的基于随机信号的定位方法，其特征在于，所述根据最优的权重向量，重构所述系统模型包括：

根据所述最优的权重向量，确认所述导航模型中最优的信号源；

确认所述待测目标位置到所述最优的信号源的观测量的传递矩阵；

根据所述待测目标位置到所述最优的信号源的观测量的传递矩阵重构所述系统模型。

6.一种基于随机信号的定位装置，其特征在于，包括建模模块、矩阵模块、算法模块、重构模块和定位模块；

所述建模模块用于根据随机信号的定位原理，建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵；

所述矩阵模块用于引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵，其中，所述权重向量的元素为所述导航模型中不同的随机信号源在所述导航模型中的权重；

所述算法模块用于建立所述导航模型的定位误差与所述导航模型的信息矩阵之间的目标函数，确定最优的权重向量，使所述导航模型的定位误差最小；

所述重构模块用于根据所述最优的权重向量，重构所述系统模型；

所述定位模块用于根据重构后的所述系统模型，确定所述待测目标位置；

所述建立导航模型的观测量与待测目标位置之间的系统模型，确定所述待测目标位置到所述导航模型的观测量的传递矩阵包括：

建立所述导航模型中不同的随机信号源的观测量和所述待测目标位置的位置恒等式，确认所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵；

根据所述位置恒等式确定所述系统模型；

所述位置恒等式为：

式中，

其中，l_i和l_j分别为理想情况下不同的信号源s_i和s_j与所述待测目标位置之间的距离，L_i和L_j分别为理想情况下不同的信号源s_i和s_j与坐标系原点之间的距离，

和

分别为理想情况下不同的信号源s_i和s_j的坐标向量，(x_i,y_i,z_i)为理想情况下信号源s_i的坐标，(x_j,y_j,z_j)为理想情况下信号源s_j的坐标，u为待测目标位置；

所述引入权重向量，根据所述传递矩阵建立导航模型的信息矩阵包括：

采用最优设计思想，根据所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵建立不同的所述随机信号源的信息矩阵；

引入权重向量，根据所有所述随机信号源的信息矩阵确定所述导航模型的信息矩阵；

所述导航模型的信息矩阵为：

式中，M_i-1为所述随机信号源的信息矩阵，z_i-1为所述导航模型中不同的随机信号源在所述导航模型中的权重；

所述随机信号源的信息矩阵为：

式中，

b_i-1为所述待测目标位置到所述导航模型中不同的随机信号源的观测量的传递矩阵。

Images