CN111273228B - 一种基于遍历搜索策略的多相干源定位方法 - Google Patents
一种基于遍历搜索策略的多相干源定位方法 Download PDFInfo
- Publication number
- CN111273228B CN111273228B CN201910385216.7A CN201910385216A CN111273228B CN 111273228 B CN111273228 B CN 111273228B CN 201910385216 A CN201910385216 A CN 201910385216A CN 111273228 B CN111273228 B CN 111273228B
- Authority
- CN
- China
- Prior art keywords
- positioning
- detection area
- representative points
- representative
- representative point
- 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
- 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
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于遍历搜索策略的多相干源定位方法,包括以下步骤:S100建立定位系统、收集定位数据;S200选取探测区域,将探测区域微元化,设定探测区域代表点;S300遍历搜索探测区域代表点,与定位数据做关联性对比,对代表点关联性结果量化处理;S400设定关联性强弱的检测门限,筛选出满足条件的所有代表点,做聚类处理后,得出最终的定位结果。本发明所设计的方法有效地提高了定位运算速度,并使传统的几何定位模型具备了多相干源定位的能力。
Description
技术领域
本发明属于水声定位技术领域,特别是涉及一种基于遍历搜索策略的多相干源定位方法。
背景技术
随着水声工程领域的迅速发展,水声定位技术一直是该领域研究的热点。水声定位技术在海洋工程的各个领域中发挥着重要作用。在民用方面,水声定位技术几乎遍布整个海洋开发领域,为海洋油气开发、深海鱼群探测以及海洋救援等各个领域提供了精准的定位支持;在军用方面,水声定位系统可用于定位敌我水下目标,是有效实施敌我对抗的关键。
长期以来,国内外研究人员针对水下目标定位技术做出了大量的努力,如今,水下目标定位的主要手段是基于几何原理的声学定位方法。依照水声定位系统的基阵尺寸划分,可将水声定位系统分为长基线(Long Base Line)、短基线(Short Base Line)和超短基线(Ultra Short Base Line)。当前基于几何原理的声学定位方法有以下几类:(1)利用信号到达角度定位(Angle ofArrival,AOA):根据信号到达基阵的方位角,建立目标与基阵的空间关系,进而解算目标空间位置;(2)利用信号到达时间定位(Time ofArrival,TOA):根据信号到达时间及水下声速,建立球面交汇模型,进而解算目标空间位置;(3)利用信号到达时间差定位(Time Difference ofArrival,TDOA):根据信号到达时间差及水下声速,建立双曲面交汇模型,进而解算目标空间位置。
在实际的工程应用中,很多情况下在观测区域内很可能存在着多个目标,若这些目标是的声学特性相同的相干目标,无法通过接收信号区分其来自哪个目标时,则利用上述传统的声学几何方法定位存在着测量数据与目标的匹配问题,如果不对测量数据进行处理而直接求解,理论上,可以利用穷举法列举出全部可能的测量数据-目标匹配结果,但是计算量将大大增加且存在大量的虚假解。为此我们发明了一种基于遍历搜索策略的多相干源定位方法,以解决水下多相干静止目标定位中存在的以上问题。
发明内容
本发明公开了一种基于遍历搜索策略的多相干源定位方法,目的是为了解决水下多相干目标定位中观测数据与目标匹配问题。
本发明通过以下技术方案实现:一种基于遍历搜索策略的多相干源定位方法,包括以下步骤:
S100建立定位系统、收集定位数据;
S200选取探测区域,将探测区域微元化,设定探测区域代表点;
S300遍历搜索探测区域代表点,与定位数据做关联性对比,对代表点关联性结果量化处理;
S400设定关联性强弱的检测门限,筛选出满足条件的所有代表点,做聚类处理后,得出最终的定位结果。
进一步的,在步骤S100中,所述建立定位系统,具体为:
本发明的多相干源定位方法适用于纯TOA、TDOA、AOA定位及TOA/TDOA/AOA融合定位。
进一步的,在步骤S200中,具体的,
S210选取探测区域:根据先验知识,划定出目标可能存在的空间位置,将该空间设定为探测区域,以减少定位运算量;
S220划分探测区域,设定代表点:将探测区域划分为一系列的微小单元,而后,选取该微小单元内的一点作为该区域的代表点,只要该区域内任何一点到该代表点的距离最大值小于定位的精度要求,就可以忽略由观测区域划分而引起的量化误差。
进一步的,在步骤S300中,还包括以下步骤:
S310首先根据定位系统,建立关联性检测方程:
以二维TOA定位系统为例,设定目标在平面直角坐标系xOy内的坐标为(x,y),定位系统阵元位置坐标为(xi,yi)i=1,2...N,水下声波传播平均速度为c,则定位方程为:
S320与定位数据做关联性对比:
遍历代表点,将代表点带入到方程组(1)中,可求得当前代表点对应的时延值
若当前代表点近似满足方程组中的某个方程(解算结果的偏差小于某设定的门限值th,门限值th与参数的估计误差有关,一般会取参数估计误差的2~3倍),也即:
即表明当前代表点与当前测量数据的关联性强;
S330关联性结果量化:
利用方程组投票机制做量化处理,依据代表点满足方程组中方程数的个数,满足的方程数越多,当前代表点获得的票数越多,最终得到探测区域关联性强弱值。
进一步的,在步骤S400中,具体的,设定票数检测门限,若某代表点获得来自于全部方程的投票,则该代表点近似满足定位方程组,即认定该代表点为某一目标位置,最后对筛选出的所有代表点做聚类处理后,得出最终的定位结果。
本发明的有益效果在于:本发明提出的一种基于遍历搜索策略的多相干源定位方法的时间复杂度主要来自于划分探测区域后遍历搜索带来的循环,循环的次数与探测区域的个数为同一数量级,但远小于阶乘的数量级,有效地提高了定位运算速度,并使传统的几何定位模型具备了多相干源定位的能力。
附图说明
图1为本发明的一种基于遍历搜索策略的多相干源定位方法的流程图;
图2为多相干源定位原理示意图;
图3为TOA定位各代表点投票结果示意图;
图4为TOA定位投票结果筛选示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供了一种基于遍历搜索策略的多相干源定位方法的一实施例,包括以下步骤:
S100建立定位系统、收集定位数据;
S200选取探测区域,将探测区域微元化,设定探测区域代表点;
S300遍历搜索探测区域代表点,与定位数据做关联性对比,对代表点关联性结果量化处理;
S400设定关联性强弱的检测门限,筛选出满足条件的所有代表点,做聚类处理后,得出最终的定位结果。
在本部分优选实施例中,在步骤S100中,所述建立定位系统,具体为:
本发明的多相干源定位方法适用于纯TOA、TDOA、AOA定位及TOA/TDOA/AOA融合定位。结合TOA定位,本方法的多相干源定位原理示意图如图2所示,由该图可看到定位系统的阵元,目标存在位置以及观测区域内的代表点。
在本部分优选实施例中,在步骤S200中,具体的,
S210选取探测区域:根据先验知识,划定出目标可能存在的空间位置,将该空间设定为探测区域,以减少定位运算量;
S220划分探测区域,设定代表点:将探测区域划分为一系列的微小单元,而后,选取该微小单元内的一点作为该区域的代表点,只要该区域内任何一点到该代表点的距离最大值小于定位的精度要求,就可以忽略由观测区域划分而引起的量化误差。
在本部分优选实施例中,在步骤S300中,还包括以下步骤:
S310首先根据定位系统,建立关联性检测方程:
以二维TOA定位系统为例,设定目标在平面直角坐标系xOy内的坐标为(x,y),定位系统阵元位置坐标为(xi,yi)i=1,2...N,水下声波传播平均速度为c,则定位方程为:
S320与定位数据做关联性对比:
遍历代表点,将代表点带入到方程组(1)中,可求得当前代表点对应的时延值
若当前代表点近似满足方程组中的某个方程(解算结果的偏差小于某设定的门限值th,门限值th与参数的估计误差有关,一般会取参数估计误差的2~3倍),也即:
即表明当前代表点与当前测量数据的关联性强;
S330关联性结果量化:
利用方程组投票机制做量化处理,依据代表点满足方程组中方程数的个数,满足的方程数越多,当前代表点获得的票数越多,最终得到探测区域关联性强弱值。
在本部分优选实施例中,在步骤S400中,具体的,设定票数检测门限,若某代表点获得来自于全部方程的投票,则该代表点近似满足定位方程组,即认定该代表点为某一目标位置,最后对筛选出的所有代表点做聚类处理后,得出最终的定位结果。
实施算例:
下面利用MATLAB软件仿真上述步骤,并验证本发明的可行性。
设定定位系统有四个探测阵元,构成400×400m矩形探测区域,位置坐标为:B1(0,0),B2(0,400),B3(400,400),B4(400,0)。假定区域内存在6个相干目标,分别位于:T1(200,250),T2(350,50),T3(330,350),T4(350,200),T5(100,350),T6(100,100)。水下平均声速为1500m/s。
探测区域依照矩形网格划分,划分精度为1m,代表点取在每个网格中心。信号到达时间估计误差服从于均值为0、标准差为1ms的正态分布。则参考门限取th=2×1ms=2ms。
利用方程组投票机制做量化处理,为了便于区分来自不同阵元的投票,将不同阵元的投票分配不同的权值。阵元B1的投票为二进制数0001,阵元B2的投票为0010,阵元B3的投票为0100,阵元B4的投票为1000。将代表点所获得的投票结果相加即能得到最终的投票结果。若某代表点的最终得票结果为1111,则该代表点获得了全部阵元的投票。最终投票结果筛选依据即1111。
依据公式(2)遍历搜索多有代表点,仿真结果为:
1、探测区域内各代表点得票结果如图3所示。
2、利用门限1111对各代表点进行筛选,筛选结果如图4所示。
对筛选结果做聚类分析,得出定位结果:
聚类分析采用密度聚类(DBSCAN)方法,基于一组邻域参数(ε,MinPts)表征某处样本的紧密性。ε-邻域表示为:
Nε(xj)={si∈D|dist(xi,xj)≤ε} (3)
而后将聚类分析结果取平均作为最终的定位结果。
通过5次仿真,各目标的定位误差如下表所示:
基于遍历搜索策略的多相干源定位误差仿真结果:
Claims (4)
1.一种基于遍历搜索策略的多相干源定位方法,其特征在于,包括以下步骤:
S100建立定位系统、收集定位数据;
S200选取探测区域,将探测区域微元化,设定探测区域代表点;
S300遍历搜索探测区域代表点,与定位数据做关联性对比,对代表点关联性结果量化处理;
S400设定关联性强弱的检测门限,筛选出满足条件的所有代表点,做聚类处理后,得出最终的定位结果,
在步骤S300中,还包括以下步骤:
S310首先根据定位系统,建立关联性检测方程:
以二维TOA定位系统为例,设定目标在平面直角坐标系xOy内的坐标为(x,y),定位系统阵元位置坐标为(xi,yi)i=1,2...N,水下声波传播平均速度为c,则定位方程为:
S320与定位数据做关联性对比:
遍历代表点,将代表点带入到方程组(1)中,可求得当前代表点对应的时延值
若当前代表点近似满足方程组中的某个方程,也即:
即表明当前代表点与当前测量数据的关联性强;
S330关联性结果量化:
利用方程组投票机制做量化处理,依据代表点满足方程组中方程数的个数,满足的方程数越多,当前代表点获得的票数越多,最终得到探测区域关联性强弱值。
2.根据权利要求1所述的一种基于遍历搜索策略的多相干源定位方法,其特征在于,在步骤S100中,所述建立定位系统,具体为:
所述多相干源定位方法适用于纯TOA、TDOA、AOA定位及TOA/TDOA/AOA融合定位。
3.根据权利要求1所述的一种基于遍历搜索策略的多相干源定位方法,其特征在于,在步骤S200中,具体的,
S210选取探测区域:根据先验知识,划定出目标可能存在的空间位置,将该空间设定为探测区域;
S220划分探测区域,设定代表点:将探测区域划分为一系列的微小单元,而后,选取该微小单元内的一点作为该区域的代表点,只要该区域内任何一点到该代表点的距离最大值小于定位的精度要求,就可以忽略由观测区域划分而引起的量化误差。
4.根据权利要求1所述的一种基于遍历搜索策略的多相干源定位方法,其特征在于,在步骤S400中,具体的,设定票数检测门限,若某代表点获得来自于全部方程的投票,则该代表点近似满足定位方程组,即认定该代表点为某一目标位置,最后对筛选出的所有代表点做聚类处理后,得出最终的定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910385216.7A CN111273228B (zh) | 2019-05-09 | 2019-05-09 | 一种基于遍历搜索策略的多相干源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910385216.7A CN111273228B (zh) | 2019-05-09 | 2019-05-09 | 一种基于遍历搜索策略的多相干源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273228A CN111273228A (zh) | 2020-06-12 |
CN111273228B true CN111273228B (zh) | 2023-02-07 |
Family
ID=70996749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910385216.7A Active CN111273228B (zh) | 2019-05-09 | 2019-05-09 | 一种基于遍历搜索策略的多相干源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273228B (zh) |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2244993A1 (en) * | 1996-02-05 | 1997-08-07 | Ericsson, Inc. | Terminal position location using multiple beams |
CN102818851B (zh) * | 2011-06-10 | 2015-02-25 | 中国商用飞机有限责任公司 | 对l形工件的弧形角部进行超声检测的检测方法 |
CN103513226B (zh) * | 2012-06-15 | 2015-11-25 | 华为技术有限公司 | 定位目标的方法和装置 |
CN103576137B (zh) * | 2013-09-27 | 2015-05-27 | 电子科技大学 | 一种基于成像策略的多传感器多目标定位方法 |
CN104714232A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院声学研究所 | 一种水下弱目标的分辨定位方法及系统 |
CN104181505B (zh) * | 2014-08-18 | 2017-09-01 | 吉林大学 | 一种基于近场源定位算法的多目标水声定位方法和系统 |
RU2572085C1 (ru) * | 2014-09-19 | 2015-12-27 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли | Способ поиска, обнаружения и слежения за местоположением подвижных подводных объектов технической природы в акваториях морей и океанов |
CN104462365A (zh) * | 2014-12-08 | 2015-03-25 | 天津大学 | 一种基于概率模型的多视角目标检索方法 |
US10061025B2 (en) * | 2015-03-05 | 2018-08-28 | Navico Holding As | Methods and apparatuses for reconstructing a 3D sonar image |
CN105072582B (zh) * | 2015-06-30 | 2018-10-30 | 西北大学 | 基于rss分布的距离自适应的无线传感网络被动式定位方法 |
CN105548959B (zh) * | 2015-12-07 | 2017-10-17 | 电子科技大学 | 一种基于稀疏重建的多传感器多目标的定位方法 |
CN106060893B (zh) * | 2016-07-07 | 2019-07-30 | 天津大学 | 一种生物友好的定向水下网络路由方法 |
CN107229033B (zh) * | 2017-05-16 | 2020-04-10 | 电子科技大学 | 基于高度维分段搜索的多目标到达时间差定位方法 |
CN107132505B (zh) * | 2017-05-19 | 2019-11-08 | 中国人民解放军信息工程大学 | 直达与非直达混合场景中的多目标直接定位方法 |
CN107102326B (zh) * | 2017-05-26 | 2020-03-31 | 中国科学技术大学 | 基于条带分割和数据融合的快速关联成像方法及装置 |
CN107576936B (zh) * | 2017-07-24 | 2020-07-28 | 哈尔滨工程大学 | 一种去除宽带噪声干扰信号交叉定位虚假点的方法 |
CN108061877B (zh) * | 2017-12-14 | 2019-10-18 | 电子科技大学 | 一种基于角度信息的无源多站多目标测向交叉定位方法 |
CN108152789B (zh) * | 2018-01-03 | 2019-11-01 | 电子科技大学 | 利用rss信息的无源多站多目标数据关联与定位方法 |
CN108832997B (zh) * | 2018-08-07 | 2024-01-12 | 华诺星空技术股份有限公司 | 一种无人机群搜索救援方法及系统 |
CN109633548B (zh) * | 2018-12-10 | 2023-03-24 | 禁核试北京国家数据中心 | 一种水声台网关联方法 |
-
2019
- 2019-05-09 CN CN201910385216.7A patent/CN111273228B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111273228A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646338B (zh) | 一种快速精确的室内定位方法 | |
CN106912105B (zh) | 基于pso_bp神经网络的三维定位方法 | |
CN106093849B (zh) | 一种基于测距和神经网络算法的水下定位方法 | |
Blanc-Benon et al. | TMA from bearings and multipath time delays | |
CN110333480A (zh) | 一种基于聚类的单无人机多目标aoa定位方法 | |
EP1269214A2 (en) | Localisation of a signal emitting source | |
CN110309581B (zh) | 一种水下潜标位置综合校准测量点快速优化布局方法 | |
JP5691517B2 (ja) | 位置推定プログラム、位置推定装置、及び位置推定方法 | |
Li et al. | Cramer-rao lower bound analysis of data fusion for fingerprinting localization in non-line-of-sight environments | |
CN106535124A (zh) | 一种在nlos环境下的基于toa的无线网络定位方法 | |
CN117010132B (zh) | 一种水下多基地声纳系统的空间阵位优化方法及系统 | |
CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
CN111273228B (zh) | 一种基于遍历搜索策略的多相干源定位方法 | |
CN110208741B (zh) | 一种基于多圆阵测相的超视距单目标直接定位方法 | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 | |
CN108834053B (zh) | 一种定位方法、装置及设备 | |
Qingli et al. | Node placement optimization for distributed sensor network using adaptive genetic algorithm | |
CN108810840B (zh) | 协作定位中基于efim和距离协作的节点选择方法 | |
CN114994608B (zh) | 基于深度学习的多设备自组织麦克风阵列声源定位方法 | |
Spiesberger | Geometry of locating sounds from differences in travel time: Isodiachrons | |
CN113534130B (zh) | 基于视线角度的多站雷达多目标数据关联方法 | |
CN113238185B (zh) | 一种基于斐波那契散枝搜索的非协作目标定位方法和系统 | |
CN111741429B (zh) | 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 | |
Sun et al. | Station layout optimization genetic algorithm for four stations TDOA location | |
Heydari et al. | Real-time TDOA-based stationary sound source direction finding |
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 |