CN113702901A - 一种基于信号相关性增强的互相关时延估计方法 - Google Patents

一种基于信号相关性增强的互相关时延估计方法 Download PDF

Info

Publication number
CN113702901A
CN113702901A CN202111024214.9A CN202111024214A CN113702901A CN 113702901 A CN113702901 A CN 113702901A CN 202111024214 A CN202111024214 A CN 202111024214A CN 113702901 A CN113702901 A CN 113702901A
Authority
CN
China
Prior art keywords
signal
base station
correlation
time delay
cross
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
Application number
CN202111024214.9A
Other languages
English (en)
Other versions
CN113702901B (zh
Inventor
朱珂慧
李建峰
张淇婷
李潘
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111024214.9A priority Critical patent/CN113702901B/zh
Publication of CN113702901A publication Critical patent/CN113702901A/zh
Application granted granted Critical
Publication of CN113702901B publication Critical patent/CN113702901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • 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
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于信号相关性增强的互相关时延估计方法，主要应用于无源定位中的TDOA定位，首先，各基站接收辐射源信号，并对其进行采样；其次，选取其中一个基站作为参考基站，将其他基站接收到的辐射源信号与其进行互相关时延估计，得到初始时延估计值；然后，根据各基站收到信号与参考基站接收信号的时延差，对不同基站的接收信号进行延迟采样，以确保它们的时间起点趋于相同，再次进行互相关时延估计；最后，取第一次的时延估计结果与第二次时延估计结果之和，即为最后的时延估计结果；本发明有效解决了信号时延差过大引起的时延估计误差大的问题，应用于TDOA定位系统可以获得更加精确的定位结果。

Description

一种基于信号相关性增强的互相关时延估计方法
技术领域
本发明涉及无源定位技术领域，主要涉及一种基于信号相关性增强的互相关时延估计方法。
背景技术
无源定位是无源设备不向辐射源发射电磁波信号，只通过接收辐射源信号从而对其进行侦察定位的技术；由于不向辐射源发射信号，无源定位不容易暴露自己，因而在电子战中占据着重要地位。无源定位中的TDOA定位利用辐射源发出的同一个发射信号到不同基站的到达时间差进行对辐射源的定位，是目前比较常用的多站定位算法，利用TDOA算法进行对辐射源的定位不需要基站与辐射源保持时间同步，每个基站只需要架设接收天线，节约了大量成本，该算法一般分为两个阶段：首先利用时延估计算法估计到达时间差；再根据估计的到达时间差推出到达距离差，由此可以写出一组非线性双曲线方程，而TDOA估计算法就是用来对得到的非线性方程组求解。
时间延迟估计算法是利用信号处理和参数估计对时间延迟进行估计，时间延迟估计的精度是影响TDOA定位精度的最主要因素，时延估计的结果越精确，TDOA的估计效果也越好。时延估计算法中较为常用的互相关时延估计方法原理简单、易于实现。然而，在实际中，用于时延估计的信号都是采样后的信号，当两信号的时延差较大时，时延估计误差也较大。目前的针对估计误差较大提出的措施大多原理复杂、工程实现困难，且对硬件设备等提出了更高的要求，而针对由于时延差过大而导致的误差方面的解决方案甚少。
发明内容
发明目的：针对上述背景技术中存在的问题，本发明提供了一种基于信号相关性增强的互相关时延估计方法，基于信号相关性增强，利用互相关的方法，对各个基站与参考基站的接收信号进行时延估计，能够有效降低时延差过大所带来的误差，提升估计精度，且工程实现上较为容易。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于信号相关性增强的互相关时延估计方法，包括以下步骤：
步骤S1、多个基站接收辐射源信号，分别对辐射源信号进行采样；
步骤S2、选取其中一个基站作为参考基站，将所述参考基站的接收信号作为参考信号，利用互相关时延估计算法估计出其他基站的接收信号与参考信号的初始时延差值；
步骤S3、根据初始时延差值调整其他基站接收信号的时间起点，对各基站的接收信号进行延迟采样，二次估计接收信号与参考信号的时延差值；
步骤S4、对步骤S2和步骤S3中的时延差值求和，获取改进后的时延差值；当改进后的时延差值不满足精度要求时，对所述时延差值重复步骤S3-S4，直至获得的结果满足精度要求。
进一步地，所述步骤S1中基站接收辐射源信号并采样具体如下：
设定用于接收辐射源信号的基站个数为N，采样率为fs，各基站接收的信号建模为：
xi(t)＝Ais(t-τi)+ni(t)，i＝1，...，N
其中，s(t)是辐射源发射信号，Ai是幅度衰落系数，τi是辐射源发射信号到达第i个基站的时延，ni(t)是辐射源发射信号到达第i个基站途中产生的噪声干扰，为零均值加性高斯白噪声；
采样后的信号表示如下：
xi(kts)＝Ais(kts-τi)+ni(kts)，i＝1，2，...，N，k＝1，2，...，K
其中，ts＝1/fs，代表采样间隔，K为总采样点数。
进一步地，所述步骤S2中初始时延差值估计方法如下：
设定参考基站为1号基站，则其余基站与参考基站的接收信号时延差值如下表示：
Ti1＝τi-τ1，i＝2，3，...，N
两个基站的接收信号的广义互相关函数如下表示：
Figure BDA0003242543030000021
其中，G12(ω)是两个接收信号的互谱密度，如下表示：
Figure BDA0003242543030000022
X1(ω)表示基站接收信号x1(t)的功率谱密度，
Figure BDA0003242543030000023
表示基站接收信号x2(t)的功率谱密度的共轭；ψ12表示广义加权函数；
所述互相关时延估计算法首先寻找两个接收信号间互相关函数Ri1(τ)的峰值对应的采样点
Figure BDA0003242543030000024
接着将采样点
Figure BDA0003242543030000025
转化为时刻值，所述时刻值即为时延差值：
Figure BDA0003242543030000026
进一步地，所述步骤S3中二次估计接收信号与参考信号的时延差值具体步骤如下：
在步骤S2中获取的初始接收信号时延差值如下：
Figure BDA0003242543030000031
对连续信号进行采样时，取初始接收信号时延差值对应的采样点为
Figure BDA0003242543030000032
采集第i个基站接收信号的第
Figure BDA0003242543030000033
到第
Figure BDA0003242543030000034
个采样点中间的部分，其中
Figure BDA0003242543030000035
ΔT是采样的信号长度，设置ΔT1和ΔT，保证采样信号在原始信号范围内，[.]为取整算符；相应地，对参考信号采集[ΔT1/fe]到[(ΔT+ΔT1)/fe]的部分，将延迟采样后的信号记为xi′(kts)，k＝1，...，K′，其中K′＝[ΔT/fe]；
重复步骤S2，将其他基站的延迟采样信号与参考基站的延迟采样信号进行互相关时延估计，得到的结果记为
Figure BDA0003242543030000036
即为二次估计的接收信号与参考信号间的时延差值。
进一步地，所述步骤S4中改进后的时延差值表示如下：
Figure BDA0003242543030000037
当
Figure BDA0003242543030000038
不满足精度要求时，将
Figure BDA0003242543030000039
输入至步骤S3并重复步骤S3-S4，即可获得
Figure BDA00032425430300000310
依次类推，直至获得的改进时延差值满足精度要求。
有益效果：
本发明突破了采样率对互相关时延估计算法的限制，有效解决了信号时延差过大引起的时延估计误差大的问题，在采样率固定或信噪比较低的情况下都可以达到更好的时延估计效果，减少了对硬件设备的要求，易于工程实现；本发明使用的方法产生的RMSE误差远远小于常规的互相关时延估计算法，应用于TDOA定位系统可以获得更加精确的定位结果。
附图说明
图1为本发明提供的基于信号相关性增强的互相关时延估计方法流程图；
图2为本发明所述方法的不同时延差下估计误差比较图；
图3为本发明所述方法使用前后，在信噪比固定情况下的仿真误差随采样率变化比较图；
图4为本发明所述方法使用前后，在采样率固定情况下的仿真误差随信噪比变化比较图；
图5a为本发明提供的节点与辐射源分布场景图；
图5b为本发明提供的节点实物图；
图6为本发明所述方法使用前后的实测数据估计误差比较图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明主要应用于无源定位中的TDOA定位，具体提供了一种基于信号相关性增强的互相关时延估计方法，详细流程如图1所示。首先，各基站接收辐射源信号，并对其进行采样；其次，选取其中一个基站作为参考基站，将其他基站接收到的辐射源信号与其进行互相关时延估计，得到初始时延估计值；然后，根据各基站收到信号与参考基站接收信号的时延差，对不同基站的接收信号进行延迟采样，以确保它们的时间起点趋于相同，再次进行互相关时延估计；最后，取第一次的时延估计结果与第二次时延估计结果之和，即为最后的时延估计结果。具体地，
步骤S1、多个基站接收辐射源信号，分别对辐射源信号进行采样。
设定用于接收辐射源信号的基站个数为N，采样率为fs，各基站接收的信号建模为：
xi(t)＝Ais(t-τi)+ni(t)，i＝1，...，N
其中，s(t)是辐射源发射信号，Ai是幅度衰落系数，τi是辐射源发射信号到达第i个基站的时延，ni(t)是辐射源发射信号到达第i个基站途中产生的噪声干扰，一般为零均值加性高斯白噪声；
采样后的信号表示如下：
xi(kts)＝Ais(kts-τi)+ni(kts)，i＝1，2，...，N，k＝1，2，...，K
其中，ts＝1/fs，代表采样间隔，K为总采样点数。
步骤S2、选取其中一个基站作为参考基站，将所述参考基站的接收信号作为参考信号，利用互相关时延估计算法估计出其他基站的接收信号与参考信号的初始时延差值。
假设参考基站为1号基站，则其余基站与参考基站的接收信号时延差值如下表示：
Ti1＝τi-τ1，i＝2，3，...，N
互相关时延估计分为基于基本互相关和广义互相关的时延估计，基本互相关是广义互相关的一种特殊情况。广义互相关函数的表达式为：
Figure BDA0003242543030000051
其中，G12(ω)是两个接收信号的互谱密度，如下表示：
Figure BDA0003242543030000052
X1(ω)表示基站接收信号x1(t)的功率谱密度，
Figure BDA0003242543030000053
表示基站接收信号x2(t)的功率谱密度的共轭；ψ12表示广义加权函数；基本互相关的加权函数ψ12为1。
对两信号求互相关时，其波形在某处达到峰值，且峰值对应的时刻，两个信号的相似度最高，该时刻就是两个信号的时延差值。采用互相关算法进行时延估计是本改进方法的基础，不同基站接收到的辐射源信号由于其与辐射源的距离不同导致信号间存在时延差，当基站接收信号时延差很小时，信号相似性高，对其求互相关峰值明显；当时延差很大时，在有限信号采样点数下，那么基站接收到的信号相关性降低甚至毫不相干，导致求解互相关的结果峰值不明显甚至没有峰值，这时时延估计就会失效。具体地，
互相关时延估计算法首先寻找两个接收信号间互相关函数Ri1(τ)的峰值对应的采样点
Figure BDA0003242543030000054
接着将采样点
Figure BDA0003242543030000055
转化为时刻值，所述时刻值即为时延差值：
Figure BDA0003242543030000056
步骤S3、根据初始时延差值调整其他基站接收信号的时间起点，对各基站的接收信号进行延迟采样，二次估计接收信号与参考信号的时延差值。
在步骤S2中获取的初始接收信号时延差值如下：
Figure BDA0003242543030000057
其中，N为基站数量，第1个基站为参考基站。理论上，对信号进行延迟采样指的是采集第i(i＝2，...，N)个基站接收信号
Figure BDA0003242543030000058
到
Figure BDA0003242543030000059
的部分，其中
Figure BDA00032425430300000510
Figure BDA00032425430300000511
ΔT是采样的信号长度，设置ΔT1和ΔT，保证采样信号在原始信号范围内，[.]为取整算符。实际工程应用中，需要对连续信号进行采样。取初始接收信号时延差值对应的采样点为
Figure BDA00032425430300000512
采集第i个基站接收信号的第
Figure BDA00032425430300000513
到第
Figure BDA00032425430300000514
Figure BDA00032425430300000515
个采样点中间的部分，；相应地，对参考信号采集[ΔT1/fe]到[(ΔT+ΔT1)/fe]的部分，将延迟采样后的信号记为xi′(kts)，k＝1，...，K′，其中K′＝[ΔT/fe]。
重复步骤S2，将其他基站的延迟采样信号与参考基站的延迟采样信号进行互相关时延估计，得到的结果记为
Figure BDA00032425430300000516
即为二次估计的接收信号与参考信号间的时延差值。
步骤S4、对步骤S2和步骤S3中的时延差值求和，获取改进后的时延差值；当改进后的时延差值不满足精度要求时，对所述时延差值重复步骤S3-S4，直至获得的结果满足精度要求。
改进后的时延差值表示如下：
Figure BDA0003242543030000061
当
Figure BDA0003242543030000062
不满足精度要求时，将
Figure BDA0003242543030000063
输入至步骤S3并重复步骤S3-S4，即可获得
Figure BDA0003242543030000064
依次类推，直至获得的改进时延差值满足精度要求。
图2为本发明所述方法的不同时延差下估计误差比较图，其中，采样率fs＝300Hz，信号时宽T0＝1s，LFM信号带宽B＝100Hz，调频斜率k＝B/T0，在-10～10dB信噪比范围内，改变两信号时延差值，进行仿真，以RMSE为误差评价指标。由图可以看出，两信号时延差越小，估计误差越小，说明时延估计的效果越好。
图3为本发明所述方法使用前后，在信噪比固定情况下的仿真误差随采样率变化比较图，其中，信噪比SNR＝-5dB，LFM信号带宽为B＝500kHz，信号时宽为T0＝0.1ms，采样率fs在50MHz～400MHz范围内逐渐增大，进行时延估计仿真。由图可以看出，与常规的互相关算法相比，本发明随采样率变化进行时延估计的误差更小，估计效果更精确。
图4为本发明所述方法使用前后，在采样率固定情况下的仿真误差随信噪比变化比较图，其中，采样率fs＝150MHz，LFM信号带宽为B＝400kHz，信号时宽为T0＝0.1ms，信噪比SNR在-15dB～15dB范围内逐渐增大，进行时延估计仿真。由图可以看出，与常规的互相关算法相比，本发明随信噪比变化时延估计的误差的更小，用于TDOA估计的效果也会更精确。
图5为本发明提供的实测数据场景图，该场景基于地面的分布式监测节点，进行对辐射源发射信号到达四个节点的实测数据的采集。
图6为本发明所述方法使用前后，基于图5场景所产生的实测数据估计误差比较图，其中，实测数据的采样率为fs＝125MHz，总采样点数K为32508，延迟采样的点数K′为原采样点数的一半。由图可以看出，与常规的互相关算法相比，采取两次本发明的方法进行时延估计使得估计结果误差大大减小，说明本发明的时延估计方法的优越性。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于信号相关性增强的互相关时延估计方法，其特征在于，包括以下步骤：
步骤S1、多个基站接收辐射源信号，分别对辐射源信号进行采样；
步骤S2、选取其中一个基站作为参考基站，将所述参考基站的接收信号作为参考信号，利用互相关时延估计算法估计出其他基站的接收信号与参考信号的初始时延差值；
步骤S3、根据初始时延差值调整其他基站接收信号的时间起点，对各基站的接收信号进行延迟采样，二次估计接收信号与参考信号的时延差值；
步骤S4、对步骤S2和步骤S3中的时延差值求和，获取改进后的时延差值；当改进后的时延差值不满足精度要求时，对所述时延差值重复步骤S3-S4，直至获得的结果满足精度要求。
2.根据权利要求1所述的一种基于信号相关性增强的互相关时延估计方法，其特征在于，所述步骤S1中基站接收辐射源信号并采样具体如下：
设定用于接收辐射源信号的基站个数为N，采样率为fs，各基站接收的信号建模为：
xi(t)＝Ais(t-τi)+ni(t)，i＝1，...，N
其中，s(t)是辐射源发射信号，Ai是幅度衰落系数，τi是辐射源发射信号到达第i个基站的时延，ni(t)是辐射源发射信号到达第i个基站途中产生的噪声干扰，为零均值加性高斯白噪声；
采样后的信号表示如下：
xi(kts)＝Ais(kts-τi)+ni(kts)，i＝1，2，...，N，k＝1，2，...，K
其中，ts＝1/fs，代表采样间隔，K为总采样点数。
3.根据权利要求2所述的一种基于信号相关性增强的互相关时延估计方法，其特征在于，所述步骤S2中初始时延差值估计方法如下：
设定参考基站为1号基站，则其余基站与参考基站的接收信号时延差值如下表示：
Ti1＝τi-τ1，i＝2，3，...，N
两个基站的接收信号的广义互相关函数如下表示：
Figure FDA0003242543020000011
其中，G12(ω)是两个接收信号的互谱密度，如下表示：
Figure FDA0003242543020000012
X1(ω)表示基站接收信号x1(t)的功率谱密度，
Figure FDA0003242543020000013
表示基站接收信号x2(t)的功率谱密度的共轭；ψ12表示广义加权函数；
所述互相关时延估计算法首先寻找两个接收信号间互相关函数Ri1(τ)的峰值对应的采样点
Figure FDA0003242543020000021
接着将采样点
Figure FDA0003242543020000022
转化为时刻值，所述时刻值即为时延差值：
Figure FDA0003242543020000023
4.根据权利要求3所述的一种基于信号相关性增强的互相关时延估计方法，其特征在于，所述步骤S3中二次估计接收信号与参考信号的时延差值具体步骤如下：
在步骤S2中获取的初始接收信号时延差值如下：
Figure FDA0003242543020000024
对连续信号进行采样时，取初始接收信号时延差值对应的采样点为
Figure FDA0003242543020000025
采集第i个基站接收信号的第
Figure FDA0003242543020000026
到第
Figure FDA0003242543020000027
个采样点中间的部分，其中
Figure FDA0003242543020000028
ΔT是采样的信号长度，设置ΔT1和ΔT，保证采样信号在原始信号范围内，[.]为取整算符；相应地，对参考信号采集[ΔT1/fe]到[(ΔT+ΔT1)/fe]的部分，将延迟采样后的信号记为xi′(kts)，k＝1，...，K′，其中K′＝[ΔT/fe]；
重复步骤S2，将其他基站的延迟采样信号与参考基站的延迟采样信号进行互相关时延估计，得到的结果记为
Figure FDA0003242543020000029
即为二次估计的接收信号与参考信号间的时延差值。
5.根据权利要求4所述的一种基于信号相关性增强的互相关时延估计方法，其特征在于，所述步骤S4中改进后的时延差值表示如下：
Figure FDA00032425430200000210
当
Figure FDA00032425430200000211
不满足精度要求时，将
Figure FDA00032425430200000212
输入至步骤S3并重复步骤S3-S4，即可获得
Figure FDA00032425430200000213
重复迭代，直至获得的改进时延差值满足精度要求。
CN202111024214.9A 2021-09-02 2021-09-02 一种基于信号相关性增强的互相关时延估计方法 Active CN113702901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111024214.9A CN113702901B (zh) 2021-09-02 2021-09-02 一种基于信号相关性增强的互相关时延估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111024214.9A CN113702901B (zh) 2021-09-02 2021-09-02 一种基于信号相关性增强的互相关时延估计方法

Publications (2)

Publication Number Publication Date
CN113702901A true CN113702901A (zh) 2021-11-26
CN113702901B CN113702901B (zh) 2024-06-11

Family

ID=78657238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111024214.9A Active CN113702901B (zh) 2021-09-02 2021-09-02 一种基于信号相关性增强的互相关时延估计方法

Country Status (1)

Country Link
CN (1) CN113702901B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115438300A (zh) * 2022-07-19 2022-12-06 南京航空航天大学 一种联合互谱与三线性分解的高精度时差估计方法
CN116614180A (zh) * 2023-07-18 2023-08-18 北京融为科技有限公司 一种面向卫星激光通信的iq时延标校方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101224512B1 (ko) * 2012-09-03 2013-01-21 한국항공우주연구원 Ｔｄｏａ 기법을 기반으로 하는 미지신호 발생원 위치 측정방법
CN104181501A (zh) * 2014-08-21 2014-12-03 上海交通大学 基于地面数字广播电视信号的定位系统及定位方法
CN105954713A (zh) * 2016-04-26 2016-09-21 北斗时空信息技术（北京）有限公司 一种基于tdoa观测量定位算法的时延估计方法
CN106488557A (zh) * 2016-10-28 2017-03-08 中国人民解放军信息工程大学 基于WiFi信号的LDCC‑PDF分级时延估计方法
CN109031261A (zh) * 2018-06-01 2018-12-18 中国人民解放军战略支援部队信息工程大学 一种时差估计方法及装置
CN110261819A (zh) * 2019-06-19 2019-09-20 南京航空航天大学 基于时延补偿的多无人机协同定位方法
CN111398902A (zh) * 2020-03-11 2020-07-10 哈尔滨工程大学 一种直角三角形三元水听器阵被动测距测向方法
CN111796259A (zh) * 2020-06-08 2020-10-20 华南理工大学 一种基于lfm互相关模特性逼近的子样本时延估计方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101224512B1 (ko) * 2012-09-03 2013-01-21 한국항공우주연구원 Ｔｄｏａ 기법을 기반으로 하는 미지신호 발생원 위치 측정방법
CN104181501A (zh) * 2014-08-21 2014-12-03 上海交通大学 基于地面数字广播电视信号的定位系统及定位方法
CN105954713A (zh) * 2016-04-26 2016-09-21 北斗时空信息技术（北京）有限公司 一种基于tdoa观测量定位算法的时延估计方法
CN106488557A (zh) * 2016-10-28 2017-03-08 中国人民解放军信息工程大学 基于WiFi信号的LDCC‑PDF分级时延估计方法
CN109031261A (zh) * 2018-06-01 2018-12-18 中国人民解放军战略支援部队信息工程大学 一种时差估计方法及装置
CN110261819A (zh) * 2019-06-19 2019-09-20 南京航空航天大学 基于时延补偿的多无人机协同定位方法
CN111398902A (zh) * 2020-03-11 2020-07-10 哈尔滨工程大学 一种直角三角形三元水听器阵被动测距测向方法
CN111796259A (zh) * 2020-06-08 2020-10-20 华南理工大学 一种基于lfm互相关模特性逼近的子样本时延估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YI HE 等: "Adaptive Cascaded High-Resolution Source Localization Based on Collaboration of Multi-UAVs", EMERGING TECHNOLOGIES & APPLICATIONS, vol. 17, no. 4, XP011787579, DOI: 10.23919/JCC.2020.04.015 *
李珂;任修坤;宗宇雷;李海文;: "基于Wi-Fi信号的LDCC-PDF分级时延估计", 计算机应用与软件, vol. 34, no. 06 *
祝宇虹: "增采样时延估计被动声音定位方法", 江南大学学报( 自然科学版), vol. 11, no. 6 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115438300A (zh) * 2022-07-19 2022-12-06 南京航空航天大学 一种联合互谱与三线性分解的高精度时差估计方法
CN116614180A (zh) * 2023-07-18 2023-08-18 北京融为科技有限公司 一种面向卫星激光通信的iq时延标校方法和装置
CN116614180B (zh) * 2023-07-18 2023-11-17 北京融为科技有限公司 一种面向卫星激光通信的iq时延标校方法和装置

Also Published As

Publication number Publication date
CN113702901B (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
CN109164438B (zh) 一种基于lfm相干脉冲串的到达时间和到达频率的联合估计方法
CN110261819B (zh) 基于时延补偿的多无人机协同定位方法
CN113702901A (zh) 一种基于信号相关性增强的互相关时延估计方法
CN106488557A (zh) 基于WiFi信号的LDCC‑PDF分级时延估计方法
CN109031196A (zh) 基于运动观测站对多信号源的最大似然直接定位方法
CN105487063A (zh) 一种基于外辐射源时延和多普勒频率的直接定位方法
CN110113279A (zh) 一种移动跳频水声通信多普勒因子估计方法
CN118131236B (zh) 一种多通道联合阈值单比特sar成像方法
CN102638290B (zh) 一种基于信道测量的多径信号分量提取方法及装置
CN110927691A (zh) 一种基于多时编码相位调制的低截获雷达信号设计方法
JP2009500592A (ja) 遅延算出装置及び方法
CN108416105A (zh) 脉冲和高斯噪声下稳健的自适应波束形成算法
CN112333629A (zh) 一种互耦未知条件下分布式阵列多目标定位方法
CN115436909B (zh) 一种基于矩阵重构Root-MUSIC算法的FMCW雷达测距方法
CN112883787B (zh) 一种基于频谱匹配的短样本低频正弦信号参数估计方法
CN113671477B (zh) 一种基于图信号处理的雷达目标距离估计方法
CN112731292B (zh) 局部imf能量加权的低空飞行目标信号时延估计方法
CN111600665B (zh) 基于arima滤波器的sage信道参数估计方法
CN115052246A (zh) 一种未知衰减系数下基于多频率代价函数融合的宽带信号直接定位方法
CN114969642A (zh) 一种均匀线阵下的小扩展角度分布源通用信源数估计方法
CN114280532A (zh) 一种基于带内共轭点乘的雷达目标角度估计方法及系统
CN108318857B (zh) 基于分数阶傅里叶变换的多个非合作发射源被动定位方法
CN108833320B (zh) 一种基于Keystone变换的宽带DS/FH信号参数估计方法及系统
CN108333561B (zh) 基于位置与波形参数联合估计的多发射源被动定位方法
CN113514798A (zh) 基于傅里叶梅林变换的宽带非线性调频信号时差/尺度差估计方法

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