CN114841297B - 一种基于dto分离的多星无源定位散点目标分类方法 - Google Patents

一种基于dto分离的多星无源定位散点目标分类方法 Download PDF

Info

Publication number
CN114841297B
CN114841297B CN202210781535.1A CN202210781535A CN114841297B CN 114841297 B CN114841297 B CN 114841297B CN 202210781535 A CN202210781535 A CN 202210781535A CN 114841297 B CN114841297 B CN 114841297B
Authority
CN
China
Prior art keywords
dto
grouping
sequence
target
positioning
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
CN202210781535.1A
Other languages
English (en)
Other versions
CN114841297A (zh
Inventor
周康燕
汪峰
龚珊
杜健
曾理
曹政
王志
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.)
Chengdu Rongxing Technology Co ltd
Original Assignee
Chengdu Rongxing Technology Co ltd
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 Chengdu Rongxing Technology Co ltd filed Critical Chengdu Rongxing Technology Co ltd
Priority to CN202210781535.1A priority Critical patent/CN114841297B/zh
Publication of CN114841297A publication Critical patent/CN114841297A/zh
Application granted granted Critical
Publication of CN114841297B publication Critical patent/CN114841297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24553—Query execution of query operations
    • G06F16/24554—Unary operations; Data partitioning operations
    • G06F16/24556—Aggregation; Duplicate elimination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于DTO分离的多星无源定位散点目标分类方法，涉及卫星定位技术领域，累积一个时间片的DTO数据，进行数据预处理；分别对每个单定位系统的各个双星组合下的目标DTO聚类，得到DTO分组序列；对多定位系统同双星组合下的DTO分组序列进行融合，得到新的DTO分组；基于新的DTO分组，对目标位置点聚类并剔除镜像点，输出各目标位置点序列。本发明利用不同目标经过卫星的时差分布特点，提出了基于DTO分离的多目标定位散点聚类方法，以支持多星、多目标条件下定位散点的自动目标聚类，解决了传统的信号参数区分法和位置时空关联法无法解决的目标分类问题。

Description

一种基于DTO分离的多星无源定位散点目标分类方法
技术领域
本发明涉及卫星信号监测技术领域，具体的说，是一种基于DTO分离的多星无源定位散点目标分类方法。
背景技术
现有的多传感器多目标跟踪方法主要面向陆基、海基及空中基地的主动雷达、声呐或无源定位等传感器手段获取的高频次（每个目标每秒多次测量）、高精度定位（公里甚至米级）场景，通过目标分类、航迹生成、航迹关联等步骤，实现对多传感器获取的多目标的连续跟踪。现有多星定位技术主要针对SCPC（SingleChannelPerCarrier，单路单载波）信号进行定位，在一定条件下依据信号参数区分法能够很方便的实现目标的分离和聚类。当前，随着卫星通信技术发展，多频时分多址接入MF-TDMA体制广泛使用，比如甚小口径卫星终端站VSAT（Very Small Aperture Terminal），多目标组网通信中终端在一次通信过程中的频点、功率和时隙都是动态分配和随时调整的，原有的依靠信号参数区分法进行目标聚类的方法已经不适用；同时由于定位频次低、定位精度差，导致传统的依靠目标时空关系进行分类的方法也无法适用。
发明内容
本发明的目的在于提供一种基于DTO分离的多星无源定位散点目标分类方法，用于解决现有技术中无法针对多频时分多址接入进行目标分类，以及传统的依靠目标时空关系分类方法中定位频次低、定位精度差的问题。
本发明通过下述技术方案解决上述问题：
一种基于DTO分离的多星无源定位散点目标分类方法，包括：
步骤S10、累积一个时间片的DTO数据，进行数据预处理；
步骤S20、分别对每个单定位系统的各个双星组合下的目标DTO聚类，得到DTO分组序列；
步骤S30、对多定位系统同双星组合下的DTO分组序列进行融合，得到新的DTO分组；
步骤S40、基于新的DTO分组，对目标位置点聚类并剔除镜像点，输出各目标位置点序列。
所述步骤S20具体包括：
步骤S21、将预处理后的DTO数据进行聚类，得到多个当前DTO分组序列，每个当前DTO分组序列对应一个目标和一个目标ID；
步骤S22、遍历当前DTO分组，将当前DTO分组序列与历史DTO分组序列进行曲线拟合度关联；
步骤S23、提取与当前DTO分组序列关联度最高的历史DTO分组序列，若二者的关联度达到门限值，将当前DTO分组序列加入对应的历史DTO分组序列，得到DTO分组序列。
所述步骤S30具体包括：
遍历多定位系统的DTO分组序列，若DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列存在以下情况，则进行合并得到新的DTO分组：
（1）DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列与同双星来源的历史DTO分组序列接近；
（2）DTO分组序列与同双星来源的历史DTO分组序列时间不交叠但DTO分组序列与同双星来源的历史DTO分组序列的关联度达到门限值。
所述步骤S40具体包括：
步骤S41、遍历所有DTO分组序列，对DTO分组序列对应的位置点序列进行时空关联，形成两组位置点集；
步骤S42、剔除目标速度大和聚集度低的位置点，输出各目标位置点序列。
所述预处理为根据信噪比SNR、定位几何误差GDOP以及卫星组合，对定位数据进行时间单位转换、无效值剔除、野值剔除、数据抽取、数据分组、数据编号和数据排序，避免大误差对后续处理的干扰。
本发明与现有技术相比，具有以下优点及有益效果：
本发明提供了一种基于DTO（differential time offset，到达时间差）分离的多星无源定位散点目标分类方法，对实时接入的多定位系统的定位数据进行格式规整、野值剔除、数据筛选等预处理，避免大误差对后续处理的干扰；在目标分类过程中对DTO参数聚类形成目标DTO分组，对目标DTO分组进行融合处理，实现基于DTO聚类的多目标分离；随后，通过目标经纬度地理时空关联与聚类、聚集度分析，实现目标真实点和镜像点判别，达到剔除镜像点的目的。在多星无源时差定位系统对MF-TDMA信号进行定位生成多目标定位散点条件下，本发明仍然能够实现目标分类，解决了多目标组网通信中终端在一次通信过程中由于频点、功率、时隙都是动态分配和随时调整的，原有的依靠信号参数区分法进行目标聚类的方法已经不适用的问题；同时解决了由于定位频次低、定位精度差的原因，传统的依靠目标时空关系进行分类的方法也无法适用的问题。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例1：
结合附图1所示，一种基于DTO分离的多星无源定位散点目标分类方法，包括：
步骤S10、累积一个时间片的DTO数据，进行数据预处理；
步骤S20、分别对每个单定位系统的各个双星组合下的目标DTO聚类，得到DTO分组序列；
步骤S30、对多定位系统同双星组合下的DTO分组序列进行融合，得到新的DTO分组；
步骤S40、基于新的DTO分组，对目标位置点聚类并剔除镜像点，输出各目标位置点序列。
辐射源发射的信号到达两颗卫星所经过的路径不同，导致信号到达两颗卫星的时刻不同，通过对两颗卫星同步采集的信号进行相关处理，得到信号到达两颗卫星的到达时间差（DTO），对应了辐射源到达两颗卫星的距离差R1，距离到两个卫星的距离差恒定为R1的点，是以这两个卫星为焦点的双曲面，双曲面中的一个双曲面与地球球面相交形成一个闭环曲线，在面向两颗卫星的地球一面是一个曲线（时差线）。通过三颗及以上卫星可以计算得到两条以上的时差线，通过两条时差线在地球表面相交形成两个交点（其中一个为真实点，另外一个为镜像点），从而得实现对目标的定位。
由于不同位置的多个辐射源到达两颗卫星的距离差不同，导致了不同位置多目标经过两颗卫星的时差是不同的。两颗卫星同一时刻接收带宽内可能存在位置不相同的多个目标，会对各目标产生对应的不同时差。因此，根据两颗星的时差数据，可对这两颗星接收的不同位置的多个不同的辐射源进行分类。由于目标的位置变化是连续非突变的，目标到达两颗卫星的距离差也是连续非突变的，反映到时差DTO是连续变化的，在短时间内是接近线性变化的。因此，本发明利用DTO连续变化的特点，根据两颗星的时差数据，对同一辐射源进行和目标关联。对于运动目标而言，在时差和星历没有误差的前提下，两条时差线变化过程中相交形成的镜像点会不断会相对真实点变化更加剧烈，因此，本发明利用镜像点变化剧烈的特点来剔除镜像点。
本方法回溯到定位环节，利用不同目标经过卫星的时差分布特点，提出了基于DTO分离的多目标定位散点聚类方法，结合目标DTO序列融合、目标位置点聚类、目标镜像点剔除等步骤，最终实现多星无源定位条件下的低频次、低精度定位散点目标的分类。
所述步骤S20具体包括：
步骤S21、将预处理后的DTO数据进行聚类，得到多个当前DTO分组序列，每个当前DTO分组序列对应一个目标和一个目标ID；
步骤S22、遍历当前DTO分组，将当前DTO分组序列与历史DTO分组序列进行曲线拟合度关联；
步骤S23、提取与当前DTO分组序列关联度最高的历史DTO分组序列，若二者的关联度达到门限值，将当前DTO分组序列加入对应的历史DTO分组序列，得到DTO分组序列。
本实施例中采取k-means算法对DTO数据进行聚类，其流程如下：
1、随机创建k个DTO数据的测量点作为初始质心，其中k表示DTO分组的数量，也即目标数量，k的值可以由先验信息确定。
2、计算损失函数：
Figure DEST_PATH_IMAGE001
其中
Figure 319378DEST_PATH_IMAGE002
表示第
Figure DEST_PATH_IMAGE003
个样本，
Figure 33256DEST_PATH_IMAGE004
是
Figure 94884DEST_PATH_IMAGE002
所属的簇，
Figure DEST_PATH_IMAGE005
代表簇对应的中心点，M表示样本总数。
3、令t=0，1，2，3……为迭代步数，重复后续步骤直到损失函数收敛：
4、对于每一个样本
Figure 286831DEST_PATH_IMAGE002
将其分配到最近的簇
Figure 632362DEST_PATH_IMAGE004
；
5、重新计算由4中产生的每个新簇的中心点；
6、如果新的中心点变动幅度小于设定的阈值，或已经达到最大迭代步数，则结束算法，输出聚类结果，否则返回第4步。
根据上述聚类算法，可以获得多个当前DTO分组（每个分组对应一个目标，对应一个目标ID）；然后，对于每个DTO分组，遍历当前DTO分组，将当前DTO分组与最近一段时间内的历史DTO分组进行曲线拟合度关联，曲线拟合度关联采用动态时间规整算法（DTW）实现，其中动态时间规整算法主要步骤如下：
输入两组时间序列分别为
Figure 720404DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
，序列长度分别为
Figure DEST_PATH_IMAGE009
和
Figure 66065DEST_PATH_IMAGE010
，构建距离矩阵
Figure DEST_PATH_IMAGE011
，其第
Figure 61703DEST_PATH_IMAGE012
个元素存储了
Figure 12473DEST_PATH_IMAGE013
和
Figure DEST_PATH_IMAGE014
的欧几里得距离，DTW算法的规整过程是希望找到一条路径
Figure 802574DEST_PATH_IMAGE015
其中K满足：
Figure DEST_PATH_IMAGE016
，使得：
Figure 88062DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE018
为路径W中的点，k=1，2，……，K，K为走到终点的总步长；
Figure 372544DEST_PATH_IMAGE019
为从i走到j的路径总长度；
具体计算步骤如下：
计算两个序列各采样点之间的两两对应的距离矩阵A，其中
Figure DEST_PATH_IMAGE020
表示
Figure 692667DEST_PATH_IMAGE013
和
Figure 653670DEST_PATH_IMAGE014
的欧几里得距离。
计算出距离矩阵
Figure 160874DEST_PATH_IMAGE011
之后，寻找一条从矩阵
Figure 717889DEST_PATH_IMAGE011
左上角到右下角的路径，使得路径上的元素和最小，可以用动态规划算法求最短路径长度，依据递推公式和起始条件，计算出从距离矩阵左上角到右下角的最短总距离。
其中动态规划算法的起始条件为：
Figure 626939DEST_PATH_IMAGE021
其中动态规划递推公式如下：
Figure DEST_PATH_IMAGE022
其中
Figure 758843DEST_PATH_IMAGE023
为从i点到j点的最短路径长度；
动态规划递推公式表示当前元素的最短路径必然是从前一个元素的最短路径的长度加上当前元素的值。其中，前一个元素有三种可能，取三个可能之中路径最短的那个即可，最后计算出最短路径和，作为度量两条曲线的依据。
若关联度超过设定的关联度门限值，将当前DTO分组加入对应的历史DTO分组，否则将当前DTO分组分配新的目标ID，实现在同一双星组合下，基于DTO的目标聚类。
对所有多定位系统下的所有双星组合下的DTO测量值集合（DTO数据）进行相同的处理，完成每个单定位系统的双星组合下的目标DTO聚类。
所述步骤S30具体包括：
遍历多定位系统的DTO分组序列，若DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列存在以下情况，则进行合并得到新的DTO分组：
（1）DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列与同双星来源的历史DTO分组序列接近；
（2）DTO分组序列与同双星来源的历史DTO分组序列时间不交叠但DTO分组序列与同双星来源的历史DTO分组序列的关联度达到门限值。
多定位系统中相同双星能够和单定位系统下的同双星来源的目标DTO分组融合，生成融合后的DTO分组。利用“同一目标相对相同两颗卫星的时差，在同一时刻的取值接近，在前后相邻时刻的取值接近”这一规律，对所有DTO分组的多个DTO序列进行同时段合并和前后时间段接续处理，形成同一目标的多DTO序列的融合。遍历同一个双星组合下的所有DTO分组，计算每个DTO分组与其它DTO分组的时间交叠关系；对于时间交叠且DTO值接近度小于设定的接近度门限的两个DTO分组，进行合并处理，形成同一个DTO分组；对于时间相邻且DTO值的曲线拟合度小于设定门限的两个DTO分组，进行接续融合处理，形成同一个DTO分组，实现不同多星定位系统中的同一双星组合下的DTO分组融合，即目标融合聚类。
所述步骤S40具体包括：
步骤S41、遍历所有DTO分组序列，对DTO分组序列对应的位置点序列进行时空关联，形成两组位置点集；
步骤S42、剔除目标速度大和聚集度低的位置点即镜像点，取聚集度高、平均航速低的位置点群分组为真实目标点，输出各目标位置点序列。
各DTO分组序列对应的目标位置点聚类，生成两个位置点群分组。利用“目标在连续时间上的位置变化是连续的”和“镜像点与真实点在地理空间上各自聚集”的特点，对各DTO分组对应的定位经纬度参数（每个时刻都包括真实点和镜像点），进行地理空间目标位置时空关联和分类，将每个DTO分组序列对应的位置点分类为两个位置点群分组。其中一类为真实的点位数据，另一类为镜像点位数据.
目标镜像点剔除。对每个目标的两组位置群分组分别计算航速和航迹点聚集度，利用“镜像点与目标点在地理空间上的速度差异和聚集度差异”特点，取聚集度高、平均航速低的位置点群分组为真实目标点，另一组镜像点，剔除镜像点后，输出各目标位置点序列。
所述预处理包括根据信噪比SNR、定位几何误差GDOP以及卫星组合，对定位数据进行时间单位转换、无效值剔除、野值剔除、数据抽取、数据分组、数据编号和数据排序，其中野值剔除主要利用统计学中的异常值检验算法，剔除明显的采样异常值（严重偏离绝大多数数据所呈现的规律的数据）。
尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims (3)

1.一种基于DTO分离的多星无源定位散点目标分类方法，其特征在于，包括：
步骤S10、累积一个时间片的到达时间差DTO数据，进行数据预处理；
步骤S20、分别对每个单定位系统的各个双星组合下的目标DTO聚类，得到DTO分组序列；具体包括：
步骤S21、将预处理后的DTO数据进行聚类，得到多个当前DTO分组序列，每个当前DTO分组序列对应一个目标和一个目标ID；
步骤S22、遍历当前DTO分组序列，将当前DTO分组序列与历史DTO分组序列进行曲线拟合度关联；
步骤S23、提取与当前DTO分组序列关联度最高的历史DTO分组序列，若二者的关联度达到门限值，将当前DTO分组序列加入对应的历史DTO分组序列，得到DTO分组序列；
步骤S30、对多定位系统同双星组合下的DTO分组序列进行融合，得到新的DTO分组；具体包括：
遍历多定位系统的DTO分组序列，若DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列存在以下情况，则进行合并得到新的DTO分组：
（1）DTO分组序列与同双星来源的历史DTO分组序列时间交叠且DTO分组序列与同双星来源的历史DTO分组序列的DTO值接近度小于设定的接近度门限；
（2）DTO分组序列与同双星来源的历史DTO分组序列时间不交叠但DTO分组序列与同双星来源的历史DTO分组序列的关联度达到门限值；
步骤S40、基于新的DTO分组，对目标位置点聚类并剔除镜像点，输出各目标位置点序列。
2.根据权利要求1所述的一种基于DTO分离的多星无源定位散点目标分类方法，其特征在于，所述步骤S40具体包括：
步骤S41、遍历所有DTO分组序列，对DTO分组序列对应的位置点序列进行时空关联，形成两组位置点集；
步骤S42、剔除目标速度大和聚集度低的位置点，输出各目标位置点序列。
3.根据权利要求1所述的一种基于DTO分离的多星无源定位散点目标分类方法，其特征在于，所述预处理为根据信噪比SNR、定位几何误差GDOP以及卫星组合，对定位数据进行时间单位转换、无效值剔除、野值剔除、数据抽取、数据分组、数据编号和数据排序。
CN202210781535.1A 2022-07-05 2022-07-05 一种基于dto分离的多星无源定位散点目标分类方法 Active CN114841297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210781535.1A CN114841297B (zh) 2022-07-05 2022-07-05 一种基于dto分离的多星无源定位散点目标分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210781535.1A CN114841297B (zh) 2022-07-05 2022-07-05 一种基于dto分离的多星无源定位散点目标分类方法

Publications (2)

Publication Number Publication Date
CN114841297A CN114841297A (zh) 2022-08-02
CN114841297B true CN114841297B (zh) 2022-09-06

Family

ID=82573763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210781535.1A Active CN114841297B (zh) 2022-07-05 2022-07-05 一种基于dto分离的多星无源定位散点目标分类方法

Country Status (1)

Country Link
CN (1) CN114841297B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608573A (zh) * 2012-03-29 2012-07-25 清华大学 基于多观测点的互模糊积累无源定位方法
CN103592626A (zh) * 2013-11-20 2014-02-19 中国船舶重工集团公司第七二四研究所 一种宽波束时差定位系统的时差窗计算方法
WO2017046914A1 (ja) * 2015-09-17 2017-03-23 三菱電機株式会社 測位衛星選択装置、測位装置、測位システム、測位情報発信装置および測位端末
CN107229033A (zh) * 2017-05-16 2017-10-03 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
CN108089148A (zh) * 2017-12-14 2018-05-29 电子科技大学 一种基于时差信息的无源多站多目标测向交叉定位方法
CN109901107A (zh) * 2019-03-07 2019-06-18 西安电子科技大学 一种时差定位方法、装置、计算机设备及可读存储介质
CN109946721A (zh) * 2017-12-20 2019-06-28 慧众行知科技（北京）有限公司 一种卫星定位中的镜像点消除方法及系统
CN110700029A (zh) * 2019-09-29 2020-01-17 清华大学 一种轨道平顺性测试方法及系统
CN113933876A (zh) * 2021-11-16 2022-01-14 西南电子技术研究所（中国电子科技集团公司第十研究所） 多星通讯时差定位数据融合处理方法
CN114415112A (zh) * 2022-03-30 2022-04-29 中国科学院空天信息创新研究院 多星多辐射源数据动态关联方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104155650B (zh) * 2014-08-14 2016-11-23 电子科技大学 一种基于熵权值法点迹质量评估的目标跟踪方法
CN104238353B (zh) * 2014-09-28 2017-07-21 郑州威科姆科技股份有限公司 基于多星座系统时差自主检测的授时信号切换融合方法
CN106597365B (zh) * 2016-11-18 2019-04-30 中国船舶重工集团公司第七二四研究所 一种基于时域聚类的复杂电子信号时差定位方法
US11255945B2 (en) * 2018-03-27 2022-02-22 Polte Corporation Multi-path mitigation in tracking objects using compressed RF data
CN112698272A (zh) * 2019-10-22 2021-04-23 华东交通大学 一种基于两步筛选消除关联模糊的多声源定位方法
FR3103339B1 (fr) * 2019-11-14 2022-12-30 Thales Sa Procede et systeme de localisation et communication satellitaire d'un terminal radioelectrique fixe au sol utilisant au moins un satellite defilant
CN112597820A (zh) * 2020-12-10 2021-04-02 南京长峰航天电子科技有限公司 一种基于雷达信号分选的目标聚类方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608573A (zh) * 2012-03-29 2012-07-25 清华大学 基于多观测点的互模糊积累无源定位方法
CN103592626A (zh) * 2013-11-20 2014-02-19 中国船舶重工集团公司第七二四研究所 一种宽波束时差定位系统的时差窗计算方法
WO2017046914A1 (ja) * 2015-09-17 2017-03-23 三菱電機株式会社 測位衛星選択装置、測位装置、測位システム、測位情報発信装置および測位端末
CN107229033A (zh) * 2017-05-16 2017-10-03 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
CN108089148A (zh) * 2017-12-14 2018-05-29 电子科技大学 一种基于时差信息的无源多站多目标测向交叉定位方法
CN109946721A (zh) * 2017-12-20 2019-06-28 慧众行知科技（北京）有限公司 一种卫星定位中的镜像点消除方法及系统
CN109901107A (zh) * 2019-03-07 2019-06-18 西安电子科技大学 一种时差定位方法、装置、计算机设备及可读存储介质
CN110700029A (zh) * 2019-09-29 2020-01-17 清华大学 一种轨道平顺性测试方法及系统
CN113933876A (zh) * 2021-11-16 2022-01-14 西南电子技术研究所（中国电子科技集团公司第十研究所） 多星通讯时差定位数据融合处理方法
CN114415112A (zh) * 2022-03-30 2022-04-29 中国科学院空天信息创新研究院 多星多辐射源数据动态关联方法、装置及电子设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"Optimal control for discrete‐time singular stochastic systems with input delay";Fan Wang 等;《Optimal Control Applications and Methods 》;20160203;1-8 *
"Optimised solution for hybrid TDOA/AOA‐based geolocation using Nelder‐Mead simplex method";Kyunghyun Lee 等;《IET Radar Sonar and Navigation》;20190601;1-9 *
"单星测频静态目标无源定位研究";黄静 等;《中国空间科学技术》;20190711;第39卷(第4期);11-17 *
"基于知识模型的目标识别专家系统";贺文娇;《电讯技术》;20181012;第59卷(第1期);33-39 *
"多星分布式无源相干定位方法";王雨琦 等;《中国空间科学技术 网络首发》;20220623;1-6 *
"多星时差无源定位系统研究";任源博;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20160515(第（2016）5期);I136-611 *

Also Published As

Publication number Publication date
CN114841297A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
US8253622B2 (en) Device and method for the improved directional estimation and decoding by means of secondary radar signals
US8723730B2 (en) System and method for direction finding and geolocation of emitters based on line-of-bearing intersections
AU2001274822A1 (en) Transponder landing system
ES2361776T3 (es) Utilización de dilución geométrica de precisión (gdop) para seleccionar el mejor grupo de receptores en un sistema de multilateración.
ZA200209867B (en) Transponder landing system.
WO2005116682A1 (en) An arrangement for accurate location of objects
US10274579B2 (en) Method for improving direction finding and geolocation error estimation in a direction finding system
US20210011109A1 (en) Method and apparatus for determining the direction of arrival of radio or acoustic signals, and for transmitting directional radio or acoustic signals
US20160041254A1 (en) Method for the passive localization of radar transmitters
CN113253233B (zh) 基于全天空流星雷达信号的分析处理方法、系统
CN110764083B (zh) 毫米波雷达防入侵的数据融合方法及系统
CN114919627B (zh) 一种基于ris技术的列车定位追踪的方法
WO2003096062A1 (en) Method and apparatus for terrain correlation
CN111199280A (zh) 短波信道模型误差存在下联合信号复包络和载波相位信息的多站目标源地理坐标估计方法
US11361667B2 (en) Systems and methods for exploiting ADS-B frequency of arrival for flight surveillance, cyber security and meteorology
Marquez et al. Understanding LoRa-based localization: Foundations and challenges
US9964647B2 (en) Directional pruning of transmitters to improve position determination
Daramouskas et al. A survey of methods for location estimation on Low Power Wide Area Networks
CN114841297B (zh) 一种基于dto分离的多星无源定位散点目标分类方法
US6917880B2 (en) Intelligent passive navigation system for back-up and verification of GPS
RU2275649C2 (ru) Способ местоопределения источников радиоизлучения и пассивная радиолокационная станция, используемая при реализации этого способа
Svertoka et al. Evaluation of real-life LoRaWAN localization: Accuracy dependencies analysis based on outdoor measurement datasets
CN117031519A (zh) 一种多目标三维协同定位方法及系统
FR2606504A1 (fr) Systeme et methode de navigation par positions relatives
CN110519692B (zh) 基于贝叶斯-k均值聚类的定位分区方法

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