CN115308726A - 一种面向渔船导航雷达信号的分布式直接定位方法 - Google Patents

一种面向渔船导航雷达信号的分布式直接定位方法 Download PDF

Info

Publication number
CN115308726A
CN115308726A CN202211233963.7A CN202211233963A CN115308726A CN 115308726 A CN115308726 A CN 115308726A CN 202211233963 A CN202211233963 A CN 202211233963A CN 115308726 A CN115308726 A CN 115308726A
Authority
CN
China
Prior art keywords
station
positioning
electronic
direct positioning
distributed
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
CN202211233963.7A
Other languages
English (en)
Other versions
CN115308726B (zh
Inventor
王文亮
翁一鸣
王金魁
韩鹏
赵森
陆佩佩
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.)
Cssc Zhejiang Ocean Technology Co ltd
Original Assignee
Cssc Zhejiang Ocean 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 Cssc Zhejiang Ocean Technology Co ltd filed Critical Cssc Zhejiang Ocean Technology Co ltd
Priority to CN202211233963.7A priority Critical patent/CN115308726B/zh
Publication of CN115308726A publication Critical patent/CN115308726A/zh
Application granted granted Critical
Publication of CN115308726B publication Critical patent/CN115308726B/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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种面向渔船导航雷达信号的分布式直接定位方法。为了克服现有技术单一AIS设备定位实时性差，组网技术计算量大的问题；本发明包括以下步骤：S1：将电子侦查站的时域信号转换为频域信号；S2：构建电子侦查站的直接定位代价函数；S3：结合多站电子侦察站测向信息与AIS设备定位信息，估计目标位置初始化迭代值；S4：结合电子侦察站布站方式，构建分布式直接定位局部代价函数；S5：电子侦察站并行采用基于梯度法的优化方法实现分布式直接定位。在分布式直接定位场景下，引入基于联合极大似然估计的直接定位方法，提高定位精度。同时推导其基于梯度法的分布式优化方法，从而实现分布式处理定位问题，减小中心站点的计算量与通信代价。

Description

一种面向渔船导航雷达信号的分布式直接定位方法
技术领域
本发明涉及一种无源定位领域，尤其涉及一种面向渔船导航雷达信号的分布式直接定位方法。
背景技术
近年来，随着航海贸易业、渔业的发展，船舶的数量、吨位以及种类不断增加，我国近海安全问题日益严重。为保证海岸线的安全，实现对船舶的实时定位跟踪。SOLAS公约要求不同种类的船舶必须配备船舶自动识别系统（Automatic Identification System,AIS），AIS设备会定时广播船名、识别码、船舶位置、船舶航向等重要信息，实现对船舶的定位跟踪。
AIS设备基于GPS定位，存在实时性较差，以及AIS设备故障或关闭导致无法定位目标等问题。
例如，一种在中国专利文献上公开的“一种单AIS参考点的船舶自主定位方法”，其公告号CN107315164B，单基站定位模块作为核心单元，由AIS信号解调子模块、定位信号提取子模块、AIS电文解析子模块和定位解算处理子模块四部分组成。当仅能收到单个AIS基站的信号时，通过在船上布设一副主天线，两副辅助天线，利用天线间已知的几何位置关系，实现船舶的自主定位。
为了克服单一AIS设备定位存在的问题，也有方案采用多站电子侦察站组网与AIS协同定位。例如，一种在中国专利文献上公开的“一种基于AIS船站的多源信息融合船舶定位方法”，其公告号CN108562923B，AIS主控模块对多源导航信息进行检测处理；导航信息融合模块用于多源导航信息的融合定位解算，得到船舶的定位结果及其性能指标；人机交互模块根据用户需求进行结果输出；电源模块为各个模块提供电源支持。
组网技术能够有效提高电子侦察的探测范围，提高领海安全，但多站电子侦察站存在数据关联复杂，计算量大等问题。
发明内容
本发明主要解决现有技术单一AIS设备定位实时性差，组网技术计算量大的问题；提供一种面向渔船导航雷达信号的分布式直接定位方法，基于电子侦察站组网，采用分布式直接定位方法，结合AIS定位信息，提高岸基定位系统的实时性与定位精度。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种面向渔船导航雷达信号的分布式直接定位方法，包括以下步骤：
S1：将电子侦查站的时域信号转换为频域信号；
S2：基于各站转化后的频域信号，构建电子侦查站的直接定位代价函数
Figure 100002_DEST_PATH_IMAGE002
；
S3：结合多站电子侦察站测向信息与AIS设备定位信息，估计目标位置初始化迭代值；
S4：各电子侦察站与相邻侦察站交换接收信号，结合电子侦察站布站方式，构建分布式直接定位局部代价函数
Figure 100002_DEST_PATH_IMAGE004
；
S5：根据分布式直接定位局部代价函数
Figure 541939DEST_PATH_IMAGE004
推导基于梯度法的优化方法，根据计算得到的目标位置初始化迭代值，电子侦察站并行采用基于梯度法的优化方法实现分布式直接定位。
本方案在分布式直接定位场景下，引入基于联合极大似然估计的直接定位方法，提高定位精度。同时推导其基于梯度法的分布式优化方法，从而实现分布式处理定位问题，减小中心站点的计算量与通信代价。结合AIS自主系统定位信息与分布式直接定位方法，提高岸基定位系统的定位精度与实时性。采用分布式精确一阶梯度方法，该方法采用扩散策略实现多站点一致性优化，改善分布式处理导致定位精度损失的问题。
作为优选，所述的电子侦查站的直接定位代价函数
Figure 499531DEST_PATH_IMAGE002
为：
Figure 100002_DEST_PATH_IMAGE006
其中，
Figure 100002_DEST_PATH_IMAGE008
为接收信号取频点
Figure 100002_DEST_PATH_IMAGE010
时的频域信息；
Figure 100002_DEST_PATH_IMAGE012
为发射信号取频点
Figure 846329DEST_PATH_IMAGE010
时的频域信息；
Figure 100002_DEST_PATH_IMAGE014
表示分离的时延信息；
Figure 100002_DEST_PATH_IMAGE016
表示第r个电子侦察站的阵列导向矢量；
N为采样拍数。
作为优选，所述的步骤S3包括以下过程;
S301：基于多站电子侦察站测向信息，利用最小二乘算法，实现目标定位；
S302：利用AIS设备定位与多站电子侦察站定位信息，加权融合计算定位结果，将定位结果作为第一初始化迭代值；
S303：剔除多站电子侦察站中AIS设备已确认目标的方位信息，再利用最小二乘算法，对剩余目标定位，得到第二目标位置初始化迭代值。
结合AIS自主系统定位信息与分布式直接定位方法，提高岸基定位系统的定位精度与实时性。
作为优选，构建分布式直接定位局部代价函数为：
Figure 100002_DEST_PATH_IMAGE018
其中，
Figure 100002_DEST_PATH_IMAGE020
表示以电子侦察站r为中心的侦察站组网。
作为优选，所述的步骤S5包括以下过程：
S501：基于极大似然估计原理，将得到的辐射源信号的傅里叶变换
Figure 100002_DEST_PATH_IMAGE022
的极大似然估计带入分布式直接定位局部代价函数；
S502：基于化简得的分布式局部定位代价函数推导梯度信息
Figure 100002_DEST_PATH_IMAGE024
；
S503：对于存在连续的Tn个时间区间，基于第1个时间区间的阵列接收信号与步骤S3得到的初始化迭代值进行迭代，获得第一次迭代目标位置估计值；
S504：每个电子侦察站并行迭代估计目标位置，获得电子侦察站目标位置估计值；
S505：基于步骤S3得到初始化迭代值，各电子侦察站首先执行步骤S503得第一次迭代值，并保存梯度信息，然后按时间区间顺序利用两步梯度信息重复步骤S504，得到直接定位估计值。
作为优选，将
Figure 353403DEST_PATH_IMAGE022
的极大似然估计带入分布式直接定位局部代价函数，化简得：
Figure 100002_DEST_PATH_IMAGE026
其中，
Figure 487975DEST_PATH_IMAGE022
表示辐射源信号的傅里叶变换；
Figure 100002_DEST_PATH_IMAGE028
Figure 100002_DEST_PATH_IMAGE030
表示电子侦察站L接收信号的傅里叶变换；
Figure 100002_DEST_PATH_IMAGE032
Figure 100002_DEST_PATH_IMAGE034
表示电子侦察站L接收信号的时延-方位信息矩阵；
Figure 100002_DEST_PATH_IMAGE036
Figure 100002_DEST_PATH_IMAGE038
Figure 100002_DEST_PATH_IMAGE040
表示电子侦察站L接收信号的时延信息矩阵。
作为优选，局部代价函数的梯度信息
Figure 119813DEST_PATH_IMAGE024
为
Figure 100002_DEST_PATH_IMAGE042
其中，分布式直接定位局部代价函数关于坐标x，坐标y的梯度信息分别为：
Figure 100002_DEST_PATH_IMAGE044
Figure 100002_DEST_PATH_IMAGE046
根据链式求导法得中间梯度信息为：
Figure 100002_DEST_PATH_IMAGE048
Figure 100002_DEST_PATH_IMAGE050
Figure 100002_DEST_PATH_IMAGE052
Figure 100002_DEST_PATH_IMAGE054
Figure 100002_DEST_PATH_IMAGE056
Figure 100002_DEST_PATH_IMAGE058
Figure 100002_DEST_PATH_IMAGE060
。
作为优选，第一次迭代目标位置估计值为：
Figure 100002_DEST_PATH_IMAGE062
其中，
Figure 100002_DEST_PATH_IMAGE064
表示加权系数；
Figure 100002_DEST_PATH_IMAGE066
Figure 100002_DEST_PATH_IMAGE068
表示梯度算法固定步长；
Figure 100002_DEST_PATH_IMAGE070
表示组网中电子侦察站L的初始化迭代值；
Figure 100002_DEST_PATH_IMAGE072
表示电子侦察组网电子侦察站r的初始化迭代值；
Figure 100002_DEST_PATH_IMAGE074
表示电子侦察站r基于第1个时间区间的直接定位估计值；
Figure 100002_DEST_PATH_IMAGE076
表示
Figure 100002_DEST_PATH_IMAGE078
目标位置估计值取
Figure 18106DEST_PATH_IMAGE072
时的梯度信息。
作为优选，各电子侦察站目标位置估计值为：
Figure 100002_DEST_PATH_IMAGE080
其中，tn表示第tn时间区间；
Figure 100002_DEST_PATH_IMAGE082
表示电子侦察站组网中电子侦察站L的基于第tn个时间区间的直接定位估计值；
Figure 100002_DEST_PATH_IMAGE084
表示电子侦察站组网中电子侦察站r的基于第tn个时间区间的直接定位估计值；
Figure 100002_DEST_PATH_IMAGE086
与
Figure 100002_DEST_PATH_IMAGE088
表示
Figure 238740DEST_PATH_IMAGE078
目标位置估计值取
Figure 100002_DEST_PATH_IMAGE090
与
Figure 511590DEST_PATH_IMAGE084
时的梯度信息。
本发明的有益效果是：
1.在分布式直接定位场景下，引入基于联合极大似然估计的直接定位方法，提高定位精度。同时推导其基于梯度法的分布式优化方法，从而实现分布式处理定位问题，减小中心站点的计算量与通信代价。
2.结合AIS自主系统定位信息与分布式直接定位方法，提高岸基定位系统的定位精度与实时性。.
3.采用分布式精确一阶梯度方法，该方法采用扩散策略实现多站点一致性优化，改善分布式处理导致定位精度损失的问题。
附图说明
图1是本发明的面向渔船导航雷达信号的分布式直接定位方法流程图。
图2是本发明的多站电子侦查站几何位置分布图。
图3是本发明的基于多站联合极大似然估计的直接定位方法误差性能图。
图4是本发明的精确一阶梯度算法定位跟踪性能图。
图5是本发明的精确一阶梯度算法误差性能图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例的一种面向渔船导航雷达信号的分布式直接定位方法，如图1所示，包括以下步骤：
S1：将电子侦察站时域信息转化为频域信息。
根据仿真定位场景产生电子侦察站时域接收信号。在本实施例中，基于电子侦查站组网实现目标定位，组网拓扑结构如图2所示，根据仿真定位场景产生
Figure DEST_PATH_IMAGE092
个连续时间区间的电子侦查站接收信号，其中，单个时间区间的频域信息生成方法为：
假设辐射源目标位置p=[0,230000]，海岸上共有R=10个电子侦察站观测目标，第r个电子侦察站位置为
Figure DEST_PATH_IMAGE094
，如图2所示，每个电子侦察站配备阵元数为M=5的阵列天线，则电子侦察站r的时域接收信号为：
Figure DEST_PATH_IMAGE096
其中，
Figure DEST_PATH_IMAGE098
表示t时刻电子侦察站r接收信号；
Figure DEST_PATH_IMAGE100
表示发送信号经过时延后的波形；
Figure DEST_PATH_IMAGE102
为信号传输时延；
Figure DEST_PATH_IMAGE104
表示t时刻的阵列接收信号的噪声信息；
Figure 486849DEST_PATH_IMAGE016
表示第r个电子侦察站的阵列导向矢量。
其中，阵列导向矢量具体为：
Figure DEST_PATH_IMAGE106
其中，
Figure DEST_PATH_IMAGE108
表示信号波长；
Figure DEST_PATH_IMAGE110
表示为第m个阵元位置相对于第1个阵元位置；
Figure DEST_PATH_IMAGE112
Figure DEST_PATH_IMAGE114
m=1,2，……，M
d表示阵元间距，T表示矩阵转置。
在本实施例中，以
Figure DEST_PATH_IMAGE116
进行采样，得电子侦查站r接收信号采集信息
Figure DEST_PATH_IMAGE118
：
Figure DEST_PATH_IMAGE120
Figure DEST_PATH_IMAGE122
Figure DEST_PATH_IMAGE124
Figure DEST_PATH_IMAGE126
其中，
Figure 768926DEST_PATH_IMAGE118
表示以
Figure DEST_PATH_IMAGE128
为采样间隔的接收信号的第n个采样信息；
Figure DEST_PATH_IMAGE130
表示以
Figure 470166DEST_PATH_IMAGE128
为采样间隔的发射信号的第n个采样信息；
Figure DEST_PATH_IMAGE132
表示以
Figure 179496DEST_PATH_IMAGE128
为采样间隔的噪声信号的第n个采样信息；
n表示第n个采样点，在本实施例中取采样拍数N=32。
为了分离时延信息，将时域信号
Figure 598976DEST_PATH_IMAGE118
转化为频域信号
Figure DEST_PATH_IMAGE134
处理，具体为对式时域信号
Figure 153585DEST_PATH_IMAGE118
做傅立叶变换获得：
Figure DEST_PATH_IMAGE136
Figure DEST_PATH_IMAGE138
其中，
Figure 166057DEST_PATH_IMAGE008
为接收信号取频点
Figure 577447DEST_PATH_IMAGE010
时的频域信息；
Figure 484223DEST_PATH_IMAGE012
为发射信号取频点
Figure 373682DEST_PATH_IMAGE010
时的频域信息；
Figure DEST_PATH_IMAGE140
为噪声信号取频点
Figure 282470DEST_PATH_IMAGE010
时的频域信息；
Figure 599182DEST_PATH_IMAGE014
表示分离的时延信息。
S2：基于各站计算获得的频域信号
Figure 993254DEST_PATH_IMAGE134
，构建电子侦查站r直接定位代价函数
Figure DEST_PATH_IMAGE142
：
Figure DEST_PATH_IMAGE006A
S3：结合多站电子侦察站测向信息与AIS设备定位信息，估计目标位置初始化迭代值。
当AIS设备定位系统发送目标信息，结合AIS目标定位信息与多站电子侦察站测向信息估计目标位置初始化迭代值。
首先，基于多站电子侦察站测向信息，利用最小二乘算法，实现目标定位。
然后，利用AIS设备定位与多站电子侦察站定位信息，加权融合提高定位定位精度，将定位结果作为一部分初始化迭代值。
最后，剔除多站电子侦察站中AIS设备已确认目标的方位信息，再利用最小二乘算法，实现对AIS设备未探测目标定位，得到另一部分目标位置初始化迭代值。
S4：结合电子侦察站布站方式，构建电子侦察站局部直接定位代价函数
Figure 92928DEST_PATH_IMAGE004
。
各电子侦察站与相邻侦察站交换接收信号，构建分布式直接定位局部代价函数为：
Figure DEST_PATH_IMAGE018A
其中，
Figure 859152DEST_PATH_IMAGE020
表示以电子侦察站r为中心的侦察站组网。
S5：基于精确一阶梯度方法实现分布式直接定位。
基于步骤S4的局部代价函数，推导基于梯度法的优化方法，并基于步骤S3得到的目标迭代初始值，多站电子侦察站并行采用精确一阶梯度分布式优化方法实现分布式直接定位，具体是：
S501：推导分布式直接定位局部代价函数
Figure DEST_PATH_IMAGE144
的梯度信息
Figure 815607DEST_PATH_IMAGE024
，定义以下变量：
Figure DEST_PATH_IMAGE032A
Figure DEST_PATH_IMAGE038A
Figure DEST_PATH_IMAGE036A
Figure DEST_PATH_IMAGE028A
其中，
Figure 477401DEST_PATH_IMAGE030
表示电子侦察站L接收信号的傅里叶变换；
Figure 974241DEST_PATH_IMAGE040
表示电子侦察站L接收信号的时延信息矩阵；
Figure 624666DEST_PATH_IMAGE034
表示电子侦察站L接收信号的时延-方位信息矩阵；
Figure 79918DEST_PATH_IMAGE022
表示辐射源信号的傅里叶变换。
根据上述定义，分布式直接定位局部代价函数的表示为：
Figure DEST_PATH_IMAGE146
基于极大似然估计原理，得
Figure 386265DEST_PATH_IMAGE022
的极大似然估计为：
Figure DEST_PATH_IMAGE148
Figure DEST_PATH_IMAGE150
其中，
Figure DEST_PATH_IMAGE152
表示伪逆矩阵，H表示共轭转置。
将
Figure 792189DEST_PATH_IMAGE022
的极大似然估计带入分布式直接定位局部代价函数，化简得：
Figure DEST_PATH_IMAGE026A
S502：基于化简得的分布式局部定位代价函数推导梯度信息
Figure 500382DEST_PATH_IMAGE024
：
首先定义以下变量：
Figure DEST_PATH_IMAGE154
Figure DEST_PATH_IMAGE156
将上述定义的变量代入化简得的分布式局部定位代价函数，则分布式局部定位代价函数重新表示为
Figure DEST_PATH_IMAGE158
可得局部代价函数的梯度信息
Figure 172541DEST_PATH_IMAGE024
为
Figure DEST_PATH_IMAGE042A
其中，分布式直接定位局部代价函数关于坐标x，坐标y的梯度信息分别为：
Figure DEST_PATH_IMAGE044A
Figure DEST_PATH_IMAGE046A
根据链式求导法得中间梯度信息为：
Figure DEST_PATH_IMAGE048A
Figure DEST_PATH_IMAGE050A
Figure DEST_PATH_IMAGE052A
Figure DEST_PATH_IMAGE054A
Figure DEST_PATH_IMAGE056A
Figure DEST_PATH_IMAGE058A
Figure DEST_PATH_IMAGE160
S503：假设存在连续的Tn个时间区间，基于第1个时间区间的阵列接收信号与步骤S3得到的初始化迭代值进行迭代，其第一次迭代目标位置估计值为：
Figure DEST_PATH_IMAGE062A
其中，
Figure 635359DEST_PATH_IMAGE064
表示加权系数；
Figure 474002DEST_PATH_IMAGE068
表示梯度算法固定步长；
Figure 833439DEST_PATH_IMAGE070
表示组网中电子侦察站L的初始化迭代值；
Figure 896073DEST_PATH_IMAGE072
表示电子侦察组网电子侦察站r的初始化迭代值；
Figure 177013DEST_PATH_IMAGE074
表示电子侦察站r基于第1个时间区间的直接定位估计值；
Figure 616084DEST_PATH_IMAGE076
表示
Figure 95607DEST_PATH_IMAGE078
目标位置估计值取
Figure 30940DEST_PATH_IMAGE072
时的梯度信息。
Figure DEST_PATH_IMAGE066A
S504：每个电子侦察站并行迭代估计目标位置，各电子侦察站目标位置估计值为：
Figure DEST_PATH_IMAGE080A
其中，tn表示第tn时间区间；
Figure 471279DEST_PATH_IMAGE082
表示电子侦察站组网中电子侦察站L的基于第tn个时间区间的直接定位估计值；
Figure 651725DEST_PATH_IMAGE084
表示电子侦察站组网中电子侦察站r的基于第tn个时间区间的直接定位估计值；
Figure 985754DEST_PATH_IMAGE086
与
Figure 94918DEST_PATH_IMAGE088
表示
Figure 881609DEST_PATH_IMAGE078
目标位置估计值取
Figure 600166DEST_PATH_IMAGE090
与
Figure 54281DEST_PATH_IMAGE084
时的梯度信息。
S505：基于步骤S3得到初始化迭代值，各电子侦察站首先执行步骤S503得第一次迭代值，并保存梯度信息，然后按时间区间顺序利用两步梯度信息重复步骤S504，得到直接定位估计值。
当AIS设备再次发送目标位置时，加权融合分布式直接定位估计值与AIS定位信息，提高分布式直接定位当前迭代值估计精度。
基于本是实施例的仿真参数进行仿真分析，结果如下：
图3为基于多站联合极大似然估计的直接定位方法误差性能图。在本实施例的仿真参数下，对每个信噪比进行100次蒙特卡洛仿真实验，以均方根误差为定位误差性能指标，分析比较了基于多站联合极大似然估计的直接定位方法与基于极大似然估计的直接定位方法的定位性能。
由图3可知，由于联合极大似然估计充分利用了多站间的时延信息，其定位误差远小于基于极大似然估计的直接定位方法。
图4为精确一阶梯度算法定位跟踪性能图。在本实施例的仿真参数下，目标在时间区间Tn=250时发生跳变，目标位置沿着x轴和x轴正方向各跳变200米。
由图4可知，发生跳变后，本方法依旧以相同的速率重新收敛，体现了本方法对初始位置的误差容忍度相对较高，同时也说明本方法可实现对低速目标运动的跟踪。
图5为精确一阶梯度算法误差性能图。基于本实施例的仿真参数，以均方根误差(RMSE) 作为误差性能指标，对每个信噪比进行100 次蒙特卡洛实验。
由图5可知，传统的分布式梯度算法在低信噪比下，其定位精度较低。本发明所采用的精确一阶梯度算法，由于分布式代价函数信息损失的问题，其定位精度低于集中直接定位算法，但其定位精度优于高于分布式梯度法，因此有着较高的实际应用价值。
本方案在分布式直接定位场景下，引入基于联合极大似然估计的直接定位方法，提高定位精度。同时推导其基于梯度法的分布式优化方法，从而实现分布式处理定位问题，减小中心站点的计算量与通信代价。结合AIS自主系统定位信息与分布式直接定位方法，提高岸基定位系统的定位精度与实时性。采用分布式精确一阶梯度方法，该方法采用扩散策略实现多站点一致性优化，改善分布式处理导致定位精度损失的问题。
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (9)

1.一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，包括以下步骤：
S1：将电子侦查站的时域信号转换为频域信号；
S2：基于各站转化后的频域信号，构建电子侦查站的直接定位代价函数
Figure DEST_PATH_IMAGE002
；
S3：结合多站电子侦察站测向信息与AIS设备定位信息，估计目标位置初始化迭代值；
S4：各电子侦察站与相邻侦察站交换接收信号，结合电子侦察站布站方式，构建分布式直接定位局部代价函数
Figure DEST_PATH_IMAGE004
；
S5：根据分布式直接定位局部代价函数
Figure 820690DEST_PATH_IMAGE004
推导基于梯度法的优化方法，根据计算得到的目标位置初始化迭代值，电子侦察站并行采用基于梯度法的优化方法实现分布式直接定位。
2.根据权利要求1所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，所述的电子侦查站的直接定位代价函数
Figure 206672DEST_PATH_IMAGE002
为：
Figure DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE008
为接收信号取频点
Figure DEST_PATH_IMAGE010
时的频域信息；
Figure DEST_PATH_IMAGE012
为发射信号取频点
Figure 563573DEST_PATH_IMAGE010
时的频域信息；
Figure DEST_PATH_IMAGE014
表示分离的时延信息；
Figure DEST_PATH_IMAGE016
表示第r个电子侦察站的阵列导向矢量；
N为采样拍数。
3.根据权利要求1所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，所述的步骤S3包括以下过程;
S301：基于多站电子侦察站测向信息，利用最小二乘算法，实现目标定位；
S302：利用AIS设备定位与多站电子侦察站定位信息，加权融合计算定位结果，将定位结果作为第一初始化迭代值；
S303：剔除多站电子侦察站中AIS设备已确认目标的方位信息，再利用最小二乘算法，对剩余目标定位，得到第二目标位置初始化迭代值。
4.根据权利要求1或2所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，构建分布式直接定位局部代价函数为：
Figure DEST_PATH_IMAGE018
其中，
Figure DEST_PATH_IMAGE020
表示以电子侦察站r为中心的侦察站组网。
5.根据权利要求1或2或3所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，所述的步骤S5包括以下过程：
S501：基于极大似然估计原理，将得到的辐射源信号的傅里叶变换
Figure DEST_PATH_IMAGE022
的极大似然估计带入分布式直接定位局部代价函数；
S502：基于化简得的分布式局部定位代价函数推导梯度信息
Figure DEST_PATH_IMAGE024
；
S503：对于存在连续的Tn个时间区间，基于第1个时间区间的阵列接收信号与步骤S3得到的初始化迭代值进行迭代，获得第一次迭代目标位置估计值；
S504：每个电子侦察站并行迭代估计目标位置，获得电子侦察站目标位置估计值；
S505：基于步骤S3得到初始化迭代值，各电子侦察站首先执行步骤S503得第一次迭代值，并保存梯度信息，然后按时间区间顺序利用两步梯度信息重复步骤S504，得到直接定位估计值。
6.根据权利要求5所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，将
Figure 673962DEST_PATH_IMAGE022
的极大似然估计带入分布式直接定位局部代价函数，化简得：
Figure DEST_PATH_IMAGE026
其中，
Figure 393394DEST_PATH_IMAGE022
表示辐射源信号的傅里叶变换；
Figure DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE030
表示电子侦察站L接收信号的傅里叶变换；
Figure DEST_PATH_IMAGE032
Figure DEST_PATH_IMAGE034
表示电子侦察站L接收信号的时延-方位信息矩阵；
Figure DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE038
Figure DEST_PATH_IMAGE040
表示电子侦察站L接收信号的时延信息矩阵。
7.根据权利要求6所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，局部代价函数的梯度信息
Figure 874578DEST_PATH_IMAGE024
为
Figure DEST_PATH_IMAGE042
其中，分布式直接定位局部代价函数关于坐标x，坐标y的梯度信息分别为：
Figure DEST_PATH_IMAGE044
Figure DEST_PATH_IMAGE046
根据链式求导法得中间梯度信息为：
Figure DEST_PATH_IMAGE048
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
Figure DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE060
。
8.根据权利要求5所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，第一次迭代目标位置估计值为：
Figure DEST_PATH_IMAGE062
其中，
Figure DEST_PATH_IMAGE064
表示加权系数；
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE068
表示梯度算法固定步长；
Figure DEST_PATH_IMAGE070
表示组网中电子侦察站L的初始化迭代值；
Figure DEST_PATH_IMAGE072
表示电子侦察组网电子侦察站r的初始化迭代值；
Figure DEST_PATH_IMAGE074
表示电子侦察站r基于第1个时间区间的直接定位估计值；
Figure DEST_PATH_IMAGE076
表示
Figure DEST_PATH_IMAGE078
目标位置估计值取
Figure 36936DEST_PATH_IMAGE072
时的梯度信息。
9.根据权利要求8所述的一种面向渔船导航雷达信号的分布式直接定位方法，其特征在于，各电子侦察站目标位置估计值为：
Figure DEST_PATH_IMAGE080
其中，tn表示第tn时间区间；
Figure DEST_PATH_IMAGE082
表示电子侦察站组网中电子侦察站L的基于第tn个时间区间的直接定位估计值；
Figure DEST_PATH_IMAGE084
表示电子侦察站组网中电子侦察站r的基于第tn个时间区间的直接定位估计值；
Figure DEST_PATH_IMAGE086
与
Figure DEST_PATH_IMAGE088
表示
Figure 16263DEST_PATH_IMAGE078
目标位置估计值取
Figure DEST_PATH_IMAGE090
与
Figure 622824DEST_PATH_IMAGE084
时的梯度信息。
CN202211233963.7A 2022-10-10 2022-10-10 一种面向渔船导航雷达信号的分布式直接定位方法 Active CN115308726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211233963.7A CN115308726B (zh) 2022-10-10 2022-10-10 一种面向渔船导航雷达信号的分布式直接定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211233963.7A CN115308726B (zh) 2022-10-10 2022-10-10 一种面向渔船导航雷达信号的分布式直接定位方法

Publications (2)

Publication Number Publication Date
CN115308726A true CN115308726A (zh) 2022-11-08
CN115308726B CN115308726B (zh) 2023-02-10

Family

ID=83868069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211233963.7A Active CN115308726B (zh) 2022-10-10 2022-10-10 一种面向渔船导航雷达信号的分布式直接定位方法

Country Status (1)

Country Link
CN (1) CN115308726B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116520271A (zh) * 2022-11-22 2023-08-01 南京理工大学 基于步进搜索宽带合成的分布式融合算法的目标定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102064943A (zh) * 2010-11-30 2011-05-18 北京国基科技股份有限公司 船舶定位系统、船载信息发射设备和岸基信息接收设备
CN107315164A (zh) * 2017-06-01 2017-11-03 大连海事大学 一种单ais参考点的船舶自主定位方法
CN109102528A (zh) * 2018-08-07 2018-12-28 上海海事大学 一种船舶跟踪方法及系统
CN109725310A (zh) * 2018-11-30 2019-05-07 中船（浙江）海洋科技有限公司 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统
KR20220011879A (ko) * 2020-07-22 2022-02-03 (주) 알파엘 레이더 장비와 연동되는 전자해도 기반 해안감시 모니터링 시스템
CN115119142A (zh) * 2022-06-22 2022-09-27 杭州电子科技大学 一种基于传感器网络的分布式直接定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102064943A (zh) * 2010-11-30 2011-05-18 北京国基科技股份有限公司 船舶定位系统、船载信息发射设备和岸基信息接收设备
CN107315164A (zh) * 2017-06-01 2017-11-03 大连海事大学 一种单ais参考点的船舶自主定位方法
CN109102528A (zh) * 2018-08-07 2018-12-28 上海海事大学 一种船舶跟踪方法及系统
CN109725310A (zh) * 2018-11-30 2019-05-07 中船（浙江）海洋科技有限公司 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统
KR20220011879A (ko) * 2020-07-22 2022-02-03 (주) 알파엘 레이더 장비와 연동되는 전자해도 기반 해안감시 모니터링 시스템
CN115119142A (zh) * 2022-06-22 2022-09-27 杭州电子科技大学 一种基于传感器网络的分布式直接定位方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116520271A (zh) * 2022-11-22 2023-08-01 南京理工大学 基于步进搜索宽带合成的分布式融合算法的目标定位方法

Also Published As

Publication number Publication date
CN115308726B (zh) 2023-02-10

Similar Documents

Publication Publication Date Title
Li et al. Multi-target position and velocity estimation using OFDM communication signals
CN108445444B (zh) 修正容积卡尔曼滤波直接定位方法
CN109298388A (zh) 基于方位信息的超视距目标地理坐标直接估计方法
CN103513250B (zh) 一种基于鲁棒自适应波束形成原理的模基定位方法及系统
CN103901395B (zh) 一种冲击噪声环境下相干信号波达方向动态跟踪方法
CN112423265B (zh) 基于csi的双循环神经网络的船载环境室内定位方法
CN104267375B (zh) 一种外辐射源雷达网误差自配准方法
CN104408278A (zh) 一种基于干扰噪声协方差矩阵估计的稳健波束形成方法
CN105676171A (zh) 单通道双基站超短波信号空间定位方法
CN101807977B (zh) 基于波形特征的空时盲自适应抗干扰方法
CN115308726B (zh) 一种面向渔船导航雷达信号的分布式直接定位方法
CN108845325A (zh) 拖曳线列阵声纳子阵误差失配估计方法
CN101644760B (zh) 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法
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
CN103323827A (zh) 基于快速傅里叶变换的mimo雷达系统角度估计方法
CN105911521A (zh) 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN108683619A (zh) 一种低复杂度的大规模mimo信道参数估计方法
CN113115205B (zh) 一种基于角度测量的分布式协作定位方法
CN112505622A (zh) 一种高精度单基站室内定位方法
CN102353947A (zh) 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法
CN116125386A (zh) 一种稀疏水声测距增强的水下航行器智能定位方法和系统
Xu et al. Joint Scattering Environment Sensing and Channel Estimation Based on Non-stationary Markov Random Field
CN109541573A (zh) 一种弯曲水听器阵列的阵元位置校准方法
CN108490425A (zh) 一种双基地mimo雷达的测角方法
CN115657045A (zh) 基于方位信息多被动探测平台水下航行器数据的融合方法

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