CN116520242A - 一种基于剔除虚假时差的密集相关辐射源群定位方法 - Google Patents

一种基于剔除虚假时差的密集相关辐射源群定位方法 Download PDF

Info

Publication number
CN116520242A
CN116520242A CN202310804476.XA CN202310804476A CN116520242A CN 116520242 A CN116520242 A CN 116520242A CN 202310804476 A CN202310804476 A CN 202310804476A CN 116520242 A CN116520242 A CN 116520242A
Authority
CN
China
Prior art keywords
time difference
radiation source
station
time
correlation function
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
CN202310804476.XA
Other languages
English (en)
Other versions
CN116520242B (zh
Inventor
杨旭宏
罗景青
陈立明
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.)
Anhui Huake Intelligent Technology Co ltd
Original Assignee
Anhui Huake Intelligent 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 Anhui Huake Intelligent Technology Co ltd filed Critical Anhui Huake Intelligent Technology Co ltd
Priority to CN202310804476.XA priority Critical patent/CN116520242B/zh
Publication of CN116520242A publication Critical patent/CN116520242A/zh
Application granted granted Critical
Publication of CN116520242B publication Critical patent/CN116520242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S5/0215—Interference
    • 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
    • G01S5/0278—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 involving statistical or probabilistic considerations
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of Radiation (AREA)

Abstract

本发明涉及辐射源定位，具体涉及一种基于剔除虚假时差的密集相关辐射源群定位方法，对多个无源侦察设备采集到辐射源群的信号采样数据进行相关处理，提取相关函数峰值位置所对应的时差，根据辐射源群所在区域的先验信息和时差测量特性剔除部分虚假时差，再根据辐射源群所在区域内时差位置线聚集情况进一步剔除虚假时差，进行综合分析后得到辐射源群的辐射源信息；本发明提供的技术方案能够有效克服现有技术所存在的无法对密集相关辐射源群进行有效定位的缺陷。

Description

一种基于剔除虚假时差的密集相关辐射源群定位方法
技术领域
本发明涉及辐射源定位，具体涉及一种基于剔除虚假时差的密集相关辐射源群定位方法。
背景技术
辐射源定位技术属于无源定位技术，无源定位技术指侦察设备在定位过程中不主动向目标发射信号，而是通过被动接收辐射源发出的信号进行定位，是非合作性质的定位。无源定位技术具有定位作用距离远、隐蔽性好、抗干扰能力强等优势。
当前，辐射源无源定位主要集中于改善单辐射源情况下的定位精度和算法复杂度。而对于多辐射源定位，需要在假定各辐射源信号不存在相关性或相关性较弱的情况下才能进行。然而，在特殊的场合，会出现多个位置较近的辐射源，且各辐射源信号存在强相关性的情况，但是目前对此问题的研究并不多见。
现有的多站无源侦察定位技术一般都是先提取辐射源信号到达的时差、频差、方向等观测量，再结合各侦察设备的位置信息，通过求解定位方程组实现目标位置估计。这种传统处理方式存在以下缺陷：
1）信号检测依赖传统手段，且大多基于单站观测数据，这将会限制系统对弱信号的响应能力，即灵敏度较低；
2）要求辐射源位置不能靠得太近，各辐射源信号不相关至少不能强相关，以便能测出信号到达的时差、频差、方向；
3）复杂信号环境下，定位参数配对处理复杂，多目标能力差。
为了解决密集相关辐射源群的定位问题，必须寻求新的定位处理算法。
发明内容
针对现有技术所存在的上述缺点，本发明提供了一种基于剔除虚假时差的密集相关辐射源群定位方法，能够有效克服现有技术所存在的无法对密集相关辐射源群进行有效定位的缺陷。
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于剔除虚假时差的密集相关辐射源群定位方法，对多个无源侦察设备采集到辐射源群的信号采样数据进行相关处理，提取相关函数峰值位置所对应的时差，根据辐射源群所在区域的先验信息和时差测量特性剔除部分虚假时差，再根据辐射源群所在区域内时差位置线聚集情况进一步剔除虚假时差，进行综合分析后得到辐射源群的辐射源信息。
优选地，包括以下步骤：
S1、预先估计辐射源群的所在区域，调整各侦察设备的波束指向，估算信号到达各侦察设备间的时差范围；
S2、获得各侦察设备的信号采样数据，计算各副站与主站关于信号采样数据的相关函数，并提取相关函数峰值位置所对应的时差；
S3、根据估算的信号到达各侦察设备间的时差范围，对时差进行第一次剔除虚假时差处理，得到第一时差序列；
S4、对预先估计的辐射源群所在区域进行粗网格划分，基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域；
S5、计算目标子区域内信号到达各侦察设备间的时差范围，并对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列；
S6、在目标子区域内划分网格点位，计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度；
S7、根据匹配程度得到辐射源群的辐射源信息；
其中，主站为从各侦察设备中选定的一个侦察设备，副站为剩余的侦察设备。
优选地，S2中提取相关函数峰值位置所对应的时差，包括：
提取相关函数峰值位置所对应的时差，其中/>为副站序号，/>，主站序号设定为0，/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值个数。
优选地，S3中对时差进行第一次剔除虚假时差处理，得到第一时差序列，包括：
对时差进行第一次剔除虚假时差处理，得到第一时差序列/>，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第一次剔除虚假时差处理后的个数。
优选地，S4中基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域，包括：
主站基于所有时差位置线通过各子区域的频度，采用sklearn投票法确定各子区域的投票得分，并筛选出得分最高的目标子区域。
优选地，S5中对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列，包括：
对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列/>，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第二次剔除虚假时差处理后的个数。
优选地，S6中计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度，包括：
采用下式计算第二时差序列、网格点位/>处各副站与主站的理论时差序列/>的匹配程度：
，
其中，为核函数，/>，/>是区间突形函数，在时取极大值，当/>时为零，/>采用下式表示：
，
上式中，为时差测量误差均方根值。
优选地，S7中根据匹配程度得到辐射源群的辐射源信息，包括：
根据匹配程度的峰值数量确定辐射源群中辐射源数量，根据匹配程度的峰值点所在网格位置确定辐射源群中辐射源位置。
优选地，所述副站确定起始记录时间，包括：
根据预设区域、主站位置和副站位置，计算出区域内信号到达本副站与主站的时差范围，并采用下式确定起始记录时间：
，
其中，为副站/>的起始记录时间，/>为主站的起始记录时间，/>是为了保证求峰值时差准确性而设定的调节项；
所述副站确定采样点数，包括：
采用下式确定采样点数：
，
其中，为副站/>的采样点数，/>为主站的采样点数，/>；
所述副站计算与主站关于信号采样数据的相关函数，包括：
采用下式计算与主站关于信号采样数据的相关函数：
，
其中，为副站/>与主站关于信号采样数据的相关函数，/>、/>分别为/>、/>的离散形式，/>为主站接收到的信号，/>为副站/>接收到的信号，/>为/>的复共轭，/>为样本序号，/>为/>与/>之间的差值除以采样间隔，/>为相关函数的点数，采用下式表示：
；
所述副站提取相关函数峰值位置所对应的时差，包括：
S21、判断相关函数是否在指定区间内有信号：通过求的和，得到与能量有关的量，基于第一预设门限判断是否有信号；
S22、提取所有峰值点；
S23、剔除小峰值点：将小于第二预设门限的峰值点予以剔除；
S24、剔除不合理峰值点：作为峰值点，左右两边至少一边表现出单向变化，取预设数量的点为衡量标准，将不符合衡量标准的峰值点予以剔除；
S25、进行插值处理，输出相关函数峰值位置所对应的时差。
与现有技术相比，本发明所提供的一种基于剔除虚假时差的密集相关辐射源群定位方法，能够有效解决现有多站无源侦察定位系统中不能对位置较近、信号相关性较强的辐射源群进行有效定位的问题，并且能够获得很高的定位精度，可用于对带诱饵的辐射源群的定位，开发新型的可适应特殊环境的定位系统，提升系统适应复杂电磁信号环境的能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1 为本发明的流程示意图；
图2 为本发明中多个无源侦察设备对辐射源群进行侦察定位的示意图；
图3 为本发明中副站6计算得到的相关函数示意图；
图4 为本发明中主站采用sklearn投票法确定各子区域的投票得分示意图；
图5 为本发明中目标子区域内时差位置线的分布示意图；
图6 为本发明中目标子区域内位置信息场的示意图；
图7 为本发明中图6的等值曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
一种基于剔除虚假时差的密集相关辐射源群定位方法，对多个无源侦察设备采集到辐射源群的信号采样数据进行相关处理，提取相关函数峰值位置所对应的时差，根据辐射源群所在区域的先验信息和时差测量特性剔除部分虚假时差，再根据辐射源群所在区域内时差位置线聚集情况进一步剔除虚假时差，进行综合分析后得到辐射源群的辐射源信息。
如图1所示，①预先估计辐射源群的所在区域，调整各侦察设备的波束指向，估算信号到达各侦察设备间的时差范围。
②获得各侦察设备的信号采样数据，计算各副站与主站关于信号采样数据的相关函数，并提取相关函数峰值位置所对应的时差。
具体地，提取相关函数峰值位置所对应的时差，包括：
提取相关函数峰值位置所对应的时差，其中/>为副站序号，/>，主站序号设定为0，/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值个数。
③根据估算的信号到达各侦察设备间的时差范围，对时差进行第一次剔除虚假时差处理，得到第一时差序列。
具体地，对时差进行第一次剔除虚假时差处理，得到第一时差序列，包括：
对时差进行第一次剔除虚假时差处理，得到第一时差序列/>，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第一次剔除虚假时差处理后的个数。
④对预先估计的辐射源群所在区域进行粗网格划分，基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域。
具体地，基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域，包括：
主站基于所有时差位置线通过各子区域的频度，采用sklearn投票法确定各子区域的投票得分，并筛选出得分最高的目标子区域。
⑤计算目标子区域内信号到达各侦察设备间的时差范围，并对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列。
具体地，对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列，包括：
对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列/>，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第二次剔除虚假时差处理后的个数。
⑥在目标子区域内划分网格点位，计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度。
具体地，计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度，包括：
采用下式计算第二时差序列、网格点位处各副站与主站的理论时差序列/>的匹配程度：
，
其中，为核函数，/>，/>是区间突形函数，在时取极大值，当/>时为零，/>采用下式表示：
，
上式中，为时差测量误差均方根值。
⑦根据匹配程度得到辐射源群的辐射源信息，具体包括：
根据匹配程度的峰值数量确定辐射源群中辐射源数量，根据匹配程度的峰值点所在网格位置确定辐射源群中辐射源位置。
本申请技术方案中，主站为从各侦察设备中选定的一个侦察设备，副站为剩余的侦察设备。
下面对本申请中涉及到的辐射源群进行相关说明：
假设辐射源群中有个脉冲辐射源，辐射源/>位于地面直角坐标系的处，辐射源/>的信号为/>，/>，可以写成：
（1）
其中，为“标称信号”：
（2）
这里所谓“标称信号”，指零时刻发送的幅度归一化后的信号。
一般地，这些信号在时域和频域可能都是混叠的，之所以写成（2）式的形式，主要考虑用中心载频和时间零点表达，便于统一。上式中，为脉冲信号的幅度、相位，均是随时间慢变化的量，/>是第/>个脉冲信号的脉冲宽度。
如图2所示，现在假设有个侦察设备，侦察设备（包括主站和副站）位于处：
，/> （3）
同时，假设每个侦察设备均能接收到全部个脉冲辐射源混迭后的信号。将各侦察设备接收信号的时间分为大时间/>和小时间/>：
（4）
大时间表示侦察设备/>的起始记录时间，小时间/>表示此时间开始后记录波形的时间。在小时间/>内，认为侦察设备位置是不动的。
第个侦察设备接收到的信号为：
（5）
，/>
上式中，分别表示辐射源/>的信号到侦察设备/>的幅度衰减因子、时延（相对于脉冲发射时间），幅度衰减因子不仅与距离有关，还与侦察天线和辐射源天线的方向图有关，/>是侦察设备/>的采样数据长度，/>是噪声。
利用（2）式的表达，（5）式还可以写成：
（6）
，/>
记侦察设备的位置矢量为，运动速度记为，辐射源/>的信号到达侦察设备/>的时延为：
，/> （7）
上式中，。
下面对本申请中涉及到的副站进行相关说明：
副站的主要任务是接收主站发送的信号采样数据，完成信号相关处理，并向主站返回相关函数峰值位置所对应的时差。副站在主站的统一协调下，一直在进行有关信道输出信号的采集与存贮。如果在一定时间内没有收到主站发送的信号采样数据和相关回传指令，则放弃这些数据。副站一但收到主站发送的信号采样数据，同时收到预设区域数据，就会进行信号相关处理。
1）副站确定起始记录时间，包括：
根据预设区域、主站位置和副站位置，计算出区域内信号到达本副站与主站的时差范围，并采用下式确定起始记录时间：
，
其中，为副站/>的起始记录时间，/>为主站的起始记录时间，/>是为了保证求峰值时差准确性而设定的调节项。
例如，以主站的起始记录时间为参考时间，，令/>，，则可选/>。
2）副站确定采样点数，包括：
采用下式确定采样点数：
，
其中，为副站/>的采样点数，/>为主站的采样点数，/>。
3）副站计算与主站关于信号采样数据的相关函数，包括：
采用下式计算与主站关于信号采样数据的相关函数：
，
其中，为副站/>与主站关于信号采样数据的相关函数，/>、/>分别为/>、/>的离散形式，/>为主站接收到的信号，/>为副站接收到的信号，/>为/>的复共轭，/>为样本序号，/>为/>与之间的差值除以采样间隔，/>为相关函数的点数，采用下式表示：
；
上式中，“+20”是为了处理方便，以确保相关函数的峰值点不在数据边界上出现，以确保区域内所有辐射源的时差所对应的位置在内获得。
4）副站提取相关函数峰值位置所对应的时差，包括：
S21、判断相关函数是否在指定区间内有信号：通过求的和，得到与能量有关的量，基于第一预设门限判断是否有信号；
S22、提取所有峰值点；
S23、剔除小峰值点：将小于第二预设门限的峰值点予以剔除；
S24、剔除不合理峰值点：作为峰值点，左右两边至少一边表现出单向变化，取预设数量（5个）的点为衡量标准，将不符合衡量标准的峰值点予以剔除；
S25、进行插值处理，输出相关函数峰值位置所对应的时差。
如图3所示，副站6计算得到的相关函数中，超过门限的峰值有13个，其中只有2个与真实时差相对应，其余11个均是交叉时差或虚时差，还有1个真实时差由于与其他时差靠得太近没有表现出来，也无法被检测到。
下面对本申请中涉及到的主站进行相关说明：
1）主站基于所有时差位置线通过各子区域的频度，采用sklearn投票法确定各子区域的投票得分，并筛选出得分最高的目标子区域。
这里指的投票法是借助机器学习算法中的一种处理方法。在机器学习算法中，主要用sklearn投票法，sklearn投票法是集成学习里面针对分类问题的一种结合策略，基本思想是选择所有机器学习算法中输出最多的那个类。本申请中采用软投票法。
图4为主站采用sklearn投票法确定各子区域的投票得分示意图，图5为得分最高的目标子区域内时差位置线的分布示意图。
2）计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度，包括：
采用下式计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度：
，
其中，为核函数，/>，/>是区间突形函数，在/>时取极大值，当/>时为零，/>采用下式表示：
，
上式中，为时差测量误差均方根值。
本申请技术方案中，主站采用目标位置信息场分析法基于时差位置线得到辐射源群的辐射源信息，整体算法思路如下：
通过对辐射源群预先估计所在区域，可以估算信号到达各侦察设备间的时差范围；根据各副站与主站的相关函数的一系列峰值位置所对应的时差，结合信号到达各侦察设备间的时差范围，对时差进行第一次剔除虚假时差处理，得到第一时差序列；再通过子区域划分、筛选，在目标子区域内对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列，第二时差序列中可能仍然包含有虚假时差，同时也可能有遗漏时差；
虽然，不知道有几个辐射源，更不知道这些时差与那个辐射源相关，但是任何一个时差在子区域中都对应着一条时差位置线，这些时差位置线为子区域提供了辐射源的位置信息，不仅时差位置线经过处提供了信息，而且时差位置线附近也提供了信息，只要合适地将这些信息表示出来，再将所有信息综合起来，就能得到辐射源群中辐射源的分布情况，包括辐射源的数量和位置。
图6为目标子区域内位置信息场的示意图，图7为其等值曲线图。图6、7是在信噪比为10dB情况下的结果，得到的辐射源数量是正确的，辐射源位置也基本正确，定位精度较高。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：对多个无源侦察设备采集到辐射源群的信号采样数据进行相关处理，提取相关函数峰值位置所对应的时差，根据辐射源群所在区域的先验信息和时差测量特性剔除部分虚假时差，再根据辐射源群所在区域内时差位置线聚集情况进一步剔除虚假时差，进行综合分析后得到辐射源群的辐射源信息。
2.根据权利要求1所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：包括以下步骤：
S1、预先估计辐射源群的所在区域，调整各侦察设备的波束指向，估算信号到达各侦察设备间的时差范围；
S2、获得各侦察设备的信号采样数据，计算各副站与主站关于信号采样数据的相关函数，并提取相关函数峰值位置所对应的时差；
S3、根据估算的信号到达各侦察设备间的时差范围，对时差进行第一次剔除虚假时差处理，得到第一时差序列；
S4、对预先估计的辐射源群所在区域进行粗网格划分，基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域；
S5、计算目标子区域内信号到达各侦察设备间的时差范围，并对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列；
S6、在目标子区域内划分网格点位，计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度；
S7、根据匹配程度得到辐射源群的辐射源信息；
其中，主站为从各侦察设备中选定的一个侦察设备，副站为剩余的侦察设备。
3.根据权利要求2所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S2中提取相关函数峰值位置所对应的时差，包括：
提取相关函数峰值位置所对应的时差，其中/>为副站序号，，主站序号设定为0，/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值个数。
4.根据权利要求3所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S3中对时差进行第一次剔除虚假时差处理，得到第一时差序列，包括：
对时差进行第一次剔除虚假时差处理，得到第一时差序列，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第一次剔除虚假时差处理后的个数。
5.根据权利要求4所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S4中基于所有时差位置线通过各子区域的频度，筛选出得分最高的目标子区域，包括：
主站基于所有时差位置线通过各子区域的频度，采用sklearn投票法确定各子区域的投票得分，并筛选出得分最高的目标子区域。
6.根据权利要求5所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S5中对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列，包括：
对第一时差序列进行第二次剔除虚假时差处理，得到第二时差序列/>，其中/>为副站/>接收到的信号与主站接收到的信号之间相关函数的峰值经过第二次剔除虚假时差处理后的个数。
7.根据权利要求6所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S6中计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度，包括：
采用下式计算第二时差序列、网格点位处各副站与主站的理论时差序列的匹配程度：
，
其中，为核函数，/>，/>是区间突形函数，在/>时取极大值，当/>时为零，/>采用下式表示：
，
上式中，为时差测量误差均方根值。
8.根据权利要求7所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：S7中根据匹配程度得到辐射源群的辐射源信息，包括：
根据匹配程度的峰值数量确定辐射源群中辐射源数量，根据匹配程度/>的峰值点所在网格位置确定辐射源群中辐射源位置。
9.根据权利要求1-8中任意一项所述的基于剔除虚假时差的密集相关辐射源群定位方法，其特征在于：所述副站确定起始记录时间，包括：
根据预设区域、主站位置和副站位置，计算出区域内信号到达本副站与主站的时差范围，并采用下式确定起始记录时间：
，
其中，为副站/>的起始记录时间，/>为主站的起始记录时间，/>是为了保证求峰值时差准确性而设定的调节项；
所述副站确定采样点数，包括：
采用下式确定采样点数：
，
其中，为副站/>的采样点数，/>为主站的采样点数，/>；
所述副站计算与主站关于信号采样数据的相关函数，包括：
采用下式计算与主站关于信号采样数据的相关函数：
，
其中，为副站/>与主站关于信号采样数据的相关函数，/>、/>分别为、/>的离散形式，/>为主站接收到的信号，/>为副站/>接收到的信号，/>为/>的复共轭，/>为样本序号，/>为/>与/>之间的差值除以采样间隔，/>为相关函数的点数，采用下式表示：
；
所述副站提取相关函数峰值位置所对应的时差，包括：
S21、判断相关函数是否在指定区间内有信号：通过求的和，得到与能量有关的量，基于第一预设门限判断是否有信号；
S22、提取所有峰值点；
S23、剔除小峰值点：将小于第二预设门限的峰值点予以剔除；
S24、剔除不合理峰值点：作为峰值点，左右两边至少一边表现出单向变化，取预设数量的点为衡量标准，将不符合衡量标准的峰值点予以剔除；
S25、进行插值处理，输出相关函数峰值位置所对应的时差。
CN202310804476.XA 2023-07-03 2023-07-03 一种基于剔除虚假时差的密集相关辐射源群定位方法 Active CN116520242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310804476.XA CN116520242B (zh) 2023-07-03 2023-07-03 一种基于剔除虚假时差的密集相关辐射源群定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310804476.XA CN116520242B (zh) 2023-07-03 2023-07-03 一种基于剔除虚假时差的密集相关辐射源群定位方法

Publications (2)

Publication Number Publication Date
CN116520242A true CN116520242A (zh) 2023-08-01
CN116520242B CN116520242B (zh) 2023-10-13

Family

ID=87390698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310804476.XA Active CN116520242B (zh) 2023-07-03 2023-07-03 一种基于剔除虚假时差的密集相关辐射源群定位方法

Country Status (1)

Country Link
CN (1) CN116520242B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103713277A (zh) * 2013-12-19 2014-04-09 中国航天科工集团八五一一研究所 一种基于位置信息场的辐射源定位算法
CN107576936A (zh) * 2017-07-24 2018-01-12 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
US20200413365A1 (en) * 2018-03-06 2020-12-31 Xi'an Daheng Tiancheng It Co., Ltd. Radiation source positioning method based on radio spectrum monitoring big data processing
CN113534144A (zh) * 2021-07-21 2021-10-22 西安电子科技大学 基于时差约束残差的分布式信号分选方法
CN114488028A (zh) * 2022-01-21 2022-05-13 西安电子科技大学 多站集群协同下基于多组时差的雷达信号分选方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103713277A (zh) * 2013-12-19 2014-04-09 中国航天科工集团八五一一研究所 一种基于位置信息场的辐射源定位算法
CN107576936A (zh) * 2017-07-24 2018-01-12 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
US20200413365A1 (en) * 2018-03-06 2020-12-31 Xi'an Daheng Tiancheng It Co., Ltd. Radiation source positioning method based on radio spectrum monitoring big data processing
CN113534144A (zh) * 2021-07-21 2021-10-22 西安电子科技大学 基于时差约束残差的分布式信号分选方法
CN114488028A (zh) * 2022-01-21 2022-05-13 西安电子科技大学 多站集群协同下基于多组时差的雷达信号分选方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHEXI XIANG 等: "A Multi-station Signal Sorting Method Based on Time Difference Pair and Azimuth Information", 《PROCEEDINGS OF THE 12TH INTERNATIONAL CONFERENCE ON COMPUTER ENGINEERING AND NETWORKS》 *
刘英辉 等: "多网络联合识别辐射源个体的优化方法", 信号处理, no. 04 *
马贤同 等: "基于时差的同类辐射源信号分选定位方法", 《电子与信息学报》, vol. 37, no. 10, pages 2363 - 2368 *

Also Published As

Publication number Publication date
CN116520242B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN109444896B (zh) 水声阵列定位系统及其定位方法
CN108957399A (zh) 一种利用lte信号信道状态信息实现运动检测的方法
CN111832462B (zh) 一种基于深度神经网络的跳频信号检测与参数估计方法
CN104267379A (zh) 一种基于波形设计的主被动雷达协同抗干扰方法
US6738021B2 (en) System and method for detection and feature extraction in passive coherent location applications
CN107015205A (zh) 一种分布式mimo雷达检测的虚假目标消除方法
CN108594177A (zh) 基于改进hht的雷达信号调制方式分析方法、信号处理系统
CN107576942A (zh) 一种基于信号聚类的辐射源扫描周期实时估计方法
CN112799053B (zh) 一种单脉冲信号的实时配对分选方法
CN110007299A (zh) 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法
KR20200047086A (ko) 클라우드 데이터 처리 gnss 재밍 감시 방법 및 시스템
AU2002314766A1 (en) System and method for detection and feature extraction in passive coherent location applications
US7916814B2 (en) Method and apparatus for real-time pulse parameter estimator
CN106912101A (zh) 到达时间差定位法及装置
CN106324563A (zh) 一种多点无源探测全相位信号分选与到达时间差测量系统
CN116520242B (zh) 一种基于剔除虚假时差的密集相关辐射源群定位方法
CN113300986B (zh) 无人机图传信号与热点信号识别方法、介质、计算机设备
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
CN116559854A (zh) 一种运动目标速度估计方法、装置和计算机可读储存介质
CN110673118A (zh) 一种主动声纳单频脉冲串波形设计及检测算法
CN110426711B (zh) 一种基于极性零点检测的时延估计方法及系统
CN109358324B (zh) 基于地面监视雷达谱数据的目标检测方法
Ranney et al. A survey of methods for estimating pulse width and pulse repetition interval
CN117111017B (zh) 一种雷达距离谱生成方法
CN111103588B (zh) 一种利用信号能量的三角波多目标识别方法

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