CN116774250A - 一种卫星导航多干扰源直接定位方法、系统及设备 - Google Patents
一种卫星导航多干扰源直接定位方法、系统及设备 Download PDFInfo
- Publication number
- CN116774250A CN116774250A CN202310741381.8A CN202310741381A CN116774250A CN 116774250 A CN116774250 A CN 116774250A CN 202310741381 A CN202310741381 A CN 202310741381A CN 116774250 A CN116774250 A CN 116774250A
- Authority
- CN
- China
- Prior art keywords
- interference source
- interference
- signal
- cost function
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000001427 coherent effect Effects 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 230000007812 deficiency Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 114
- 239000013598 vector Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000011166 aliquoting Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 235000015076 Shorea robusta Nutrition 0.000 claims description 2
- 244000166071 Shorea robusta Species 0.000 claims description 2
- 230000002238 attenuated effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 239000002609 medium Substances 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种卫星导航多干扰源直接定位方法、系统及设备，涉及无源定位领域，该方法包括：对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型，对接收信号进行分段处理，采用加权最小二乘法估计干扰源发射信号，确定协方差矩阵；根据干扰源发射信号构建空间功率函数，确定干扰源目标位置的代价函数；采用迭代算法解决相干信源下协方差矩阵秩缺，使得干扰源目标位置的代价函数直至收敛，确定最终空间功率函数，即目标代价函数；基于目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。本发明能够提高干扰源位置定位精度，降低干扰源位置提取过程的复杂度。
Description
技术领域
本发明涉及无源定位领域，特别是涉及一种卫星导航多干扰源直接定位、方法系统及设备。
背景技术
卫星导航技术自问世以来便因其高覆盖、高精度、高便利等特点而引起了各国的广泛关注，但卫星导航信号非常微弱(-160dBm)，在地面复杂场景中极易受到各种恶意或无意干扰，在很大程度上影响了通信卫星的正常运行，甚至造成了严重的经济损失和恶劣的社会影响。因此对干扰源目标位置进行快速有效的定位，对于卫星导航系统的运行维护与使用有着重大意义。
传统的卫星导航干扰源定位研究多采用两步定位法，第一步通过接收机截获干扰信号进行处理，估计与干扰源位置有关的中间参数，如到达时间(Time Of Arrival，TOA)、到达时间差(Time Difference Of Arrival，TDOA)、到达频差(Frequency Difference OfArrival，FDOA)、到达角度(Angle Of Arrival，AOA)等；第二步利用中间参数与干扰源位置之间的关系建立并求解方程从而实现定位，得到干扰源位置信息，显然两步定位法的定位精度受参数估计的影响。与两步定位不同，直接定位技术(Direct PositionDetermination，DPD)无需估计中间参数，直接对接收机截获的原始信号进行处理，利用原始或经简单预处理后的信号数据构建代价函数，再求得代价函数的最优解以获取目标位置，大大提高了定位精度。
在目前卫星导航干扰源仿真定位场景中，通常假设存在一个静止的干扰源，但在实际场景中往往可能存在多个干扰源，用以干扰不同频点的卫星信号，假设在多个干扰源中存在针对同一频点的多个干扰源，即存在相干干扰源。在传统多目标定位中，常采用多重信号分类(Multiple Signal Classification，MUSIC)与最小方差无失真响应(MinimumVariance Distortion less Response，MVDR)来构建代价函数，采用谱峰搜索完成位置提取，得到干扰源位置。但当信号源中存在相干信号时，一方面，在构建代价函数时信号协方差矩阵变为秩缺矩阵，导致特征分解无法得到与信源数相同个数的特征矢量，信号子空间不完整，最终无法得到所有干扰源的位置信息。针对相干信号有些学者提出了解相干算法，但它们都是以牺牲阵列自由度为代价的，都依赖于信号个数的准确估计，且相干信号的存在会使常规的信号个数估计算法失效；另一方面，在采用谱峰搜索进行位置提取时，由于谱峰搜索是一个穷举最优化问题，往往会带来较大的计算复杂度，同时在高精度搜索时会大幅降低算法的实时性。
发明内容
本发明的目的是提供一种卫星导航多干扰源直接定位方法、系统及设备，以解决干扰源位置定位精度低且位置提取过程复杂的问题。
为实现上述目的，本发明提供了如下方案：
一种卫星导航多干扰源直接定位方法，包括：
对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型；
基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵；
根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数；
采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数；
基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
可选的，对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型，具体包括：
假设定位场景中有G个静止的压制式干扰源，其中存在同频干扰，干扰源的位置坐标分别为qg＝[xg,yg]T,g＝1,...,G，T为转置矩阵，G为干扰源目标数，空间中还有L个时频同步的接收站位于ql＝[xl,yl]T,l＝1,...,L，每个接收站均配置有由M个天线组成的均匀线阵；假设接收站对于发射信号未知，且能够接收到所有干扰源所发射的信号，则t时刻的接收信号模型表示为：
其中，rl(t)为第l个接收站所接收到的接收信号；αlg表示干扰信号第g个干扰源到第l个接收站之间传播产生的衰减；表示第g个干扰源到第l个接收站的到达角；al(θl(qg))表示第g个干扰源信号在第l个接收站处产生的阵列响应；nl(t)为加性高斯白噪声，且假设不同接收站间的噪声相互独立；sg(t-τl(qg))为第g个干扰源发射的干扰信号sg经过路径传输所带来的时延τl(qg)，/>c表示光速；Tt为观测时间。
可选的，对接收信号进行分段处理的具体过程如下：
将接收信号rl(t)的观测时间Tt等分成K个时间片段；假设观测时间Tt能够使得所有感兴趣区域内满足Tt/K≥max{τl(qg)}；
对接收信号rl(t)第k个时间片段进行快速傅里叶变换可得：
k＝1,…,K i＝1,…,N其中，rl(ωi,k)、sg(ωi,k)、nl(ωi,k)分别表示rl(t)、sg(t)和nl(t)在第k个时间片段的傅里叶变换谱，频点数为N；
将含有干扰源位置信息的参数统一，定义下列矢量以及/>则接收信号rl(ωi,k)表示为：
其中，定义为综合干扰源位置信息的导向矢量；/>表示干扰源发射信号经过路径衰减后的目标信号，所述目标信号为待估计信号。
可选的，采用加权最小二乘法估计干扰源发射信号的具体过程如下：
搜索所述感兴趣区域中的每个点是否存在同频干扰，对于感兴趣目标点j，计算在观测时间T内，接收站l估计得到的干扰源发射信号在频点ωi处的平均功率
根据所述平均功率计算所述感兴趣区域内所有点Jall在频点ωi处的平均功率，得到功率矩阵Pl(ωi)；其中，Jall远大于干扰源目标数G，因此Pl(ωi)中包含了所有干扰源目标点的平均功率；
根据所述功率矩阵计算在所有感兴趣点处接收机l估计干扰源发射信号的协方差矩阵其中，包含了所有感兴趣点处的阵列导向矢量，/>为第1个感兴趣点在频点ωi处的导向矢量，/>为第j个感兴趣点在频点ωi处的导向矢量，qj为第j个感兴趣点的位置矢量，/>为第Jall个感兴趣点在频点ωi处的导向矢量，qJall表示所有感兴趣点中最后一个点Jall的位置矢量，/>为感兴趣区域内所有点的阵列导向矢量的厄密特矩阵，其中H表示转置加共轭，Θ为感兴趣区域；
根据所述协方差矩阵计算来自剩余干扰源的干扰信号与噪声的协方差矩阵Ql(qj,ωi)；/> 表示对第j个感兴趣点在频点ωi处的导向矢量求其厄密特矩阵；
利用作为最小二乘法估计的加权值，构造如下代价函数：
结合所有接收站的数据，得到的代价函数/>使代价函数最小值点处对应/>的估计值/>即为干扰源发射信号的估计值。
可选的，根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数，具体包括：
根据的估计值计算感兴趣目标点j在接收站l估计发射信号在频点ωi处的平均功率/>的估计值/>
根据所述平均功率定义空间功率函数为所有接收站截获的位于qj∈Θ,j∈Jall处的空间信号功率P(qj)；
当有G个干扰源目标时，真实目标所在的网格点具有比剩余搜索格点更大的功率值，因此，空间功率函数P(qj)将会有G个峰值，得到关于G个干扰源目标位置的代价函数。
可选的，采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数，具体包括：
根据公式qj∈Θ得到初始功率值/>以更新所述协方差矩阵/>
利用更新后的协方差矩阵得到截获到的发射信号估计值；
利用截获到的发射信号估计值得到功率估计值，继而重复上述两步，重复更新协方差矩阵直至协方差矩阵满秩则收敛，得到最终的功率估计值，确定最终空间功率函数。
可选的，基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值，具体包括：
使用中点顺序聚类算法将随机分布的粒子数划分成G个小粒子群，形成多个小生境；
在小生境之间执行粗略搜索，找到所有的局部最优解，直到达到预设年龄；
在小生境内部进行精细搜索，找到所述局部最优解的精确位置；所述精确位置为多干扰源位置的估计值。
一种卫星导航多干扰源直接定位系统，包括：
接收信号模型建立模块，用于对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型；
分段处理及估计模块，用于基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵；
代价函数确定模块，用于根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数；
最终空间功率函数确定模块，用于采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数；
多干扰源位置的估计值确定模块，用于基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述卫星导航多干扰源直接定位方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述卫星导航多干扰源直接定位方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种卫星导航多干扰源直接定位方法、系统及设备，假定卫星干扰源中存在同频干扰，即相干干扰源，首先对接收站接收到的信号进行分段处理，进行快速傅里叶变换；然后使用加权最小二乘估计接受站截获到的干扰源发射信号，使用迭代自适应算法解决信号协方差矩阵秩缺问题，得到所有感兴趣点处的空间功率函数即干扰源位置的代价函数；最终使用小生境粒子群算法得到多干扰源位置的估计值。本发明使用直接定位方法，相较传统两步定位依赖于参数估计精度，尤其在低信噪比条件下定位精度明显提高，解决了相干信源定位过程中信号协方差矩阵秩缺问题，大幅度降低了位置提取过程中的计算复杂度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的卫星导航多干扰源直接定位方法流程图；
图2为本发明所提供的定位场景图；
图3为本发明所提供的迭代自适应算法迭代流程图；
图4为本发明所提供的小生境粒子群算法流程图。
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。
本发明的目的是提供一种卫星导航多干扰源直接定位方法、系统及设备，提高了干扰源位置定位精度，降低了干扰源位置提取过程的复杂度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供了一种卫星导航多干扰源直接定位方法，如图1所示，包括：
步骤101：对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型。
在实际应用中，针对卫星导航多干扰源定位场景，构造如图2所示的定位模型，得到t时刻的接收信号模型rl(t)。
假设定位场景中有G个静止的压制式干扰源，其中存在同频干扰源，位置坐标分别为qg＝[xg,yg]T,g＝1,...,G，空间中还有L个时频同步的接收站位于ql＝[xl,yl]T,l＝1,...,L，每个接收站均配置有由M个天线组成的均匀线阵。假设接收站对于发射信号未知，且能够接收到所有干扰源所发射的信号，则第l个接收站所接收到的信号可以表示为：
其中αlg表示干扰信号第g个干扰源到第l个接收站之间传播产生的衰减，为一个未知的复变量；表示第g个干扰源到第l个接收站的到达角；al(θl(qg))表示第g个干扰源信号在第l个接收站处产生的阵列响应，是一个M×1维的矢量，其形式为nl(t)为加性高斯白噪声，且假设不同接收站间的噪声相互独立；sg(t-τl(qg))为g个干扰源发射的干扰信号，经过路径传输所带来的时延，其表达式为/>其中c表示光速。
步骤102：基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵。
在实际应用中，对接收信号rl(t)进行分段处理，采用加权最小二乘(WeightedLeast Square，WLS)估计干扰源发射信号，得到发射信号的协方差矩阵。
首先进行分段处理：将接收信号rl(t)的观测时间Tt等分成K个时间片段，假设观测时间Tt足够长使得对所有感兴趣的观测区域内满足Tt/K≥max{τl(qg)}。对接收信号rl(t)第k个时间片段进行快速傅里叶变换可得：
k＝1,…,K i＝1,…,N。其中rl(ωi,k)、sg(ωi,k)、nl(ωi,k)分别表示信号rl(t)、sg(t)和nl(t)在第k个时间片段的傅里叶变换谱，频点数为N。将含有干扰源位置信息的参数统一，定义下列矢量 则接收信号rl(ωi,k)可以表示为：
其中表示干扰源发射信号经过路径衰减后的目标信号，为后续步骤中的待估计信号。
其次，使用加权最小二乘估计发射信号的具体过程如下：
2.1)搜索感兴趣区域中的每个点是否存在干扰源，对于感兴趣的目标点j，计算在观测时间T内，接收站l估计得到的干扰源发射信号在频点ωi处的平均功率为：
2.2)计算感兴趣区域内所有点Jall在频点ωi处的平均功率，得到功率矩阵Pl(ωi)为：其中Jall远大于干扰源目标数G，因此Pl(ωi)中包含了所有干扰源目标点的平均功率。
2.3)计算在所有感兴趣点处接收机l估计干扰源发射信号的协方差矩阵为：/>其中包含了所有感兴趣点处的阵列导向矢量。
2.4)计算来自其他干扰源的干扰信号与噪声的协方差矩阵Ql(qj,ωi)为：
2.5)利用协方差矩阵作为WLS估计的加权值，构造如下代价函数：其中/>x为
2.6)结合所有接收站的数据，得到的代价函数
最终，使代价函数最小值点处得到其估计值为：
步骤103：根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数。
根据的估计值计算感兴趣目标点j在接收站l估计发射信号在频点ωi处的平均功率/>的估计值/>为：
定义空间功率函数为所有接收站截获的位于qj∈Θ,j∈Jall(Θ指感兴趣区域)处的信号功率：当有G个干扰源目标时，真实目标所在的网格点具有比其他搜索格点更大的功率值，因此空间功率函数P(qj)将会有G个峰值，由此可以得到关于G个干扰源目标位置的代价函数为：
步骤104：采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数。
在实际应用中，使用迭代算法解决相干信源下协方差矩阵秩缺，直至收敛，得到最终空间功率函数即目标代价函数，迭代过程如图3所示。
首先，根据公式qj∈Θ得到初始功率值从而得到协方差矩阵/>
然后，利用求得的得到截获到的发射信号估计值/>
最后，利用估计值得到功率估计值/>继而重复上述两步，更新协方差矩阵/>值，直至协方差矩阵满秩则收敛，更新得到最终的功率估计值，根据步骤103中公式得到最终的空间功率函数P(qj)即目标代价函数。
步骤105：基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
在实际应用中，使用小生境粒子群算法对空间功率函数P(qj)进行峰值搜索，得到多干扰源位置的估计值，具体实施过程如图4所示。
5.1)首先使用中点顺序聚类算法将随机分布的粒子数划分成G个小粒子群，形成多个小生境，划分原则如下：
输入Nq个粒子以及空间功率函数P(qj)，使用f(x)表示粒子x的适应值，按照适应值从大到小依次遍历所有粒子。计算粒子qi与距离他最近的小生境nicheG中最优粒子headG的欧氏距离中点midi，当欧氏距离中点midi的适应值同时小于qi和headG的适应值，表明二者之间存在“山谷”，则该粒子qi不属于该小生境，其逻辑表达式为qi∈nichenew,if f(midi)＜f(qi)and f(midi)＜f(headG)；当逻辑表达式中任意一项不满足时，粒子属于该小生境。
5.2)完成初始小生境划分后，由于初始的随机粒子没能落到个别隐蔽的“山峰”中，导致某些小生境未能被建立，因此需要在小生境之间执行粗略搜索，找到所有的局部最优解，直到达到预设年龄。
定义已生成初始小生境年龄为1，粗略搜索遍历所有的小生境，计算某个小生境的最优粒子head与相邻小生境最优粒子headj之间的欧氏距离，以该最优粒子head为中心，欧式距离的一半为半径，随机产生一个粒子，通过上述MSAS法则划分至小生境中，逻辑表达式为：
5.3)在小生境内部进行精细搜索，找到最优解的精确位置。在小生境内随机选取一点qi，以该小生境的最优粒子head为中心，二者之间欧氏距离的一半为半径作为精搜范围，表达式为：
在精搜范围内随机生成一个粒子，与最优粒子head比较其适应值，判断是否需要更新最优粒子；在每一次迭代结束后判断相邻小生境的最优粒子是否满足MSAS法则，重复迭代上述三步步骤，直至达到最大迭代数，输出最终每个小生境的最优粒子所对应的位置坐标即为待求解的干扰源位置。
本发明采用直接定位方法，避免了传统两步定位方法定位精度受参数估计精度的影响；针对含有相干信源的多干扰源直接定位，使用迭代自适应方法，解决了使用传统MUSIC方法带来的信号协方差矩阵秩缺问题；针对多源位置提取，使用小生境粒子群算法，相较传统谱峰搜索大幅度降低了计算复杂度；提高了定位精度，适用于多干扰源存在的卫星导航干扰源定位场景中。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种卫星导航多干扰源直接定位系统。
一种卫星导航多干扰源直接定位系统，其特征在于，包括：
接收信号模型建立模块，用于对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型。
分段处理及估计模块，用于基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵。
代价函数确定模块，用于根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数。
最终空间功率函数确定模块，用于采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数。
多干扰源位置的估计值确定模块，用于基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
实施例三
本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一提供的卫星导航多干扰源直接定位方法。
在实际应用中，上述电子设备可以是服务器。
在实际应用中，电子设备包括：至少一个处理器(processor)、存储器(memory)、总线及通信接口(Communications Interface)。
其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。
通信接口，用于与其它设备进行通信。
处理器，用于执行程序，具体可以执行上述实施例所述的方法。
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
基于以上实施例的描述，本申请实施例提供一种存储介质，其上存储有计算机程序指令，计算机程序指令可被处理器执行以实现任意实施例所述的方法
本申请实施例提供的卫星导航多干扰源直接定位系统以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供语音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网性能。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)其他具有数据交互功能的电子设备。
至此，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、
数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带、磁盘存储或其他磁性存储设备
或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种卫星导航多干扰源直接定位方法，其特征在于，包括：
对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型；
基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵；
根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数；
采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数；
基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
2.根据权利要求1所述的卫星导航多干扰源直接定位方法，其特征在于，对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型，具体包括：
假设定位场景中有G个静止的压制式干扰源，其中存在同频干扰，干扰源的位置坐标分别为qg＝[xg,yg]T,g＝1,...,G，T为转置矩阵，G为干扰源目标数，空间中还有L个时频同步的接收站位于ql＝[xl,yl]T,l＝1,...,L，每个接收站均配置有由M个天线组成的均匀线阵；假设接收站对于发射信号未知，且能够接收到所有干扰源所发射的信号，则t时刻的接收信号模型表示为：
其中，rl(t)为第l个接收站所接收到的接收信号；αlg表示干扰信号第g个干扰源到第l个接收站之间传播产生的衰减；表示第g个干扰源到第l个接收站的到达角；al(θl(qg))表示第g个干扰源信号在第l个接收站处产生的阵列响应；nl(t)为加性高斯白噪声，且假设不同接收站间的噪声相互独立；sg(t-τl(qg))为第g个干扰源发射的干扰信号sg经过路径传输所带来的时延τl(qg)，/>c表示光速；Tt为观测时间。
3.根据权利要求2所述的卫星导航多干扰源直接定位方法，其特征在于，对接收信号进行分段处理的具体过程如下：
将接收信号rl(t)的观测时间Tt等分成K个时间片段；假设观测时间Tt能够使得所有感兴趣区域内满足Tt/K≥max{τl(qg)}；
对接收信号rl(t)第k个时间片段进行快速傅里叶变换可得：
；
其中，rl(ωi,k)、sg(ωi,k)、nl(ωi,k)分别表示rl(t)、sg(t)和nl(t)在第k个时间片段的傅里叶变换谱，频点数为N；
将含有干扰源位置信息的参数统一，定义下列矢量以及则接收信号rl(ωi,k)表示为：
其中，定义为综合干扰源位置信息的导向矢量；/>表示干扰源发射信号经过路径衰减后的目标信号，所述目标信号为待估计信号。
4.根据权利要求3所述的卫星导航多干扰源直接定位方法，其特征在于，采用加权最小二乘法估计干扰源发射信号的具体过程如下：
搜索所述感兴趣区域中的每个点是否存在同频干扰，对于感兴趣目标点j，计算在观测时间T内，接收站l估计得到的干扰源发射信号在频点ωi处的平均功率
根据所述平均功率计算所述感兴趣区域内所有点Jall在频点ωi处的平均功率，得到功率矩阵Pl(ωi)；其中，Jall远大于干扰源目标数G，因此Pl(ωi)中包含了所有干扰源目标点的平均功率；
根据所述功率矩阵计算在所有感兴趣点处接收机l估计干扰源发射信号的协方差矩阵 其中，包含了所有感兴趣点处的阵列导向矢量，/>为第1个感兴趣点在频点ωi处的导向矢量，/>为第j个感兴趣点在频点ωi处的导向矢量，qj为第j个感兴趣点的位置矢量，/>为第Jall个感兴趣点在频点ωi处的导向矢量，qJall表示所有感兴趣点中最后一个点Jall的位置矢量，/>为感兴趣区域内所有点的阵列导向矢量的厄密特矩阵，其中H表示转置加共轭，Θ为感兴趣区域；
根据所述协方差矩阵计算来自剩余干扰源的干扰信号与噪声的协方差矩阵Ql(qj,ωi)；/> 表示对第j个感兴趣点在频点ωi处的导向矢量求其厄密特矩阵；
利用Ql -1(qj,ωi)作为最小二乘法估计的加权值，构造如下代价函数：
结合所有接收站的数据，得到的代价函数使代价函数最小值点处对应/>的估计值 即为干扰源发射信号的估计值。
5.根据权利要求4所述的卫星导航多干扰源直接定位方法，其特征在于，根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数，具体包括：
根据的估计值计算感兴趣目标点j在接收站l估计发射信号在频点ωi处的平均功率/>的估计值/>
根据所述平均功率定义空间功率函数为所有接收站截获的位于qj∈Θ,j∈Jall处的空间信号功率P(qj)；
当有G个干扰源目标时，真实目标所在的网格点具有比剩余搜索格点更大的功率值，因此，空间功率函数P(qj)将会有G个峰值，得到关于G个干扰源目标位置的代价函数。
6.根据权利要求5所述的卫星导航多干扰源直接定位方法，其特征在于，采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数，具体包括：
根据公式得到初始功率值/>以更新所述协方差矩阵/>
利用更新后的协方差矩阵得到截获到的发射信号估计值；
利用截获到的发射信号估计值得到功率估计值，继而重复上述两步，重复更新协方差矩阵直至协方差矩阵满秩则收敛，得到最终的功率估计值，确定最终空间功率函数P(qj)。
7.根据权利要求6所述的卫星导航多干扰源直接定位方法，其特征在于，基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值，具体包括：
使用中点顺序聚类算法将随机分布的粒子数划分成G个小粒子群，形成多个小生境；
在小生境之间执行粗略搜索，找到所有的局部最优解，直到达到预设年龄；
在小生境内部进行精细搜索，找到所述局部最优解的精确位置；所述精确位置为多干扰源位置的估计值。
8.一种卫星导航多干扰源直接定位系统，其特征在于，包括：
接收信号模型建立模块，用于对卫星导航多干扰源定位场景进行建模，得到t时刻的接收信号模型；
分段处理及估计模块，用于基于所述t时刻的接收信号模型，对接收信号进行分段处理，并采用加权最小二乘法估计干扰源发射信号，确定所述干扰源发射信号的协方差矩阵；
代价函数确定模块，用于根据所述干扰源发射信号构建空间功率函数，并根据所述空间功率函数确定干扰源目标位置的代价函数；
最终空间功率函数确定模块，用于采用迭代算法解决相干信源下协方差矩阵秩缺，使得所述干扰源目标位置的代价函数直至收敛，确定最终空间功率函数；所述最终空间功率函数为目标代价函数；
多干扰源位置的估计值确定模块，用于基于所述目标代价函数，使用小生境粒子群算法进行空间功率函数峰值搜索，确定多干扰源位置的估计值。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1-7中任一项所述的卫星导航多干扰源直接定位方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的卫星导航多干扰源直接定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310741381.8A CN116774250A (zh) | 2023-06-21 | 2023-06-21 | 一种卫星导航多干扰源直接定位方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310741381.8A CN116774250A (zh) | 2023-06-21 | 2023-06-21 | 一种卫星导航多干扰源直接定位方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116774250A true CN116774250A (zh) | 2023-09-19 |
Family
ID=87990873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310741381.8A Pending CN116774250A (zh) | 2023-06-21 | 2023-06-21 | 一种卫星导航多干扰源直接定位方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116774250A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118191687A (zh) * | 2024-05-16 | 2024-06-14 | 西北工业大学 | 一种时变噪声环境下自适应三轴磁通门磁干扰补偿方法 |
-
2023
- 2023-06-21 CN CN202310741381.8A patent/CN116774250A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118191687A (zh) * | 2024-05-16 | 2024-06-14 | 西北工业大学 | 一种时变噪声环境下自适应三轴磁通门磁干扰补偿方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Multistatic moving object localization by a moving transmitter of unknown location and offset | |
| He et al. | Near-field localization of partially polarized sources with a cross-dipole array | |
| CN111835444B (zh) | 一种无线信道场景识别方法及系统 | |
| Noroozi et al. | Efficient weighted least squares estimator for moving target localization in distributed MIMO radar with location uncertainties | |
| 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 | |
| CN116774250A (zh) | 一种卫星导航多干扰源直接定位方法、系统及设备 | |
| Chen et al. | Direct localization of emitters based on sparse Bayesian learning | |
| Hao et al. | An efficiency-improved Tdoa-based direct position determination method for multiple sources | |
| Ma et al. | Super-resolution time delay estimation using exponential kernel correlation in impulsive noise and multipath environments | |
| Peng et al. | PRIDE: path integration based delay estimation in multi-device multi-path environments | |
| Bosse et al. | Passive geolocalization of radio transmitters: Algorithm and performance in narrowband context | |
| CN110596668B (zh) | 基于互逆深度神经网络的目标外辐射源被动定位方法 | |
| CN116930963A (zh) | 一种基于无线通信系统的穿墙成像方法 | |
| Yang et al. | A Lagrangian multiplier method for TDOA and FDOA positioning of multiple disjoint sources with distance and velocity correlation constraints | |
| CN113970762B (zh) | 一种多级干扰源定位方法及系统 | |
| Zhang et al. | Acoustic source localization via subspace based method using small aperture MEMS arrays | |
| Lee et al. | A novel location estimation based on pattern matching algorithm in underwater environments | |
| Phruksahiran et al. | Iteration improvement of Taylor-series estimation using hyperbolic systems for FM-radio source localization in Bangkok | |
| CN110632584B (zh) | 基于并联径向基网络的目标外辐射源被动定位方法 | |
| CN112152651B (zh) | 5g系统面向gnss接收机的干扰源定位方法、存储介质及设备 | |
| Hashim et al. | Machine learning performance for radio localization under correlated shadowing | |
| Tang et al. | A study on the propagation characteristics of ais signals in the evaporation duct environment | |
| Chang et al. | Integrated cross-correlation and genetic algorithm to improve TDOA-based locating system in preventing radio interference | |
| Zhou et al. | Research on Indoor UWB Positioning Based on Expectation Maximization in NLOS Environment | |
| Yilong et al. | Emitter localization using a single moving observer based on UKF |
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 |