CN117233697A - 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 - Google Patents
一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 Download PDFInfo
- Publication number
- CN117233697A CN117233697A CN202311108062.XA CN202311108062A CN117233697A CN 117233697 A CN117233697 A CN 117233697A CN 202311108062 A CN202311108062 A CN 202311108062A CN 117233697 A CN117233697 A CN 117233697A
- Authority
- CN
- China
- Prior art keywords
- observation
- station
- signal
- group
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005855 radiation Effects 0.000 title claims abstract description 26
- 239000013598 vector Substances 0.000 claims abstract description 76
- 238000004891 communication Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 abstract description 6
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,该方法需要多个观测站均安装阵列天线,并将观测站分布式布设,根据地理空间的距离远近,将观测站分成多组,将网络可通信距离内的分为一组,每组观测站内部节点在邻居节点之间进行双向时间信息交互,因此组内观测站之间时间同步,而不同组的观测站之间存在时钟偏差,每组主观测站合成多站空时观测矢量,将计算得到的空时噪声子空间数据传输至中心站,中心站根据各个空时子空间的正交性,在信号数据域直接(联合)估计多个运动目标的位置参数与速度参数。本发明可以显著提高多个窄带运动目标的定位精度与空间分辨能力,避免多目标定位过程中的数据关联问题。
Description
技术领域
本发明涉及一种针对多个无线窄带信号运动辐射源的定位方法,特别是针对基于分布式阵列组网协作的多目标定位场景,提供了一种新型定位方法。
背景技术
众所周知,无线信号定位技术广泛应用于通信、雷达、导航、目标监测、遥测遥控、地震勘测、射电天文、紧急救助、安全管理等领域,其在工业生产和军事应用中都发挥着重要作用。根据观测站的数目进行划分可以将无线电信号定位体制分为单站定位和多站定位两大类,这两类定位体制各有其自身优势。具体来说,单站定位系统具有灵活性高、机动性好、系统简洁、无需信息同步和信息传输等优点,但是其定位精度和稳定性十分有限;若需提高定位性能,需要分布式布设多个观测阵列,多站定位系统能够提供更多观测信息量,有助于获得更高定位精度。
在基于分布式阵列的多站定位系统中,最常用的定位方法是多站测向交汇法,即每个观测站通过各种测向算法估计信号的到达角度参数,然后再利用各个观测站所确定的角度线进行交叉汇合,从而得到目标的位置坐标。这种先测向再定位的方法属于“两步定位”模式,该定位模式具有计算过程简单,对观测站间的通信带宽和同步精度要求不高,便于工程实现等优点,目前正被广泛应用于许多无线电信号定位系统中。然而,“两步定位”模式也存在一些固有缺点,例如,估计性能难以达到渐近最优、存在门限效应、在多目标条件下需要测量数据关联等问题。
另一方面,随着装备小型化需求的不断提升,要求依赖尽可能小孔径的天线阵列实现定位,这就导致对目标定位存在精度受限、分辨力不足等问题。
发明内容
本发明针对小型化分布式阵列定位性能受限的问题,提出一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,以显著提高对多个窄带运动目标的定位精度与空间分辨能力。第一方面,本发明引入(单步)直接定位方式,其基本思想是从原始信号抽样中直接获取目标位置,无需再估计其它中间观测量。相比于传统两步定位方法,这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。子空间数据融合准则与最大似然准则是现有直接定位技术最常用的两种准则,前者能够在多目标定位问题中实现解耦定位,计算效率更高,因此本发明采用基于子空间数据融合准则的直接定位技术。第二方面,本发明针对辐射窄带信号的运动目标,建立了联合角度信息与多普勒信息的多站空时观测矢量,从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果,减少了大孔径天线阵列的设计复杂程度和科学实践成本,降低了对装置信号参数测量精度的要求。第三方面,本发明考虑实际中多站的分布式特点,根据地理空间的距离远近,将观测站分成多组,令网络可通信距离内的为一组,每组观测站节点在邻居节点之间进行双向时间信息交互,因此它们之间不存在时钟偏差,而不同组的观测站之间存在时钟偏差,因此本发明仅利用组内观测站接收信号进行孔径扩展,在提升空间分辨能力的同时,可以不受观测站组与组之间同步时钟偏差所带来的影响。
为了实现上述目的,需要多个观测站均安装阵列天线,并将观测站分布式布设,根据地理空间的距离远近,将观测站分成多组,将网络可通信距离内的设为一组,每组观测站内部节点在邻居节点之间进行双向时间信息交互,因此组内观测站之间时间同步,而不同组的观测站之间存在时钟偏差,通过利用多个分布式观测站的阵列天线接收数据直接估计多个运动目标的位置参数与速度参数。首先,针对每个观测阵列接收的窄带信号,利用到达信号角度、多普勒频率关于目标位置参数的数学关系,建立与到达信号载波相位、载波频偏有关的阵列信号时域模型;接着,将每个观测站的阵列接收窄带信号通过多个带通滤波器,得到多段不同频率范围上的时域信号;然后,每组内各观测站将分频段的时域信号传输至组内主观测站,主观测站将组内多个观测站的时域数据组成高维的多站空时观测矢量,并计算各组的空时噪声子空间;最后,各组主观测站将空时噪声子空间数据传至计算中心站,中心站依据子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型,再提取仅包含目标位置矢量与速度矢量的目标函数,进行多个区域的网格搜索,用以实现对多目标的精确定位。本发明的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法的具体实施步骤如下:
步骤1:根据网络通信距离,将L个观测站分为Mg个组,每组个观测站,其中每个观测站均安装M通道阵列天线。
步骤2:对各观测站组内部Lm(m=1,2,...,Mg)个观测站的M通道阵列天线接收系统做好时间同步,并根据Nyquist采样定理以Ts为时间间隔对Q个运动目标辐射的窄带信号数据进行采集,从而获得每个观测站的N点阵列信号时域数据。
步骤3:每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器,得到J个不同频带范围内的N点阵列信号时域数据。
步骤4:每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站,每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量。
步骤5:每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵,并通过特征值分解依次得到N个时间分量上的空时噪声子空间投影矩阵。
步骤6:每组主观测站将N个空时噪声子空间数据传输至计算中心站。
步骤7:中心站基于子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型。
步骤8:中心站提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵。
步骤9:中心站设定每个目标的位置网格与速度网格搜索范围,并计算网格点上Mg个信息矩阵的最小特征值之和。
步骤10:中心站依次进行Q个区域的网格搜索,每个搜索范围内Mg个信息矩阵最小特征值之和的最小值所对应的位置网格坐标、速度网格坐标即为每个目标的位置估计与速度估计结果。
进一步地,所述步骤2中,假设目标辐射的窄带信号带宽远远小于信号传播时延的倒数,第m(m=1,2,...,Mg)组中第l(l=1,2,...,Lm)个观测站的阵列天线在第n(n=1,2,...,N)个采样时刻所接收到的窄带信号时域模型为
其中,分别表示第q个目标的位置矢量与速度矢量;tm表示第m组观测站相对于参考信号的时钟偏差;sq(nTs-tm)表示第q个目标辐射信号在时延为tm的离散复包络;aml(pq)表示第q个目标信号相对于第m组中第l个观测阵列的阵列流形矢量,与信号的到达角度θml(pq)有关;βqml表示第q个目标信号到第m组中第l个观测站之间的信道传播系数;εml(n)表示第m组中第l个观测站的天线阵列噪声矢量;/>表示第q个目标信号到达第m组中第l个观测站的多普勒频偏。
多普勒频偏与目标位置矢量、速度矢量之间的代数关系为
式中uml为第m组中第l个观测站的位置矢量;fc为信号的载频;c为电波传播速度;||·||2表示矢量的Euclidean范数。
以二维平面定位为例,目标信号到达角度θml(pq)与目标位置矢量之间的代数关系为
进一步地,所述步骤3中,每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器,那么第m(m=1,2,...,Mg)组中第l(l1,2,...,Lm)个观测站通过第j(j=1,2,...,J)个带通滤波器得到的N点阵列信号时域模型可以表示为
其中,sqm(n,j)和εml(n,j)分别表示信号sq(nTs-tm)和噪声εml(n)通过第j(j=1,2,...,J)个带通滤波器的第n(n=1,2,...,N)个离散时域数据。
进一步地,所述步骤4中,每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站,每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量,则第m(m=1,2,...,Mg)组观测站的多站空时观测矢量表达式为
其中, 的表达式为
其中,blkdiag{·}表示由矩阵或矢量作为对角元素构成的块状对角矩阵。
进一步地,所述步骤5中,每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵,其中第m(m=1,2,...,Mg)组观测站在第n(n=1,2,...,N)个时域分量上的协方差矩阵估计通过下式得到:
接着,第m组主观测站对进行特征值分解,将特征矢量矩阵分为两部分:是与Q个大特征值对应的信号子空间;/>是与MLm-Q个小特征值对应的噪声子空间。第m组观测站在第n个时域分量上的空时噪声子空间投影矩阵通过下式计算得到:
其中表示单位矩阵。
进一步地,所述步骤7中,中心站基于子空间数据融合准则建立联合估计目标位置矢量pq、速度矢量和传播系数/>的数学优化模型为
进一步地,所述步骤8中,中心站提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵,其中第m(m=1,2,...,Mg)个信息矩阵为
进一步地,所述步骤9中,中心站设定第q(q=1,2,...,Q)个目标的位置网格搜索范围为速度网格搜索范围为/>在搜索范围内每个网格点上Mg个信息矩阵的最小特征值之和为
其中表示/>的最小特征值。
进一步地,所述步骤10中,中心站依次进行Q个区域的网格搜索,对第q(q=1,2,...,Q)个目标的位置估计与速度估计/>通过计算第q个目标搜索范围内信息矩阵最小特征值之和的最小值得到:
与现有技术相比,本发明具有的有益效果:
第一方面,本发明引入(单步)直接定位方式,相比于传统两步定位方法,这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。本发明采用基于子空间数据融合准则的直接定位技,能够在多目标定位问题中实现解耦定位,计算效率更高。第二方面,本发明针对辐射窄带信号的运动目标,建立了联合角度信息与多普勒信息的多站空时观测矢量,从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果,减少了大孔径天线阵列的设计复杂程度和科学实践成本,降低了对装置信号参数测量精度的要求。第三方面,本发明考虑实际中多站的分布式特点,根据地理空间的距离远近,将观测站分成多组,令网络可通信距离内的为一组,每组观测站节点在邻居节点之间进行双向时间信息交互,因此它们之间不存在时钟偏差,而不同组的观测站之间存在时钟偏差,因此本发明仅利用组内观测站接收信号进行孔径扩展,在提升空间分辨能力的同时,可以不受观测站组与组之间同步时钟偏差所带来的影响。
相比于传统的先测向再集中交汇的定位方式,本发明提供的方法可以显著提高多个窄带运动目标的定位精度与空间分辨能力,避免多目标定位过程中的数据关联问题,并且不受观测站组与组之间同步时钟偏差所带来的影响。
附图说明
图1为本发明实施例一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法原理示意图;
图2为本发明实施例一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法基本流程图;
图3为本发明实施例提供的分布式观测阵列分组示意图;
图4为本发明实施例提供的观测站组内数据传输示意图;
图5为本发明实施例提供的主观测站与计算中心站数据传输示意图;
图6为本发明实施例提供的基于分布式阵列的多目标定位实例场景示意图;
图7-1为目标1位置估计均方根误差随着信噪比的变化曲线;
图7-2为目标2位置估计均方根误差随着信噪比的变化曲线;
图7-3为目标1速度估计均方根误差随着信噪比的变化曲线;
图7-4为目标2速度估计均方根误差随着信噪比的变化曲线;
图8-1为目标1位置估计均方根误差随着目标间距的变化曲线;
图8-2为目标2位置估计均方根误差随着目标间距的变化曲线;
图8-3为目标1速度估计均方根误差随着目标间距的变化曲线;
图8-4为目标2速度估计均方根误差随着目标间距的变化曲线。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
如图1所示,本发明公开的针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法需要多个观测站均安装阵列天线,并将观测站分布式布设,根据地理空间的距离远近,将观测站分成多组,将网络可通信距离内的为一组,每组观测站内部节点在邻居节点之间进行双向时间信息交互,因此组内观测站之间时间同步,而不同组的观测站之间存在时钟偏差,每组主观测站合成多站空时观测矢量,将计算得到的空时噪声子空间数据传输至中心站,中心站根据各个空时子空间的正交性,在信号数据域直接(联合)估计多个运动目标的位置参数与速度参数。
如图2所示,本发明公开的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法包括以下步骤:
步骤1:根据网络通信距离,将L个观测站分为Mg个组,每组个观测站,其中每个观测站均安装M通道阵列天线。
步骤2:对各观测站组内部Lm(m=1,2,...,Mg)个观测站的M通道阵列天线接收系统做好时间同步,并根据Nyquist采样定理以Ts为时间间隔对Q个运动目标辐射的窄带信号数据进行采集,从而获得每个观测站的N点阵列信号时域数据。
步骤3:每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器,得到J个不同频带范围内的N点阵列信号时域数据。
步骤4:每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站,每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量。
步骤5:每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵,并通过特征值分解依次得到N个时间分量上的空时噪声子空间投影矩阵。
步骤6:每组主观测站将N个空时噪声子空间数据传输至计算中心站。
步骤7:中心站基于子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型。
步骤8:中心站提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵。
步骤9:中心站设定每个目标的位置网格与速度网格搜索范围,并计算网格点上Mg个信息矩阵的最小特征值之和。
步骤10:中心站依次进行Q个区域的网格搜索,每个搜索范围内Mg个信息矩阵最小特征值之和的最小值所对应的位置网格坐标、速度网格坐标即为每个目标的位置估计与速度估计结果。
进一步地,所述步骤1中,根据网络通信距离,将L个安装阵列的观测站分为Mg个组,每组个观测站,分布式观测阵列分组场景如图1所示。
进一步地,所述步骤2中,假设目标辐射的窄带信号带宽远远小于信号传播时延的倒数,第m(m=1,2,...,Mg)组中第l(l=1,2,...,Lm)个观测站的阵列天线在第n(n=1,2,...,N)个采样时刻所接收到的窄带信号时域模型为
其中,分别表示第q个目标的位置矢量与速度矢量;tm表示第m组观测站相对于参考信号的时钟偏差;sq(nTs-tm)表示第q个目标辐射信号在时延为tm的离散复包络;aml(pq)表示第q个目标信号相对于第m组中第l个观测阵列的阵列流形矢量,与信号的到达角度θml(pq)有关;βqml表示第q个目标信号到第m组中第l个观测站之间的信道传播系数;εml(n)表示第m组中第l个观测站的天线阵列噪声矢量;/>表示第q个目标信号到达第m组中第l个观测站的多普勒频偏。
多普勒频偏与目标位置矢量、速度矢量之间的代数关系为
式中uml为第m组中第l个观测站的位置矢量;fc为信号的载频;c为电波传播速度;||·||2表示矢量的Euclidean范数。
以二维平面定位为例,目标信号到达角度θml(pq)与目标位置矢量之间的代数关系为
进一步地,所述步骤3中,每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器,那么第m(m=1,2,...,Mg)组中第l(l1,2,...,Lm)个观测站通过第j(j=1,2,...,J)个带通滤波器得到的N点阵列信号时域模型可以表示为
其中,sqm(n,j)和εml(n,j)分别表示信号sq(nTs-tm)和噪声εml(n)通过第j(j=1,2,…,J)个带通滤波器的第n(n=1,2,…,N)个离散时域数据。
进一步地,所述步骤4中,每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站,组内数据传输示意图如图2所示,每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量,则第m(m=1,2,…,Mg)组观测站的多站空时观测矢量表达式为
其中, 的表达式为
其中,blkdiag{·}表示由矩阵或矢量作为对角元素构成的块状对角矩阵。
进一步地,所述步骤5中,每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵,其中第m(m=1,2,...,Mg)组观测站在第n(n=1,2,...,N)个时域分量上的协方差矩阵估计通过下式得到:
接着,第m组主观测站对进行特征值分解,将特征矢量矩阵分为两部分:是与Q个大特征值对应的信号子空间;/>是与MLm-Q个小特征值对应的噪声子空间。第m组观测站在第n个时域分量上的空时噪声子空间投影矩阵通过下式计算得到:
其中表示单位矩阵。
进一步地,所述步骤6中,每组主观测站将N个空时噪声子空间数据传输至计算中心站,如图5所示。
进一步地,所述步骤7中,中心站基于子空间数据融合准则建立联合估计目标位置矢量pq、速度矢量和传播系数/>的数学优化模型为
进一步地,所述步骤8中,中心站提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵,其中第m(m=1,2,...,Mg)个信息矩阵为
进一步地,所述步骤9中,中心站设定第q(q=1,2,…,Q)个目标的位置网格搜索范围为速度网格搜索范围为/>在搜索范围内每个网格点上Mg个信息矩阵的最小特征值之和为
其中表示/>的最小特征值。
进一步地,所述步骤10中,中心站依次进行Q个区域的网格搜索,对第q(q=1,2,...,Q)个目标的位置估计与速度估计/>通过计算第q个目标搜索范围内信息矩阵最小特征值之和的最小值得到:
为验证本发明效果,进行如下实验:
如图6所示,是一个针对2个运动目标的分布式阵列协同定位实例示意图。假设目标的位置坐标分别为(10km,15km)和(20km,15km),速度分别为(77.13m/s,91.93m/s)和(-93.97m/s,-34.20m/s)。现有3组观测站对其进行定位,表1列出了3组观测站的位置坐标:第1组观测站的位置坐标分别为(0km,40km)、(5km,40km)和(10km,40km),第2组观测站的位置坐标分别为(40km,0km)、(45km,0km)和(50km,0km),第3组观测站的位置坐标分别为(0km,0km)、(5km,0km)和(10km,0km),每个观测站均安装5元均匀线阵。信号带宽为5kHz,载波频率为300MHz,每个观测站采集N=300点的离散数据信号,每段信号持续时间约为30ms,分别通过J=3个带通滤波器。下面将本发明公开的分布式阵列协同直接定位方法与传统的先测向再交汇的两步定位方法的性能进行比较,其中的测向采用多重信号分类估计(MUSIC)算法,交汇定位采用Taylor级数迭代定位算法。
表1分布式阵列定位实例场景中的观测站位置坐标
图7-1给出了两种定位方法的对第1个目标位置估计均方根误差随着信噪比的变化曲线,图7-2给出了两种定位方法对第2个目标位置估计均方根误差随着信噪比的变化曲线,图7-3给出了本发明公开的定位方法对第1个目标速度估计均方根误差随着信噪比的变化曲线,图7-4给出了本发明公开的定位方法对第2个目标速度估计均方根误差随着信噪比的变化曲线。然后,将信噪比固定为20dB,假设有2个目标存在,位置坐标分别为((20-α/2)km,15km)和((20+α/2)km,15km),两个目标间距为αkm,图8-1给出了两种定位方法的对第1个目标位置估计均方根误差随着目标间距的变化曲线,图8-2给出了两种定位方法对第2个目标位置估计均方根误差随着目标间距的变化曲线,图8-3给出了本发明公开的定位方法对第1个目标速度估计均方根误差随着目标间距的变化曲线,图8-4给出了本发明公开的定位方法对第2个目标速度估计均方根误差随着目标间距的变化曲线。
从图7-1和图7-2中可以看出,相比于传统的先测向再交汇的两步定位方法,本发明公开的分布式阵列协同直接定位方法可以明显提升定位精度,并且信噪比越低,其优势愈加明显。从图8-1和图8-2中可以看出,相比于传统的先测向再交汇的两步定位方法,本发明公开的分布式阵列协同直接定位方法在针对目标距离较近的窄带运动多目标定位时,定位精度更高,可以进一步提高对运动多目标的空间分辨能力。
综上,第一方面,本发明引入(单步)直接定位方式,相比于传统两步定位方法,这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。本发明采用基于子空间数据融合准则的直接定位技,能够在多目标定位问题中实现解耦定位,计算效率更高。第二方面,本发明针对辐射窄带信号的运动目标,建立了联合角度信息与多普勒信息的多站空时观测矢量,从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果,减少了大孔径天线阵列的设计复杂程度和科学实践成本,降低了对装置信号参数测量精度的要求。第三方面,本发明考虑实际中多站的分布式特点,根据地理空间的距离远近,将观测站分成多组,令网络可通信距离内的为一组,每组观测站节点在邻居节点之间进行双向时间信息交互,因此它们之间不存在时钟偏差,而不同组的观测站之间存在时钟偏差,因此本发明仅利用组内观测站接收信号进行孔径扩展,在提升空间分辨能力的同时,可以不受观测站组与组之间同步时钟偏差所带来的影响。相比于传统的先测向再集中交汇的定位方式,本发明提供的方法可以显著提高多个窄带运动目标的定位精度与空间分辨能力,避免多目标定位过程中的数据关联问题,并且不受观测站组与组之间同步时钟偏差所带来的影响。
以上所示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 (9)
1.一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,包括:
步骤1:根据网络通信距离,将L个观测站分为Mg个组,每组Lm个观测站,即其中每个观测站均安装M通道阵列天线;
步骤2:对各观测站组内部Lm个观测站的M通道阵列天线接收系统进行时间同步,并根据Nyquist采样定理以Ts为时间间隔对Q个运动目标辐射的窄带信号数据进行采集,从而获得每个观测站的N点阵列信号时域数据;
步骤3:每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器,得到J个不同频带范围内的N点阵列信号时域数据;
步骤4:每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站,每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量;
步骤5:每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵,并通过特征值分解依次得到N个时间分量上的空时噪声子空间投影矩阵;
步骤6:每组主观测站将N个空时噪声子空间数据传输至计算中心站;
步骤7:中心站基于子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型;
步骤8:中心站根据建立的数学优化模型提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵;
步骤9:中心站设定每个目标的位置网格与速度网格搜索范围,并计算网格点上Mg个信息矩阵的最小特征值之和;
步骤10:中心站依次进行Q个区域的网格搜索,每个搜索范围内Mg个信息矩阵最小特征值之和的最小值所对应的位置网格坐标、速度网格坐标即为每个目标的位置估计与速度估计结果。
2.根据权利要求1所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤2中,当目标辐射的窄带信号带宽远远小于信号传播时延的倒数时,第m组中第l个观测站的阵列天线在第n个采样时刻所接收到的窄带信号时域模型为
其中,m=1,2,...,Mg;l=1,2,...,Lm;n=1,2,...,N;pq、分别表示第q个目标的位置矢量与速度矢量;tm表示第m组观测站相对于参考信号的时钟偏差;sq(nTs-tm)表示第q个目标辐射信号在时延为tm的离散复包络;aml(pq)表示第q个目标信号相对于第m组中第l个观测阵列的阵列流形矢量;βqml表示第q个目标信号到第m组中第l个观测站之间的信道传播系数;εml(n)表示第m组中第l个观测站的天线阵列噪声矢量;/>表示第q个目标信号到达第m组中第l个观测站的多普勒频偏;
多普勒频偏与目标位置矢量、速度矢量之间的代数关系为
式中uml为第m组中第l个观测站的位置矢量;fc为信号的载频;c为电波传播速度;||·||2表示矢量的Euclidean范数。
3.根据权利要求2所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤3中,第m组中第l个观测站通过第j个带通滤波器得到的N点阵列信号时域模型可以表示为
其中,j=1,2,...,J;sqm(n,j)和εml(n,j)分别表示信号sq(nTs-tm)和噪声εml(n)通过第j个带通滤波器的第n个离散时域数据。
4.根据权利要求3所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤4中,第m组观测站的多站空时观测矢量表达式为
其中, 的表达式为
其中,blkdiag{·}表示由矩阵或矢量作为对角元素构成的块状对角矩阵。
5.根据权利要求4所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤5中,第m组观测站在第n个时域分量上的协方差矩阵估计通过下式得到:
接着,第m组主观测站对进行特征值分解,将特征矢量矩阵分为两部分:/>是与Q个大特征值对应的信号子空间;/>是与MLm-Q个小特征值对应的噪声子空间;
第m组观测站在第n个时域分量上的空时噪声子空间投影矩阵通过下式计算得到:
其中表示单位矩阵。
6.根据权利要求5所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤7中,中心站基于子空间数据融合准则建立联合估计目标位置矢量pq、速度矢量和传播系数/>的数学优化模型为
7.根据权利要求6所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤8中,中心站提取Mg个仅包含目标位置矢量与速度矢量的信息矩阵,其中第m个信息矩阵为
8.根据权利要求7所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤9中,中心站设定第q个目标的位置网格搜索范围为速度网格搜索范围为/>在搜索范围内每个网格点上Mg个信息矩阵的最小特征值之和为
其中q=1,2,...,Q;表示/>的最小特征值。
9.根据权利要求8所述的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法,其特征在于,所述步骤10中,中心站依次进行Q个区域的网格搜索,对第q个目标的位置估计与速度估计/>通过计算第q个目标搜索范围内信息矩阵最小特征值之和的最小值得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108062.XA CN117233697B (zh) | 2023-08-30 | 2023-08-30 | 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108062.XA CN117233697B (zh) | 2023-08-30 | 2023-08-30 | 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117233697A true CN117233697A (zh) | 2023-12-15 |
CN117233697B CN117233697B (zh) | 2024-07-19 |
Family
ID=89087088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311108062.XA Active CN117233697B (zh) | 2023-08-30 | 2023-08-30 | 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117233697B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2507531C1 (ru) * | 2012-11-08 | 2014-02-20 | Открытое акционерное общество "Концерн "Океанприбор" | Способ пассивного определения координат источников излучения |
CN105929389A (zh) * | 2015-12-05 | 2016-09-07 | 中国人民解放军信息工程大学 | 一种基于外辐射源时延和多普勒频率的直接定位方法 |
CN107132505A (zh) * | 2017-05-19 | 2017-09-05 | 中国人民解放军信息工程大学 | 直达与非直达混合场景中的多目标直接定位方法 |
CN109975754A (zh) * | 2019-02-26 | 2019-07-05 | 中国人民解放军战略支援部队信息工程大学 | 联合角度、时延与多普勒信息的运动多站直接定位方法 |
CN113281702A (zh) * | 2021-04-30 | 2021-08-20 | 中国人民解放军战略支援部队信息工程大学 | 协同短波多站角度与卫星时频的超视距目标直接定位方法 |
CN114636970A (zh) * | 2022-02-21 | 2022-06-17 | 中国人民解放军战略支援部队信息工程大学 | 一种基于被动合成孔径的多无人机协同直接定位方法 |
-
2023
- 2023-08-30 CN CN202311108062.XA patent/CN117233697B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2507531C1 (ru) * | 2012-11-08 | 2014-02-20 | Открытое акционерное общество "Концерн "Океанприбор" | Способ пассивного определения координат источников излучения |
CN105929389A (zh) * | 2015-12-05 | 2016-09-07 | 中国人民解放军信息工程大学 | 一种基于外辐射源时延和多普勒频率的直接定位方法 |
CN107132505A (zh) * | 2017-05-19 | 2017-09-05 | 中国人民解放军信息工程大学 | 直达与非直达混合场景中的多目标直接定位方法 |
CN109975754A (zh) * | 2019-02-26 | 2019-07-05 | 中国人民解放军战略支援部队信息工程大学 | 联合角度、时延与多普勒信息的运动多站直接定位方法 |
CN113281702A (zh) * | 2021-04-30 | 2021-08-20 | 中国人民解放军战略支援部队信息工程大学 | 协同短波多站角度与卫星时频的超视距目标直接定位方法 |
CN114636970A (zh) * | 2022-02-21 | 2022-06-17 | 中国人民解放军战略支援部队信息工程大学 | 一种基于被动合成孔径的多无人机协同直接定位方法 |
Non-Patent Citations (2)
Title |
---|
尹洁昕: "基于阵列信号的目标直接定位方法研究", 《中国优秀博士学位论文全文数据库 信息科技辑》, 15 January 2019 (2019-01-15) * |
马贤同;罗景青;孟祥豪;: "多目标位置信息场直接定位法", 信息与控制, no. 06, 15 December 2015 (2015-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117233697B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132505B (zh) | 直达与非直达混合场景中的多目标直接定位方法 | |
CN109738861B (zh) | 一种基于Wi-Fi信道状态信息的三维联合估计方法 | |
CN108872932B (zh) | 基于神经网络的超视距目标直接定位结果纠偏方法 | |
CN105911521B (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 | |
CN111199280B (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 | |
CN108445444A (zh) | 修正容积卡尔曼滤波直接定位方法 | |
CN108872971B (zh) | 一种基于运动单阵列的目标定位方法与装置 | |
CN109975754A (zh) | 联合角度、时延与多普勒信息的运动多站直接定位方法 | |
CN111405657B (zh) | 一种基于csi的到达角与到达时间差单接入点定位方法 | |
CN114636970A (zh) | 一种基于被动合成孔径的多无人机协同直接定位方法 | |
CN111965595A (zh) | 一种基于无人机的多非圆信源高精度直接定位方法 | |
CN108120953A (zh) | 一种基于波达方向估计的无线电定位方法 | |
CN107121662A (zh) | 基于空域稀疏表示的单站无源定位方法 | |
CN112505622A (zh) | 一种高精度单基站室内定位方法 | |
CN111199281B (zh) | 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法 | |
CN107450046B (zh) | 低仰角多径环境下的波达角估计方法 | |
Meles et al. | Drone localization based on 3D-AoA signal measurements | |
CN113281702B (zh) | 协同短波多站角度与卫星时频的超视距目标直接定位方法 | |
CN110208741B (zh) | 一种基于多圆阵测相的超视距单目标直接定位方法 | |
CN117233697B (zh) | 一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法 | |
CN117202343B (zh) | 一种针对多个宽带信号辐射源的分布式阵列协同直接定位方法 | |
CN113671477B (zh) | 一种基于图信号处理的雷达目标距离估计方法 | |
CN111079929B (zh) | 基于神经计算的短波单站多目标地理坐标快速估计方法 | |
CN115882881A (zh) | 一种强干扰下阵列天线时分系统初始角度搜索方法和终端 | |
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 |
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 |