联合无线电信号复包络和载波相位信息的多目标直接定位方法
【专利摘要】本发明涉及一种联合无线电信号复包络和载波相位信息的多目标直接定位方法，首先建立到达信号的复包络和载波相位关于目标位置参数的解析模型，通过基2?FFT算法将多站阵列信号时域数据转化成频域数据，在频域利用子空间正交原理构造直接估计目标位置参数的数学优化模型，基于矩阵特征值扰动理论设计出Newton型迭代算法，进行多目标的精确定位。本发明相比传统的多站测向交汇定位和多站测时差交汇定位方法，能够利用到达信号的复包络和载波相位信息，通过在底层数据域直接进行目标位置估计，能够取得更高的定位精度，避免两步定位模式中存在的门限效应和“目标?量测”匹配问题，具有较快的收敛速度，无需高维搜索，性能可靠、运算高效。
【专利说明】
联合无线电信号复包络和载波相位信息的多目标直接定位 方法
技术领域
[0001] 本发明设及无线电信号的定位领域，特别设及一种联合无线电信号复包络和载波 相位信息的多目标直接定位方法。
【背景技术】
[0002] 众所周知，无线电信号定位对于目标发现及其态势感知具有重要意义，其在通信 信号侦察、电子信息对抗、无线电监测、遥测与导航等诸多领域具有十分重要的应用，近几 十年来一直受到国内外相关学者和工程技术人员的广泛关注和研究。根据观测站的数目进 行划分可将无线电信号定位体制划分为单站定位和多站定位两大类，运两类体制各有其自 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，而多站定位系统则能够提供更多的观测信息量，有助于获得更高的定位精度。 本专利主要设及多站定位体制。在多站定位系统中，最具有代表性的两种定位方式分别为 多站测向交汇定位和多站测时差交汇定位。第一种定位系统要求每个观测站安装天线阵 列，每个观测站利用信号到达本站内不同天线的载波相位差信息估计出信号方位，然后在 中屯、站进行交汇定位;第二种定位体制则要求估计信号到达不同观测站的复包络时延差， 并利用时延差信息进行交汇定位。从所利用的信息来看，前者仅仅利用了信号的载波相位 信息，而后者仅仅利用了信号的复包络信息。虽然运两种定位系统都有其自身优势，但定位 精度都存在较大提升空间，为了大幅度提高多站定位精度，最好能同时利用到达信号的复 包络和载波相位信息，并设计出新型定位方法。
[0003] 需要指出的是，现有的无线电信号定位方法都可W归纳成两步估计定位模式，即 先从信号数据中估计定位参数(例如方位，时延差等），然后再基于运些参数估计目标位置。 虽然运种两步估计定位模式应用广泛，但存在诸多缺点。首先，根据信息处理的理论可知， 两步估计定位模式难W获得统计最优的定位精度，运是因为从原始信号数据到最终估计结 果之间每增加一步信息处理环节，就会引入一些不确定性，从而损失掉部分信息，并且影响 最终的定位精度(尤其在低信噪比和小样本数条件下该问题尤为突出）。其次，两步估计定 位模式存在口限效应，W测向交汇定位体制为例，当两个目标相对于某个观测站的方位十 分邻近时（小于其角度分辨口限时），该观测站会将其误判为同一信号，若该测向站将运一 错误信息传送至中屯、站则可能导致中屯、站误判。最后，当有多个目标同时存在时，两步估计 定位模式存在"目标-量测"匹配问题，即如何将信号测量参数与目标进行正确关联，从而完 成后续的多目标定位。为了克服两步定位模式的缺点，一种较好的措施是采用单步定位(亦 称直接定位)模式，即从信号采集数据域中直接提取目标的位置参数，而无需估计其它的中 间定位参数，运一定位思想最早是由W色列学者A.J.Weiss和A. Amar所提出，然而他们所提 出的定位算法都需要高维捜索运算，可能会导致庞大的运算量，需要设计出可W避免多维 捜索的高效算法。
【发明内容】
[0004] 针对现有技术中多站测向交汇定位和多站测时差交汇定位的不足，本发明提供一 种联合无线电信号复包络和载波相位信息的多目标直接定位方法，通过在底层数据域直接 进行目标位置估计，取得更高的定位精度，同时避免两步定位模式中存在的口限效应和"目 标-量测"匹配问题，具有较快的收敛速度、无需高维捜索，性能稳定、可靠。
[0005] 按照本发明所提供的设计方案，一种联合无线电信号复包络和载波相位信息的多 目标直接定位方法，具体包含如下步骤：
[0006] 步骤1.对N个观测站的M通道阵列天线接收系统做时间同步，根据奈奎斯特采样定 理采集目标福射的无线电信号数据，获得阵列信号时域数据；
[0007] 步骤2.对每个观测站的阵列信号时域数据在时域上划分成K个子段，每个子段内 均包含有Q个采集数据点，对每个子段内的Q个数据样本做基2-FFT运算，得到阵列信号频域 数据；
[0008] 步骤3.每个观测站将所获得的阵列信号频域数据传输至中屯、站，中屯、站对每个观 测站传输的阵列信号频域数据按照观测站的顺序堆找排列，构造高维阵列信号频域数据；
[0009] 步骤4.针对每个采集数据点，利用K个子段数据构造高维阵列协方差矩阵的最大 似然估计值；
[0010] 步骤5.对每个采集数据点所构造的高维阵列协方差矩阵进行特征值分解，利用其 MN-D个最小特征值对应的单位特征向量构造特征向量矩阵，并计算特征向量矩阵列空间的 正交投影矩阵，D为目标个数；
[0011] 步骤6.基于矩阵特征值扰动公式设计数值优化中的牛顿型迭代算法进行多目标 定位。
[0012] 上述的，步骤1中第n个观测站的阵列天线所接收到的信号时域模型表示为：
其中，Pd表示第d个目标的位置 向量，皆>表示第d个目标信号的发射信号时间，Sd(t)表示第d个目标信号的复包络，an(Pd) 表示第d个目标信号相对于第n个观测站的天线阵列流形向量，Tn(Pd)表示第d个目标信号到 达第n个观测站的传播时延，Pnd表示第d个目标信号传播至第n个观测站的损耗因子，En(t) 表示第n个观测站中天线阵列的阵元噪声向量;第n个观测站的阵列天线接收信号在第k个 子段内的频域模型为
庚
中，巧"(的和巧"(崎分别表示皆仙和马"价的频域形式，W q表示第q个采集数据点；步骤3 中高维阵列信号频域模型表示为 其中 步骤4中第q个
?
采集数据点的高维阵列协方差矩阵的最大似然估计值表示为
步骤5中，特征值分解表示为 其中， ，' Jog中的列向量是矩阵的MN-D个最小特征值对应的单位特征向量，该矩阵列空间 的正交投影矩阵另
[0013] 上述的，步骤6中的数值优化中的牛顿型迭代算法进行多目标定位具体包含如下 内容：
[0014] 步骤6.1)利用多重信号分类估计算法和化ylor级数迭代定位算法获得目标位置 向量的初始估计化r }i细祖.
[0015] 步骤6.2)依次对D个目标信号的位置向量进行牛顿迭代，其迭代公式为：
t其中，m表示迭代次数，0 <y < 1表示迭代 步长因子，&(换"0和W(找">)分别表示目标函数的梯度向量和Hessian矩阵，相应的计算公 式分别表示为：
[0016]
嘶(妨">)表示矩阵
最小特征值 為(货"")所对应的单位特征向量，矩阵
I勺计算公式分别表 示为：
[0017]
[001 引
和成(货"> )}b,&v_i分别对应矩阵
除 最小特征值W外的其余N-I个特征值及其对应的单位特征向量。
[0019] 本发明的有益效果：
[0020] 本发明首先建立到达信号的复包络和载波相位关于目标位置参数的解析模型，通 过基2-FFT算法将多站阵列信号时域数据转化成频域数据，并在频域利用子空间正交原理 构造直接估计目标位置参数的数学优化模型，然后基于矩阵特征值扰动理论设计出化Wton 型迭代算法，W实现对多目标的精确定位;相比于传统的多站测向交汇定位和多站测时差 交汇定位方法，本发明能够同时利用到达信号的复包络和载波相位信息，通过在底层数据 域直接进行目标位置估计，能够取得更高的定位精度，同时还可W避免两步定位模式中存 在的口限效应和"目标-量测"匹配问题;此外，本发明公开的定位方法是通过化Wton型迭代 来实现，具有较快的收敛速度，无需高维捜索，性能可靠、运算高效。
【附图说明】：
[0021 ]图1为本发明的多观测站多目标直接定位原理图；
[0022] 图2为本发明的流程示意图；
[0023] 图3为本发明的定位实例场景示意图；
[0024] 图4为本发明的定位结果对比示意图。
【具体实施方式】：
[0025] 下面结合附图和技术方案对本发明作进一步详细的说明，并通过优选的实施例详 细说明本发明的实施方式，但本发明的实施方式并不限于此。
[0026] 实施例一，参见图1~2所示，一种联合无线电信号复包络和载波相位信息的多目 标直接定位方法，具体包含如下步骤：
[0027] 步骤1.对N个观测站的M通道阵列天线接收系统做时间同步，根据奈奎斯特采样定 理采集目标福射的无线电信号数据，获得阵列信号时域数据；
[0028] 步骤2.对每个观测站的阵列信号时域数据在时域上划分成K个子段，每个子段内 均包含有Q个采集数据点，对每个子段内的Q个数据样本做基2-FFT运算，得到阵列信号频域 数据；
[0029] 步骤3.每个观测站将所获得的阵列信号频域数据传输至中屯、站，中屯、站对每个观 测站传输的阵列信号频域数据按照观测站的顺序堆找排列，构造高维阵列信号频域数据；
[0030] 步骤4.针对每个采集数据点，利用K个子段数据构造高维阵列协方差矩阵的最大 似然估计值；
[0031] 步骤5.对每个采集数据点所构造的高维阵列协方差矩阵进行特征值分解，利用其 MN-D个最小特征值对应的单位特征向量构造特征向量矩阵，并计算该矩阵列空间的正交投 影矩阵，D为目标信号个数；
[0032] 步骤6.基于矩阵特征值扰动公式设计数值优化中的牛顿型迭代算法进行多目标 定位。
[0033] 实施例二，参见图1~2,一种联合无线电信号复包络和载波相位信息的多目标直 接定位方法，具体包含如下步骤：
[0034] 步骤1.对N个观测站的M通道阵列天线接收系统做时间同步，根据奈奎斯特采样定 理采集目标福射的无线电信号数据，获得阵列信号时域数据，第n个观测站的阵列天线所接
收到的信号时域模型表示为 ， 其中，Pd表示第d个目标的位置向量，货嗦示第d个目标信号的发射信号时间，Sd(t)表示第d 个目标信号的复包络，an(pd)表示第d个目标信号相对于第n个观测站的天线阵列流形向量， Tn(Pd)表示第d个目标信号到达第n个观测站的传播时延，Pnd表示第d个目标信号传播至第n 个观测站的损耗因子，En(t)表示第n个观测站中天线阵列的阵元噪声向量；
[0035] 步骤2.对每个观测站的阵列信号时域数据在时域上划分成K个子段，每个子段 内均包含有Q个采集数据点，对每个子段内的Q个数据样本做基2-FFT运算，得到阵列信号 频域数据，第n个观测站的阵列天线接收信号在第k个子段内的频域模型为：
，其中，皆->(的和巧"(W) 分别表示进> W和的的频域形式，Wq表示第q个采集数据点；
[0036] 步骤3.每个观测站将所获得的阵列信号频域数据传输至中屯、站，中屯、站对每个观 测站传输的阵列信号频域数据按照观测站的顺序堆找排列，构造高维阵列信号频域数据， 高维阵列信号频域模型表示为
其中，
>
[0037] 步骤4.针对每个采集数据点，利用K个子段数据构造高维阵列协方差矩阵的最大 似然估计值，第q个采集数据点的高维阵列协方差矩阵的最大似然估计值表示为：
[003引步骤5.对每个采集数据点所构造的高维阵列协方差矩阵进行特征值分解，利用其MN-D 个最小特征值对应的单位特征向量构推特佈向音巧陈.并i+當该巧陈列巧间的TF々巧影巧陈. D为目标信号个数，特征值分解表示文
其中，；)中的列向量是矩阵新Wy)的MN-D个最小特征值对应的单位特征向量，该矩阵 列空间的正交投影矩阵另
[0039] 步骤6.基于矩阵特征值扰动公式设计数值优化中的牛顿型迭代算法进行多目标 定位，具体包含如下内容：
[0040] 步骤6.1)利用多重信号分类估计算法和化ylor级数迭代定位算法获得目标位置 向量的初始估计泌仙.
[00411 击驢fi - 2)化次对D个曰标倍耳的仿写向量进行牛顿迭代，其迭代公式为：
，其中，m表示迭代次数，0<y<l表示迭代 步长因子，W片/">巧日W (扔/">)分别表示目标函数的梯度向量和化SSian矩阵，相应的计算公 式分别表示为：
[0042]
% (撲叫表示矩阵
最小特征值 ^(拍"，)所对应的单位特征向量，矩阵卸货">)，本找">)和巧)(故>)的计算公式分别表 示为：
[0043]
分别对应矩阵
除最小特征值W外的 其余N-I个特征值及其对应的单位特征向量。
[0044] 参见图3~4所示，结合具体的试验数据对本发明做进一步解释说明：
[0045] 如图3所示，假设两个待定位目标，两目标的位置坐标分别为（2km，2km)和（4km， 4km)，现有S个测向站对其进行定位，其位置坐标分别为(6km，6km)、（6km，-6km)和(-6km， 6km)，每个测向站均安装5元均匀线阵，信号复包络服从零均值圆高斯分布，信号到达S个 测向站的复传播系数分别为0.9848+0.1736 j、0.6428+0.7660 j和0.1736+0.9848 j(由不同 的传播路径所产生），对信号采用基2-FFT算法的点数为512点，每个频点累积的样本点数为 20 O
[0046] 下面将本专利公开的直接定位方法与传统先测向再交汇定位方法的性能进行比 较，运里测向采用多重信号分类估计算法，交汇定位采用化ylor级数迭代定位算法。
[0047] 首先，将信噪比固定为-5地，图4-1为两种定位方法进行500次蒙特卡洛实验的定 位结果，图4-2为目标1定位均方根误差随着信噪比的变化曲线，图4-3为目标2定位均方根 误差随着信噪比的变化曲线，图4-1给出了两种方法进行了500次蒙特卡洛实验的定位结 果;然后，改变信噪比，图4-2和图4-3分别给出了两个目标的定位均方根误差随着信噪比的 变化曲线。
[0048] 由图4-1至图4-3可W明显看出，相比于传统的先测向再交汇定位方法，本专利公 开的直接定位方法可W显著提升定位精度，并且信噪比越低，其优势愈加明显。
[0049] 本发明并不局限于上述【具体实施方式】，本领域技术人员还可据此做出多种变化， 但任何与本发明等同或者类似的变化都应涵盖在本发明权利要求的范围内。
【主权项】
1. 一种联合无线电信号复包络和载波相位信息的多目标直接定位方法，具体包含如下 步骤： 步骤1.对N个观测站的Μ通道阵列天线接收系统做时间同步，根据奈奎斯特采样定理采 集目标辐射的无线电信号数据，获得阵列信号时域数据； 步骤2.对每个观测站的阵列信号时域数据在时域上划分成Κ个子段，每个子段内均包 含有Q个采集数据点，对每个子段内的Q个数据样本做基2-FFT运算，得到阵列信号频域数 据； 步骤3.每个观测站将所获得的阵列信号频域数据传输至中心站，中心站对每个观测站 传输的阵列信号频域数据按照观测站的顺序堆栈排列，构造高维阵列信号频域数据； 步骤4.针对每个采集数据点，利用Κ个子段数据构造高维阵列协方差矩阵的最大似然 估计值； 步骤5.对每个采集数据点所构造的高维阵列协方差矩阵进行特征值分解，利用其MN-D 个最小特征值对应的单位特征向量构造特征向量矩阵，并计算特征向量矩阵列空间的正交 投影矩阵，D为目标个数； 步骤6.基于矩阵特征值扰动公式设计数值优化中的牛顿型迭代算法进行多目标定位。2. 根据权利要求1所述的联合无线电信号复包络和载波相位信息的多目标直接定位方 法，其特征在于：步骤1中第η个观测站的阵列天线所接收到的信号时域模型表示为：其中，pd表示第df目标的位置向 量，ifS表不第d个目标信号的发射信号时间，Sd⑴表不第d个目标信号的复包络，an (pd)表不 第d个目标信号相对于第η个观测站的天线阵列流形向量，in(pd)表示第d个目标信号到达第 η个观测站的传播时延，fcd表示第d个目标信号传播至第η个观测站的损耗因子，en(t)表示 第η个观测站中天线阵列的阵元噪声向量;步骤2中第η个观测站的阵列天线接收信号在第k 个子段内的频域模型为其 中，Sf?和gfv)分别表示#⑴和sf切的频域形式，ω q表示第q个采集数据点；步骤3 中高维阵列信号频域模型表示为?中，步骤4中第q个采集 数据点的高维阵列协方差矩阵的最大似然估计值表示为步骤5 Λ μ. 中，特征值分解表示为，其中， &Ν(；α^中的列向量是矩阵的MN-D个最小特征值对应的单位特征向量，该矩阵列空间 的正交投影矩阵为3.根据权利要求2所述的联合无线电信号复包络和载波相位信息的多目标直接定位方 法，其特征在于:步骤6中的数值优化中的牛顿型迭代算法进行多目标定位具体包含如下内 容： 步骤6.1)利用多重信号分类估计算法和Taylor级数迭代定位算法获得目标位置向量 的初始估计; 步骤6. 2)依次对D个目标信号的位置向量进行牛顿迭代，其迭代公式为：其中，m表示迭代次数，0<μ<1表示迭代步 长因子，(灰Γ)和》(>广）分别表示目标函数的梯度向量和Hessian矩阵，相应的计算公式 分别表不为：表示矩P1小特征值 K#1)所对应的单位特征向量，矩罔的计算公式分别表示 为：{?" ( Α(广})} 分别对应矩Ρ余最 小特征值以外的其余N-1个特征值及其对应的单位特征向量。
【文档编号】G01S5/00GK105954712SQ201610255410
【公开日】2016年9月21日
【申请日】2016年4月22日
【发明人】于宏毅, 王鼎, 吴瑛, 杜剑平, 杨宾, 张莉, 张刚, 吴江, 唐涛
【申请人】中国人民解放军信息工程大学