一种基于粒子滤波算法的无线电干扰源测向定位方法技术

本发明专利技术提供了一种基于粒子滤波算法的无线电干扰源测向定位方法，属于无线电测向定位技术领域。本方法中选择干扰源目标的位置坐标为状态变量，波达角为观测变量；利用历史测量数据生成初始粒子集；计算粒子集中各样本的权值并进行归一化；设定阈值进行重采样；加权计算目标状态估计值；对目标状态估计值进行筛选；采样生成新的样本进入下一次循环计算；最后输出估计的目标状态值。本发明专利技术在不改变原有无线电监测车硬件系统的前提下，将粒子滤波算法用于无线电移动监测车的测向定位系统中，大大提高了在复杂城市环境下无线电干扰源查找的精确性，为无线电管理工作提供了一种更加完善准确的测量方法，具有开创性的社会应用价值。

【技术实现步骤摘要】
一种基于粒子滤波算法的无线电干扰源测向定位方法
本专利技术属于无线电测向定位
，具体涉及一种基于粒子滤波算法的无线电干扰源测向定位方法。
技术介绍
随着无线电通信业务的日益发展，人们对无线电频谱资源的需求也不断增加，导致频谱资源日益匮乏。与日俱增的无线电干扰现象更是对国家无线电通信的合理秩序以及合法用户的使用权益产生了严重的威胁。对有限的频谱进行合理地分配和管理，是国家维护无线电通信秩序、保护合法用户应有权益的一项重要工作。由此可见，对无线电干扰的排查是国家无线电管理部门的一项重要任务。在无线电干扰排查的工作中，使用无线电监测车进行地面干扰查找往往是干扰排查工作最终阶段必不可少的环节。无线电监测车是具备无线电测向定位功能的可移动式无线电测向定位工具。在干扰源查找的工作中起到了重要的作用。因此，其测量的可靠性是决定干扰源查找结果的重要影响因素。随着城市环境的日趋复杂，城市范围内的电磁环境也日趋复杂，这对在城市范围内的无线电测向定位工作产生了新的挑战，对无线电测向定位系统的定位精度提出了更高的要求。现有的无线电移动监测车所装备的测向设备天线通常安装在车顶，高度有限，在城市环境中实施测向时，由于受到周围建筑物、金属制道路设施、输电线路等的遮挡，接收到的无线电信号通常会遇到反射和绕射的情况，在多次反射及绕射的情况下会对测量结果的准确性造成很大的影响。与此同时，现有的车载监测测向系统的测向定位方法主要是线性的，缺乏对系统误差及主观误差的有效处理手段，因此在实际工作中其测向定位结果往往误差较大，影响对实际无线电干扰源的判断。在不改变原有系统的硬件基础的前提下，如何在数据分析和处理方面进行改进来提高定位精度则引起了很大的关注。
技术实现思路
本专利技术针对现有的车载监测系统中，由于天线高度有限，并且在实际工作中受到周边建筑物反射影响，导致测向定位结果不准确情况，以及现有测向定位方法的定位结果误差较大的问题，提供了一种基于粒子滤波算法的无线电干扰源测向定位方法。本专利技术的一种基于粒子滤波算法的无线电干扰源测向定位方法，包括如下步骤：步骤1：选择干扰源目标的位置坐标为状态变量，波达角为观测变量，建立状态模型和观测模型如下：状态模型为：Xk＝X0，k＝1,2,…m；Xk是第k次测量的目标状态值，X0是目标的初始状态值，每次测量对应一次循环，m表示最大循环次数；观测模型为：Zk＝θk为第k次测量的波达角，(xk,yk)为第k次测量时移动监测车的位置坐标，(xTk,yTk)为第k次测量的目标位置坐标，Vk＝vθk是第k次测量时的观测噪声。步骤2：根据历史数据，生成初始的粒子集粒子集中的样本数为N，样本的状态值为干扰源目标的位置坐标；初始循环次数k＝1；步骤3：确定当前循环粒子集中各样本的权值；设第k次循环下当前粒子集为其中第i个样本的状态值为当k＝1时，该样本的权值为：其中，δ为第k次循环中针对当前粒子集中第i个样本的观测噪声方差。步骤4：对权值归一化处理，归一化后的第k次循环中第i个样本的权值为：步骤5：重采样，具体是：设置阈值a，在当前粒子集中，用权值大于阈值a的样本替换权值小于阈值a的样本，保持粒子集的个数N不变。步骤6：确定第k次观测的目标坐标如下：为当前粒子集中第i个样本的状态值，为当前粒子集中第i个样本的权值。步骤7：判断k是否小于20，若是，转步骤8执行；否则，判断是否保留当前观测的目标坐标。计算当前测量的波达角θk与前20次测量的波达角的平均值θmean的差，若|θk-θmean|<0.25，则保留当前观测的目标坐标到目标状态集中，继续执行步骤8；否则丢弃该目标坐标，然后后转步骤9执行。步骤8：判断k是否小于15，若是，则保留当前目标状态集中的样本，然后继续执行步骤9；否则，更新目标状态集。设当前目标状态集为表示该集合中的第t个坐标，t＝1,2,...,k；分别针对x和y坐标，在当前目标状态集中取对应的最大值max、最小值min和平均值mean，判断是否大于25％，若是，执行步骤8.1，否则，执行步骤8.2；步骤8.1：分别针对x和y坐标进行如下操作：设g表示x或y；设置g坐标对应的阈值对所有按照目标值大小进行排序，然后将其中小于阈值b的组成子集{G}1，将大于阈值b的组成子集{G}2，设子集{G}1元素个数为I，子集{G}2元素个数为J；若|I-J|≥2，则将个数少的子集中的样本用个数多的子集中的样本替换，若|I-J|＜2，比较两个子集的标准差，用标准差小的子集中的样本替换标准差大的子集中的样本。步骤8.2，保留当前目标状态集中的样本，继续执行步骤9。步骤9：判断是否达到最大循环次数，若是，输出最终观测的目标坐标，结束本方法；否则，将k的值加1，将当前目标状态集中样本加入初始的粒子集中，形成集合P表示当前目标状态集中样本的数目，然后从抽样生成粒子集继续转步骤3执行。本专利技术的优点和积极效果在于：本专利技术的定位方法，在不改变原有无线电监测车硬件系统的前提下，将粒子滤波算法用于无线电移动监测车的测向定位系统中，大大提高了在复杂城市环境下无线电干扰源查找的精确性，减少在复杂城市环境中干扰查找的诸多束缚条件所造成的不利影响，提高了定位精度，为无线电管理工作提供了一种更加完善准确的测量方法，具有开创性的社会应用价值。附图说明图1是本专利技术的无线电干扰源测向定位方法的整体流程图；图2是二维直角坐标系下位置坐标与波达角的关系图；图3是本专利技术的无线电干扰源测向定位方法的总体流程示意图；图4是本专利技术示例的实验中移动监测车的固定路线示意图；图5是本专利技术仿真示例中移动监测车的优化路线示意图；图6是本专利技术仿真示例中采用固定路线时的迭代计算示意图；图7是本专利技术仿真示例中采用优化路线时的迭代计算示意图；图8是本专利技术实施例中第一组数据的测量线路与目标位置图；图9是本专利技术实施例中第二组数据的测量线路与目标位置图；图10是本专利技术实施例中第三组数据的测量线路与目标位置图。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术在不改变原有无线电监测车硬件系统的前提下，考虑到粒子滤波算法恰恰是利用统计学方法20来估计非线性问题的一种估计算法，经过对粒子滤波算法机理的研究，对粒子滤波算法在无线电干扰源测向定位中应用时重要性密度函数的选取、样本退化问题与重采样方法、收敛性等问题进行了理论研究，改进粒子滤波算法，将改进的粒子滤波算法用于无线电移动监测车的测向定位系统中，以提高定位的精度，为无线电管理工作提供了一种更加完善准确的测量方法。本专利技术提供的一种基于粒子滤波算法的无线电干扰源测向定位方法，在目标点固定，观测点移动的情况下，通过利用粒子滤波算法处理无线电测向定位数据，以提高无线电测向定位精度。无线电定位系统是利用无线电波的传播特性测定目标的位置和速度等特性的系统。实际的无线电定位系统通常较为复杂，但基本的构架如图1所示。无线电定位系统分成以下几个功能单元：天线，接收机，参数估计单元，以及中央处理单元。目标发出的电磁波经天线接收后，由接收机检出。在检测AOA(波达角)时，为了得到精细的角度分辨率，通常都用天线阵列。接收机部分同样为了得到精细的角度分辨率采取一定措施，例如为了对抗多径传播的困扰，选用RAKE接收机，以得到最先到达的主本文档来自技高网...

【技术保护点】
一种基于粒子滤波算法的无线电干扰源测向定位方法，其特征在于，包括如下步骤：步骤1：选择干扰源目标的位置坐标为状态变量，波达角为观测变量，建立状态模型和观测模型：状态模型为：Xk＝X0，k＝1,2,…m；Xk是第k次测量的目标状态值，X0是目标的初始状态值，每次测量对应一次循环，m表示最大循环次数；观测模型为：k＝1,2,…m；Zk＝θk为第k次测量的波达角，(xk,yk)为第k次测量时移动监测车的位置坐标，(xTk,yTk)为第k次测量的目标的位置坐标，Vk＝vθk是第k次测量的观测噪声，上角标T表示转置；步骤2：根据历史数据，生成初始的粒子集粒子集中的样本数为N，样本的状态值为干扰源目标的位置坐标；设循环计数器k的初始值为1；步骤3：确定第k次循环下当前粒子集中各样本的权值；设当前粒子集为其中第i个样本的状态值为当k＝1时，该样本的权值为：wk*(i)=exp[-12δ2(θk-tan-1(yk-yk(i)xk-xk(i)))2]]]>δ为第k次循环中针对当前粒子集中第i个样本的观测噪声方差；步骤4：对权值归一化处理，归一化后的第k次循环中第i个样本的权值为步骤5：重采样，具体是：设置阈值a，在当前粒子集中，用权值大于阈值a的样本替换权值小于阈值a的样本，保持粒子集的个数N不变，设更新后的粒子集为步骤6：确定第k次观测的目标坐标x^T=Σi=1Nxk(i)wk(i);y^T=Σi=1Nyk(i)wk(i);]]>为当前粒子集中第i个样本的状态值，为当前粒子集中第i个样本的权值；步骤7：判断k是否小于K1，若是，转步骤8执行；否则，判断是否保留当前观测的目标坐标；计算当前测量的波达角θk与前K1次测量的波达角的平均值θmean的差，若|θk‑θmean|<0.25，则保留当前观测的目标坐标到目标状态集中，继续执行步骤8；否则丢弃该目标坐标，然后转步骤9执行；步骤8：判断k是否小于K2，若是，则保留目标状态集中的样本，然后继续执行步骤9；否则，更新目标状态集，然后继续执行步骤9；其中K2小于K1；更新目标状态集的方法是：设当前目标状态集为表示该集合中的第t个坐标，t＝1,2,...,k；分别针对x和y坐标，在当前目标状态集中取对应的最大值max、最小值min和平均值mean，判断是否大于25％，若是，执行步骤8.1，否则，执行步骤8.2；步骤8.1：分别针对x和y坐标进行如下操作：设g表示x或y；设置g坐标对应的阈值对所有按照目标值大小进行排序，然后将其中小于阈值b的组成子集{G}1，将大于阈值b的组成子集{G}2；设子集{G}1元素个数为I，子集{G}2元素个数为J，若|I‑J|≥2，则将个数少的子集中的样本用个数多的子集中的样本替换，若|I‑J|＜2，比较两个子集的标准差，用标准差小的子集中的样本替换标准差大的子集中的样本；步骤8.2，保留当前目标状态集中样本；步骤9：判断是否达到最大循环次数，若是，输出最终观测的目标坐标，结束本方法；否则，将k的值加1，将当前目标状态集中样本加入初始的粒子集中，形成集合P表示当前目标状态集中样本的数目，然后从抽样生成粒子集继续转步骤3执行。...

【技术特征摘要】
1.一种基于粒子滤波算法的无线电干扰源测向定位方法，其特征在于，包括如下步骤：步骤1：选择干扰源目标的位置坐标为状态变量，波达角为观测变量，建立状态模型和观测模型：状态模型为：Xk＝X0，k＝1,2,…m；Xk是第k次测量的目标状态值，X0是目标的初始状态值，每次测量对应一次循环，m表示最大循环次数；观测模型为：k＝1,2,…m；Zk＝θk为第k次测量的波达角，(xk,yk)为第k次测量时移动监测车的位置坐标，(xTk,yTk)为第k次测量的目标的位置坐标，Vk＝vθk是第k次测量的观测噪声；步骤2：根据历史数据，生成初始的粒子集粒子集中的样本数为N，样本的状态值为干扰源目标的位置坐标；设循环计数器k的初始值为1；步骤3：确定第k次循环下当前粒子集中各样本的权值；设当前粒子集为其中第i个样本的状态值为当k＝1时，该样本的权值为：δ为第k次循环中针对当前粒子集中第i个样本的观测噪声方差；步骤4：对权值归一化处理，归一化后的第k次循环中第i个样本的权值为步骤5：重采样，具体是：设置阈值a，在当前粒子集中，用权值大于阈值a的样本替换权值小于阈值a的样本，保持粒子集的个数N不变，设更新后的粒子集为步骤6：确定第k次观测的目标坐标为当前粒子集中第i个样本的状态值，为当前粒子集中第i个样本的权值；步骤7：判断k是否小于K1，若是，转步骤8执行；否则，判断是否保留当前观测的目标坐标；计算当前测量的波达角θk与前K1次测量的波达角的平均值θmean的差，若|θk-θmean|<0.25，则保留当前观测的目标坐标到目标状态集中，继续执行步骤8；否则丢弃该目标坐标，然后转步骤9执行；步骤8：判断k是否小于K2，若是，则保留目标状态集中的样本，然后继续执行步骤9；否则，更新目标状态集，然后继续执行步骤9；其中K2小于K1；更新目标状态集的方法是...

【专利技术属性】
技术研发人员：李景春，杜太行，江春冬，张小飞，宋柯平，卢茹，黄伟宁，魏文，
申请(专利权)人：国家无线电监测中心，
类型：发明
国别省市：北京;11