基于空域稀疏表示的单站无源定位方法技术

本发明专利技术公开了一种基于空域稀疏表示的单站无源定位方法，主要解决现有技术对多目标定位时需要预先获取信号相关信息，且在低信噪比下测量精度不高的问题，其实现步骤是：1)在观测平台用天线接收机形成均匀线阵；2)利用均匀线阵对空间信号采样获得采样信号；3)计算采样信号的协方差矩阵，并对该协方差矩阵依次进行向量化和稀疏表示，得到信号定位矩阵；4)利用重构算法求解定位矩阵，获得目标位置信息。本发明专利技术能在不需要预先获取信号相关信息的情况下，利用一个测量站完成多目标的定位，提高了在低信噪比情况下定位的精度，可用于雷达，定位系统和移动通信。

A single station passive location method based on spatial sparse representation

The invention discloses a spatial representation based on sparse single station passive location method, mainly to solve the existing technology of target positioning signal to obtain relevant information in advance, and in the low SNR measurement accuracy is not high, the steps are: 1) the formation of uniform linear array antenna receiver in the observation platform; 2) using a uniform linear array of spatial signal sampling sampling signal; 3) calculate the covariance matrix of sample signals, and the covariance matrix in order to obtain quantitative and sparse representation, signal orientation matrix; 4) algorithm using the orientation matrix reconstruction, obtain target position information. The invention can obtain relevant information in advance signal without the need for the use of a measuring station positioning target, improved in low SNR positioning accuracy and can be used in radar, mobile communication and positioning system.

【技术实现步骤摘要】
基于空域稀疏表示的单站无源定位方法
本专利技术属于信号处理
，特别是一种多目标定位方法，可用于雷达，定位系统和移动通信。
技术介绍
近年来，对目标进行定位一直是信号处理领域的一个热点问题。定位设备根据接收到的目标的相关信号对其位置进行确定。多目标定位无论是在军事还是民用领域都有很大的应用价值，而且随着技术进步，除了对单目标进行定位，对多目标的定位也有越来越多的关注和需求。在传统的定位方法中，首先需要获取信号的相关信息，如到达时间，到达时差，波达方向，信号强度等，然后再根据获取信息列出目标位置方程。例如传统基于时差的定位方法，对时差测量精度要求很高，而且需要多个测量站协作；又如传统基于波达方向的定位方法，由于其波达方向与噪声之间的关系并非线性的，所以在噪声很大的情况下这种方法的测量精度不高。除此之外，传统的定位方法都集中在单目标的情况下，对多目标的定位还不够成熟，而且传统方法实现多目标定位往往需要预先知道定位目标个数，但在实际应用中，这些信息往往很难得到。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于空域稀疏表示的单站无源定位方法，以利用一个测量站在无需预先获取信号相关信息的情况下实现对多个目标的定位，并提高在低信噪比情况下定位的精度。为实现上述目的，本专利技术的技术方案包括如下：1)在观测平台的平面上采用L个天线接收机形成均匀线性阵列，各天线接收机的间距为d，0＜d≤λ/2，λ为目标入射窄带信号波长；2)在ti时刻上，用L个天线接收K个窄带信号，得到接收信号x(t)：x(t)＝A(ti)s(t)+ns(t),t＝ti+Ts,...,ti+NTs其中x(t)是一个L×1的向量，s(t)是K个不连续的零均值信号源的向量，ns(t)是和s(t)不相关的高斯白噪声，Ts是时间采样间隔，N是采样点数，A(ti)是ti时刻的导向矩阵，表示为：是在位置pj处的导向矢量，j＝1,2,...,K；3)利用ti时刻的接收信号x(t)构造协方差矩阵R(ti)：其中E[·]表示期望操作，H表示共轭转置运算，是噪声功率，IL是L×L的单位阵，Σ是一个对角阵，T表示转置运算，是第j个信号功率；4)将协方差矩阵R(ti)向量化为协方差向量r(ti)：其中*表示共轭操作，ο表示Khatri-Rao乘积，表示Kronecker乘积；5)对协方差向量r(ti)进行稀疏表示，得到信号定位矩阵：5a)将ti时刻可能出现在目标位置上的协方差向量稀疏化：其中y为P阶信号功率向量，其表示ti时刻的目标位置索引信息，ψ(ti)是ti时刻通过阵列流型得到的过完备基，其表示ti时刻目标位置信息，P表示将过完备基划分成P个间隔，vec(·)表示向量化操作；5b)对r(ti)进行估计，得到ti时刻估计后的稀疏化协方差向量：其中，n(ti)是服从近似高斯分布的估计误差；5c)将不同时刻对应不同位置的集合在一起形成定位矩阵Y：其中由所有时刻估计后的稀疏化协方差向量和噪声功率构成，Ψ表示所有时刻的过完备基集合，Ψ＝[Ψ(t1)...Ψ(ti)...Ψ(tT)]T，·-1表示求逆运算，n表示所有时刻的估计误差集合n＝[n(t1)...n(ti)...n(tT)]T；6)利用压缩感知的重构算法对上述定位矩阵Y进行求解，获得目标的位置。本专利技术与现有技术相比具有以下优点：1)本专利技术采取了稀疏表示的思想，把截获到的信号能量在空域稀疏化，利用不同观测位置的协方差矩阵得到目标的位置，避免了传统方法需要到达时间，波达方向，信号强度等参数的预先信息，提高了在低信噪比情况下定位的精度。2)本专利技术在观测平台的平面上采用天线接收机构成一个测量站，完成多目标的定位，避免了传统方法需要多个测量站协助才能完成定位的问题。附图说明图1是本专利技术的实现流程图；图2是本专利技术的模型示意图；具体实施方式以下参照附图，对本专利技术的技术方案和效果作进一步的详细说明。参照图2，本专利技术的使用场景包括一个观测平台和K个目标，观测平台上有L个天线接收机，ti时刻第m个天线接收机的位置表示为aim，i＝1,2,...,T，m＝1,2,...,L，观测平台上的天线接收机获取目标位置Pp的信号，p＝1,2,...,K，定位的任务就是通过从所有时刻的接收信号实现对目标位置Pp的估计。参照图1，本专利技术的实现步骤如下：步骤1：设置均匀线性阵列。在观测平台的平面上采用L个天线接收机形成均匀线性阵列，各天线接收机的间距为d，0＜d≤λ/2，λ为目标入射窄带信号波长，为了避免信号估计方向的模糊，阵元之间的间距采取信号波长的一半。步骤2：获取接收信号x(t)。在ti时刻上，用L个天线接收K个窄带信号，得到接收信号x(t)：x(t)＝A(ti)s(t)+ns(t),其中x(t)是一个L×1的向量，t＝ti+Ts,...,ti+NTs，s(t)是K个不连续的零均值信号源的向量，ns(t)是与s(t)不相关的高斯白噪声，Ts是时间采样间隔，N是采样点数，A(ti)是ti时刻的导向矩阵，表示为：是在位置pj处的导向矢量，j＝1,2,...,K。步骤3：构造协方差矩阵R(ti)。利用ti时刻的接收信号x(t)构造协方差矩阵R(ti)：其中E[·]表示期望操作，H表示共轭转置运算，是噪声功率，IL是L×L的单位阵，Σ是一个对角阵，T表示转置运算，是第j个信号功率。步骤4：根据协方差向量R(ti)构造协方差向量r(ti)。将协方差矩阵R(ti)向量化为协方差向量r(ti)：其中,*表示共轭操作，ο表示Khatri-Rao乘积，Khatri-Rao是在1968年，由C.G.Khatri和C.R.Rao在《Solutionstosomefunctionalequationsandtheirapplicationtocharacterizationofprobabilitydistributions》，Standards.1978,83:585-591中首次提出，Khatri-Rao积是以矩阵块作为运算对象，要求所有乘积矩阵分块后的行块数，列块数分别相同即可，矩阵的阶数可以不一致，表示Kronecker乘积，Kronecker乘积以德国数学家利奥波德·克罗内克命名，指两个任意大小的矩阵间的运算。步骤5：对协方差向量r(ti)进行稀疏表示，得到信号定位矩阵Y。5a)将ti时刻可能出现在目标位置上的协方差向量稀疏化：其中y为P阶信号功率向量，其表示ti时刻的目标位置索引信息，ψ(ti)是ti时刻通过阵列流型得到的过完备基，其表示ti时刻目标位置信息，P表示将过完备基划分成P个间隔，vec(·)表示向量化操作；5b)对r(ti)进行估计，得到ti时刻估计后的稀疏化协方差向量：其中，n(ti)是服从近似高斯分布的估计误差；5c)将不同时刻对应不同位置的集合在一起形成定位矩阵Y：其中由所有时刻估计后的稀疏化协方差向量和噪声功率构成，Ψ表示所有时刻的过完备基集合，Ψ＝[Ψ(t1)...Ψ(ti)...Ψ(tT)]T，·-1表示求逆运算，n表示所有时刻的估计误差集合n＝[n(t1)...n(ti)...n(tT)]T。步骤6：利用压缩感知的重构算法对上述定位矩阵进行求解，得到目标位置。压缩感知的重构算法分为三类，第一类是贪婪迭代算法，针对组本文档来自技高网...

【技术保护点】
一种基于空域稀疏表示的单站无源定位方法，包括：1)在观测平台的平面上采用L个天线接收机形成均匀线性阵列，各天线接收机的间距为d，0＜d≤λ/2，λ为目标入射窄带信号波长；2)在ti时刻上，用L个天线接收K个窄带信号，得到接收信号x(t)：x(t)＝A(ti)s(t)+ns(t),t＝ti+Ts,...,ti+NTs其中x(t)是一个L×1的向量，s(t)是K个不连续的零均值信号源的向量，ns(t)是与s(t)不相关的高斯白噪声，Ts是时间采样间隔，N是采样点数，A(ti)是ti时刻的导向矩阵，表示为：

【技术特征摘要】
1.一种基于空域稀疏表示的单站无源定位方法，包括：1)在观测平台的平面上采用L个天线接收机形成均匀线性阵列，各天线接收机的间距为d，0＜d≤λ/2，λ为目标入射窄带信号波长；2)在ti时刻上，用L个天线接收K个窄带信号，得到接收信号x(t)：x(t)＝A(ti)s(t)+ns(t),t＝ti+Ts,...,ti+NTs其中x(t)是一个L×1的向量，s(t)是K个不连续的零均值信号源的向量，ns(t)是与s(t)不相关的高斯白噪声，Ts是时间采样间隔，N是采样点数，A(ti)是ti时刻的导向矩阵，表示为：是在位置pj处的导向矢量，j＝1,2,...,K；3)利用ti时刻的接收信号x(t)构造协方差矩阵R(ti)：其中E[·]表示期望操作，H表示共轭转置运算，是噪声功率，IL是L×L的单位阵，Σ是一个对角阵，T表示转置运算，是第j个信号功率；4)将协方差矩阵R(ti)向量化为协方差向量r(ti)：j＝1,2,...,K，其中*表示共轭操作，表示Khatri-Rao乘积，表示Kronecker乘积；5)对协方差向量r(ti)进行稀疏表示，得到信号定位矩阵：5a)将ti时刻可能出现在目标位置上的协方差向量稀疏化：其中y为P阶信号功率向量，其表示ti时刻的目标位置索引信息，ψ(ti)是ti时刻通过阵列流型得到的过完备基，其表示ti时...

【专利技术属性】
技术研发人员：鲍丹，蔡晶晶，曾爽，武斌，秦国栋，刘高高，李鹏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61