修正容积卡尔曼滤波直接定位方法技术

本发明专利技术涉及无线目标定位技术领域，尤其涉及修正容积卡尔曼滤波直接定位方法。修正容积卡尔曼滤波直接定位方法，包括以下步骤：融合多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型；基于新的容积卡尔曼滤波模型，采用改进的容积卡尔曼滤波算法对新的容积卡尔曼滤波模型进行目标函数求解，完成目标位置的定位。本发明专利技术建立了一个间接观测模型，作为新的容积卡尔曼滤波模型，以避免发送信号的影响，且可以有效融合多观测站定位信息；通过对状态协方差矩阵和观测噪声协方差矩阵进行修正，消除了在对容积卡尔曼滤波模型的设计中引入的噪声；具有较高的参数估计效率和定位效率。

【技术实现步骤摘要】
修正容积卡尔曼滤波直接定位方法
本专利技术涉及无线目标定位
，尤其涉及修正容积卡尔曼滤波直接定位方法。
技术介绍
无线目标定位技术已广泛应用于紧急救助、安全管理、导航规划等方向，随着高精度定位需求的不断增加，开展更加高效的定位算法研究具有重要价值。传统定位方法首先估计目标信号的到达角度(DOA)、到达时间(TOA)和多普勒频率等定位参数，然后通过求解这些参数构成的定位方程估计目标位置。虽然这种两步定位方法易于实现，但是其忽略了定位参数来源于同一目标这一先验信息，同时不可避免的引入过程处理误差，从而不能获得最佳的定位精度。为了避免两步定位方法的缺点，直接定位(DPD)方法被提出，即在接收信号中直接估计目标位置，免去中间参数的计算，从而可以获得更高的定位精度。由于DPD算法在性能上的优势，近年来得到了广泛的研究。DPD算法作为一种新的定位方法，Weiss首先详细阐述了其基本原理，并给出了基于角度和时延信息的最大似然DPD算法。Amar等人针对运动观测站给出了基于多普勒频差的DPD算法，Li等人利用时延和多普勒信息进一步提高了算法定位精度。由于DPD算法直接利用接收信号进行定位，波形特征可以被有效利用，因此Yin等人提出了基于非圆信号的DPD算法，Lu等人提出了基于OFDM信号的DPD算法，均有效的提高了目标定位精度。为了避免同步误差，Naresh等人利用TDOA信息给出了一种基于LMS滤波的自适应DPD算法，取得了较好的定位效果。Pourhomayoun等人提出了一种基于TDOA和FDOA信息的分布式直接定位算法，利用互模糊函数思想获得目标的精确位置估计。虽然DPD算法提高了目标定位精度，但是其面临着严重的计算压力。为了解决计算量问题，文献(PourhomayounM,FowlerML.SensornetworkdistributedcomputationforDirectPositionDetermination[C].SensorArrayandMultichannelSignalProcessingWorkshop(SAM),2012IEEE7th.IEEE,2012:125-128.)提出一种简化最大特征值求解的时频差联合直接定位算法，并使用数据压缩思想缩减了计算量，取得一定效果。文献(B.Demissie,M.Oispuu,E.Ruthotto,Localizationofmultiplesourceswithamovingarrayusingsubspacedatafusion[C].ProceedingsoftheISIF11thInternationalConferenceonInformationFusion,Cologne,Germany,2008:131–137)提出的基于子空间数据融合DPD算法降低了参数估计维度，利用空间正交性有效减轻了计算压力。但是上述算法仍采用遍历搜索方法进行位置估计，当搜索区域大时，估计效率较低。为了设计更加合理的搜索策略适用于DPD算法，Jiang等人提出的参数交替迭代方法和Elad等人提出的期望最大迭代方法取得了不错的效果，但对初值敏感，且步长需要合理控制。遗传算法作为全局优化算法，可以较好克服上述问题，为此任衍青等人提出了一种锐化遗传算法，在定位精度损失较小的条件下提高了定位效率，计算量下降明显。但遗传算法的计算量依赖于种群规模，当搜索区域大时，需要较大的种群规模才可以保证收敛速度和性能，因此估计效率还有待提升。
技术实现思路
针对直接定位(DPD)算法存在的上述问题，本专利技术提出修正容积卡尔曼滤波直接定位方法，融合了多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型，然后针对新的容积卡尔曼滤波模型特点对容积卡尔曼滤波算法进行适应性改进，快速完成目标位置的搜索，提高了参数估计效率。为了实现上述目的，本专利技术采用以下技术方案：修正容积卡尔曼滤波直接定位方法，包括以下步骤：步骤1：融合多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型；步骤2：基于新的容积卡尔曼滤波模型，采用改进的容积卡尔曼滤波算法对新的容积卡尔曼滤波模型进行目标函数求解，完成目标位置的定位。优选地，所述步骤1包括：步骤1.1：获得观测站接收数据rl(t)，所述接收数据包括到达角信息；求解接收数据的自相关矩阵Rl并进行特征值分解，得到噪声子空间Ul；其中，l为观测站编号，l＝1,2,...,L，L为观测站总数；步骤1.2：利用子空间数据融合方法得到目标位置的估计方程；步骤1.3：对目标位置的估计方程建立新的容积卡尔曼滤波模型，所述新的容积卡尔曼滤波模型为：其中，zk+1＝[z1,k+1,z2,k+1,...,zL,k+1]T为联合观测向量，z1,k+1为间接观测向量，zl,k+1＝Ql(ok)+wl,k，Q(ok)＝[Q1(ok),Q2(ok),...,QL(ok)]T为联合观测函数，Ql(ok)为观测站l在k时刻的目标函数，wk＝[w1,k,w2,k,...,wL,k]T为观测噪声矩阵，wl,k为观测噪声，噪声功率为Ο为全零矩阵。优选地，所述步骤2包括：步骤2.1：假设k时刻已得到目标的状态估计为状态协方差矩阵为Pk|k，系统状态为M维；容积变换取2M个样本点，下一时刻的采样向量和相应的权值为：其中，[·]i是代表矩阵的第i列向量，ω为相应采样向量的权值；步骤2.2：将采样向量带入状态方程进行一步预测为：其中，F为单位矩阵；步骤2.3：计算系统下一时刻的状态预测将采样向量带入观测方程，得到观测量一步预测为对所有采样点的一步预测观测量加权得到系统一步测量预测为观测向量的协方差矩阵Sk+1为其中，Ck+1为观测噪声的协方差矩阵；为修正的观测噪声协方差矩阵，λ为控制协方差矩阵的衰减系数，且满足0<λ<1；系统增益矩阵Wk+1为下一时刻系统状态估计为下一时刻状态协方差矩阵为其中为修正的状态协方差矩阵；对角线元素为p0，其余为零；I为单位矩阵；按照公式(21)和(22)进行下一时刻滤波，直至滤波结束，完成对新的容积卡尔曼滤波模型的目标函数求解，实现目标位置定位。与现有技术相比，本专利技术具有的有益效果：本专利技术融合多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型，然后针对新的容积卡尔曼滤波模型特点对容积卡尔曼滤波算法进行适应性改进，快速完成目标位置的搜索。本专利技术建立了一个间接观测模型，作为新的容积卡尔曼滤波模型，以避免发送信号的影响，且可以有效融合多观测站定位信息；通过对状态协方差矩阵和观测噪声协方差矩阵进行修正，消除了在对容积卡尔曼滤波模型的设计中引入的噪声；具有较高的参数估计效率和定位效率。附图说明图1为本专利技术实施例的基本流程示意图。具体实施方式下面结合附图和具体的实施例对本专利技术做进一步的解释说明：实施例：如图1所示，本专利技术的修正容积卡尔曼滤波直接定位方法，包括以下步骤：假设目标处于静止状态，坐标为o＝(ox,oy)，L个观测站均由N元直线阵组成，阵元间距为半波长，且观测站已完成时间同步，第l个观测站第1个阵元的坐标为ul＝(ul,x,ul,y),l＝1,2,...,本文档来自技高网...

【技术保护点】
1.修正容积卡尔曼滤波直接定位方法，其特征在于，包括以下步骤：步骤1：融合多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型；步骤2：基于新的容积卡尔曼滤波模型，采用改进的容积卡尔曼滤波算法对新的容积卡尔曼滤波模型进行目标函数求解，完成目标位置的定位。

【技术特征摘要】
1.修正容积卡尔曼滤波直接定位方法，其特征在于，包括以下步骤：步骤1：融合多个观测站接收信号中的到达角信息，利用子空间数据融合方法建立新的容积卡尔曼滤波模型；步骤2：基于新的容积卡尔曼滤波模型，采用改进的容积卡尔曼滤波算法对新的容积卡尔曼滤波模型进行目标函数求解，完成目标位置的定位。2.根据权利要求1所述的修正容积卡尔曼滤波直接定位方法，其特征在于，所述步骤1包括：步骤1.1：获得观测站接收数据rl(t)，所述接收数据包括到达角信息；求解接收数据的自相关矩阵Rl并进行特征值分解，得到噪声子空间Ul；其中，l为观测站编号，l＝1,2,...,L，L为观测站总数；步骤1.2：利用子空间数据融合方法得到目标位置的估计方程；步骤1.3：对目标位置的估计方程建立新的容积卡尔曼滤波模型，所述新的容积卡尔曼滤波模型为：其中，zk+1＝[z1,k+1,z2,k+1,...,zL,k+1]T为联合观测向量，z1,k+1为间接观测向量，zl,k+1＝Ql(ok)+wl,k，Q(ok)＝[Q1(ok),Q2(ok),...,QL(ok)]T为联合观测函数，Ql(ok)为观测站l在k时刻的目标函数，wk＝[w1,k,w2...

【专利技术属性】
技术研发人员：逯志宇，任衍青，王建辉，崔维嘉，巴斌，王大鸣，李祥志，秦天柱，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41