【技术实现步骤摘要】
一种单站无网格多目标无源定位方法
[0001]本专利技术属于电子侦察
,具体涉及一种单站无网格多目标无源定位方法,可用于单站多目标定位中根据协方差矩阵的稀疏性进行目标定位。
技术介绍
[0002]几十年来,大量文献致力于应用经典信号处理方法解决无源定位问题。定位问题所需的测量值通常是入射到天线上的信号相位、强度或时间信息,如到达时间(TOA)、到达时差(TDOA)、接收信号强度(RSS)、到达方向(DOA)和截获信号的相位差率等。纯方位定位(BOL)或基于相位差速率的算法本质上都是利用信号中的相位差信息。接收站传感器通常被建模为窄带接收天线阵列。在传统的方法中,使用两个步骤来获取目标位置。首先,通过使用多信号分类(MUSIC)或相位差来估计目标的DOA。其次,通过使用这些DOA的估计值或相位差率来估计目标的位置。然而,这种两步定位方法存在相位差和目标位置之间的非线性关系的问题,它还具有较差的信噪比(SNR)表现。此外,传统的定位研究通常集中在单个目标问题上。只有当测量值可以被唯一地分解给单个目标时,多目标定位问题才可以被划分为多个单目标定位问题。
[0003]W.Mati,K.Thomas等人在其发表的论文“Decentralized processing in sensor arrays”中通过在分散的子阵列之间传递协方差矩阵的估计值,提出了一种多目标一步定位算法,该方法仅略微增加了通信的负载。这是一种基于子空间分解的类MUSIC算法。它具有同时定位多个目标的能力。B.Demissie,M.Oispu ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种单站无网格多目标无源定位方法,其特征在于,包括:S1:获得接收信号的协方差矩阵模型;S2:根据所述协方差矩阵模型建立无网格定位模型,所述无网格定位模型为L0范数最小化问题模型;S3:根据所述无网格定位模型建立稀疏恢复模型;S4:对所述稀疏恢复模型进行交替优化,确定目标的位置。2.根据权利要求1所述的单站无网格多目标无源定位方法,其特征在于,所述S1包括:S1.1:建立接收信号模型:s
r
(t
m,n
)=A(t
m
)s(t
m,n
)+n
r
(t
m,n
)其中,s(t
m,n
)表示K个辐射源在t
m
时刻第n帧的发射信号的复包络,K表示辐射源的数量,t
m
表示离散的时刻,m=1,...,M,M表示采样时刻的总数,N表示同一个时刻内的信号快照,n=1,...,N,A(t
m
)表示t
m
时刻的导向矢量矩阵,n
r
(t
m,n
)表示加性高斯白噪声,s
r
(t
m,n
)是天线阵列在t
m
时刻第n帧所有接收信号复包络的和;S1.2:获得所述接收信号的协方差矩阵:其中,E[
·
]表示期望运算符,I
L
是L
×
L阶的单位阵,L表示接收天线的数量,且:其中,表示各个辐射源的信号功率,diag()表示由括号中的向量构成的对角阵;S1.3:对接收信号的协方差矩阵进行向量化,获得接收信号的理想协方差稀疏表示模型:其中,r(t
m
)表示协方差向量,vec()表示矩阵向量化操作,且:其中,表示相对于辐射源位置p
p
的阵列导向矢量,其中,f表示辐射源发射信号的中心频率,a
m1
表示平台上第一根天线在t
m
时刻的位置,a
m2
表示平台上第二根天线在t
m
时刻的位置,a
mL
表示平台上第L根天线在t
m
时刻的位置,p
p
表示第p个辐射源的位置。||a
ml
‑
p
p
||表示第l根天线与第p个辐射源之间的距离;S1.4:根据所述理想协方差稀疏表示模型获得接收信号的实际协方差稀疏表示模型:其中,为r(t
m
)的估计值,n(t
m
)为服从渐进高斯分布的估计误差;S1.5:将所有时刻的协方差稀疏表示模型进行堆叠,获得完整协方差矩阵模型:
其中,n=[n
T
(t1)
…
n
T
技术研发人员:鲍丹,王盛杰,未争超,梅路洋,王爽,
申请(专利权)人:中国电子科技集团公司第五十四研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。