一种粒子优化加权信号子空间拟合的阵列直接自定位方法技术

本发明专利技术公开了一种粒子优化加权信号子空间拟合的阵列直接自定位方法，包括：在定位区域分布信源以及用于接收信源信号的阵列，通过阵列采集数据的模型对多信源信号进行采集；对定位区域进行网格点均匀选取，并在每个网格点构造所有信源的特征矩阵；对采集的数据计算协方差矩阵，进行特征值分解，得到信号子空间，计算加权信号子空间拟合所需要的权值矩阵，结合特征矩阵进行加权信号子空间函数值拟合，选取函数值最大的点作为圆阵所在位置的初始估计；在初始估计位置附近随机选粒子，对各个粒子位置进行权重评估，归一化权重评估值，计算权重对粒子分布位置的加权平均和，得到圆阵位置估计结果。相比于传统方法，本发明专利技术的定位估计值的误差方差最小。的误差方差最小。的误差方差最小。

【技术实现步骤摘要】
一种粒子优化加权信号子空间拟合的阵列直接自定位方法


[0001]本专利技术属于无源定位
，具体地，涉及一种粒子优化加权信号子空间拟合的阵列直接自定位方法。

技术介绍

[0002]定位技术是信号处理领域的一个重要研究方向，在各种工业领域有着广泛的应用。在现代社会的发展中，目标位置的确定是智能感知技术的基础，利用无线传感器节点进行精确的定位成为很多技术的核心，所以定位技术一直是学术界和工业界的研究热点方向。经过多年的发展，定位技术算法在越来越多的场景中得到大规模应用。但是，科技发展带来了新应用场景的涌现，这些变化都对定位技术提出了更高的要求。
[0003]自定位技术是近几年人们广泛关注的话题，传统的自定位技术使用RSS、TDOA、AOA这些两步定位技术进行辅助定位，通过最小二乘定位算法实现对阵列的实时定位，但是从信息论的角度，两步定位方法只利用了数据中的角度信息，因而两步定位方法的结果存在信息的损失。
[0004]粒子滤波算法是一种适用性广的误差修正方法，既能够很好地运用于线性系统，也能够改善非线性系统的性能，所以被广泛地应用于传感器误差的修正之中。在直接定位中，网格对空间的量化也是一种感知误差，所以使用粒子滤波算法可以有效减少网格量化的误差。因此，研究能够使用粒子优化加权信号子空间拟合的阵列直接定位算法具有重要的意义。

技术实现思路

[0005]本专利技术针对现有技术中的不足，提供一种粒子优化加权信号子空间拟合的阵列直接自定位方法，基于加权信号子空间拟合方法，利用粒子滤波对定位结果进行优化，实现对信源位置的精准估计。
[0006]为实现上述目的，本专利技术采用以下技术方案：一种粒子优化加权信号子空间拟合的阵列直接自定位方法，具体包括以下步骤：
[0007]步骤1：在定位区域分布L个信源以及用于接收信源信号的阵列；所述阵列为由M个阵元组成的圆阵；
[0008]步骤2：通过圆阵采集数据的模型对多信源信号进行数据采集；
[0009]步骤3：对定位区域进行网格点的均匀选取，并在每个网格点根据圆阵采集数据的模型构造所有信源的特征矩阵；
[0010]步骤4：对采集的数据计算协方差矩阵，并进行特征值分解，得到信号子空间、噪声子空间和对角矩阵，并计算加权信号子空间拟合所需要的权值矩阵；
[0011]步骤5：通过每个网格点构造的权值矩阵、信号子空间以及所有信源的特征矩阵进行加权信号子空间函数值拟合，对每个网格点的加权信号子空间函数值进行比较，选取函数值最大的点作为圆阵所在位置的初始估计；
[0012]步骤6：在初始估计位置附近随机选取粒子，粒子分布满足均值为0、方差为σ2的正态分布关系；
[0013]步骤7：对各个粒子位置通过粒子加权信号子空间函数进行权重评估；
[0014]步骤8：归一化权重评估值，计算权重对粒子分布位置的加权平均和，得到圆阵位置估计结果。
[0015]进一步地，步骤2中利用圆阵对多信源信号进行数据采集的过程为：
[0016]X＝AS+N
[0017]其中，X为圆阵采集的信号，S为信源信号矢量，N为噪声信号矢量，A为圆阵的阵列流型，A＝[a1,
…
,a
l
,
…
,a
L
]，a
l
为第l个信源入射到阵列方位角形成的导向矢量，λ为信源发射信号波长，r为圆阵的半径，β
l
为圆阵测量的第l个信源的俯仰角，γ
m
‑1为第m个阵元与参考阵元相对于圆阵中心位置的夹角，γ
m
‑1＝2π(m
‑
1)/M，j为虚数单位，θ
l
表示圆阵测得的第l个辐射源的入射方位角。
[0018]进一步地，步骤3中每个网格点构造的所有信源的特征矩阵为：
[0019]Φ
i
＝[φ
1,i
,
…
,φ
l,i
,
…
,φ
L,i
][0020][0021]其中，Φ
i
为第i个网格点构造的所有信源的特征矩阵，φ
l,i
为第i个网格点中构造的第l个信源的特征矩阵，λ为信源发射信号波长，r为圆阵的半径，β
l
为圆阵测量的第l个信源的俯仰角，η
l,i
为在第i个网格点位置第l个信源和正北方向的夹角，为圆阵中参考阵元与正北方向的夹角，γ
m
‑1为第m个阵元与参考阵元相对于圆阵中心位置的夹角，γ
m
‑1＝2π(m
‑
1)/M，j为虚数单位，η
l,i
为在第i个网格点位置第l个信源和正北方向的夹角，(x
i
,y
i
)为第i个网格
点的位置坐标，(p
lx
,p
ly
)为第l个信源的位置坐标。
[0022]进一步地，步骤4包括如下子步骤：
[0023]步骤4.1：对采集的数据计算协方差矩阵，对协方差矩阵进行特征值分解，得到信号子空间、噪声子空间和对角矩阵：
[0024][0025]其中，R为采集数据的协方差矩阵，E()为数学期望，D
S
为L
×
L维的对角矩阵，D
S
的对角元素由特征值分解所得的最大的L个特征值构成；D
N
为由M
‑
L个最小的特征值构成的对角矩阵；U
S
为信号子空间，信号子空间由L个最大的特征值对应的特征向量构成；U
N
为噪声子空间，噪声子空间由M
‑
L个最小的特征值对应的特征向量构成；
[0026]步骤4.2：通过由最大的L个特征值构成的对角矩阵D
S
以及由M
‑
L个最小的特征值构成的对角矩阵计算加权信号子空间拟合所需要的权值矩阵其中，I为单位矩阵，σ2为噪声功率，由D
N
对角线元素的平均值构成。
[0027]进一步地，步骤5中加权信号子空间函数值的拟合过程为：
[0028][0029]其中，f(P
i
)为第i个网格点的加权信号子空间函数值，tr()为矩阵的迹运算，I是单位矩阵，U
S
为信号子空间，W为权值矩阵，Φ
i
为第i个网格点构造的所有信源的特征矩阵。
[0030]进一步地，步骤6中随机选取的J个粒子的位置为Pa
j
＝[Pax
j
,Pay
j
]T
，并且粒子的位置分布满足如下关系：
[0031][0032][0033]其中，||||2为二范数运算，N(0,σ2)表示服从均值为0、方差为σ2的正态分布关系，为圆阵所在位置的初始估计。
[0034]进一步地，步骤7中粒子加权信号子空本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种粒子优化加权信号子空间拟合的阵列直接自定位方法，其特征在于，具体包括以下步骤：步骤1：在定位区域分布L个信源以及用于接收信源信号的阵列；所述阵列为由M个阵元组成的圆阵；步骤2：通过圆阵采集数据的模型对多信源信号进行数据采集；步骤3：对定位区域进行网格点的均匀选取，并在每个网格点根据圆阵采集数据的模型构造所有信源的特征矩阵；步骤4：对采集的数据计算协方差矩阵，并进行特征值分解，得到信号子空间、噪声子空间和对角矩阵，并计算加权信号子空间拟合所需要的权值矩阵；步骤5：通过每个网格点构造的权值矩阵、信号子空间以及所有信源的特征矩阵进行加权信号子空间函数值拟合，对每个网格点的加权信号子空间函数值进行比较，选取函数值最大的点作为圆阵所在位置的初始估计；步骤6：在初始估计位置附近随机选取粒子，粒子分布满足均值为0、方差为σ2的正态分布关系；步骤7：对各个粒子位置通过粒子加权信号子空间函数进行权重评估；步骤8：归一化权重评估值，计算权重对粒子分布位置的加权平均和，得到圆阵位置估计结果。2.根据权利要求1所述的一种粒子优化加权信号子空间拟合的阵列直接自定位方法，其特征在于：步骤2中利用圆阵对多信源信号进行数据采集的过程为：X＝AS+N其中，X为圆阵采集的信号，S为信源信号矢量，N为噪声信号矢量，A为圆阵的阵列流型，A＝[a1,
…
,a
l
,
…
,a
L
]，a
l
为第l个信源入射到阵列方位角形成的导向矢量，λ为信源发射信号波长，r为圆阵的半径，β
l
为圆阵测量的第l个信源的俯仰角，γ
m
‑1为第m个阵元与参考阵元相对于圆阵中心位置的夹角，γ
m
‑1＝2π(m
‑
1)/M，j为虚数单位，θ
l
表示圆阵测得的第l个辐射源的入射方位角。3.根据权利要求1所述的一种优化加权信号子空间拟合的阵列直接自定位方法，其特征在于，步骤3中每个网格点构造的所有信源的特征矩阵为：Φ
i
＝[φ
1,i
,
…
,φ
l,i
,
…
,φ
L,i
]
其中，Φ
i
为第i个网格点构造的所有信源的特征矩阵，φ
l,i
为第i个网格点中构造的第l个信源的特征矩阵，λ为信源发射信号波长，r为圆阵的半径，β
l
为圆阵测量的第l个信源的俯仰角，η
l,i
为在第i个网格点位置第l个信源和正北方向的夹角，为圆阵中参考阵元与正北方向的夹角，γ
m
‑1为第m个阵元与参考阵元相对于圆阵中心位置的夹角，γ
m
‑1＝2π(m
‑
1)/M，j为虚数单位，η
l,i
为在第i个网格点位置第l个信源和正北方向的夹角，(x
i
,y
i
)为第i个网格点的位置坐标，(p
lx
,p
ly
)为第l个信源的位置坐标。4.根据权利要求1所述的一种粒子优化加权信号子空间拟合的阵列直接自定位方法，其特征在于：步骤4包括如下子步骤：步骤4.1：对采集的数据计算协方差矩阵，对协方差矩阵进行特征值分解，得到信号子空间、噪声子空间和对角矩阵：其中，R为采集数据的协方差矩阵，E()为数...

【专利技术属性】
技术研发人员：曹仲康，李建峰，李潘，晋本周，张小飞，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：