【技术实现步骤摘要】
本专利技术涉及无线定位跟踪，尤其涉及一种分布式观测站非圆信号被动跟踪方法。
技术介绍
1、随着5g高速通信，物联网等各种新兴产业的蓬勃发展，电磁环境也变得越来越复杂，信源定位技术在通信、导航以及无线电监控等领域都发挥着重要的作用，由于单个信源所能获得的信源信息量较少，并且波达方向估计误差大，从而导致定位精度较低。多阵列的定位与之相比可以获得更为丰富的信源参数信息，可以大大提高定位的性能。与此同时，非圆信号相比于传统圆信号具有更大的阵列孔径，且伪协方差不为零，因此非圆信号具有更多的信息，并可以实现更多的目标跟踪。在传统的跟踪算法中，往往是通过在一小段时间间隔内取一定的快拍，并假设信源在这一小部分快拍中位置并未发生变化，通过重复上述步骤在每个时刻对信号位置进行测量，最终获得信源的运动估计。常见的算法如两步定位算法与直接定位算法等等。两步算法是跟踪信源位置的常用方法，它由两个独立的步骤组成。首先，我们需要测量目标源的位置参数，例如到达方向(doa)，多普勒频移以及到达时间差(tdoa)。然后这些参数可以用于计算源位置。然而两步定位算法是次优的，这是由于两步之间相互独立，存在误差的进一步转移。与两步方法相比，直接方法(dpd)具有显著的优势，因为它可以通过构建一个成本函数来直接跟踪源。由于避免了几何关系的构建，直接定位方法更适用于低信噪比的情况，并产生更准确的结果。但是上述所提的算法只是单纯的在每一个时刻重复位置估计，各个时刻之间的估计是相互独立的。因此，使用先验信息实现对目标位置的跟踪可以进一步提高跟踪的精度。
2、其次，
技术实现思路
1、本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种分布式观测站非圆信号被动跟踪方法。
2、本专利技术为解决上述技术问题采用以下技术方案：
3、一种分布式观测站非圆信号被动跟踪方法，包含以下步骤：
4、步骤1)，设置l个观测站分别位于wl＝[xl,yl]t(l＝1,2,…,l),其中[·]t表示转置，xl,yl分别表示二维坐标系下第l个观测站的x坐标与y坐标，每个观测站上都放置着与x轴平行的阵元数为m的被动接收阵列；令被动接收阵列的第一个阵元位置为参考阵元，那么相对于参考阵元被动接收阵列的阵元位置集合为d0＝0，dm表示第m个阵元到参考阵元的距离，m为大于等于1小于等于m-1的整数；
5、令信源为远场位置的i个线性运动且位置未知的信号发射器，各个信号发射器发射窄带不相关的非圆信号，这些非圆信号经过无线信道冲击到各个观测站所配置的l个被动接收阵列上；
6、步骤2)，令第i个信号发射器在k时刻的位置为pi,k＝[xi,k,yi,k]t，其发射的非圆信号为其中，i为大于等于1小于等于i的整数，j为虚数单位，为非圆信号的非圆相位，表示实值信号；那么第l个观测站的被动接收阵列在k时刻的接收信号其中表示第l个观测站的被动接收阵列的阵列流型，为导向矢量，其中表示pi,k与wl间满足的正弦角度关系，λ表示接收信号波长；为信源非圆相位对角矩阵，其中diag[]表示进行对角化操作，表示第i个信号发射器发射的非圆信号的非圆相位；为实值信号矩阵，γl,i(k)表示第i个信号发射器发射的非圆信号经过无线信道到达观测站的未知的路径损耗；nl(k)表示零均值的高斯白噪声；
7、步骤3)，定义第i个信号发射器在k的状态矢量为其中表示该发射器在x坐标与y坐标方向上的速度；第i个信号发射器的线性运动的状态转移模型为其中为状态转移矩阵，且ωk与匀速运动轨迹相关的随机扰动，建模为零均值白高斯噪声，其协方差和分别表示x坐标与y坐标方向速度的过程噪声强度；
8、步骤4)，利用信号发射器非圆信号的特性，对所有l个观测站的被动接收阵列的接收信号进行扩展，得到l个观测站的被动接收阵列的扩展信号，其中第l个观测站的被动接收阵列的扩展信号表示为矩阵运算得到以下公式：
9、
10、式中，为扩展后的阵列流型，表示扩展后的噪声矢量；
11、步骤5)，对l个观测站接收信号的扩展信号进行融合，得到融合后的整体接收信号模型式中，是由l个观测站的被动接收阵列的扩展信号构成的融合接收信号矢量，为融合后的实值信号矢量，为融合噪声；为融合阵列流型；
12、步骤6)，构建i个信号发射器的线性运动的单一状态转移模型式中，为k时刻的多目标状态；为总体状态转移矩阵，表示kronecker积,表示维度为i的单位矩阵；总体状态转移噪声总体状态矢量zk的协方差矩阵为总体状态转移噪声的协方差矩阵；
13、步骤7)，k-1时刻非圆信号发射器的总体状态估计及其状态协方差为和依据扩展卡尔曼滤波算法，对下一时刻的状态与协方差进行预测：
14、
15、
16、其中，分别表示下一时刻状态、协方差矩阵的预测值；
17、步骤8)，计算sk在k时刻的估计值
18、令残差则损失函数依据最小二乘法得到
19、步骤9)，作为当前时刻估计状态zk，其值是未知的，用预测状态zk|k-1替代zk，使得sk在k时刻的估计值更新为：
20、
21、步骤10)，依据扩展卡尔曼滤波算法，对预测状态与协方差进行更新：
22、
23、
24、
25、
26、其中为雅各比矩阵，表示在zk|k-1处对求关于zk的偏导；表示卡尔曼增益，[·]h表示共轭转置，为扩展后的噪声矢量nl(k)的强度；表示k时刻的状态估计值，re{·}表示取实部的操作。
27、作为本专利技术分布式观测站非圆信号被动跟踪方法进一步的优化方案，步骤8)中还可以通过下以下步骤得到；
28、通过最小化方程得到矩阵其最优解将最优解带入公式中计算得到
29、作为本专利技术分布式观测站非圆信号被动跟踪方法进一步的优化方案，步骤9)中雅各比矩阵的求解步骤如下：
30、
31、其中，表示对zk中的第τ个元素求偏导且
32、
33、
34、
35、
36、在只有[zk]4i-1与pi(zk)与状态矢量zk有关系，因此，如果τ＝4i-3
37、
38、如果τ＝4i-1
39、
40、此外
41、式中，o表示0矩阵。
42、本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
43、本专利技术可以适应在单快照接收信号下的新场景下进行有效的位置跟踪，解决了传统算法需要多个快照并假设多个本文档来自技高网...
【技术保护点】
1.一种分布式观测站非圆信号被动跟踪方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的分布式观测站非圆信号被动跟踪方法，其特征在于，步骤8)中通过下以下步骤得到；
3.根据权利要求1所述的分布式观测站非圆信号被动跟踪方法，其特征在于，步骤9)中雅各比矩阵的求解步骤如下：
【技术特征摘要】
1.一种分布式观测站非圆信号被动跟踪方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的分布式观测站非圆信号被动跟踪方法，其特征在于，...
【专利技术属性】
技术研发人员：曹金科，张小飞，尤明懿，殷新建，
申请(专利权)人：南京航空航天大学，
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。