一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法

技术领域

本发明涉及一种针对多个无线窄带信号运动辐射源的定位方法，特别是针对基于分布式阵列组网协作的多目标定位场景，提供了一种新型定位方法。

背景技术

众所周知，无线信号定位技术广泛应用于通信、雷达、导航、目标监测、遥测遥控、地震勘测、射电天文、紧急救助、安全管理等领域，其在工业生产和军事应用中都发挥着重要作用。根据观测站的数目进行划分可以将无线电信号定位体制分为单站定位和多站定位两大类，这两类定位体制各有其自身优势。具体来说，单站定位系统具有灵活性高、机动性好、系统简洁、无需信息同步和信息传输等优点，但是其定位精度和稳定性十分有限；若需提高定位性能，需要分布式布设多个观测阵列，多站定位系统能够提供更多观测信息量，有助于获得更高定位精度。

在基于分布式阵列的多站定位系统中，最常用的定位方法是多站测向交汇法，即每个观测站通过各种测向算法估计信号的到达角度参数，然后再利用各个观测站所确定的角度线进行交叉汇合，从而得到目标的位置坐标。这种先测向再定位的方法属于“两步定位”模式，该定位模式具有计算过程简单，对观测站间的通信带宽和同步精度要求不高，便于工程实现等优点，目前正被广泛应用于许多无线电信号定位系统中。然而，“两步定位”模式也存在一些固有缺点，例如，估计性能难以达到渐近最优、存在门限效应、在多目标条件下需要测量数据关联等问题。

另一方面，随着装备小型化需求的不断提升，要求依赖尽可能小孔径的天线阵列实现定位，这就导致对目标定位存在精度受限、分辨力不足等问题。

发明内容

本发明针对小型化分布式阵列定位性能受限的问题，提出一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法，以显著提高对多个窄带运动目标的定位精度与空间分辨能力。第一方面，本发明引入(单步)直接定位方式，其基本思想是从原始信号抽样中直接获取目标位置，无需再估计其它中间观测量。相比于传统两步定位方法，这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。子空间数据融合准则与最大似然准则是现有直接定位技术最常用的两种准则，前者能够在多目标定位问题中实现解耦定位，计算效率更高，因此本发明采用基于子空间数据融合准则的直接定位技术。第二方面，本发明针对辐射窄带信号的运动目标，建立了联合角度信息与多普勒信息的多站空时观测矢量，从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果，减少了大孔径天线阵列的设计复杂程度和科学实践成本，降低了对装置信号参数测量精度的要求。第三方面，本发明考虑实际中多站的分布式特点，根据地理空间的距离远近，将观测站分成多组，令网络可通信距离内的为一组，每组观测站节点在邻居节点之间进行双向时间信息交互，因此它们之间不存在时钟偏差，而不同组的观测站之间存在时钟偏差，因此本发明仅利用组内观测站接收信号进行孔径扩展，在提升空间分辨能力的同时，可以不受观测站组与组之间同步时钟偏差所带来的影响。

为了实现上述目的，需要多个观测站均安装阵列天线，并将观测站分布式布设，根据地理空间的距离远近，将观测站分成多组，将网络可通信距离内的设为一组，每组观测站内部节点在邻居节点之间进行双向时间信息交互，因此组内观测站之间时间同步，而不同组的观测站之间存在时钟偏差，通过利用多个分布式观测站的阵列天线接收数据直接估计多个运动目标的位置参数与速度参数。首先，针对每个观测阵列接收的窄带信号，利用到达信号角度、多普勒频率关于目标位置参数的数学关系，建立与到达信号载波相位、载波频偏有关的阵列信号时域模型；接着，将每个观测站的阵列接收窄带信号通过多个带通滤波器，得到多段不同频率范围上的时域信号；然后，每组内各观测站将分频段的时域信号传输至组内主观测站，主观测站将组内多个观测站的时域数据组成高维的多站空时观测矢量，并计算各组的空时噪声子空间；最后，各组主观测站将空时噪声子空间数据传至计算中心站，中心站依据子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型，再提取仅包含目标位置矢量与速度矢量的目标函数，进行多个区域的网格搜索，用以实现对多目标的精确定位。本发明的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法的具体实施步骤如下：

步骤1：根据网络通信距离，将L个观测站分为M

步骤2：对各观测站组内部L

步骤3：每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器，得到J个不同频带范围内的N点阵列信号时域数据。

步骤4：每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站，每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量。

步骤5：每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵，并通过特征值分解依次得到N个时间分量上的空时噪声子空间投影矩阵。

步骤6：每组主观测站将N个空时噪声子空间数据传输至计算中心站。

步骤7：中心站基于子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型。

步骤8：中心站提取M

步骤9：中心站设定每个目标的位置网格与速度网格搜索范围，并计算网格点上M

步骤10：中心站依次进行Q个区域的网格搜索，每个搜索范围内M

进一步地，所述步骤2中，假设目标辐射的窄带信号带宽远远小于信号传播时延的倒数，第m(m＝1,2,...,M

其中，

多普勒频偏

式中u

以二维平面定位为例，目标信号到达角度θ

进一步地，所述步骤3中，每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器，那么第m(m＝1,2,...,M

其中，s

进一步地，所述步骤4中，每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站，每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量，则第m(m＝1,2,...,M

其中，

其中，blkdiag{·}表示由矩阵或矢量作为对角元素构成的块状对角矩阵。

进一步地，所述步骤5中，每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵，其中第m(m＝1,2,...,M

接着，第m组主观测站对

其中

进一步地，所述步骤7中，中心站基于子空间数据融合准则建立联合估计目标位置矢量p

进一步地，所述步骤8中，中心站提取M

进一步地，所述步骤9中，中心站设定第q(q＝1,2,...,Q)个目标的位置网格搜索范围为

其中

进一步地，所述步骤10中，中心站依次进行Q个区域的网格搜索，对第q(q＝1,2,...,Q)个目标的位置估计

与现有技术相比，本发明具有的有益效果：

第一方面，本发明引入(单步)直接定位方式，相比于传统两步定位方法，这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。本发明采用基于子空间数据融合准则的直接定位技，能够在多目标定位问题中实现解耦定位，计算效率更高。第二方面，本发明针对辐射窄带信号的运动目标，建立了联合角度信息与多普勒信息的多站空时观测矢量，从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果，减少了大孔径天线阵列的设计复杂程度和科学实践成本，降低了对装置信号参数测量精度的要求。第三方面，本发明考虑实际中多站的分布式特点，根据地理空间的距离远近，将观测站分成多组，令网络可通信距离内的为一组，每组观测站节点在邻居节点之间进行双向时间信息交互，因此它们之间不存在时钟偏差，而不同组的观测站之间存在时钟偏差，因此本发明仅利用组内观测站接收信号进行孔径扩展，在提升空间分辨能力的同时，可以不受观测站组与组之间同步时钟偏差所带来的影响。

相比于传统的先测向再集中交汇的定位方式，本发明提供的方法可以显著提高多个窄带运动目标的定位精度与空间分辨能力，避免多目标定位过程中的数据关联问题，并且不受观测站组与组之间同步时钟偏差所带来的影响。

附图说明

图1为本发明实施例一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法原理示意图；

图2为本发明实施例一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法基本流程图；

图3为本发明实施例提供的分布式观测阵列分组示意图；

图4为本发明实施例提供的观测站组内数据传输示意图；

图5为本发明实施例提供的主观测站与计算中心站数据传输示意图；

图6为本发明实施例提供的基于分布式阵列的多目标定位实例场景示意图；

图7-1为目标1位置估计均方根误差随着信噪比的变化曲线；

图7-2为目标2位置估计均方根误差随着信噪比的变化曲线；

图7-3为目标1速度估计均方根误差随着信噪比的变化曲线；

图7-4为目标2速度估计均方根误差随着信噪比的变化曲线；

图8-1为目标1位置估计均方根误差随着目标间距的变化曲线；

图8-2为目标2位置估计均方根误差随着目标间距的变化曲线；

图8-3为目标1速度估计均方根误差随着目标间距的变化曲线；

图8-4为目标2速度估计均方根误差随着目标间距的变化曲线。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的解释说明：

如图1所示，本发明公开的针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法需要多个观测站均安装阵列天线，并将观测站分布式布设，根据地理空间的距离远近，将观测站分成多组，将网络可通信距离内的为一组，每组观测站内部节点在邻居节点之间进行双向时间信息交互，因此组内观测站之间时间同步，而不同组的观测站之间存在时钟偏差，每组主观测站合成多站空时观测矢量，将计算得到的空时噪声子空间数据传输至中心站，中心站根据各个空时子空间的正交性，在信号数据域直接(联合)估计多个运动目标的位置参数与速度参数。

如图2所示，本发明公开的一种针对多个窄带信号运动辐射源的分布式阵列协同直接定位方法包括以下步骤：

步骤1：根据网络通信距离，将L个观测站分为M

步骤2：对各观测站组内部L

步骤3：每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器，得到J个不同频带范围内的N点阵列信号时域数据。

步骤4：每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站，每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量。

步骤5：每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵，并通过特征值分解依次得到N个时间分量上的空时噪声子空间投影矩阵。

步骤6：每组主观测站将N个空时噪声子空间数据传输至计算中心站。

步骤7：中心站基于子空间数据融合准则建立联合估计目标位置矢量、速度矢量和传播系数的数学优化模型。

步骤8：中心站提取M

步骤9：中心站设定每个目标的位置网格与速度网格搜索范围，并计算网格点上M

步骤10：中心站依次进行Q个区域的网格搜索，每个搜索范围内M

进一步地，所述步骤1中，根据网络通信距离，将L个安装阵列的观测站分为M

进一步地，所述步骤2中，假设目标辐射的窄带信号带宽远远小于信号传播时延的倒数，第m(m＝1,2,...,M

其中，

多普勒频偏

式中u

以二维平面定位为例，目标信号到达角度θ

进一步地，所述步骤3中，每个观测站将采集到的阵列信号时域数据分别通过J个带通滤波器，那么第m(m＝1,2,...,M

其中，s

进一步地，所述步骤4中，每个观测站将计算得到的J个频带内的阵列信号时域数据传输至组内主观测站，组内数据传输示意图如图2所示，每组主观测站将组内多个观测站的阵列信号时域数据组成J段高维的多站空时观测矢量，则第m(m＝1,2,…,M

其中，

其中，blkdiag{·}表示由矩阵或矢量作为对角元素构成的块状对角矩阵。

进一步地，所述步骤5中，每组主观测站利用J段高维的多站空时观测矢量依次估计得到N个时间分量上的协方差矩阵，其中第m(m＝1,2,...,M

接着，第m组主观测站对

其中

进一步地，所述步骤6中，每组主观测站将N个空时噪声子空间数据传输至计算中心站，如图5所示。

进一步地，所述步骤7中，中心站基于子空间数据融合准则建立联合估计目标位置矢量p

进一步地，所述步骤8中，中心站提取M

进一步地，所述步骤9中，中心站设定第q(q＝1,2,…,Q)个目标的位置网格搜索范围为

其中

进一步地，所述步骤10中，中心站依次进行Q个区域的网格搜索，对第q(q＝1,2,...,Q)个目标的位置估计

为验证本发明效果，进行如下实验：

如图6所示，是一个针对2个运动目标的分布式阵列协同定位实例示意图。假设目标的位置坐标分别为(10km，15km)和(20km，15km)，速度分别为(77.13m/s，91.93m/s)和(-93.97m/s，-34.20m/s)。现有3组观测站对其进行定位，表1列出了3组观测站的位置坐标：第1组观测站的位置坐标分别为(0km，40km)、(5km，40km)和(10km，40km)，第2组观测站的位置坐标分别为(40km，0km)、(45km，0km)和(50km，0km)，第3组观测站的位置坐标分别为(0km，0km)、(5km，0km)和(10km，0km)，每个观测站均安装5元均匀线阵。信号带宽为5kHz，载波频率为300MHz，每个观测站采集N＝300点的离散数据信号，每段信号持续时间约为30ms，分别通过J＝3个带通滤波器。下面将本发明公开的分布式阵列协同直接定位方法与传统的先测向再交汇的两步定位方法的性能进行比较，其中的测向采用多重信号分类估计(MUSIC)算法，交汇定位采用Taylor级数迭代定位算法。

表1分布式阵列定位实例场景中的观测站位置坐标

图7-1给出了两种定位方法的对第1个目标位置估计均方根误差随着信噪比的变化曲线，图7-2给出了两种定位方法对第2个目标位置估计均方根误差随着信噪比的变化曲线，图7-3给出了本发明公开的定位方法对第1个目标速度估计均方根误差随着信噪比的变化曲线，图7-4给出了本发明公开的定位方法对第2个目标速度估计均方根误差随着信噪比的变化曲线。然后，将信噪比固定为20dB，假设有2个目标存在，位置坐标分别为((20-α/2)km,15km)和((20+α/2)km,15km)，两个目标间距为αkm，图8-1给出了两种定位方法的对第1个目标位置估计均方根误差随着目标间距的变化曲线，图8-2给出了两种定位方法对第2个目标位置估计均方根误差随着目标间距的变化曲线，图8-3给出了本发明公开的定位方法对第1个目标速度估计均方根误差随着目标间距的变化曲线，图8-4给出了本发明公开的定位方法对第2个目标速度估计均方根误差随着目标间距的变化曲线。

从图7-1和图7-2中可以看出，相比于传统的先测向再交汇的两步定位方法，本发明公开的分布式阵列协同直接定位方法可以明显提升定位精度，并且信噪比越低，其优势愈加明显。从图8-1和图8-2中可以看出，相比于传统的先测向再交汇的两步定位方法，本发明公开的分布式阵列协同直接定位方法在针对目标距离较近的窄带运动多目标定位时，定位精度更高，可以进一步提高对运动多目标的空间分辨能力。

综上，第一方面，本发明引入(单步)直接定位方式，相比于传统两步定位方法，这种单步定位技术具有估计精度高、分辨能力强、无需数据关联等诸多优点。本发明采用基于子空间数据融合准则的直接定位技，能够在多目标定位问题中实现解耦定位，计算效率更高。第二方面，本发明针对辐射窄带信号的运动目标，建立了联合角度信息与多普勒信息的多站空时观测矢量，从而将单个观测站的小孔径阵列扩展为较大孔径天线的接收效果，减少了大孔径天线阵列的设计复杂程度和科学实践成本，降低了对装置信号参数测量精度的要求。第三方面，本发明考虑实际中多站的分布式特点，根据地理空间的距离远近，将观测站分成多组，令网络可通信距离内的为一组，每组观测站节点在邻居节点之间进行双向时间信息交互，因此它们之间不存在时钟偏差，而不同组的观测站之间存在时钟偏差，因此本发明仅利用组内观测站接收信号进行孔径扩展，在提升空间分辨能力的同时，可以不受观测站组与组之间同步时钟偏差所带来的影响。相比于传统的先测向再集中交汇的定位方式，本发明提供的方法可以显著提高多个窄带运动目标的定位精度与空间分辨能力，避免多目标定位过程中的数据关联问题，并且不受观测站组与组之间同步时钟偏差所带来的影响。

以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。