一种信息缺失下的无源直接定位方法技术

本发明专利技术公开了一种信息缺失下的无源直接定位方法，步骤一，建立直接定位模型x

【技术实现步骤摘要】
一种信息缺失下的无源直接定位方法


[0001]本专利技术属于无源定位领域，涉及一种信息缺失下的无源直接定位方法，特别是一种在观测信息缺失下基于二次加权FOCUSS算法进行无源直接定位的方法。

技术介绍

[0002]无源定位是指己方设备不主动发射电磁波信号，而单纯通过系统接收目标发射信号来进行定位。在实际无源定位中，可能存在由于各种因素干扰而导致观测站在一定的观测时刻无法获取全部观测信息的情况，称之为信息缺失环境。
[0003]信息缺失主要有两种情况：一是实际环境存在一些障碍物，使某些时刻部分目标发射的信号被阻挡，或目标与观测站之间的相对运动，使某些时刻目标落于站的可视范围之外；二是观测站上传感器或天线存在损坏，导致观测站接收到的目标辐射信号也受限制。本专利技术主要讨论这两种环境下所用方法的定位性能(定位精度或定位误差)与目标缺失率之间的关系。
[0004]由于传统“两步”无源定位在其每个处理环节都容易丢失信息，且对多目标间的数据关联问题处理麻烦，因此本专利技术利用直接定位思想——直接从原始信号采样中确定目标位置信息，根据观测到的角度信息进行目标定位。
[0005]压缩感知是以比奈奎斯特采样频率要求的采样密度更为稀疏的密度对信号进行采样，是一种不等间距采样，理论上可处理信息缺失情况，因此本专利技术采用其贪婪算法中FOCUSS算法，解决信息缺失下运动单站对多目标的无源定位问题。目前，曾爽(西安电子科技大学，2018，基于空域稀疏表示的单站无源定位技术研究)和Ji
‑
An Luo等人(2013，Direct Localization of Multiple Sources in Sensor Array Networks:A Joint Sparse Representation of Array Covariance Matrices Approach)的文章涉及了用压缩感知解决无源定位的问题，但都只采用了一般性正则化FOCUSS算法；且尚未有文献讨论本申请中信息缺失环境下的定位算法性能。

技术实现思路

[0006]针对上述现有技术，本专利技术要解决的技术问题是提供一种基于二次加权思想的FOCUSS算法的信息缺失下的无源直接定位方法，解决信息缺失环境下目标个数未知时的定位问题。
[0007]为解决上述技术问题，本专利技术的一种信息缺失下的无源直接定位方法，包括以下步骤：
[0008]步骤一，建立直接定位模型x
h
(t)，得到观测站获取的观测信息；
[0009]步骤二，对选定的监测区域划分网格，根据网格点与观测站间的信息建立阵列流形矩阵
[0010]步骤三，根据压缩感知算法要求，设计FOCUSS算法中观测量的稀疏表示d及字典矩阵Ψ；
[0011]步骤四，采用二次加权FOCUSS算法进行直接定位模型中稀疏信号g的稀疏重构，得到重构出的稀疏信号g
k
；
[0012]步骤五，对二次加权FOCUSS算法重构出的稀疏信号g
k
进行处理，求出目标位置：
[0013]步骤5.1：求得算法重构出的信号g
k
各元素幅值大小，并找出峰值f＝max(abs(g
k
))；
[0014]步骤5.2：设置门限值f0＝μf μ∈(0,1)，g
k
是含L个元素的一维向量，其每个元素的幅值|g
l
|l＝1,
…
,L视为第l个网格点处有目标存在的概率，幅值大于门限值的网格点的序号即为估计目标位置对应的网格序号；
[0015]步骤5.3：根据估计目标位置对应的网格序号转换得到估计目标位置。
[0016]本专利技术还包括：
[0017]步骤一中建立直接定位模型，得到观测站获取的观测信息具体为：
[0018]观测站作匀速直线运动，在观测时间内取H个观测点，组成一个定位系统，监测G个远场源目标，每个观测点h∈{1,
…
,H}由具有相同模式的N
h
个天线组成，所有源和观测点不共线；G个远场源目标位置坐标分别为均包含在向量p中，即：总快拍数为T；
[0019]令第h个观测点上：选定参考天线，位于处，其他天线位于处，其中表示其他天线与参考天线之间的相对位置，对于每个快拍t＝1,
…
,T，第h个观测点处输出模型为：
[0020][0021]其中，是第h个观测点的测量向量，其中元素x
hn
(t)是该观测点上第n个天线处测量值，表示入射到第h个观测点上的源信号，是测量噪声矢量，传输矩阵表示第h个观测点处线阵对多平波阵面的复响应，定义：
[0022][0023]其中，
⊙
是Hadamard矩阵积，且：
[0024][0025]其中，是第h个观测点处均匀线阵对于是第h个观测点处均匀线阵对于方向的多平面波阵面的复响应，取决于波束矢量：w是信号频率，c是信号传播速度，上标T表示转置；
[0026][0027]C
h
表示时延传递矩阵。
[0028]步骤二中根据网格点与观测站间的信息建立阵列流形矩阵具体为：
[0029]将监测区域划分为L个网格，每个网格中选定一点表示该网格位置，每个网格位置代表一个潜在远场源目标的位置，入射到第h个观测点上的潜在源信号用L
×
1维表示，包含G个非零值，其余为零，G个非零值表示估计出的目标位置对应的网格点，G＜＜L，是稀疏的；
[0030]令是所有网格点位置集合，其中在频率ω处，入射在第h个观测点的流形矩阵为：
[0031][0032]其中，字母上的标注
“‑”
表示是与网格点有关的量，
[0033]在第h个观测点处、来自每个潜在远场源的时延传输矩阵为：
[0034][0035]其中，c是信号传播速度；
[0036]过完备矩阵作为阵列流形矩阵：
[0037][0038]其中，
⊙
是Hadamard矩阵积。
[0039]步骤三中设计FOCUSS算法中观测量的稀疏表示d及字典矩阵Ψ具体为：
[0040]假设噪声在不同的天线上相互不相关，并且与所有源信号不相关，第h个观测点输出向量的协方差矩阵估计满足：
[0041][0042]求出R
h
的所有特征值并按从大到小的顺序排列；
[0043]通过协方差向量的稀疏表示，重构协方差矩阵：
[0044][0045]其中，是关于的L
×
N
h
维系数矩阵，其非零元素所在位置是远场源目标位置；表示潜在源位置的G稀疏协方差矩阵；是N
h
维单位阵；Δ
h
是估计误差；
[0046]采用二元稀疏表示向量g表征B1，
…
，B
H
的结构，R
h
重新表示成：...

【技术保护点】

【技术特征摘要】
1.一种信息缺失下的无源直接定位方法，其特征在于，包括以下步骤：步骤一，建立直接定位模型x
h
(t)，得到观测站获取的观测信息；步骤二，对选定的监测区域划分网格，根据网格点与观测站间的信息建立阵列流形矩阵步骤三，根据压缩感知算法要求，设计FOCUSS算法中观测量的稀疏表示d及字典矩阵Ψ；步骤四，采用二次加权FOCUSS算法进行直接定位模型中稀疏信号g的稀疏重构，得到重构出的稀疏信号g
k
；步骤五，对二次加权FOCUSS算法重构出的稀疏信号g
k
进行处理，求出目标位置：步骤5.1：求得算法重构出的信号g
k
各元素幅值大小，并找出峰值f＝max(abs(g
k
))；步骤5.2：设置门限值f0＝μf μ∈(0,1)，g
k
是含L个元素的一维向量，其每个元素的幅值|g
l
|l＝1,
…
,L视为第l个网格点处有目标存在的概率，幅值大于门限值的网格点的序号即为估计目标位置对应的网格序号；步骤5.3：根据估计目标位置对应的网格序号转换得到估计目标位置。2.根据权利要求1所述的一种信息缺失下的无源直接定位方法，其特征在于：步骤一所述建立直接定位模型，得到观测站获取的观测信息具体为：观测站作匀速直线运动，在观测时间内取H个观测点，组成一个定位系统，监测G个远场源目标，每个观测点h∈{1,
…
,H}由具有相同模式的N
h
个天线组成，所有源和观测点不共线；G个远场源目标位置坐标分别为均包含在向量p中，即：总快拍数为T；令第h个观测点上：选定参考天线，位于处，其他天线位于处，其中表示其他天线与参考天线之间的相对位置，对于每个快拍t＝1,
…
,T，第h个观测点处输出模型为：其中，是第h个观测点的测量向量，其中元素x
hn
(t)是该观测点上第n个天线处测量值，表示入射到第h个观测点上的源信号，是测量噪声矢量，传输矩阵表示第h个观测点处线阵对多平波阵面的复响应，定义：其中，
⊙
是Hadamard矩阵积，且：其中，是第h个观测点处均匀线阵对于
方向的多平面波阵面的复响应，取决于波束矢量：w是信号频率，c是信号传播速度，上标T表示转置；C
h
表示时延传递矩阵。3.根据权利要求1或2所述的一种信息缺失下的无源直接定位方法，其特征在于：步骤二所述根据网格点与观测站间的信息建立阵列流形矩阵具体为：将监测区域划分为L个网格，每个网格中选定一点表示该网格位置，每个网格位置代表一个潜在远场源目标的位置，入射到第h个观测点上的潜在源信号用L
×
1维表示，包含G个非零值，其余为零，G个非零值表示估计出的目标位置对应的网格点，G＜＜L，是稀疏的；令是所有网格点位置集合，其中在频率ω处，入射在第h个观测点的流形矩阵为：其中，字母上的标注
“‑”
表示是与网格点有关的量，在第h个观测点处、来自每个潜在远场源的时延传输矩阵为：其中，...

【专利技术属性】
技术研发人员：黄湘松，袁佳，潘大鹏，王文艳，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：