一种联合互谱与三线性分解的高精度时差估计方法技术

本发明专利技术公开了一种联合互谱与三线性分解的高精度时差估计方法，首先，利用L个监测节点接收辐射信号，并计算所有节点与参考节点接收信号的互功率谱；其次，抽取非零频段信号，并融合各个监测节点与参考节点之间的频域互谱数据构造三线性模型；然后，采用平行因子方法，通过三线性交替最小二乘法进行分解迭代，得到频域时差估计矩阵；最后，利用归一化方法消除尺度模糊，对时差矩阵进行分析，从而得到高精度时差估计。本发明专利技术能够突破采样频率的限制，获得精度高于采样间隔的时差估计，从而有效提高了定位精度。了定位精度。了定位精度。

【技术实现步骤摘要】
一种联合互谱与三线性分解的高精度时差估计方法


[0001]本专利技术涉及无源时差定位
，尤其涉及一种联合互谱与三线性分解的高精度时差估计方法。

技术介绍

[0002]无源定位技术，是指通过接收目标自身发出的辐射信息从而得到目标位置的技术。无源定位技术根据参与定位的节点数量可以分为单节点和多节点无源定位。多节点无源定位借助一些信息(时延差，角度等)来确定多个定位曲线(或曲面)，通过求解曲线(或曲面)的交点即可对目标进行定位。多节点无源定位系统结构相对复杂，每个接收机之间需要同步进行数据传输融合，但是有非常高的定位精度，是无源定位技术中最重要的研究方向。
[0003]无源定位方法中应用最广泛的是到达时间差(Time Difference of Arrival,TDOA)定位方法，即通过测量辐射源信号到达两个节点的绝对时间差，以此得到以两个节点为焦点的双曲线，通过求解两条双曲线的交点即可得到目标位置。该方法只需要各个节点之间实现同步，不需要辐射源与节点之间的时钟同步，对时钟同步的要求进一步降低，优化了设备成本问题，此外，在定位精度上到达时间差算法具备一定的优势，并且降低了算法复杂度，种种优势让TDOA定位得到关注，并广泛应用于民用以及军事等方面。
[0004]TDOA定位的重点在于时差估计，即计算出辐射源信号到达各节点与参考节点之间的时间差。互相关法作为时差估计常用的求解方法，由于其原理简单、易于实现而具有广泛的应用场景。该方法通过对不同节点接收到的辐射源信号进行处理得到互相关函数，寻找互相关函数峰值所在位置得到相应的时延差。但是，互相关法不仅对采样频率有较高的要求，而且对信号中的噪声较为敏感，时差估计能力受限，估计精度无法突破采样间隔。现有的解决方法有拟合或者插值，但是计算复杂度的增加对设备硬件提出了更高的要求，不利于工程实现。因此在低复杂度的基础上提升时差估计的精度具有重要的实际意义和应用价值。

技术实现思路

[0005]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，提供一种联合互谱与三线性分解的高精度时差估计方法。
[0006]本专利技术为解决上述技术问题采用以下技术方案：
[0007]一种联合互谱与三线性分解的高精度时差估计方法，该方法包括以下步骤：
[0008]步骤1)，在L个监测节点接收辐射源信号，令第m个节点为参考节点，1≤m≤L，计算所有节点与参考节点接收信号的互功率谱，L为预设的基站数量阈值；
[0009]步骤2)，抽取非零频段信号，并融合各个监测节点与参考节点之间的频域互谱数据构建三线性模型；
[0010]步骤3)，采用平行因子方法，通过三线性交替最小二乘法进行分解迭代，得到频域时差估计矩阵；
[0011]步骤4)，利用归一化方法消除尺度模糊，基于时差矩阵进行时差估计。
[0012]作为本专利技术一种联合互谱与三线性分解的高精度时差估计方法进一步的优化方案，所述步骤1)包含以下步骤：
[0013]步骤1.1)，在L个位置已知的监测节点接收辐射源信号，第l个监测节点的接收信号x
l
(t)＝α
l
s
k
(t
‑
τ
l
)+n
l
(t)，其中1≤l≤L，s
k
(t)表示第k段接收到的辐射源信号，1≤k≤K，K为预设的辐射源信号段数阈值，α
l
和τ
l
分别表示辐射源信号到达第l个监测节点的路径衰减因子和时延，n
l
(t)为相互独立的零均值加性高斯白噪声，辐射源信号与高斯白噪声之间互不相关；
[0014]步骤1.2)，计算所有节点与参考节点接收信号的互功率谱g
l
(ω)，1≤l≤L，对其进行傅里叶变换得到互相关函数，其中，第l个监测节点与参考节点的互相关函数为
[0015][0016]式中，r
l
(t)为第l个监测节点与参考节点的互相关函数，F
H
为逆傅里叶变换矩阵，g
l
(ω)为第l个监测节点与参考节点的互功率谱，α
l
和τ
ml
分别表示辐射源信号到达第l个监测节点的路径衰减因子和与参考节点之间的时延差，s
k
(ω)＝[G
ss
(ω1),...,G
ss
(ω
N
)]T
表示辐射源信号s
k
(t)的功率谱函数，其中ω
n
为第n个频率点，1≤n≤N，N为采样点数。
[0017]作为本专利技术一种联合互谱与三线性分解的高精度时差估计方法进一步的优化方案，所述步骤2)的具体步骤为：
[0018]步骤2.1)，对第l个监测节点与参考节点的互相关函数按照频段w＝[ω
c1
,...,ω
cP
]T
进行抽取：
[0019][0020]其中，是傅里叶逆变换矩阵F
H
中按照频段w＝[ω
c1
,...,ω
cP
]T
进行的列抽取，s
k
(ω
c
)表示s
k
(ω)按照频段w＝[ω
c1
,...,ω
cP
]T
进行的元素抽取，其中ω
cp
为第p个频率点，1≤p≤P，P为抽取的频点数；
[0021]步骤2.2)，定义第l个节点与参考节点之间的时差向量为则L个节点的时差矩阵为
[0022][0023]不考虑噪声影响时，则有
[0024]R
l
＝F
cH
diag(h
cl
)S
T
＝F
cH
D
l
(H)S
T
,l＝1,2,...,L
[0025]其中，R
l
为第l个监测节点与参考节点的互相关函数矩阵；
为收集K段辐射源信号的功率谱矩阵；联合L个节点的互相关函数矩阵，构造三维模型：
[0026][0027]其中，R为包含L个监测节点与参考节点的互相关函数三维矩阵，则构造平行因子三线性模型：
[0028][0029]其中，r
n,k,l
是三维矩阵R中第(n,k,l)个元素，f
n,p
是矩阵F
cH
中第(n,p)个元素，s
k,p
是矩阵S中第(k,p)个元素，h
l,p
是矩阵H中第(l,p)个元素。
[0030]作为本专利技术一种联合互谱与三线性分解的高精度时差估计方法进一步的优化方案，所述步骤3)中得到的频域时差估计矩阵为：
[0031][0032]其中，为时差估计矩阵，Δ为自身存在的尺度模糊矩阵，后续可通过归一化消除，a
l...

【技术保护点】

【技术特征摘要】
1.一种联合互谱与三线性分解的高精度时差估计方法，其特征在于，包括以下步骤：步骤1)，在L个位置已知的监测节点接收辐射源信号，令第m个节点为参考节点，1≤m≤L，计算每个监测节点与参考节点接收信号的互功率谱；步骤2)，抽取非零频段信号，并融合各个监测节点与参考节点之间的频域互谱数据构建三线性模型；步骤3)，采用平行因子方法，通过三线性交替最小二乘法进行分解迭代，得到频域时差估计矩阵；步骤4)，利用归一化方法消除尺度模糊，基于时差矩阵进行时差估计。2.根据权利要求1所述的联合互谱与三线性分解的高精度时差估计方法，其特征在于，所述步骤1)包含以下步骤：步骤1.1)，在L个位置已知的监测节点接收辐射源信号，第l个监测节点的接收信号x
l
(t)＝α
l
s
k
(t
‑
τ
l
)+n
l
(t)，其中1≤l≤L，s
k
(t
‑
τ
l
)表示第k段在第l个监测节点接收到的辐射源信号，1≤k≤K，K为预设的接收辐射源信号段数阈值，α
l
和τ
l
分别表示辐射源信号到达第l个监测节点的路径衰减因子和时延，n
l
(t)为独立的零均值加性高斯白噪声，辐射源信号与高斯白噪声之间互不相关；步骤1.2)，计算所有监测节点与参考节点接收信号的互功率谱g
l
(ω)，1≤l≤L，对其进行傅里叶变换得到互相关函数，其中，第l个监测节点与参考节点的互相关函数为式中，r
l
(t)为第l个监测节点与参考节点的互相关函数，F
H
为逆傅里叶变换矩阵，g
l
(ω)为第l个监测节点与参考节点的互功率谱，α
l
和τ
ml
分别表示辐射源信号到达第l个监测节点的路径衰减因子和与参考节点之间的时延差，s
k
(ω)＝[G
ss
(ω1),...,G
ss
(ω
N
)]
T
表示辐射源信号s
k
(t)的功率谱函数，其中ω
n
为第n个频率点，G
ss
(ω
n
)为s
k
(t)的自功率谱，1≤n≤N，N为采样点数。3.根据权利要求2所述的联合互谱与三线性分解的高精度时差估计方法，其特征在于，所述步骤2)的具体步骤为：步骤2.1)，对第l个监测节点与参考节点的互相关函数按照预先设定的频段w＝[ω
c1
,...,ω
cP
]
T
进行抽取：其中，是...

【专利技术属性】
技术研发人员：李建峰，李营营，江航，朱珂慧，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：