CN108693403A - 一种广域虚拟密集化频谱态势生成方法 - Google Patents
一种广域虚拟密集化频谱态势生成方法 Download PDFInfo
- Publication number
- CN108693403A CN108693403A CN201810188305.8A CN201810188305A CN108693403A CN 108693403 A CN108693403 A CN 108693403A CN 201810188305 A CN201810188305 A CN 201810188305A CN 108693403 A CN108693403 A CN 108693403A
- Authority
- CN
- China
- Prior art keywords
- reference point
- indicate
- sensing node
- radiation source
- electromagnetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0221—Receivers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0221—Receivers
- G01S5/02213—Receivers arranged in a network for determining the position of a transmitter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0249—Determining position using measurements made by a non-stationary device other than the device whose position is being determined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了广域虚拟密集化频谱态势生成方法,主要解决现有技术所需感知设备庞大,电磁态势反演的准确度较低的问题。其技术方案是:1、确定和配置复杂电磁环境参数;2、广域虚拟密集化获取感知数据;3、构建感知节点位置矩阵;4、构建路径损耗矩阵;5、根据感知节点位置矩阵、路径损耗矩阵进行辐射源识别,获得辐射源位置和辐射功率;6、根据识别的辐射源,电磁态势反演,生成电磁频谱态势。本发明可在少量传感器位置随机分布,辐射源位置和辐射功率随机分布的条件下,对传感器进行广域虚拟密集化,实现辐射源识别,进而生成电磁态势,可用于广域虚拟密集化频谱态势生成。
Description
技术领域
本发明属于通信技术领域,涉及频谱感知技术,辐射源识别,电磁频谱态势,更进一步涉及一种广域虚拟密集化的频谱态势生成方法,可用于广域环境中的高精度频谱态势生成。
背景技术
无线通信技术的飞速发展和广泛使用,使得电磁环境日益复杂,频谱资源日益匮乏,电磁频谱供需矛盾愈发尖锐。在未来移动通信***频谱共享、无线电秩序管理、电磁频谱战的需求牵引下,电磁频谱态势认知与基于频谱态势的智能频谱管理已成为研究的核心课题。频谱态势的研究就是将复杂电磁环境映射到信息空间中,形成虚拟的电磁频谱空间,可以理解为电磁环境的当前状态、综合形势和发展趋势。频谱态势感知是指通过监测、探测手段,全方位对战场进行感知,获取数据,并对数据进行处理,形成能为我所用的频谱信息、态势,是及时、准确地了解频谱态势的主要手段,主要目标是获取电磁频谱作用空间、工作时间、工作频率和辐射功率等。电磁环境中的电磁辐射主要来自于各种用频设备,即辐射源,只要能正确获取辐射源的位置、状态、工作参数、信号特征等属性,就能近似计算出该辐射源对环境区域的电磁效应。因此,以辐射源识别为基础构建环境数据是频谱态势感知的有效途径。
频谱态势生成是在频谱态势感知获取频谱空间的当前状态基础上,分析预测频谱空间的综合形势和未来发展趋势。1)当前的电磁频谱检测与分析***,只能得到检测节点所在位置的电磁参数,难以形成对整个检测区域电磁态势的全面认识。2)实际测量法对检测覆盖范围内的所有地点开展长时间实地测量,具有最高频谱态势构建精度,但需要极为密集的检测节点,工作量大,检测时间长,难于应用于大规模检测网络。3)传播模型法将检测节点作为假想的发射源,检测节点测量到的电磁参数作为发射参数,通过 Okumura模型、Hata模型等经典电磁传播模型计算周边空间任意点的电磁参数,从而构建频谱态势。传播模型法计算量小,模型简单,仅需一个检测节点的数据即可估算周边地区的频谱态势,但估计结果精确度较差。4)网格化电磁频谱宽带实时检测与分析***大量密集地部署微型站,能够有效地提升电磁频谱检测功能的覆盖区面积,从实测数据中提取规律性特征构建电磁频谱态势。但其在固定地点布设检测节点,需要联合周围多个检测节点共同参与频谱态势构建,为保证抵近检测目标,检测节点的数量众多。5)射线追踪法通过数值模拟计算每个波束在建筑物和地表的反射、绕射等传播特性,从而对周边地点的电磁频谱参数进行计算,能够比较精确地生成电磁态势。但射线追踪法方法只适用于简单传播路径或短距离通信中,对于复杂电磁环境需要大量的信道测量,需要掌握详细地形地貌数据,并且计算量大,当电磁环境变化时,不能实时的生成电磁态势。总之,这些实现电磁态势生成的方法存在以下不足:
(1)建模时间长,工作量大,难于应用于大面积区域电磁环境的态势推演;
(2)频谱态势生成的精度不高;
(3)需要布设密集的固定检测节点,联合周围多个检测节点共同参与频谱态势构建,这就需要固定布设大量的感知设备。
发明内容
本发明的目的在于克服上述不足,提出了一种广域虚拟密集化频谱态势生成方法。广域虚拟密集化频谱态势生成方法将频谱传感器设备依附于少量车、船等移动承载平台上,利用频谱传感器设备承载平台的移动性,通过在监测持续时间内多次获取当前位置的电磁频谱数据,实现频谱感知节点密集虚拟化,增多频谱监测样本,再利用频谱态势稀疏反演理论,可获得广域高分辨率的电磁频谱态势。
本发明提出的一种广域虚拟密集化频谱态势生成方法,包括如下步骤:
(1)确定和配置复杂电磁环境参数:实验区域采用N点网格布局,K个辐射源、T个频谱传感器设备及其承载平台随机的分布在所述实验区域的网格顶点处,此承载平台搭载GPS模块,用于同步记录感知节点处的位置信息和频谱传感器设备及其承载平台移动路线,将所述N个网格顶点选做N个参考点。
(2)广域虚拟密集化获取感知数据:将所述T个频谱传感器设备及其承载平台虚拟成T个移动节点,每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS(Received Signal Strength)和位置信息,所述T个移动节点共密集化出M=n·T个感知节点,将M个感知节点获取的感知数据中的接收信号强度RSS构成M维的列向量Ps∈RM。
(3)根据感知数据中的位置信息,构建感知节点位置矩阵,所述感知节点位置矩阵Φ可用如下公式表示:
其中,S={sk|k=1,2,...,M}表示感知节点的集合,sk表示第k个感知节点, k用于标识第k个感知节点,V={Vj|j=1,2,...,N}表示所有参考点的集合,Vj表示第j个参考点,j用于标识第j个参考点,sk∈Vj表示第k个感知节点位于第j个参考点上,表示第k个感知节点不位于第j个参考点上,所述感知节点位置矩阵[Φ]kj是M*N矩阵。
(4)根据电磁环境的电磁传播模型,构建路径损耗矩阵Ψ。
(5)根据所述感知节点位置矩阵、所述路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率。
(6)根据识别的辐射源,电磁态势反演,求得N个参考点上的接收信号强度RSS:
其中,列向量Pr∈RN表示N个参考点上的接收信号强度RSS构成的N维列向量,列向量Pt∈RN表示N个参考点上辐射源的辐射功率构成的N维列向量,表示加性高斯白噪声AWGN功率。
在一些实施例中,所述步骤(2)中每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS和位置信息,包括如下步骤:每个移动节点在所述试验区域内随机选取一个参考点作为目的地,并朝着该目的地移动,当到达该目的地时,将该移动节点称为该目的地即该参考点处的感知节点,测量该参考点处的接收信号强度RSS和位置信息用于组成感知数据,重复上述步骤,直至该移动节点途径n个参考点并获取了该参考点处的感知数据,其中,n称为密集化系数。
在一些实施例中,所述步骤(4)中根据电磁环境的电磁传播模型,构建路径损耗矩阵Ψ,包括如下步骤:
(4a)电磁波在二维自由空间的第i个参考点与第j个参考点间的传播模型为:
其中,i,j∈{1,2,...,N},i用于标识第个i参考点,j用于标识第j个参考点,Pjr表示第j个参考点的接收功率;Pit表示第i个参考点的发射功率;Gjr表示第j个参考点的接收天线增益,Git表示第i个参考点的发射天线增益;λ为电磁波的工作波长;dij表示第i个参考点的发射天线与第j个参考点的接收天线之间的距离,Gjr、Git均为已知常量,则所述传播模型可以简化为:
其中,表示第i个参考点与第j个参考点之间的损耗系数。
(4b)所述路径损耗矩阵Ψ可用如下公式表示:
其中,路径损耗矩阵[Ψ]ij是一个N*N矩阵。
在一些实施例中,所述步骤(5)中根据所述感知节点位置矩阵、所述路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率,包括如下步骤:
(5a)根据所述感知节点位置矩阵Φ、所述路径损耗矩阵Ψ,计算传感矩阵Q:
Q=ΦΨ
(5b)M个感知节点处的接收信号强度构成的M维的列向量Ps与N个参考点上辐射源的辐射功率构成的N维的列向量Pt之间存在以下关系:
其中,为加性高斯白噪声AWGN功率,列向量Pt∈RN表示N个参考点上辐射源的辐射功率构成的N维列向量,RN表示N维的向量空间,Pt∈RN表示Pt为N维的向量,列向量ε∈RM表示传感器的测量误差,RM表示M维的向量空间,ε∈RM表示ε为M维的向量。
(5c)构造预处理数据Pproc:
(5d)根据最小L1-范数,求解辐射源的位置和N个参考点上辐射源的辐射功率构成的N维的列向量Pt:
min||Pt||,s.t.||Pproc-QPt||2≤μ
其中,||·||表示1-范数,含义为向量中所有元素模值的和,||·||2表示2-范数,含义为向量中所有元素模值平方的和再开方,μ为收敛精度,min表示最小化,s.t.为subject to的简写表示“约束为”,整个方程的含义为在满足约束条件为||Pproc-QPt||2≤μ的条件下,使得Pt的所有元素模值的和最小,N维的列向量Pt非零元素对应的参考点处存在辐射源,其值代表辐射源功率的大小。
本发明具有以下优点:
1、本发明采用广域虚拟密集化频谱态势生成方法,将频谱传感器设备依附于少量车、船等可移动承载平台上,扩大了频谱感知的空间范围,可用于大面积区域频谱态势生成。
2、本发明由于先利用传感器测量的接收信号强度RSS,实现对辐射源的识别,进而依据电磁环境传播模型,生成整个环境的电磁态势,提高了态势生成的广度和准确度。
3、在电磁态势生成中,实验区域同样采用N点网格布局,现有技术需要在每个网格顶点处设置一个传感器用于测量该网格顶点处的接收信号强度,而本发明采用广域虚拟密集化频谱态势生成方法,仅需极少量的传感器,就能实现电磁态势生成,T远小于N,本发明能有效减少感知设备的数量。
4、本发明由于只需少量样本(M个感知节点的接收信号强度)进行算法实现,故计算复杂度低、时间短,可满足电磁态势反演的实时性要求。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的、技术过程和优点将会变得更明显:
图1是本发明的实现流程图;
图2是传感器设备及其承载平台移动路线的仿真图;
图3是在本发明下,辐射源识别和实际辐射源对应位置辐射功率的相对误差;
图4是在K=8个辐射源和T=10个传感器条件下,不同的密集化参数下辐射源识别性能图;
图5是在K=8个辐射源条件下,本发明的辐射源识别性能与固定传感器条件下的辐射源识别性能的比较;
图6是在本发明下,实际辐射源辐射功率和识别辐射源辐射功率的仿真对比图;实际电磁态势和电磁态势生成的仿真对比图。
具体实施方式
本发明用于频谱态势生成,对传感器进行广域虚拟密集化,实现网格顶点处接收信号强度的测量,并对接收信号强度进行预处理,实现辐射源的识别,最终生成电磁态势。
参照图1,示出了本发明的实现流程图100,具体步骤如下:
步骤101,确定和配置复杂电磁环境参数。
实际的电磁环境是***的,不可能用一个普遍适用的、准确的数学模型来仿真。为此进行如下合理的假设和简化:实验区域采用N点网格布局,在该实验区域中,根据战场规模需要在该实验区域设置一定数量的辐射源,在此设置辐射源的个数为K,K个辐射源随机的分布在N个网格顶点处,辐射源的个数和位置未知,辐射源的辐射功率随机分布,辐射源的类型不受限制,可以是通信设备、干扰机、发射设备中的一种或多种。在该实验区域设置T个车、船等移动承载平台,此移动平台搭载传感器和GPS(Global PositioningSystem,全球定位***)模块,用于同步记录感知节点处的位置信息和频谱传感器设备及其承载平台移动路线,传感器的个数T远小于网格顶点数N。
步骤102,广域虚拟密集化获取感知数据。
广域虚拟密集化获取感知数据:最初T个频谱传感器设备及其承载平台随机的分布在所述实验区域的参考点处,将所述T个频谱传感器设备及其承载平台虚拟成T个移动节点,每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS和位置信息,所述T个移动节点共密集化出M=n·T个感知节点,将M个感知节点获取的感知数据中的接收信号强度RSS构成M维的列向量Ps∈RM,其中,RM表示M维的向量空间,Ps∈RM表示Ps为M维的向量。
其中,每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS和位置信息,包括如下步骤:
每个移动节点在所述试验区域内随机选取一个参考点作为目的地,并朝着该目的地移动,当到达该目的地时,将该移动节点称为该目的地即该参考点处的感知节点,该感知节点的频谱传感器、GPS模块分别测量该参考点处的接收信号强度RSS和位置信息用于组成感知数据;之后,该移动节点继续随机选择一个参考点作为新的目的地并继续朝着该目的地移动,到达新目的地时,测量此新目的地即参考点上的接收信号强度RSS和位置信息,重复上述步骤,直至该移动节点途径n个参考节点并获取了该参考节点处的感知数据,即一个移动节点移动后密集化出n个感知节点,其中,n称为密集化系数。
在一些实施例中,最初每个频谱传感器设备及其承载平台即移动节点随机的分布在所述实验区域的参考点处,该参考点处的移动节点也可记录为一个感知节点,并测量该参考点上的接收信号强度RSS和位置信息。
步骤103,根据感知数据中的位置信息,构建感知节点位置矩阵。
由步骤102可知,GPS模块用于记录每个感知节点的位置信息,根据M个感知节点的位置信息构建感知节点位置矩阵,则感知节点位置矩阵Φ可用如下公式表示:
其中,S={sk|k=1,2,...,M}表示感知节点的集合,sk表示第k个感知节点, k用于标识第k个感知节点,V={Vj|j=1,2,...,N}表示所有参考点的集合,Vj表示第j个参考点,j用于标识第j个参考点,sk∈Vj表示第k个感知节点位于第j个参考点上,表示第k个感知节点不位于第j个参考点上,感知节点位置矩阵[Φ]kj是M*N矩阵。
步骤104,根据电磁环境的电磁传播模型,构建路径损耗矩阵。
电磁波通常在非规则、非单一的环境中传播,在估计路径损耗时,需要考虑传播路径上的地形、地貌,也要考虑到建筑物、树木、电线杆等障碍物,所以在不同环境中应选择不同的路径传输模型。常用的室外电磁传播模型有 Okumura模型、Hata模型等。本发明采用了自由空间的路径损耗模型。
(4a)电磁波在二维自由空间的第i个参考点与第j个参考点间的传播模型为:
其中,i,j∈{1,2,...,N},i用于标识第个i参考点,j用于标识第j个参考点,Pjr表示第j个参考点的接收功率;Pit表示第i个参考点的发射功率;Gjr表示第j个参考点的接收天线增益,Git表示第i个参考点的发射天线增益;λ为电磁波的工作波长;dij表示第i个参考点的发射天线与第j个参考点的接收天线之间的距离,Gjr、Git均为已知常量,则所述传播模型可以简化为:
其中,表示第i个参考点与第j个参考点之间的损耗系数。
(4b)所述路径损耗矩阵Ψ可用如下公式表示:
其中,路径损耗矩阵[Ψ]ij是一个N*N矩阵。
步骤105,根据感知节点位置矩阵、路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率。
根据感知节点位置矩阵、路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率,包括如下步骤:
(5a)根据所述感知节点位置矩阵Φ、所述路径损耗矩阵Ψ,计算传感矩阵Q:
Q=ΦΨ
(5b)M个感知节点处的接收信号强度构成的M维的列向量Ps与N个参考点上辐射源的辐射功率构成的N维的列向量Pt之间存在以下关系:
其中,为加性高斯白噪声AWGN(Additive White Gaussian Noise)功率,列向量Pt∈RN,RN表示N维的向量空间,Pt∈RN表示Pt为N维的向量,列向量ε∈RM表示传感器的测量误差,RM表示M维的向量空间,ε∈RM表示ε为M维的向量。
(5c)构造预处理数据Pproc:
(5d)根据最小L1-范数,求解辐射源的位置和N个参考点上辐射源的辐射功率构成的N维的列向量Pt:
min||Pt||,s.t.||Pproc-QPt||2≤μ
其中,||·||表示1-范数,含义为向量中所有元素模值的和,||·||2表示2-范数,含义为向量中所有元素模值平方的和再开方,μ为收敛精度,min表示最小化,s.t.为subject to的简写表示“约束为”,整个方程的含义为在满足约束条件为||Pproc-QPt||2≤μ的条件下,使得Pt的所有元素模值的和最小,N维的列向量Pt非零元素对应的参考点处存在辐射源,其值代表辐射源功率的大小。
步骤106,根据识别的辐射源,电磁态势反演,求得N个参考点上的接收信号强度RSS。
按照如下公式求N个参考点上的接收信号强度RSS构成的向量Pr:
其中,列向量Pr∈RN表示N个参考点上的接收信号强度RSS构成的N维向量,即N个参考点上的接收功率,列向量Pt∈RN表示N个参考点上辐射源的辐射功率构成的N维向量,表示加性高斯白噪声AWGN功率,RN表示N维的向量空间,Pr∈RN、Pt∈RN表示Pr、Pt为N维的向量。
本发明的效果可以通过以下仿真进一步说明:
A、仿真条件
将实验区域布置在200m*200m的广场上,将其划分为20*20的网格,每个网格的面积为100m2,总网格顶点数N=400。将T个传感器,K个辐射源随机的分布在400个网格顶点上。将上述T个传感器分别放置在T个频谱传感器设备承载平台上,频谱传感器设备承载平台搭载GPS模块,将其虚拟成移动节点。在仿真过程中,每个移动节点在试验区域内随机选取一个参考点作为目的地,并朝着目的地移动。当到达目的地时,测量此目的地即参考点上的接收信号强度和位置信息。之后,该移动节点继续随机选择一个参考点作为新的目的地并继续朝着该目的地移动,到达新目的地时,测量此新目的地即参考点上的接收信号强度,周而复始。在获取数据时间内中,假设每个移动节点途径n个目的地,即一个移动节点移动后密集化出n个感知节点,则T个移动节点共途径M=n·T个目的地,获得M个参考点处的接收信号强度和位置信息。将这M个参考点的接收信号强度RSS构成M维的列向量 Ps∈RM。假设辐射频率为3MHz,辐射功率的可能值为P0的整数倍,即发射功率随机的分布在功率集合{P0,2P0,...,Pm},其中,P0为参考功率、Pm表示功率最大值。辐射功率重构的性能用相对误差来表示。辐射功率重构时,辐射源个数和位置未知。
B、仿真内容与结果
仿真1:某次试验中,传感器T=5,密集化系数n=6,感知节点M=n·T=30,传感器设备及其承载平台移动路线的仿真图如图2所示。
由图2可以看出,每个移动节点移动后密集化出6个感知节点,Mij表示第i个传感器虚拟密集化出的第j个感知节点,移动节点随机移动,使得密集化的感知节点空间分布也具有随机性。
仿真2:在K=8个辐射源的辐射功率随机的分布在功率集合的条件下,对本发明的辐射源的识别性能进行仿真。辐射源识别的性能用相对误差 PowE来表示,计算方法是取辐射源真实辐射功率向量和识别辐射功率向量对应元素差值的绝对值的和与参考辐射功率P0的比值:
其中,Pt为辐射源的真实辐射功率构成的N*1维向量,Pt(i)表示第i个参考点上辐射源的真实辐射功率,为辐射源的识别辐射功率构成的N*1维向量,表示第i个参考点上辐射源的识别辐射功率,P0为参考功率。每次实验中,辐射源随机的分布在400个网格顶点上,,辐射功率随机的分布在功率集合中,传感器T=5,密集化系数n=20,重复实验100次,辐射源的识别性能仿真结果如图3所示。
由图3可以看出,在100次试验中,相对误差保持在10-12以上,相对误差特别小且较稳定,说明本发明的辐射源的识别性能优越,且对辐射源位置、传感器设备及其承载平台的移动路径和辐射源辐射功率都有鲁棒性。
仿真3:K=8个辐射源随机的分布在400个网格顶点上,T=10个传感器随机分布在实验区域内,辐射功率随机的分布在功率集合中。每次实验中,改变密集化系数,辐射源的识别性能仿真结果如图4所示。
由图4可以看出,本发明对传感器进行广域虚拟密集化,传感器数量不变,随着虚密集化系数的增大,对辐射源识别的相对误差越来越小,即辐射源的识别性能越来越好。当密集化系数n=4即虚拟的感知节点数M=40 时,相对误差已经接近于零,即已经达到了很高的辐射源识别性能。
仿真4:若传感器未放置在移动平台上,则传感器初始化时随机分布在网格顶点处,实验过程中传感器位置固定,即固定传感器条件下,仅能测量获得T个传感器位置处的参考点的接收信号强度,作为感知节点处的接收信号强度,此时感知节点的个数等于传感器个数。本发明K=8个辐射源随机的分布在400个网格顶点上,辐射功率随机的分布在功率集合中,密集化系数 n=2。每次实验中,改变传感器的个数,感知节点个数也随之改变,辐射源的识别性能仿真结果如图5所示。
图5曲线1表示了固定传感器条件下的辐射源识别性能,曲线2表示了广域虚拟密集化的辐射源识别性能。
由图5可以看出,随着传感器数目的增多,固定传感器条件下和广域虚拟密集化的辐射源识别相对误差都越来越小,即辐射源识别性能越来越好;曲线1和曲线2对比可以看出,传感器个数相同时,广域虚拟密集化的射源识别性能比固定传感器的射源识别性能高,体现了本发明的辐射源识别的优越性。
仿真5:在仿真条件下,T=20个传感器,K=8个辐射源随机地分布在 400个网格顶点上,密集化系数n=5。对本发明的广域虚拟密集化频谱态势生成过程中的识别辐射源的辐射功率和电磁态势反演进行仿真,并将其与上述固定传感器条件下的仿真图进行对比。仿真结果如图6所示。
图6(a)实际辐射源功率;6(b)固定传感器重构辐射源功率;6(c) 广域虚拟密集化识别辐射源功率;6(d)实际电磁态势;6(e)固定传感器电磁态势反演;6(f)广域虚拟密集化电磁态势反演。
由图6可以看出,颜色的深浅可以表示功率的大小,等高线表示了辐射源的覆盖范围,可以直观的看出辐射源的位置和辐射功率大小,以及各点的电磁态势。图6(a)、图6(b)、图6(c)辐射源功率图对比,本发明对辐射源的识别时,其重构功率的大小和位置基本上与实际辐射源辐射的功率和位置一致,本发明的重构辐射源功率的准确度比固定传感器重构辐射源功率的准确度高;图6(d)、图6(e)、图6(f)电磁态势图对比,电磁态势图是指实验区域400个参考点上的接收信号强度RSS(接收功率)的可视化图,本发明的对电磁态势的反演图基本上与实际电磁态势图一致,即本发明反演的参考点上的接收信号强度RSS(接收功率)的大小和位置基本上与实际接收信号强度RSS一致,本发明的电磁态势反演的准确度比固定传感器电磁态势反演的准确度高。说明本发明更能够准确实现辐射源的识别,进而实现电磁态势的反演。
综合上述仿真分析,本发明可在少量传感器位置随机分布,辐射源位置和辐射功率随机分布的条件下,对传感器进行广域虚拟密集化,实现辐射源识别,进而实现广域虚拟化频谱态势的生成。
Claims (4)
1.一种广域虚拟密集化频谱态势生成方法,其特征在于,将频谱传感器设备依附于少量车、船等承载平台上,利用频谱传感器设备承载平台的移动性,通过在监测持续时间内多次获取当前位置的电磁频谱数据,实现频谱感知节点密集虚拟化,增多频谱监测样本,再利用频谱态势稀疏反演理论,生成广域高分辨率的电磁频谱态势,所述方法包括如下步骤:
(1)确定和配置复杂电磁环境参数:实验区域采用N点网格布局,K个辐射源、T个频谱传感器设备及其承载平台随机的分布在所述实验区域的网格顶点处,此承载平台搭载GPS模块,用于同步记录感知节点处的位置信息和频谱传感器设备及其承载平台移动路线,将所述N个网格顶点选做N个参考点;
(2)广域虚拟密集化获取感知数据:将所述T个频谱传感器设备及其承载平台虚拟成T个移动节点,每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS(Received Signal Strength)和位置信息,所述T个移动节点共密集化出M=ngT个感知节点,将M个感知节点获取的感知数据中的接收信号强度RSS构成M维的列向量Ps∈RM;
(3)根据感知数据中的位置信息,构建感知节点位置矩阵,所述感知节点位置矩阵Φ可用如下公式表示:
其中,S={sk|k=1,2,...,M}表示感知节点的集合,sk表示第k个感知节点,k用于标识第k个感知节点,V={Vj|j=1,2,...,N}表示所有参考点的集合,Vj表示第j个参考点,j用于标识第j个参考点,sk∈Vj表示第k个感知节点位于第j个参考点上,表示第k个感知节点不位于第j个参考点上,所述感知节点位置矩阵[Φ]kj是M*N矩阵;
(4)根据电磁环境的电磁传播模型,构建路径损耗矩阵Ψ;
(5)根据所述感知节点位置矩阵、所述路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率;
(6)根据识别的辐射源,电磁态势反演,求得N个参考点上的接收信号强度RSS:
其中,列向量Pr∈RN表示N个参考点上的接收信号强度RSS构成的N维列向量,列向量Pt∈RN表示N个参考点上辐射源的辐射功率构成的N维列向量,表示加性高斯白噪声AWGN功率。
2.根据权利要求1所述的一种广域密集化频谱态势生成方法,所述步骤(2)中每个移动节点移动后密集化出n个感知节点用于获取感知数据,该感知数据包括接收信号强度RSS和位置信息,包括如下步骤:
每个移动节点在所述试验区域内随机选取一个参考点作为目的地,并朝着该目的地移动,当到达该目的地时,将该移动节点称为该目的地即该参考点处的感知节点,测量该参考点处的接收信号强度RSS和位置信息用于组成感知数据,重复上述步骤,直至该移动节点途径n个参考点并获取了该参考点处的感知数据,其中,n称为密集化系数。
3.根据权利要求1所述的一种广域密集化频谱态势生成方法,所述步骤(4)中根据电磁环境的电磁传播模型,构建路径损耗矩阵Ψ,包括如下步骤:
(4a)电磁波在二维自由空间的第i个参考点与第j个参考点间的传播模型为:
其中,i,j∈{1,2,...,N},i用于标识第个i参考点,j用于标识第j个参考点,Pjr表示第j个参考点的接收功率;Pit表示第i个参考点的辐射功率;Gjr表示第j个参考点的接收天线增益,Git表示第i个参考点的发射天线增益;λ为电磁波的工作波长;dij表示第i个参考点的发射天线与第j个参考点的接收天线之间的距离,Gjr、Git均为已知常量,则所述传播模型可以简化为:
其中,表示第i个参考点与第j个参考点之间的损耗系数;
(4b)所述路径损耗矩阵Ψ可用如下公式表示:
其中,路径损耗矩阵[Ψ]ij是一个N*N矩阵。
4.根据权利要求1所述的一种广域密集化频谱态势生成方法,所述步骤(5)中根据所述感知节点位置矩阵、所述路径损耗矩阵进行辐射源识别,获得辐射源的位置和辐射功率,包括如下步骤:
(5a)根据所述感知节点的位置矩阵Φ、所述路径损耗矩阵Ψ,计算传感矩阵Q:
Q=ΦΨ
(5b)M个感知节点处的接收信号强度构成的M维的列向量Ps与N个参考点上辐射源的辐射功率构成的N维的列向量Pt之间存在以下关系:
其中,为加性高斯白噪声AWGN(Additive White Gaussian Noise)功率,列向量Pt∈RN,RN表示N维的向量空间,Pt∈RN表示Pt为N维的向量,列向量ε∈RM表示传感器的测量误差,RM表示M维的向量空间,ε∈RM表示ε为M维的向量;
(5c)构造预处理数据Pproc:
(5d)根据最小L1-范数,求解辐射源的位置和N个参考点上辐射源的辐射功率构成的N维的列向量Pt:
min||Pt||,s.t.||Pproc-QPt||2≤μ
其中,||·||表示1-范数,含义为向量中所有元素模值的和,||·||2表示2-范数,含义为向量中所有元素模值平方的和再开方,μ为收敛精度,min表示最小化,s.t.为subject to的简写表示“约束为”,整个方程的含义为在满足约束条件为||Pproc-QPt||2≤μ的条件下,使得Pt的所有元素模值的和最小,N维的列向量Pt非零元素对应的参考点处存在辐射源,其值代表辐射源功率的大小。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810188305.8A CN108693403A (zh) | 2018-03-07 | 2018-03-07 | 一种广域虚拟密集化频谱态势生成方法 |
PCT/CN2019/077088 WO2019170093A1 (zh) | 2018-03-07 | 2019-03-06 | 一种生成频谱态势的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810188305.8A CN108693403A (zh) | 2018-03-07 | 2018-03-07 | 一种广域虚拟密集化频谱态势生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108693403A true CN108693403A (zh) | 2018-10-23 |
Family
ID=63844437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810188305.8A Pending CN108693403A (zh) | 2018-03-07 | 2018-03-07 | 一种广域虚拟密集化频谱态势生成方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108693403A (zh) |
WO (1) | WO2019170093A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558661A (zh) * | 2018-11-22 | 2019-04-02 | 北京未尔锐创科技有限公司 | 一种电磁环境计算方法及装置 |
WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
CN110471049A (zh) * | 2019-07-26 | 2019-11-19 | 西安电子科技大学 | 基于测量辐射功率的无线通信干扰源定位方法 |
CN110929396A (zh) * | 2019-11-19 | 2020-03-27 | 西北工业大学 | 一种基于信息几何的电磁态势生成方法 |
CN116996217A (zh) * | 2023-09-26 | 2023-11-03 | 深圳科盾量子信息科技有限公司 | 一种应用于量子密钥分发***的同步方法 |
CN117233850A (zh) * | 2023-10-19 | 2023-12-15 | 中国地质调查局成都地质调查中心(西南地质科技创新中心) | 一种大地电磁信号处理方法与*** |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595900B (zh) * | 2020-12-15 | 2024-06-28 | 成都九华圆通科技发展有限公司 | 一种电磁环境监测***及方法 |
CN114070438B (zh) * | 2021-09-30 | 2024-04-05 | 公诚管理咨询有限公司 | 一种5g基站电磁信号的检测方法及*** |
CN114039647B (zh) * | 2021-10-26 | 2023-12-29 | 中国电子科技集团公司第五十四研究所 | 一种基于时间同步的北斗态势数据融合方法 |
CN114003981B (zh) * | 2021-11-05 | 2024-04-30 | 成都戎星科技有限公司 | 一种基于时空一体数字地球的电磁频谱可视化分析方法 |
CN115856428A (zh) * | 2022-11-24 | 2023-03-28 | 中国科学院国家空间科学中心 | 一种模块化的复杂电磁环境频谱态势感知采集装置 |
CN115952673B (zh) * | 2022-12-31 | 2023-11-07 | 中国电子科技集团公司信息科学研究院 | 一种基于电磁环境认知和混合模型构建的频谱捷变方法 |
CN117742641B (zh) * | 2024-02-19 | 2024-04-23 | 中国电子科技集团公司第二十九研究所 | 一种多视角分层的电磁态势标绘显示方法及*** |
CN117973521A (zh) * | 2024-04-01 | 2024-05-03 | 南京邮电大学 | 一种低轨卫星频谱感知信息的知识图谱构建方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107765103A (zh) * | 2017-10-19 | 2018-03-06 | 西安电子科技大学 | 一种基于多传感器的复杂环境电磁态势反演方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11164355A (ja) * | 1997-11-27 | 1999-06-18 | Kyocera Corp | 電波状況表示システム |
JP2002056482A (ja) * | 2000-08-08 | 2002-02-22 | Tetsuji Hayashi | 地域救援対策システム |
CN104486015B (zh) * | 2014-11-28 | 2017-01-04 | 北京邮电大学 | 海上电磁空间频谱态势构建方法及*** |
CN104469937B (zh) * | 2014-12-10 | 2017-12-22 | 中国人民解放军理工大学 | 压缩感知定位技术中的传感器高效部署方法 |
CN108693403A (zh) * | 2018-03-07 | 2018-10-23 | 西安电子科技大学 | 一种广域虚拟密集化频谱态势生成方法 |
-
2018
- 2018-03-07 CN CN201810188305.8A patent/CN108693403A/zh active Pending
-
2019
- 2019-03-06 WO PCT/CN2019/077088 patent/WO2019170093A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107765103A (zh) * | 2017-10-19 | 2018-03-06 | 西安电子科技大学 | 一种基于多传感器的复杂环境电磁态势反演方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019170093A1 (zh) * | 2018-03-07 | 2019-09-12 | 西安电子科技大学 | 一种生成频谱态势的方法、装置及计算机存储介质 |
CN109558661A (zh) * | 2018-11-22 | 2019-04-02 | 北京未尔锐创科技有限公司 | 一种电磁环境计算方法及装置 |
CN110471049A (zh) * | 2019-07-26 | 2019-11-19 | 西安电子科技大学 | 基于测量辐射功率的无线通信干扰源定位方法 |
CN110929396A (zh) * | 2019-11-19 | 2020-03-27 | 西北工业大学 | 一种基于信息几何的电磁态势生成方法 |
CN110929396B (zh) * | 2019-11-19 | 2022-06-14 | 西北工业大学 | 一种基于信息几何的电磁态势生成方法 |
CN116996217A (zh) * | 2023-09-26 | 2023-11-03 | 深圳科盾量子信息科技有限公司 | 一种应用于量子密钥分发***的同步方法 |
CN116996217B (zh) * | 2023-09-26 | 2023-12-22 | 深圳科盾量子信息科技有限公司 | 一种应用于量子密钥分发***的同步方法 |
CN117233850A (zh) * | 2023-10-19 | 2023-12-15 | 中国地质调查局成都地质调查中心(西南地质科技创新中心) | 一种大地电磁信号处理方法与*** |
CN117233850B (zh) * | 2023-10-19 | 2024-01-26 | 中国地质调查局成都地质调查中心(西南地质科技创新中心) | 一种大地电磁信号处理方法与*** |
Also Published As
Publication number | Publication date |
---|---|
WO2019170093A1 (zh) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108693403A (zh) | 一种广域虚拟密集化频谱态势生成方法 | |
CN104849712B (zh) | 一种基于多基地mimo‑sar的三维形变监测*** | |
Lambot et al. | Full-wave modeling of near-field radar data for planar layered media reconstruction | |
CN103139907B (zh) | 一种利用指纹法的室内无线定位方法 | |
Lambot et al. | Estimating soil electric properties from monostatic ground‐penetrating radar signal inversion in the frequency domain | |
Lambot et al. | Effect of soil roughness on the inversion of off‐ground monostatic GPR signal for noninvasive quantification of soil properties | |
CN110095784A (zh) | 一种复杂环境影响下的海洋-低层大气激光传输建模方法 | |
CN110471049A (zh) | 基于测量辐射功率的无线通信干扰源定位方法 | |
Jadoon et al. | Analysis of horn antenna transfer functions and phase-center position for modeling off-ground GPR | |
CN107765103B (zh) | 一种基于多传感器的复杂环境电磁态势反演方法 | |
CN105372506B (zh) | 一种用于区域电磁环境计算的变尺度栅格化方法及*** | |
CN111683388B (zh) | 一种近场辐射衰减测试方法及三维显示*** | |
CN109031432A (zh) | 一种极低频与大地电磁联合测量方法 | |
CN104569972A (zh) | 一种植物根系三维构型无损检测方法 | |
CN105866772A (zh) | 一种基于微波相干成像的新型人体内金属物体定位方法 | |
CN110458129A (zh) | 基于深度卷积神经网络的非金属地雷识别方法 | |
CN110441731A (zh) | 窄带电磁辐射源目标定位方法 | |
CN107741579A (zh) | 基于压缩感知子空间重构的toa矿井目标定位方法 | |
CN105929388A (zh) | 一种基于Wi-Fi网络的新型室内定位方法 | |
CN117473736A (zh) | 一种伪卫星室内定位建模仿真方法 | |
Tao et al. | RSS-based underwater acoustic distance measurement with multiple frequencies | |
CN108226864A (zh) | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 | |
CN108061920A (zh) | 探地雷达建模的方法 | |
Zhu et al. | Measurement based ray launching for analysis of outdoor propagation | |
Leune et al. | Anchor node placement in complex environments with physical raytracing and genetic algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181023 |
|
WD01 | Invention patent application deemed withdrawn after publication |