CN109061564B - 基于高阶累积量的简化近场定位方法 - Google Patents
基于高阶累积量的简化近场定位方法 Download PDFInfo
- Publication number
- CN109061564B CN109061564B CN201810912976.4A CN201810912976A CN109061564B CN 109061564 B CN109061564 B CN 109061564B CN 201810912976 A CN201810912976 A CN 201810912976A CN 109061564 B CN109061564 B CN 109061564B
- Authority
- CN
- China
- Prior art keywords
- matrix
- array
- order cumulant
- field
- positioning method
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于高阶累积量的简化近场定位方法,对四阶累积量矩阵进行简化,构造非Hermitian统计矩阵,实现近场信号的测向及定位,测向采用ESPRIT算法,在已知信号方向的基础上,通过波束形成的思想对信号进行距离估计。本方法充分利用各阵源接收的信号信息,提高了ESPRIT算法的估计精度以及鲁棒性,另一方面,避免了传统近场定位方法里角度距离配对操作,进一步的降低了计算的复杂度以及工程实现的难度。
Description
技术领域
本发明属于通信技术领域,涉及一种基于对称结构线性阵列的近场测向定位方法。
背景技术
传统的空间谱估计算法通常假设信源位于阵列的远场区域。然而在许多实际应用中,信源往往位于阵列的近场,这将引起远场算法性能的下降,甚至完全失效。近年来,已有许多近场定位的方法提了出来,但是,基于二阶统计量的近场定位算法存在孔径损失和精度较低等问题。另一方面,针对已知四阶累积量的近场定位方法的计算量较大,在实际应用,计算量对实时性的影响最大,使得近场定位的许多算法在实际应用中存在较大的问题。
发明内容
为了克服现有技术的不足,本发明提供一种基于高阶累积量的简化近场定位方法,对四阶累积量矩阵进行简化,构造非Hermitian统计矩阵,实现近场信号的测向及定位。为尽可能降低运算负担,测向采用ESPRIT算法,避免了谱峰搜索带来的计算负担。在已知信号方向的基础上,通过波束形成的思想对信号进行距离估计。本方法充分利用各阵源接收的信号信息,提高了ESPRIT算法的估计精度以及鲁棒性,另一方面,避免了传统近场定位方法里角度距离配对操作,进一步的降低了计算的复杂度以及工程实现的难度。
本发明解决其技术问题所采用的技术方案包括以下步骤:
1)采用2M+1个线性均匀对称分布的阵列采集信源信号,阵元间隔设置为入射波波长的四分之一,阵元编号从左至右依次从-M至M排序;
2)对每一个平面天线阵列依次进行采样得到多路数字实信号xi(t),i=1,2,…,M;选择四路天线编号m,n,p,l进行四阶累积量运算,得到矩阵元素c(m,n,p,l)的表达式为其中,cum表示对元素求四阶累积量,*表示取共轭;下标m取值范围是-M到M,下标n取中心元素即n=0;下标p和q取值相反,即p=-q;将简化后的矩阵元素c(m,0,n,-n)表示为c(m,n),其中m、n取值范围均为-M至M;构造四阶累积量矩阵
3)对四阶累积量矩阵C按行拆解为子矩阵C1和C2,
其中,A(θ,r)表示近场阵列导向矢量;和为远场阵列导向矢量,θ和r分别表示来波的入射角度和距离;diag表示对角阵,ωi表示第i个信号的相位差,d表示阵源间隔,λ表示入射信号的波长,θk为第k个信号的入射角度;
4)构造统计矩阵对R进行SVD特征值分解得到U1表示非零特征值对应的左特征向量;按照已知阵源数目K,把U1按前K行和后(2M+1-K)分解为U11和U12,即通过对矩阵进行特征值分解得到T-1和Ω,即得到K个相位差γ1,…,γK,求得K个信源的来波角度
5)对下式进行K次谱峰搜索,得到K个信源各个角度对应的距离信息:
本发明的有益效果是:
第一,采用简化的高阶累计量构造统计矩阵,降低了运算的复杂度,减少了数据的存储空间,有利于工程实现。
第二,相较于基于四阶累积量的传统ESPRIT近场定位方法,本发明避免了距离和角度的配对过程,减少了运算周期。
第三,相较于基于四阶累积量的传统ESPRIT近场定位方法,本发明充分利用了所有天线接收的信源信息,提高了估计精度。
附图说明
图1是阵元布局图;
图2是坐标系图;
图3是基于对称的均匀线性阵列的实现装置结构框图;
图4是近场测向定位模块结构框图;
图5是空间目标近场定位的估计方法流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明提供的基于高阶累积量的简化近场定位方法方法主要包括以下步骤:
a)阵列排布:该***有2M+1个线性均匀对称分布的阵列,阵元间隔设置为入射波波长的四分之一,阵元编号从左至右依次从-M至M排序。
b)数据采集:对每一个平面天线阵列依次进行深度为T的采样并得到多路数字实信号xi(t),其中i=1,2,…,M。根据天线下标(m,n,p,l)对四阶累积量重构成四阶累积量矩阵,矩阵元素c(m,n,p,l)表达式如下:
其中,cum表示对元素求四阶累积量,*表示取共轭;上式为表达式为减少运算,取特定天线接收的信号作四阶累积运算,其中,下标m取值范围是-M到M,下标n取中心元素即n=0;下标p和q取值相反,即p=-q;则重新定义简化后的矩阵元素c(m,0,n,-n),该元素还可以表示为c(m,n),其中m,n取值范围均为-M至M。
按以下方式构造矩阵C:
c)矩阵分解及噪声空间重构:对得到的四阶累积量矩阵C按行进行拆解为子矩阵C1和C2,数据流程及矩阵分解后的表达式如下式所示:
其中,d表示阵源间隔,λ表示入射信号的波长,θk为第k个信号的入射角度。
d)方位解算:利用C1和C2构造新的统计矩阵R:
对R进行SVD特征值分解得到下式;
U1表示非零特征值对应的左特征向量。按照已知阵源数目K,把U1按前K行和后(2M+1-K)分解为U11和U12,即:
其中,B和T为一定存在的两个特定矩阵,结合式7,可以得出:
本发明提出了一种基于对称结构的均匀线阵的针对近场信号的定位估计方法,本实施例中天线阵列的阵元个数为15,分布为波长的四分之一,如图1,该方法包括以下步骤:
步骤一:各阵元天线接收的雷达信号和目标信号,经过下变频后得到中频模拟信号,再对中频模拟信号进行1024点A/D采样,得到十五路数字实信号。
步骤二:将步骤一中的信号进行正交下变频、数字滤波,得到滤除噪声信号的数字复信号。
步骤三:将步骤二中的复信号进行FFT变换,得到校正系数,各路信号通过校正系数进行补偿,消除误差,从而得到幅度相位一致性信号。
步骤四:选择四路天线编号接收的数据按公式(1)进行四阶累积量运算。得到矩阵元素c(m,n),按公式(3)构造矩阵C。
步骤五:利用上述ESPRIT估计算法,对C15*15进行按公式(6)拆分为两个矩阵C1和C2,组成新的矩阵R,对R进行特征值分解,公式(10)准确方位角θ信息;带入所求得的角度值,再根据公式(12)以及(13),进行谱峰搜索,从而得到距离信息。
为了使本领域普通技术人员理解本发明,而对本发明进行了详细描述,但可以想到,在不脱离本发明的权利要求所涵盖的范围内还可以做出其他的变化和修改,这些变化和修改均在本发明的保护范围之内。
Claims (1)
1.一种基于高阶累积量的简化近场定位方法,其特征在于包括下述步骤:
1)采用2M+1个线性均匀对称分布的阵列采集信源信号,阵元间隔设置为入射波波长的四分之一,阵元编号从左至右依次从-M至M排序;
2)对每一个平面天线阵列依次进行采样得到多路数字实信号xi(t),i=1,2,…,M;选择四路天线编号m,n,p,q进行四阶累积量运算,得到矩阵元素c(m,n,p,q)的表达式为其中,cum表示对元素求四阶累积量,*表示取共轭;下标m取值范围是-M到M,下标n取中心元素即n=0;下标p和q取值相反,即p=-q;将简化后的矩阵元素c(m,0,n,-n)表示为c(m,n),其中m、n取值范围均为-M至M;构造四阶累积量矩阵
3)对四阶累积量矩阵C按行拆解为子矩阵C1和C2,
其中,A(θ,r)表示近场阵列导向矢量;和为远场阵列导向矢量,θ和r分别表示来波的入射角度和距离;Ω=diag(γ1,…,γK)anddiag表示对角阵,ωi表示第i个信号的相位差,d表示阵源间隔,λ表示入射信号的波长,θk为第k个信号的入射角度;
4)构造统计矩阵对R进行SVD特征值分解得到U1表示非零特征值对应的左特征向量;按照已知阵源数目K,把U1按前K行和后(2M+1-K)分解为U11和U12,即通过对矩阵进行特征值分解得到T-1和Ω,即得到K个相位差γ1,…,γK,求得K个信源的入射角度
5)对下式进行K次谱峰搜索,得到K个信源各个角度对应的距离信息:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810912976.4A CN109061564B (zh) | 2018-08-13 | 2018-08-13 | 基于高阶累积量的简化近场定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810912976.4A CN109061564B (zh) | 2018-08-13 | 2018-08-13 | 基于高阶累积量的简化近场定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061564A CN109061564A (zh) | 2018-12-21 |
CN109061564B true CN109061564B (zh) | 2022-08-12 |
Family
ID=64683626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810912976.4A Active CN109061564B (zh) | 2018-08-13 | 2018-08-13 | 基于高阶累积量的简化近场定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061564B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870670B (zh) * | 2019-03-12 | 2022-09-02 | 西北工业大学深圳研究院 | 一种基于阵列重构的混合信号参数估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926573A (zh) * | 2014-04-17 | 2014-07-16 | 哈尔滨工程大学 | 基于四阶累积量的单基地mimo雷达分布式目标角度估计方法 |
CN106019215A (zh) * | 2016-07-15 | 2016-10-12 | 西安电子科技大学 | 基于四阶累量的嵌套阵列波达方向角估计方法 |
CN106054130A (zh) * | 2016-06-06 | 2016-10-26 | 南京工程学院 | 一种基于music算法的室内定位方法及装置 |
CN107422299A (zh) * | 2017-05-03 | 2017-12-01 | 惠州学院 | 一种混合信号源定位方法和混合信号源定位*** |
CN108375751A (zh) * | 2018-01-31 | 2018-08-07 | 中国人民解放军战略支援部队信息工程大学 | 多信源波达方向估计方法 |
-
2018
- 2018-08-13 CN CN201810912976.4A patent/CN109061564B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926573A (zh) * | 2014-04-17 | 2014-07-16 | 哈尔滨工程大学 | 基于四阶累积量的单基地mimo雷达分布式目标角度估计方法 |
CN106054130A (zh) * | 2016-06-06 | 2016-10-26 | 南京工程学院 | 一种基于music算法的室内定位方法及装置 |
CN106019215A (zh) * | 2016-07-15 | 2016-10-12 | 西安电子科技大学 | 基于四阶累量的嵌套阵列波达方向角估计方法 |
CN107422299A (zh) * | 2017-05-03 | 2017-12-01 | 惠州学院 | 一种混合信号源定位方法和混合信号源定位*** |
CN108375751A (zh) * | 2018-01-31 | 2018-08-07 | 中国人民解放军战略支援部队信息工程大学 | 多信源波达方向估计方法 |
Non-Patent Citations (1)
Title |
---|
张君等.声矢量锥形阵的高阶累积量波达方向估计.《声学学报》.2019,第44卷(第6期), * |
Also Published As
Publication number | Publication date |
---|---|
CN109061564A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471086B (zh) | 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法 | |
CN108710102B (zh) | 基于互质阵列二阶等价虚拟信号离散傅里叶逆变换的波达方向估计方法 | |
CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
CN110515038B (zh) | 一种基于无人机-阵列的自适应无源定位装置及实现方法 | |
CN106227701B (zh) | 一种阵列信号的接收通道的幅相误差的自校正方法 | |
CN110515033B (zh) | 一种基于Toeplitz矩阵恢复的欠通道测向***及方法 | |
CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN103116162B (zh) | 基于目标空间稀疏性的高分辨声呐定位方法 | |
CN113835063B (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
CN109917329B (zh) | 一种基于协方差匹配准则的l型阵列波达方向估计方法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN111352063B (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
CN112462363B (zh) | 非均匀稀疏极化阵列相干目标参数估计方法 | |
CN112487703A (zh) | 基于稀疏贝叶斯在未知噪声场的欠定宽带信号doa估计方法 | |
CN115236589B (zh) | 一种基于协方差矩阵修正的极地冰下doa估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN107092005A (zh) | 一种时空联合的阵列处理方法及装置 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN113671439A (zh) | 基于非均匀智能超表面阵列的无人机集群测向***及方法 | |
CN109870670B (zh) | 一种基于阵列重构的混合信号参数估计方法 | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN106877918B (zh) | 互耦条件下稳健自适应波束形成方法 | |
CN115453450A (zh) | 一种嵌套阵下对抗互藕的稳健doa估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |