CN111199281A - 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法 - Google Patents

基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法 Download PDF

Info

Publication number
CN111199281A
CN111199281A CN201911326261.1A CN201911326261A CN111199281A CN 111199281 A CN111199281 A CN 111199281A CN 201911326261 A CN201911326261 A CN 201911326261A CN 111199281 A CN111199281 A CN 111199281A
Authority
CN
China
Prior art keywords
short
wave
source
geographical coordinate
spectrum
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.)
Granted
Application number
CN201911326261.1A
Other languages
English (en)
Other versions
CN111199281B (zh
Inventor
王鼎
王成
唐涛
张莉
杨宾
李建兵
魏帅
吴志东
李崇
孙晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information Engineering University of PLA Strategic Support Force
Original Assignee
Information Engineering University of PLA Strategic Support Force
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Information Engineering University of PLA Strategic Support Force filed Critical Information Engineering University of PLA Strategic Support Force
Priority to CN201911326261.1A priority Critical patent/CN111199281B/zh
Publication of CN111199281A publication Critical patent/CN111199281A/zh
Application granted granted Critical
Publication of CN111199281B publication Critical patent/CN111199281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02Position-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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,建立短波校正源地理坐标与其辐射信号到达观测站二维波达方向的代数关系式,获得关于短波校正源地理坐标空域位置谱;采集各短波校正源地理坐标空域位置谱主峰附近的数值,并以此构造地理坐标空域位置谱矩阵,训练径向基神经网络;建立短波目标源的地理坐标与其辐射信号到达观测站二维波达方向的代数关系式,获得关于短波目标源地理坐标空域位置谱;最后采集短波目标源地理坐标空域位置谱主峰附近的数值,将此地理坐标空域位置谱矩阵输入到径向基神经网络中,得出短波目标源地理坐标的最终估计值。本发明可有效补偿由电离层虚高误差和电离层倾斜角偏差引起的定位偏差。

Description

基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法
技术领域
本发明属于目标辐射源定位技术领域,尤其涉及一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法。
背景技术
众所周知,目标辐射源定位技术已广泛应用于通信、雷达、目标监测、导航遥测、地震勘测、射电天文、紧急救助、安全管理等领域,其在工业生产与军事应用中都发挥着重要作用。目标辐射源定位技术是指在观测站(也称传感器)不主动发射电磁信号的情况下,通过接收目标辐射的无线信号来确定目标位置参数(有时也包括速度参数)。该类技术属于无源定位范畴,由于其***并不主动发射电磁信号,因此具有生存能力强、侦察作用距离远等优势。依据观测站的个数进行划分可以将辐射源定位***分成单站定位***和多站定位***两大类,其中单站定位***具有灵活度高、机动性强、***简洁以及无需站间通信与同步等优点,本专利主要涉及单站无源定位体制。
在现有的单站无源定位体制中,短波单站定位是应用较为广泛的一类定位方法,该方法主要是针对超视距短波目标源进行定位。其基本原理是利用单个观测站测得的信号方位角和仰角以及电离层虚高参数对短波辐射源进行定位。然而,在实际应用中电离层虚高参数是通过有源探测所获得的,因此难免会存在一定的偏差,除此以外,电离层倾斜角也会对方位角估计产生一定偏差。不难想象,无论是电离层虚高误差还是电离层倾斜角偏差都会对短波单站定位产生较大的影响。
另一方面,传统的无源定位技术大多采用两步估计方式,即首先从接收信号中提取出用于定位的相关参数(主要包括空域、时域、频域以及能量域等参量),然后利用这些中间参数确定目标位置参数或者速度参数。虽然这种两步定位模式在现代无源定位***中被广泛使用,但以色列学者A.J.Weiss和A.Amar却指出了其中所存在的诸多缺点,并提出了直接定位的思想(Amar A,Weiss A J.Localization of narrowband radio emitters basedon Doppler frequency shifts[J].IEEE Transactions on Signal Processing,2008,56(11):5500-5508.)(Weiss A J.Direct geolocation of wideband emitters based ondelay and Doppler[J].IEEE Transactions on Signal Processing,2011,59(6):2513-5520.),其基本理念是从信号采集的数据域中直接估计目标的位置参数,而无需估计其它中间定位参数。显然,这种直接定位体制同样适用于短波单站定位场景中。不幸的是,短波单站直接定位方法仍然会受到电离层虚高误差和电离层倾斜角偏差的影响,从而会产生较大的定位偏差。针对此问题,本专利通过利用短波目标源附近区域的短波校正源信息,提出了一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,可以大幅提升短波单站直接定位精度。
发明内容
本发明针对现有单站无源定位方法中短波单站直接定位方法受到电离层虚高误差和电离层倾斜角偏差的影响,从而会产生较大的定位偏差的问题,提出一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法。
为了实现上述目的,本发明采用以下技术方案:
一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,包括:
步骤1:在短波目标源所在空域位置所在区域分时放置N个地理坐标精确已知的短波校正源;
步骤2:利用观测站的地理坐标和已知的电离层虚高信息,建立第n个短波校正源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式,其中1≤n≤N;
步骤3:针对第n个短波校正源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波校正源地理坐标空域位置谱;
步骤4:针对第n个短波校正源,按照一定步长将其地理坐标空域位置谱主峰所在区域网格化,并且利用每个网格的谱值构造关于短波校正源地理坐标空域位置谱矩阵
Figure BDA0002328462270000021
步骤5:利用N个短波校正源的地理坐标空域位置谱矩阵以及对应的真实地理坐标训练径向基神经网络;
步骤6:利用观测站的地理坐标和电离层虚高信息,建立短波目标源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式;
步骤7:针对短波目标源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波目标源地理坐标空域位置谱;
步骤8:针对短波目标源,按照步骤4中步长将其地理坐标空域位置谱主峰附近区域网格化,并且利用每个网格的谱值构造关于短波目标源地理坐标空域位置谱矩阵P(e)
步骤9:利用向量化算子将步骤8获得的地理坐标空域位置谱矩阵转化成向量,并输入到步骤5所训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值。
进一步地,所述步骤2中第n个短波校正源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式为:
Figure BDA0002328462270000031
Figure BDA0002328462270000032
式中
Figure BDA0002328462270000033
Figure BDA0002328462270000034
Figure BDA0002328462270000035
其中θ(s)和β(s)分别为观测站的经、纬度,
Figure BDA0002328462270000036
分别为第n个短波校正源的经、纬度,H为电离层虚高,R为地球半径,
Figure BDA0002328462270000037
分别为第n个短波校正源辐射信号到达观测站的方位角和仰角,t1、t2为坐标转换向量,
Figure BDA0002328462270000038
为短波单站与短波目标源之间的地心角的1/2。
进一步地,所述步骤3包括:
步骤3.1:利用K元均匀圆阵对第n个短波校正源的辐射信号进行接收和采集,采集M个信号样本点
Figure BDA0002328462270000041
并且构造协方差矩阵
Figure BDA0002328462270000042
步骤3.2:对协方差矩阵
Figure BDA0002328462270000043
进行奇异值分解,将奇异值由大到小进行排列,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure BDA0002328462270000044
步骤3.3:通过
Figure BDA0002328462270000045
构造关于短波校正源地理坐标空域位置谱函数
Figure BDA0002328462270000046
从而得出关于短波校正源地理坐标空域位置谱,其中b(θ,β)表示以短波校正源地理坐标为函数的阵列流形向量。
进一步地,所述步骤5包括:
利用向量化算子vec(·)将第n个短波校正源对应的谱图矩阵
Figure BDA0002328462270000047
转化成向量
Figure BDA0002328462270000048
并将
Figure BDA0002328462270000049
作为径向基神经网络的输入值,然后将第n个短波校正源的真实经度
Figure BDA00023284622700000410
和纬度
Figure BDA00023284622700000411
作为径向基神经网络的输出值,采用自组织选取中心法对径向基神经网络进行训练。
进一步地,所述步骤6中短波目标源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式为:
Figure BDA00023284622700000412
Figure BDA00023284622700000413
式中
Figure BDA00023284622700000414
Figure BDA0002328462270000051
其中θ(e)和β(e)分别为短波目标源的经、纬度,α(e)、γ(e)分别为短波目标源辐射信号到达观测站的方位角和仰角。
进一步地,所述步骤7包括:
步骤7.1:利用K元均匀圆阵对第n个短波校正源的辐射信号进行接收和采集,采集M个信号样本点{x(e)(tm)}1≤m≤M,并且构造协方差矩阵
Figure BDA0002328462270000052
步骤7.2:对协方差矩阵
Figure BDA0002328462270000053
进行奇异值分解,将奇异值由大到小进行排列,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure BDA0002328462270000054
步骤7.3:通过
Figure BDA0002328462270000055
构造关于短波校正源地理坐标空域位置谱函数
Figure BDA0002328462270000056
从而得出关于短波校正源地理坐标空域位置谱。
进一步地,所述步骤9包括:
利用向量化算子vec(·)将步骤8获得的P(e)转化成向量p(e),并输入到步骤5中训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值,通过该估计值补偿由电离层虚高误差和电离层倾斜角偏差所引起的定位偏差。
与现有技术相比,本发明具有的有益效果:
本发明提出了基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,利用短波目标源附近的短波校正源地理坐标空域位置谱矩阵训练径向基神经网络,基于该神经网络可以有效消除由电离层虚高误差和电离层倾斜角偏差所引起的定位偏差,从而大幅度提高短波单站直接定位的精度。
附图说明
图1为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的基本流程图;
图2为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的地理坐标空域位置谱;
图3为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的直接定位结果散布对比图;
图4为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的短波目标源定位均方根误差随着信噪比的变化曲线对比图;
图5为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的短波目标源定位均方根误差随着信号样本点数的变化曲线对比图;
图6为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的短波目标源定位均方根误差随着电离层虚高误差的变化曲线对比图;
图7为本发明实施例一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法的短波目标源定位均方根误差随着电离层倾斜角偏差的变化曲线对比图。
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,一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,包括:
步骤S101:在短波目标源所在空域位置附近分时放置N个地理坐标精确已知的短波校正源。
步骤S102:利用观测站的地理坐标和已知的电离层虚高信息(含有误差),依次建立第n(1≤n≤N)个短波校正源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式。
步骤S103:依次针对第n(1≤n≤N)个短波校正源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波校正源地理坐标空域位置谱。
步骤S104:依次针对第n(1≤n≤N)个短波校正源,按照一定步长将其地理坐标空域位置谱主峰附近区域网格化,并且利用每个网格的谱值构造关于短波校正源地理坐标空域位置谱矩阵。
步骤S105:利用N个短波校正源的地理坐标空域位置谱矩阵以及它们的真实地理坐标训练径向基神经网络。
步骤S106:利用观测站的地理坐标和电离层虚高信息,建立短波目标源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式。
步骤S107:针对短波目标源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波目标源地理坐标空域位置谱。
步骤S108:针对短波目标源,按照步骤S104中步长将其地理坐标空域位置谱主峰附近区域网格化,并且利用每个网格的谱值构造关于短波目标源地理坐标空域位置谱矩阵。
步骤S109:利用向量化算子将步骤S108获得的地理坐标空域位置谱矩阵转化成向量,并输入到步骤S105所训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值。
具体地,在所述步骤S101中,在短波目标源所在空域位置附近分时放置N个地理坐标精确已知的短波校正源,其中第n(1≤n≤N)个短波校正源的经度为
Figure BDA0002328462270000071
纬度为
Figure BDA0002328462270000072
具体地,在所述步骤S102中,假设观测站的经纬度分别为θ(s)和β(s),电离层虚高为H,地球半径为R,第n(1≤n≤N)个短波校正源辐射信号到达观测站的方位角和仰角分别为
Figure BDA0002328462270000073
Figure BDA0002328462270000074
根据信号传播的几何关系可以建立如下代数关系式:
Figure BDA0002328462270000075
Figure BDA0002328462270000076
式中
Figure BDA0002328462270000081
Figure BDA0002328462270000082
Figure BDA0002328462270000083
其中,t1、t2为坐标转换向量,
Figure BDA0002328462270000084
为短波单站与短波目标源之间的地心角的1/2,g()为中间参量。
具体地,在所述步骤S103中,依次针对第n(1≤n≤N)个短波校正源,利用K元均匀圆阵对其辐射信号进行接收和采集,其阵列接收信号模型为:
Figure BDA0002328462270000085
式中
Figure BDA0002328462270000086
表示均匀圆阵针对第n个短波校正源的接收信号;
Figure BDA0002328462270000087
表示第n个短波校正源辐射信号的复包络;
Figure BDA0002328462270000088
表示阵列加性噪声;
Figure BDA0002328462270000089
表示以短波校正源辐射信号二维波达方向为函数的阵列流形向量;
Figure BDA00023284622700000810
表示以短波校正源地理坐标为函数的阵列流形向量,其满足
Figure BDA00023284622700000811
接着利用子空间方法获得关于短波校正源地理坐标空域位置谱,其计算过程如下:
(1)采集M个信号样本点
Figure BDA00023284622700000812
并且构造协方差矩阵
Figure BDA00023284622700000813
(2)对协方差矩阵
Figure BDA00023284622700000814
进行奇异值分解,将奇异值由大到小进行排列,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure BDA0002328462270000091
(3)构造关于短波校正源地理坐标空域位置谱函数
Figure BDA0002328462270000092
从而得出关于短波校正源地理坐标空域位置谱。
具体地,在所述步骤S104中,依次针对第n(1≤n≤N)个短波校正源,按照一定步长将其地理坐标空域位置谱主峰附近区域网格化,如图2所示,并且利用每个网格的谱值构造关于短波校正源地理坐标空域位置谱矩阵
Figure BDA0002328462270000093
为了减少运算复杂度,步长可以适当放宽,无需过于精细。
具体地,在所述步骤S105中,利用向量化算子vec(·)将第n(1≤n≤N)个短波校正源对应的谱图矩阵
Figure BDA0002328462270000094
转化成向量
Figure BDA0002328462270000095
(即有
Figure BDA0002328462270000096
),并将其作为径向基神经网络的输入值,然后将第n个短波校正源的真实经纬度
Figure BDA0002328462270000097
Figure BDA0002328462270000098
作为径向基神经网络的输出值,共有N组这样的输入-输出对,利用它们对径向基神经网络进行训练,学习算法采用自组织选取中心法。利用径向基神经网络对学习样本进行训练以后,该网络就具备了对短波单站直接定位偏差的自动补偿功能,可以有效弥补由电离层虚高误差和电离层倾斜角偏差所带来的影响。
具体地,在所述步骤S106中,假设短波目标源的经纬度为θ(e)和β(e),其辐射信号到达观测站的方位角和仰角分别为α(e)和γ(e),根据信号传播的几何关系可以建立如下代数关系式:
Figure BDA0002328462270000099
Figure BDA00023284622700000910
式中
Figure BDA00023284622700000911
Figure BDA0002328462270000101
具体地,在所述步骤S107中,针对短波目标源,利用K元均匀圆阵对其辐射信号进行接收和采集,其阵列接收信号模型为
x(e)(t)=a(α(e)(e))s(e)(t)+ξ(e)(t)=b(θ(e)(e))s(e)(t)+ξ(e)(t)
式中x(e)(t)表示均匀圆阵针对短波目标源的接收信号;s(e)(t)表示短波目标源辐射信号的复包络;ξ(e)(t)表示阵列加性噪声;a(α(e)(e))表示以短波目标源辐射信号二维波达方向为函数的阵列流形向量;b(θ(e)(e))表示以短波目标源地理坐标为函数的阵列流形向量,其满足b(θ(e)(e))=a(α(e)(e))。
接着利用子空间方法获得关于短波目标源地理坐标空域位置谱,其计算过程如下:
(1)采集M个信号样本点{x(e)(tm)}1≤m≤M,并且构造协方差矩阵
Figure BDA0002328462270000102
(2)对协方差矩阵
Figure BDA0002328462270000103
进行奇异值分解,将奇异值由大到小进行排列,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure BDA0002328462270000104
(3)构造关于短波目标源地理坐标空域位置谱函数
Figure BDA0002328462270000105
从而得出关于短波校正源地理坐标空域位置谱。
具体地,在所述步骤S108中,针对短波目标源,按照一定步长将其地理坐标空域位置谱主峰附近区域网格化,并且利用每个网格的谱值构造关于短波目标源地理坐标空域位置谱矩阵P(e)。这里所选择的区域范围和步长与步骤S104需要完全一致。
具体地,在所述步骤S109中,利用向量化算子vec(·)将步骤S108获得的地理坐标空域位置谱矩阵P(e)转化成向量(即有p(e)=vec(P(e))),并输入到步骤S105所训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值,该估计值可以补偿由电离层虚高误差和电离层倾斜角偏差所引起的定位偏差。
假设观测站的经度为东经112.73°,纬度为北纬33.25°;短波目标源的经度为东经125.52°,纬度为北纬28.12°。观测站安装10元均匀圆阵,其半径与波长比为1.5,短波目标源辐射信号到达观测站所经历的电离层虚高为350公里。
(1)短波目标源辐射信号的信噪比为10dB,算法采用的信号样本点数为500,电离层虚高误差为50公里,电离层倾斜角偏差为0.5°,图3给了定位结果散布图。从图3中可以看出,本专利公开的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法可以明显消除由电离层虚高误差和电离层倾斜角偏差所带来的影响,从而显著提高了对短波辐射源的定位精度。
(2)其余实验条件不变,图4和图5分别给出了短波目标源定位均方根误差随着信噪比和信号样本点数的变化曲线,从图中可以看出本专利公开方法的定位精度得到了大幅提升,并且随着信噪比和信号样本点数的提高,其定位精度会逐渐提高,而传统直接定位方法由于未考虑电离层虚高误差和电离层倾斜角偏差的影响,因此其定位精度并不会随着信噪比和信号样本点数的提高而逐渐提升,具有固定偏差。
(3)其余实验条件不变,图6和图7分别给出了短波目标源定位均方根误差随着电离层虚高误差和电离层倾斜角偏差的变化曲线,从图中可以看出本专利公开方法受到电离层虚高误差和电离层倾斜角偏差的影响很小,这是因为该方法利用短波校正源地理坐标空域位置谱对径向基神经网络进行训练,使其可以有效补偿电离层虚高误差和电离层倾斜角偏差所产生的定位偏差,而传统直接定位方法则无法消除其影响,因此其定位误差呈现出线性增长趋势。
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。

Claims (7)

1.一种基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,包括:
步骤1:在短波目标源所在空域位置所在区域分时放置N个地理坐标精确已知的短波校正源;
步骤2:利用观测站的地理坐标和已知的电离层虚高信息,建立第n个短波校正源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式,其中1≤n≤N;
步骤3:针对第n个短波校正源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波校正源地理坐标空域位置谱;
步骤4:针对第n个短波校正源,按照一定步长将其地理坐标空域位置谱主峰所在区域网格化,并且利用每个网格的谱值构造关于短波校正源地理坐标空域位置谱矩阵
Figure FDA0002328462260000011
步骤5:利用N个短波校正源的地理坐标空域位置谱矩阵以及对应的真实地理坐标训练径向基神经网络;
步骤6:利用观测站的地理坐标和电离层虚高信息,建立短波目标源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式;
步骤7:针对短波目标源,利用K元均匀圆阵对其辐射信号进行接收和采集,并且利用子空间方法获得关于短波目标源地理坐标空域位置谱;
步骤8:针对短波目标源,按照步骤4中步长将其地理坐标空域位置谱主峰附近区域网格化,并且利用每个网格的谱值构造关于短波目标源地理坐标空域位置谱矩阵P(e)
步骤9:利用向量化算子将步骤8获得的地理坐标空域位置谱矩阵转化成向量,并输入到步骤5所训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值。
2.根据权利要求1所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤2中第n个短波校正源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式为:
Figure FDA0002328462260000021
Figure FDA0002328462260000022
式中
Figure FDA0002328462260000023
Figure FDA0002328462260000024
Figure FDA0002328462260000025
其中θ(s)和β(s)分别为观测站的经、纬度,
Figure FDA0002328462260000026
分别为第n个短波校正源的经、纬度,H为电离层虚高,R为地球半径,
Figure FDA0002328462260000027
分别为第n个短波校正源辐射信号到达观测站的方位角和仰角,t1、t2为坐标转换向量,
Figure FDA0002328462260000028
为短波单站与短波目标源之间的地心角的1/2。
3.根据权利要求2所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤3包括:
步骤3.1:利用K元均匀圆阵对第n个短波校正源的辐射信号进行接收和采集,采集M个信号样本点
Figure FDA0002328462260000029
并且构造协方差矩阵
Figure FDA00023284622600000210
步骤3.2:对协方差矩阵
Figure FDA00023284622600000211
进行奇异值分解,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure FDA00023284622600000212
步骤3.3:通过
Figure FDA00023284622600000213
构造关于短波校正源地理坐标空域位置谱函数
Figure FDA0002328462260000031
从而得出关于短波校正源地理坐标空域位置谱,其中b(θ,β)表示以短波校正源地理坐标为函数的阵列流形向量。
4.根据权利要求2所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤5包括:
利用向量化算子vec(·)将第n个短波校正源对应的谱图矩阵
Figure FDA0002328462260000032
转化成向量
Figure FDA0002328462260000033
并将
Figure FDA0002328462260000034
作为径向基神经网络的输入值,然后将第n个短波校正源的真实经度
Figure FDA0002328462260000035
和纬度
Figure FDA0002328462260000036
作为径向基神经网络的输出值,采用自组织选取中心法对径向基神经网络进行训练。
5.根据权利要求3所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤6中短波目标源的地理坐标与其辐射信号到达观测站二维波达方向之间的代数关系式为:
Figure FDA0002328462260000037
Figure FDA0002328462260000038
式中
Figure FDA0002328462260000039
Figure FDA00023284622600000310
其中θ(e)和β(e)分别为短波目标源的经、纬度,α(e)、γ(e)分别为短波目标源辐射信号到达观测站的方位角和仰角。
6.根据权利要求5所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤7包括:
步骤7.1:利用K元均匀圆阵对第n个短波校正源的辐射信号进行接收和采集,采集M个信号样本点{x(e)(tm)}1≤m≤M,并且构造协方差矩阵
Figure FDA0002328462260000041
步骤7.2:对协方差矩阵
Figure FDA0002328462260000042
进行奇异值分解,将奇异值由大到小进行排列,利用其后面K-1个小奇异值对应的左奇异向量构造矩阵
Figure FDA0002328462260000043
步骤7.3:通过
Figure FDA0002328462260000044
构造关于短波校正源地理坐标空域位置谱函数
Figure FDA0002328462260000045
从而得出关于短波校正源地理坐标空域位置谱。
7.根据权利要求6所述的基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法,其特征在于,所述步骤9包括:
利用向量化算子vec(·)将步骤8获得的P(e)转化成向量p(e),并输入到步骤5中训练好的径向基神经网络中,网络的输出值即为短波目标源地理坐标的最终估计值,通过该估计值补偿由电离层虚高误差和电离层倾斜角偏差所引起的定位偏差。
CN201911326261.1A 2019-12-20 2019-12-20 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法 Active CN111199281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911326261.1A CN111199281B (zh) 2019-12-20 2019-12-20 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911326261.1A CN111199281B (zh) 2019-12-20 2019-12-20 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法

Publications (2)

Publication Number Publication Date
CN111199281A true CN111199281A (zh) 2020-05-26
CN111199281B CN111199281B (zh) 2022-10-14

Family

ID=70747100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911326261.1A Active CN111199281B (zh) 2019-12-20 2019-12-20 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法

Country Status (1)

Country Link
CN (1) CN111199281B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782647A (zh) * 2020-12-15 2021-05-11 中国人民解放军战略支援部队信息工程大学 信息联合的二次等式约束最小二乘辐射源定位方法
CN113033083A (zh) * 2021-03-10 2021-06-25 浙江大学 一种基于密度峰值聚类径向基神经网络波达方向估计方法
CN113281702A (zh) * 2021-04-30 2021-08-20 中国人民解放军战略支援部队信息工程大学 协同短波多站角度与卫星时频的超视距目标直接定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037520A (zh) * 2017-12-27 2018-05-15 中国人民解放军战略支援部队信息工程大学 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法
CN108182474A (zh) * 2017-12-27 2018-06-19 中国人民解放军战略支援部队信息工程大学 基于未校正阵列和神经网络的多目标直接定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037520A (zh) * 2017-12-27 2018-05-15 中国人民解放军战略支援部队信息工程大学 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法
CN108182474A (zh) * 2017-12-27 2018-06-19 中国人民解放军战略支援部队信息工程大学 基于未校正阵列和神经网络的多目标直接定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
左燕等: "基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法", 《电子与信息学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782647A (zh) * 2020-12-15 2021-05-11 中国人民解放军战略支援部队信息工程大学 信息联合的二次等式约束最小二乘辐射源定位方法
CN113033083A (zh) * 2021-03-10 2021-06-25 浙江大学 一种基于密度峰值聚类径向基神经网络波达方向估计方法
CN113033083B (zh) * 2021-03-10 2022-06-17 浙江大学 一种基于密度峰值聚类径向基神经网络波达方向估计方法
CN113281702A (zh) * 2021-04-30 2021-08-20 中国人民解放军战略支援部队信息工程大学 协同短波多站角度与卫星时频的超视距目标直接定位方法
CN113281702B (zh) * 2021-04-30 2024-02-09 中国人民解放军战略支援部队信息工程大学 协同短波多站角度与卫星时频的超视距目标直接定位方法

Also Published As

Publication number Publication date
CN111199281B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN111199280B (zh) 短波信道模型误差存在下联合信号复包络和载波相位信息的多站目标源地理坐标估计方法
CN109975749B (zh) 一种校正源存在条件下的短波单站直接定位方法
CN108872932B (zh) 基于神经网络的超视距目标直接定位结果纠偏方法
CN111199281B (zh) 基于地理坐标空域位置谱的短波单站直接定位偏差补偿方法
CN111308530B (zh) 一种基于二维波达方向的短波多站和单星协同直接定位方法
CN105929378A (zh) 基于外辐射源联合时延与多普勒频率的直接跟踪方法
CN109975755B (zh) 一种校正源存在条件下的短波多站直接定位方法
CN105738865B (zh) 信号波形已知条件下的多目标直接定位方法
CN105911521B (zh) 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN104077498B (zh) 一种结合目标角度的外辐射源雷达多目标跟踪方法
CN113281701B (zh) 协同短波多站角度与三星时差的超视距目标直接定位方法
CN110568403B (zh) 一种协同短波与卫星***的超视距目标无源定位方法
CN105044667A (zh) 一种运动目标的双星跟踪方法、装置和***
CN112511976A (zh) 定位无人机控制端的处理方法、装置、设备与介质
CN103064084A (zh) 基于距离频域的解模糊方法
CN109991564B (zh) 基于神经网络的短波单站定位结果纠偏方法
CN113281702B (zh) 协同短波多站角度与卫星时频的超视距目标直接定位方法
CN110208741B (zh) 一种基于多圆阵测相的超视距单目标直接定位方法
CN115560757B (zh) 随机姿态误差条件下基于神经网络的无人机直接定位校正方法
CN111079929B (zh) 基于神经计算的短波单站多目标地理坐标快速估计方法
CN113203985A (zh) 一种短波同频信号直接定位方法
CN114019445A (zh) 一种基于位置聚类动态稀疏重构的二维到达角度测量方法
CN117233697B (zh) 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
CN117202343B (zh) 一种针对多个宽带信号辐射源的分布式阵列协同直接定位方法
CN115267760B (zh) 一种地心地固坐标系下协同被动测向与主动雷达的运动目标定位方法

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