CN113933781A - 基于质量评价的测量精度提升和soa定位精度提升方法 - Google Patents

基于质量评价的测量精度提升和soa定位精度提升方法 Download PDF

Info

Publication number
CN113933781A
CN113933781A CN202111292896.1A CN202111292896A CN113933781A CN 113933781 A CN113933781 A CN 113933781A CN 202111292896 A CN202111292896 A CN 202111292896A CN 113933781 A CN113933781 A CN 113933781A
Authority
CN
China
Prior art keywords
value
result
soa
formula
axis
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
CN202111292896.1A
Other languages
English (en)
Other versions
CN113933781B (zh
Inventor
张游杰
张清萍
杨志杰
陈学丽
吴伟
郑伟伟
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.)
Cetc Pengyue Electronic Technology Co ltd
Original Assignee
Cetc Pengyue Electronic Technology Co ltd
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 Cetc Pengyue Electronic Technology Co ltd filed Critical Cetc Pengyue Electronic Technology Co ltd
Priority to CN202111292896.1A priority Critical patent/CN113933781B/zh
Publication of CN113933781A publication Critical patent/CN113933781A/zh
Application granted granted Critical
Publication of CN113933781B publication Critical patent/CN113933781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • 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
    • G01S5/0244—Accuracy or reliability of position solution or of measurements contributing thereto
    • 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
    • G01S5/0273—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 using multipath or indirect path propagation signals in position determination

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于定位方法技术领域，具体涉及基于质量评价的测量精度提升和SOA定位精度提升方法。基于质量评价的测量精度提升方法，根据监测设备的误差范围，将每个观测点可能的取值范围均分为若干段，每段取中值作为测量值；将所有测点可能的取值重新组合后，计算得到多个结果和质量评价指标，并选择评价指标最好的结果作为测量结果。本方法是具有普适性的方法；本方法与SOA方法相结合，可以在不增加硬件成本的条件下，以牺牲性能为代价，大幅度提升辐射源定位精度。

Description

基于质量评价的测量精度提升和SOA定位精度提升方法
技术领域
本发明属于定位方法技术领域，具体涉及基于质量评价的测量精度提升方法及用于辐射源定位的SOA精度提升方法。
背景技术
随着网络空间日益发展，电磁信息安全作为信息安全和网络安全不可分割的一部分，对其防护势在必行。辐射源定位作为获取电磁信号源位置信息的重要技术手段，在电磁信息安全护领域具有十分重大的地位和作用。已知的辐射源定位方法有基于到达角(Angleof Arrival,AOA)、基于到达时间(Time of Arrival，TOA)、基于到达信号强度(Strengthof Arrival,SOA)、基于到达时间差(Time Difference of Arrival,TDOA)、基于到达频率差(Frequency Difference of Arrival，FDOA)、基于到达方向(Direction of Arrival，DOA)的定位方法，基于DOA和多普勒频率的定位方法，基于DOA和到达时间(Time ofArrival,TOA)的定位方法，基于DOA和TDOA的定位方法等。
然而，这些定位方法的精度都受限于测量环境、监测设备或***等各种因素。为提高定位精度，国内一些学者对引起误差的因素进行了研究，并提出了提高定位精度的方法。但大多数方法适用性都较窄，只能针对特定的定位算法，如TOA、TDOA、FDOA、基于相位差变化率的无源定位等。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
本发明一个方面的目的在于，提供一种基于质量评价的测量精度提升方法，该方法基于质量评价来提升测量精度，具有普适特性。
本发明一个方面的目的在于，提供一种SOA精度提升方法，该方法可以在设备不变的情况下，通过大量的计算与比对，找到更接近真实值的结果，从而提升SOA方法的精度。
为了上述技术问题，本发明采用的技术方案为：
基于质量评价的测量精度提升方法(以下简称为MAI方法)，根据监测设备的误差范围，将每个观测点可能的取值范围均分为若干段，每段取中值作为测量值；将所有测点可能的取值重新组合后，计算得到多个结果和质量评价指标，并选择评价指标最好的结果作为测量结果。
假设有n个观测点，其观测值为G,经方法H计算后得到结果0和评价R；其公式为：
(0,R)＝H(G)
其中：
Figure BDA0003335553850000021
Figure BDA0003335553850000022
Figure BDA0003335553850000023
G中的每个元素对应一个观测点Gi，vi是Gi中对结果的准确性影响最大参数，其误差范围为±δ；降低vi的误差，可以提高0的精度；R可用于评价结果0的准确性，并且通过一个评价方法Ev，可以将R量化为一个质量评价指标：
u＝Ev(R)
u≥0，值越小，结果0的质量越好。
采用以下步骤提高结果0的精度；
第一步，将vi的取值范围[vi-δ,vi+δ]均分为k(k＞1)段，并取每一段的中值，形成
vij＝vi-δ+(2j-1)·δ/k
其中i＝1,2…n,j＝1,2…k；
则每一个测点对应的取值构成集合Vi(i＝1,2…n):
Vi＝{vi1,vi2…vik}
第二步，由Vi重新构成观测点的集合：
Figure BDA0003335553850000024
由所有新构成的观测点重新组合形成观测值的集合：
Figure BDA0003335553850000025
观测值的集合CG的长度为kn；其每个元素可记为
Figure BDA0003335553850000026
第三步，针对每个
Figure BDA0003335553850000027
计算其对应的结果
Figure BDA0003335553850000028
评价
Figure BDA0003335553850000029
和质量评价指标
Figure BDA00033355538500000210
Figure BDA00033355538500000211
第四步，选出
Figure BDA00033355538500000212
的最小值
Figure BDA00033355538500000213
其对应的
Figure BDA00033355538500000214
即为最接近真实值的观测值，对应的
Figure BDA00033355538500000215
即为提升测量精度后的结果值。
一种SOA定位精度提升方法，将所述的MAI方法，应用于SOA方法；
与(S-1)对应的公式为：
(0,R)＝H(G)＝SOA(G) (S-7)
G＝{G1,G2…Gn}，Gi＝(xi,yi,hi,ei)，i＝1,2…n
O＝(x0,y0,h0,e0)
R＝(r,c,d)
Figure BDA0003335553850000031
其中xi,yi,hi分别为x轴坐标、y轴坐标、z轴坐标，单位为Km；ei为观测到的信号强度值，单位为dB；x0,y0,h0分别为目标O在x轴、y轴和z轴方向以Km为单位的坐标，e0是辐射源O的信号强度，单位为dB；ei对应式(S-1)中的vi，误差范围为±δ；rmin和cmax是SOA方法中复相关系数r的下限值和位置偏差系数c的上限值：如果r小于rmin或c大于cmax，则认为结果0的质量太差，是无效结果，需要丢弃；
由此可将式(S-2)和式(S-3)转变为：
Figure BDA0003335553850000032
Figure BDA0003335553850000033
按照MAI方法的第三步和第四步，对CG的每个元素
Figure BDA0003335553850000034
分别计算其结果
Figure BDA0003335553850000035
评价
Figure BDA0003335553850000036
和质量评价指标
Figure BDA0003335553850000037
然后找出
Figure BDA0003335553850000038
的最小值
Figure BDA0003335553850000039
对应的
Figure BDA00033355538500000310
即为精度最高的测量结果。
所述SOA方法是指：假设空间中有且只有一个电磁辐射源O向外辐射频率为F(F＜10GHz)的电磁波；有n个观测点Gi(i＝1,2,...,n)对其进行观测，其值表示为：
Gi＝(xi,yi,hi,ei)
其中xi,yi,hi分别为x轴(经度方向由西向东为正)坐标、y轴(纬度方向由南向北为正)坐标、z轴(高度方向由下向上为正)坐标，单位为Km；ei为观测到的信号强度值，单位为dB；
电磁波从O到Gi的过程中，其损耗符合以下公式：
Los＝e0-ei＝32.44+20lgF+20lgDi (S-5)
其中，e0是辐射源O的信号强度，单位为dB，ei是观测点Gi观测到的信号强度,单位为dB，F为频率，单位为MHz；Di为观测点Gi到目标O的直线距离，单位为Km；
Figure BDA0003335553850000041
其中xi,yi分别为观测点Gi在x轴和y轴以Km为单位的坐标，hi为观测点Gi的高度，单位为Km；x0,y0分别为目标O在x轴和y轴以Km为单位的坐标，h0为目标O的高度，单位为Km；
将式(S-5)转换为一个线性表达式：
a0X0+a1X1+a2X2+a3X3+a4＝Y (S-6)
其中，Y＝K(xi 2+yi 2+hi 2)，X0＝2Kxi，X1＝2Kyi，X2＝2Khi，X3＝-K，a0＝x0，a1＝y0，a2＝h0，a3＝x0 2+y0 2+h0 2，
Figure BDA0003335553850000042
Figure BDA0003335553850000043
由n个观测点Gi＝(xi,yi,hi,ei)可计算得到n组观察值(X0i,X1i,X2i,X3i,Yi)(i＝0,1,...,n-1)，用式(S-6)对(X0,X1,X2,X3,Y)这些观察值进行基于最小二乘法的多元线性回归分析，可计算得出回归系数a0,a1,a2,a3,a4；
由此最后可得出辐射源O的坐标与信号强度值:O＝(x0,y0,h0,e0)；
其中，x0＝a0，y0＝a1，h0＝a2，
e0＝10lga4+32.44+20lgF
为了评价计算结果的质量，本方法计算了以下3个变量：
1)复相关系数:
Figure BDA0003335553850000044
其中
Figure BDA0003335553850000045
Figure BDA0003335553850000046
Figure BDA0003335553850000047
当r接近于1时，说明相对误差q/t接近于零，线性回归效果好；
2)位置偏差系数:
Figure BDA0003335553850000048
c≥0，值越小说明计算结果的准确性越高；
3)信号强度方差:
Figure BDA0003335553850000051
d≥0，值越小说明计算结果的准确性越高。
采用以下方法简化其计算过程：
精度最高的测量结果
Figure BDA0003335553850000052
对应的观测值
Figure BDA0003335553850000053
满足：从
Figure BDA0003335553850000054
中任选m(5≤m＜n)个元素，构成一组新的观测值G',代入式(S-4)后求得的结果O'都具有较好的质量；
基于上述条件，在观测点数量n＞5时，其计算过程如下；
第一步，将观测点进行排序，排序规则不限，形成集合{G1,G2…Gn}，并取前5个构成观测值，记为：
G1～m＝{G1,G2…Gm},m＝5
第二步，将G1～m按照式(S-2)和式(S-3)进行组合，得到
Figure BDA0003335553850000055
将
Figure BDA0003335553850000056
中元素的数量记为K；此时K＝k5；
第三步，将
Figure BDA0003335553850000057
中的所有元素
Figure BDA0003335553850000058
利用式(S-7)和式(S-8)计算得到质量评价指标
Figure BDA0003335553850000059
第四步，将K个
Figure BDA00033355538500000510
从小到大排序，选取前L(L＜k5)个对应的观测值，其对应的信号强度的集合，记为
Figure BDA00033355538500000511
第五步，增加第m+1个测点，与
Figure BDA00033355538500000512
中的测点组合，形成新的观测值集合
Figure BDA00033355538500000513
Figure BDA00033355538500000514
此时，
Figure BDA00033355538500000515
中元素的数量K＝L×k；
第六步，如果m＜n，则令m＝m+1，然后跳转到第三步；否则跳转到第七步；
第七步，将
Figure BDA00033355538500000516
中的所有元素
Figure BDA00033355538500000517
利用式(S-7)和式(S-8)计算得到结果
Figure BDA00033355538500000518
和质量评价指标
Figure BDA00033355538500000519
然后找出
Figure BDA00033355538500000520
的最小值
Figure BDA00033355538500000521
对应的
Figure BDA00033355538500000522
即为精度最高的测量结果。
本发明与现有技术相比，具有的有益效果是：
MAI方法是具有普适性的方法，只要满足以下条件，都可以使用该方法提升测量精度:
假设有n个观测点，其观测值为G,经方法H计算后得到结果0和评价R。其公式为：
(0,R)＝H(G)
其中：
G＝{G1,G2…Gn},
Figure BDA0003335553850000061
Figure BDA0003335553850000062
Figure BDA0003335553850000063
G中的每个元素对应一个观测点Gi，vi是Gi中对结果的准确性影响最大参数，其误差范围为±δ。降低vi的误差，可以提高0的精度。R可用于评价结果0的准确性，并且通过一个评价方法Ev，可以将R量化为一个质量评价指标：
u＝Ev(R)
u≥0，值越小，结果0的质量越好。
MAI方法与SOA方法相结合，可以在不增加硬件成本的条件下，以牺牲性能为代价，大幅度提升定位精度。
附图说明
图1是本发明测点数量n对SOA精度的影响的示意图；
图2是本发明k对MAI精度的影响的示意图；
图3是本发明k＝5时L对SMAI精度的影响的示意图；
图4是本发明k＝10时L对SMAI精度的影响的示意图；
图5是本发明k对SMAI精度的影响的示意图；
图6是本发明SOA与MAI比较的示意图；
图7是本发明SOA与SMAI比较的示意图；
图8是本发明MAI与SMAI比较的示意图；
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一、MAI方法
基于质量评价的测量精度提升方法，其原理是：根据监测设备的误差范围，将每个观测点可能的取值范围均分为若干段，每段取中值作为测量值；将所有测点可能的取值重新组合后，计算得到多个结果和质量评价指标，并选择评价指标最好的结果作为测量结果。其方法如下：
假设有n个观测点，其观测值为G,经方法H计算后得到结果0和评价R。其公式为：
(0,R)＝H(G)
其中：
G＝{G1,G2…Gn},
Figure BDA0003335553850000071
Figure BDA0003335553850000072
Figure BDA0003335553850000073
G中的每个元素对应一个观测点Gi，vi是Gi中对结果的准确性影响最大参数，其误差范围为±δ。降低vi的误差，可以提高0的精度。R可用于评价结果0的准确性，并且通过一个评价方法Ev，可以将R量化为一个质量评价指标：
u＝Ev(R)
u≥0，值越小，结果0的质量越好。
基于上述假设，可采用以下步骤提高结果0的精度。
第一步，将vi的取值范围[vi-δ,vi+δ]均分为k(k＞1)段，并取每一段的中值，形成
vij＝vi-δ+(2j-1)·δ/k (2)
其中i＝1,2…n,j＝1,2…k。
则每一个测点对应的取值构成集合Vi(i＝1,2…n):
Vi＝{vi1,vi2…vik} (3)
第二步，由Vi重新构成观测点的集合：
Figure BDA0003335553850000074
由所有新构成的观测点重新组合形成观测值的集合：
Figure BDA0003335553850000075
由式(3)和(4)可得知，观测值的集合CG的长度为kn。其每个元素可记为
Figure BDA0003335553850000081
第三步，针对每个
Figure BDA0003335553850000082
计算其对应的结果
Figure BDA0003335553850000083
评价
Figure BDA0003335553850000084
和质量评价指标
Figure BDA0003335553850000085
Figure BDA0003335553850000086
第四步，选出
Figure BDA0003335553850000087
的最小值
Figure BDA0003335553850000088
其对应的
Figure BDA0003335553850000089
即为最接近真实值的观测值，对应的
Figure BDA00033355538500000810
即为提升测量精度后的结果值。
二、SOA方法
该SOA方法在发明专利“基于到达信号强度的空中目标辐射源定位方法”(授权号“ZL201611036608.5)中已记载。
基于到达信号强度的定位方法是一种多站无源的辐射源定位方法，其原理是：根据电磁波在空间中传输的距离与所产生损耗的关系，通过多个测点(不少于5个)的信号强度，利用多元线性回归的方法推算出辐射源的位置信息及信号强度。其方法如下。
假设空间中有且只有一个电磁辐射源O向外辐射频率为F(F＜10GHz)的电磁波。有n个观测点Gi(i＝1,2,…,n)对其进行观测，其值表示为：
Gi＝(xi,yi,hi,ei)
其中xi,yi,hi分别为x轴(经度方向由西向东为正)坐标、y轴(纬度方向由南向北为正)坐标、z轴(高度方向由下向上为正)坐标，单位为Km；ei为观测到的信号强度值，单位为dB。
电磁波从O到Gi的过程中，其损耗符合以下公式：
Los＝e0-ei＝32.44+20lgF+20lgDi (6)
其中，e0是辐射源O的信号强度，单位为dB，ei是观测点Gi观测到的信号强度,单位为dB，F为频率，单位为MHz；Di为观测点Gi到目标O的直线距离，单位为Km。
Figure BDA00033355538500000811
其中xi,yi分别为观测点Gi在x轴和y轴以Km为单位的坐标，hi为观测点Gi的高度，单位为Km；x0,y0分别为目标O在x轴和y轴以Km为单位的坐标，h0为目标O的高度，单位为Km。
将式(6)转换为一个线性表达式：
a0X0+a1X1+a2X2+a3X3+a4＝Y (8)
其中，Y＝K(xi 2+yi 2+hi 2)，X0＝2Kxi，X1＝2Kyi，X2＝2Khi，X3＝-K，a0＝x0，a1＝y0，a2＝h0，a3＝x0 2+y0 2+h0 2，
Figure BDA0003335553850000091
Figure BDA0003335553850000092
由n个观测点Gi＝(xi,yi,hi,ei)可计算得到n组观察值(X0i,X1i,X2i,X3i,Yi)(i＝0,1,...,n-1)，用式(8)对(X0,X1,X2,X3,Y)这些观察值进行基于最小二乘法的多元线性回归分析，可计算得出回归系数a0,a1,a2,a3 ,a 4。
由此最后可得出辐射源O的坐标与信号强度值:O＝(x0,y0,h0,e0)。
其中，x0＝a0，y0＝a1，h0＝a2，
e0＝10lga4+32.44+20lgF
为了评价计算结果的质量，本方法计算了以下3个变量：
1)复相关系数:
Figure BDA0003335553850000093
其中
Figure BDA0003335553850000094
Figure BDA0003335553850000095
Figure BDA0003335553850000096
当r接近于1时，说明相对误差q/t接近于零，线性回归效果好。
2)位置偏差系数:
Figure BDA0003335553850000097
c≥0，值越小说明计算结果的准确性越高。
3)信号强度方差:
Figure BDA0003335553850000098
d≥0，值越小说明计算结果的准确性越高。
三、针对SOA方法的测量精度提升
基于SOA的MAI方法
在MAI方法中，不同的应用场景，需要有相应的参数、计算方法H和评价方法Ev。将其应用于SOA，对应的公式如下。
(0,R)＝H(G)＝SOA(G) (12)
G＝{G1,G2…Gn}，Gi＝(xi,yi,hi,ei)，i＝1,2…n(13)
O＝(x0,y0,h0,e0)
R＝(r,c,d)
Figure BDA0003335553850000101
式(13)的中各变量的意义与式(6)到式(11)相同。其中ei对应式(1)中的vi，误差范围为±δ。式(14)中，rmin和cmax是SOA方法中复相关系数r的下限值和位置偏差系数c的上限值：如果r小于rmin或c大于cmax，则认为结果0的质量太差，是无效结果，需要丢弃。
由此可将式(3)和式(4)转变为：
Figure BDA0003335553850000102
Figure BDA0003335553850000103
按照MAI方法的第三步和第四步，对CG的每个元素
Figure BDA0003335553850000104
分别计算其结果
Figure BDA0003335553850000105
评价
Figure BDA0003335553850000106
和质量评价指标
Figure BDA0003335553850000107
然后找出
Figure BDA0003335553850000108
的最小值
Figure BDA0003335553850000109
对应的
Figure BDA00033355538500001010
即为精度最高的测量结果。
四、简化计算过程
新的观测值Gδ的长度为kn，因此每增加一个测点，其计算量将以指数式增长。为减少计算量，应根据实际情况，对计算过程进行简化，命名为简化的MAI方法(SimplifiedMAI，SMAI)。
以基于SOA的SMAI方法为例，精度最高的测量结果
Figure BDA00033355538500001011
对应的观测值
Figure BDA00033355538500001012
满足：从
Figure BDA00033355538500001013
中任选m(5≤m＜n)个元素，构成一组新的观测值G',代入式(5)后求得的结果O'都具有较好的质量。
基于上述条件，在观测点数量n＞5时，其计算过程如下。
第一步，将观测点进行排序，排序规则不限，形成集合{G1,G2…Gn}，并取前5个构成观测值，记为：
G1～m＝{G1,G2…Gm},m＝5
第二步，将G1～m按照式(15)和式(16)进行组合，得到
Figure BDA00033355538500001014
将
Figure BDA00033355538500001015
中元素的数量记为K。此时K＝k5。
第三步，将
Figure BDA0003335553850000111
中的所有元素
Figure BDA0003335553850000112
利用式(12)和式(14)计算得到质量评价指标
Figure BDA0003335553850000113
第四步，将K个
Figure BDA0003335553850000114
从小到大排序，选取前L(L＜k5)个对应的观测值，其对应的信号强度的集合，记为
Figure BDA0003335553850000115
第五步，增加第m+1个测点，与
Figure BDA0003335553850000116
中的测点组合，形成新的观测值集合
Figure BDA0003335553850000117
Figure BDA0003335553850000118
此时，
Figure BDA0003335553850000119
中元素的数量K＝L×k。
第六步，如果m＜n，则令m＝m+1，然后跳转到第三步；否则跳转到第七步。
第七步，将
Figure BDA00033355538500001110
中的所有元素
Figure BDA00033355538500001111
利用式(12)和式(14)计算得到结果
Figure BDA00033355538500001112
和质量评价指标
Figure BDA00033355538500001113
然后找出
Figure BDA00033355538500001114
的最小值
Figure BDA00033355538500001115
对应的
Figure BDA00033355538500001116
即为精度最高的测量结果。
为实现基于SOA的MAI和SMAI方法，并测试其性能，设计了一个仿真实验程序。硬件环境为：Windows 7 64位旗舰版，8GB运行内存，Intel(R)Core(TM)i7-6700 [email protected]。开发环境为：Visual Studio 2013，C#语言。
1)实验步骤
仿真实验步骤如下。
第一步，假定一个空间，长、宽、高分别为100m、100m和20m，该空间中的西南方向最下方的顶点坐标作为原点(0，0，0)。在该空间中，辐射源位于(10，10，10)处，向外辐射频率为30MHz的电磁波信号，强度为-10dB。
第二步，在该空间内随机分布若干个观测点，根据式(6)计算出每个测点的信号强度，再加上一定的随机噪声，可作为观测点的模拟数据。其公式如下：
e＝e0-32.44-20lgF-20lgD'+Ne·Rnd(-1,1) (18)
其中NE是观测点信号随机噪声的幅值，对应到真实环境中，该值包含了测量仪器的***误差和随机误差,以及环境等原因引起的综合误差；函数Rnd(-1,1)可产生-1到1之间的随机数；D'是考虑到观测点位置误差后，与辐射源的距离，
Figure BDA00033355538500001117
xN、yN、hN分别是考虑本身位置误差后观测点在x轴、y轴、z轴方向的坐标；xN＝x+Nx·Rnd(-1,1)，yN＝y+Ny·Rnd(-1,1)，hN＝h+Nh·Rnd(-1,1)；Nx、Ny、Nh分别是观测点在x轴、y轴、z轴方向误差的幅值。
在本实验中，根据当前较为普遍的测量设备能达到的精度，NE取值0.1dB，xN、yN、hN均取值0.5m。
例如，下面是一组由随机分布的10个观测点组成的模拟数据,其中x、y、h的单位为m，e的单位为dB。
表1(10个观测点的模拟数据)
Figure BDA0003335553850000121
第三步，将模拟数据作为观测值，分别通过SOA方法、基于SOA的MAI方法(以下简称为MAI方法)、基于SOA的SMAI方法(以下简称为SMAI方法)，推算出目标的坐标及信号强度。
最后，选择不同的参数，将第二步与第三步重复多次，得到多组实验数据。然后分别对三种方法的性能与精度进行分析。
2)仿真实验
(1)测量精度实验
依据上述步骤，选择不同的参数，分别进行多次实验.将每次推算的结果记为(x0,y0,h0,e0)，计算其与真实辐射源位置的距离偏差s，将其作为定位误差。
Figure BDA0003335553850000131
通过累积分布函数,比较各种方法在不同参数下定位误差的分布，总结各项参数对精度的影响。
实验1：SOA方法中n对精度的影响
根据现有技术(基于到达信号强度的空中目标辐射源定位方法)，SOA方法中测点数量n超过15以后，测点数量的增加对测量精度的影响将变得很小。因此，本实验中对n的取值范围设定为5到15，并对每种参数做10万次计算，得到定位误差的累积分布。见图1。
由图1可见，随着n的增加，累积分布函数在较低的定位误差时逐渐趋于1。说明定位误差随着n的增大越来越集中于较低的数值，定位精度越来越高。n在较小时，测点数的增加可以大幅提升精度，随着n的增大，提升幅度越来越小。以定位误差在100.8m(约6.3m)内的累积分布值为例：当n＝5时值为0.538，n＝6时值为0.781，累积分布值增幅达45.1％；当n＝10时，值为0.986，n＝11时值为0.992,累积分布值增幅仅为0.6％。因此，以下的定位精度实验中，n的选取全部在10以内(含)。
实验2：MAI方法中k对精度的影响
由于n越大，MAI方法的计算复杂度越高。因此本实验只选取n＝5的情况，对k的取值范围设定为2到10，并对每种参数做10万次计算，得到定位误差的累积分布。见图2。
由图2可见，k越大，MAI的精度越高，但该趋势并不是线性关系。当k>＝5时，k的增加对精度的影响将变得很小。因此，以下的测量精度实验中，只计算k＝5和k＝10两种情况。
实验3：SMAI方法中k和L对精度的影响
由于SMAI方法只在n>5时生效，结合实验1的结论，本实验中n取6，8，10共3种值，并选择不同的k和L，对每种参数做1万次计算，得到定位误差的累积分布。
在k＝5时，根据经验，对L取100、500、1000三种情况进行比较。见图3。
在k＝10时，根据经验，对L取100、1000、10000三种情况进行比较。见图4。
由图3和图4可见，随着L取值的增加，精度略有提升，但提升幅度并不明显。为得到k对SMAI结果的影响，将L固定为1000，比较k为5和10的情况。见图5。
由图5可见，k＝10时定位精度略优于k＝5时。
本实验表明，k和L的值越大，精度越高。但在L>＝100，k>＝5时，两个参数值的增大对精度的提升并不明显。
实验4：对SOA、MAI、SMAI三种方法精度的比较
分别对SOA与MAI、SOA与SMAI、MAI与SMAI的精度进行比较。根据前面的实验结果，各种参数选择如下。
SOA与MAI：k＝5，n从5到8取值。见图6。
SOA与SMAI：k＝5,L＝1000,n从6到10取值。见图7。
MAI与SMAI：k＝5,L＝1000,n从6到8取值。见图8。
对上述每种参数均做1万次计算，得到定位误差的累积分布。
由图5可见，从定位误差在100.8m(约6.3m)以内的累积分布来看，MAI方法在n＝5、6、7时的效果分别相当于或略优于SOA方法在n＝6、7、8时的效果。从定位误差在超过100.8m以后的累积分布来看，MAI方法在n＝5、6、7时效果要明显分别优于SOA方法在n＝6、7、8时的效果。
由图6可见，SMAI方法有与MAI方法类似的效果。从定位误差在100.8m(约6.3m)以内的累积分布来看，MAI方法在n＝5、6、7、8、9时的效果分别相当于或略优于SOA方法在n＝6、7、8、9、10时的效果。从定位误差在超过100.8m以后的累积分布来看，MAI方法在n＝5、6、7效果要明显分别优于SOA方法在n＝6、7、8时的效果；由于SOA方法在n＝9、10时，其累积分布值已趋近于1，因此，MAI方法在n＝8、9时的效果分别相当于SOA方法在n＝9、10时的效果。
由图7可见，MAI与SMAI的定位效果基本相同。
综上所述，在定位精度方面,MAI或SMAI方法与SOA方法相比较，可达到比增加一个测点还要好的效果。
(2)计算性能实验
根据测量精度实验的结果，对SOA、MAI、SMAI等方法在不同参数下的计算性能进行验证。其方法是：首先用实验步骤中的第二步，生成15个测点的数据，然后重复第三步多次，最后计算总时间并除以次数，得到平均时间,作为计算时间。结果见表2。其中，SOA方法的单位为微秒(us),共进行了10万次计算。其他方法的单位为毫秒(ms)，其计算的次数与计算时间有关：计算时间小于100ms的，做10万次计算；在100ms到1秒之间的，做1万次计算；在1秒至10秒之间的，做1000次计算；超过10秒的，做100次计算。
表2计算时间对比(单位:ms)
Tab.2Comparison of calculation time(unit:ms)
Figure BDA0003335553850000151
表2中无数据的部分是因为对应的方法和参数所需计算时间太长，已失去实际应用价值。
表2中，SMAI方法在k＝5、L＝100时，n＝14时所需的计算时间少于n＝13时的计算时间。经分析，发现在此参数下，按照SMAI的步骤，增加到第12个测点时，得出无效结果太多，以至于有效结果不足L个，因此后续的计算量减少，计算时间降低。同理，在k＝10，L＝1000时也有此问题。在k＝10、L＝100时，类似问题比较严重，使n在较大时有效结果为0，以至于不能完成SMAI方法。但是，在k＝5，L＝1000时，并不存在以上问题。对此现象进行分析可知：k不变时，L较小时最佳的结果被丢弃的概率将增大，可能导致无法完成SMAI；k增加时，L的值也需要相应地增大。
从所需的计算时间来分析，SOA方法的计算时间在微秒级，可用于实时性要求较高的***。MAI方法在k＝5、测点数n在7以内(含),或k＝10、测点数为5时，计算时间在10毫秒到400毫秒之间，可用在一些对实时性要求较低的场景。在其他情况下，MAI的计算时间至少也将达到2秒以上，实用价值大大降低。SMAI方法，在k＝5时，计算时间在10毫秒到300毫秒之间；在k＝10时，其计算时间在0.5秒到1秒之间，也可用在一些对实时性要求较低的场景。与MAI方法相比，SMAI方法在测点数较多时，性能更优。
综合精度分析与性能分析的结果，可知：与SOA方法相比，MAI与SMAI方法在定位精度上有较大的优势，尤其是在测点较少的情况下，其优势非常明显。在性能方面，SMAI方法明显优MAI方法。
因此，在与本次仿真实验的类似的环境下，以及对实时性要求不高的前提下，SMAI从精度、性能方面具有综合的优势。该方法在k＝5，L＝1000时，可达最佳的效果。
上面仅对本发明的较佳实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化，各种变化均应包含在本发明的保护范围之内。

Claims (6)

1.基于质量评价的测量精度提升方法，其特征在于：根据监测设备的误差范围，将每个观测点可能的取值范围均分为若干段，每段取中值作为测量值；将所有测点可能的取值重新组合后，计算得到多个结果和质量评价指标，并选择评价指标最好的结果作为测量结果。
2.根据权利要求1所述的基于质量评价的测量精度提升方法，其特征在于：假设有n个观测点，其观测值为G,经方法H计算后得到结果0和评价R；其公式为：
(0,R)＝H(G)
其中：
G＝{G1,G2…Gn}, (S-1)
Figure FDA0003335553840000011
Figure FDA0003335553840000012
Figure FDA0003335553840000013
G中的每个元素对应一个观测点Gi，vi是Gi中对结果的准确性影响最大参数，其误差范围为±δ；降低vi的误差，可以提高0的精度；R可用于评价结果0的准确性，并且通过一个评价方法Ev，可以将R量化为一个质量评价指标：
u＝Ev(R)
u≥0，值越小，结果0的质量越好。
3.根据权利要求2所述的基于质量评价的测量精度提升方法，其特征在于：采用以下步骤提高结果0的精度；
第一步，将vi的取值范围[vi-δ,vi+δ]均分为k(k＞1)段，并取每一段的中值，形成
vij＝vi-δ+(2j-1)·δ/k
其中i＝1,2…n,j＝1,2…k；
则每一个测点对应的取值构成集合Vi(i＝1,2…n):
Vi＝{vi1,vi2…vik}
第二步，由Vi重新构成观测点的集合：
Figure FDA0003335553840000014
由所有新构成的观测点重新组合形成观测值的集合：
Figure FDA0003335553840000015
观测值的集合CG的长度为kn；其每个元素可记为
Figure FDA0003335553840000021
第三步，针对每个
Figure FDA0003335553840000022
计算其对应的结果
Figure FDA0003335553840000023
评价
Figure FDA0003335553840000024
和质量评价指标
Figure FDA0003335553840000025
Figure FDA0003335553840000026
第四步，选出
Figure FDA0003335553840000027
的最小值
Figure FDA0003335553840000028
其对应的
Figure FDA0003335553840000029
即为最接近真实值的观测值，对应的
Figure FDA00033355538400000210
即为提升测量精度后的结果值。
4.一种SOA定位精度提升方法，其特征在于：将权利要求1至3中的任一项所述的测量精度提升方法，应用于SOA方法；
与(S-1)对应的公式为：
(0,R)＝H(G)＝SOA(G) (S-7)
G＝{G1,G2…Gn}，Gi＝(xi,yi,hi,ei)，i＝1,2…n
O＝(x0,y0,h0,e0)
R＝(r,c,d)
Figure FDA00033355538400000211
其中xi,yi,hi分别为x轴坐标、y轴坐标、z轴坐标，单位为Km；ei为观测到的信号强度值，单位为dB；x0,y0,h0分别为目标O在x轴、y轴和z轴方向以Km为单位的坐标，e0是辐射源O的信号强度，单位为dB；ei对应式(S-1)中的vi，误差范围为±δ；rmin和cmax是SOA方法中复相关系数r的下限值和位置偏差系数c的上限值：如果r小于rmin或c大于cmax，则认为结果0的质量太差，是无效结果，需要丢弃；
由此可将式(S-2)和式(S-3)转变为：
Figure FDA00033355538400000212
Figure FDA00033355538400000213
按照基于质量评价的测量精度提升方法的第三步和第四步，对CG的每个元素
Figure FDA00033355538400000214
分别计算其结果
Figure FDA00033355538400000215
评价
Figure FDA00033355538400000216
和质量评价指标
Figure FDA00033355538400000217
然后找出
Figure FDA00033355538400000218
的最小值
Figure FDA00033355538400000219
对应的
Figure FDA00033355538400000220
即为精度最高的测量结果。
5.根据权利要求4一种SOA定位精度提升方法，其特征在于，所述SOA方法是指：假设空间中有且只有一个电磁辐射源O向外辐射频率为F(F＜10GHz)的电磁波；有n个观测点Gi(i＝1,2,...,n)对其进行观测，其值表示为：
Gi＝(xi,yi,hi,ei)
其中xi,yi,hi分别为x轴(经度方向由西向东为正)坐标、y轴(纬度方向由南向北为正)坐标、z轴(高度方向由下向上为正)坐标，单位为Km；ei为观测到的信号强度值，单位为dB；
电磁波从O到Gi的过程中，其损耗符合以下公式：
Los＝e0-ei＝32.44+20lgF+20lgD (S-5)
其中，e0是辐射源O的信号强度，单位为dB，ei是观测点Gi观测到的信号强度,单位为dB，F为频率，单位为MHz；Di为观测点Gi到目标O的直线距离，单位为Km；
Figure FDA0003335553840000031
其中xi,yi分别为观测点Gi在x轴和y轴以Km为单位的坐标，hi为观测点Gi的高度，单位为Km；x0,y0分别为目标O在x轴和y轴以Km为单位的坐标，h0为目标O的高度，单位为Km；
将式(S-5)转换为一个线性表达式：
a0X0+a1X1+a2X2+a3X3+a4＝Y (S-6)
其中，Y＝K(xi 2+yi 2+hi 2)，X0＝2Kxi，X1＝2Kyi，X2＝2Khi，X3＝-K，a0＝x0，a1＝y0，a2＝h0，a3＝x0 2+y0 2+h0 2，
Figure FDA0003335553840000032
由n个观测点Gi＝(xi,yi,hi,ei)可计算得到n组观察值(X0i,X1i,X2i,X3i,Yi)(i＝0,1,...,n-1)，用式(S-6)对(X0,X1,X2,X3,Y)这些观察值进行基于最小二乘法的多元线性回归分析，可计算得出回归系数a0,a1,a2,a3,a4；
由此最后可得出辐射源O的坐标与信号强度值:O＝(x0,y0,h0,e0)；
其中，x0＝a0，y0＝a1，h0＝a2，
e0＝10lga4+32.44+20lgF
为了评价计算结果的质量，本方法计算了以下3个变量：
1)复相关系数:
Figure FDA0003335553840000041
其中
Figure FDA0003335553840000042
当r接近于1时，说明相对误差q/t接近于零，线性回归效果好；
2)位置偏差系数:
Figure FDA0003335553840000043
c≥0，值越小说明计算结果的准确性越高；
3)信号强度方差:
Figure FDA0003335553840000044
d≥0，值越小说明计算结果的准确性越高。
6.根据权利要求4一种SOA定位精度提升方法，其特征在于，采用以下方法简化其计算过程：
精度最高的测量结果
Figure FDA0003335553840000045
对应的观测值
Figure FDA0003335553840000046
满足：从
Figure FDA0003335553840000047
中任选m(5≤m＜n)个元素，构成一组新的观测值G',代入式(S-4)后求得的结果O'都具有较好的质量；
基于上述条件，在观测点数量n＞5时，其计算过程如下；
第一步，将观测点进行排序，排序规则不限，形成集合{G1,G2…Gn}，并取前5个构成观测值，记为：
G1～m＝{G1,G2…Gm},m＝5
第二步，将G1～m按照式(S-2)和式(S-3)进行组合，得到
Figure FDA0003335553840000048
将
Figure FDA0003335553840000049
中元素的数量记为K；此时K＝k5；
第三步，将
Figure FDA00033355538400000410
中的所有元素
Figure FDA00033355538400000411
利用式(S-7)和式(S-8)计算得到质量评价指标
Figure FDA00033355538400000412
第四步，将K个
Figure FDA0003335553840000051
从小到大排序，选取前L(L＜k5)个对应的观测值，其对应的信号强度的集合，记为
Figure FDA0003335553840000052
第五步，增加第m+1个测点，与
Figure FDA0003335553840000053
中的测点组合，形成新的观测值集合
Figure FDA0003335553840000054
Figure FDA0003335553840000055
此时，
Figure FDA0003335553840000056
中元素的数量K＝L×k；
第六步，如果m＜n，则令m＝m+1，然后跳转到第三步；否则跳转到第七步；
第七步，将
Figure FDA0003335553840000057
中的所有元素
Figure FDA0003335553840000058
利用式(S-7)和式(S-8)计算得到结果
Figure FDA0003335553840000059
和质量评价指标
Figure FDA00033355538400000510
然后找出
Figure FDA00033355538400000511
的最小值
Figure FDA00033355538400000512
对应的
Figure FDA00033355538400000513
即为精度最高的测量结果。
CN202111292896.1A 2021-11-03 2021-11-03 基于质量评价的测量精度提升和soa定位精度提升方法 Active CN113933781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111292896.1A CN113933781B (zh) 2021-11-03 2021-11-03 基于质量评价的测量精度提升和soa定位精度提升方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111292896.1A CN113933781B (zh) 2021-11-03 2021-11-03 基于质量评价的测量精度提升和soa定位精度提升方法

Publications (2)

Publication Number Publication Date
CN113933781A true CN113933781A (zh) 2022-01-14
CN113933781B CN113933781B (zh) 2024-07-26

Family

ID=79285489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111292896.1A Active CN113933781B (zh) 2021-11-03 2021-11-03 基于质量评价的测量精度提升和soa定位精度提升方法

Country Status (1)

Country Link
CN (1) CN113933781B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772228A (zh) * 2016-11-23 2017-05-31 山西奥克斯电子***工程中心 基于到达信号强度的空中目标辐射源定位方法
CN110045342A (zh) * 2019-05-08 2019-07-23 中国人民解放军空军研究院战略预警研究所 雷达相对***误差估值有效性评价方法
CN112261578A (zh) * 2020-10-21 2021-01-22 南京工业大学 基于众值滤波的室内指纹定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772228A (zh) * 2016-11-23 2017-05-31 山西奥克斯电子***工程中心 基于到达信号强度的空中目标辐射源定位方法
CN110045342A (zh) * 2019-05-08 2019-07-23 中国人民解放军空军研究院战略预警研究所 雷达相对***误差估值有效性评价方法
CN112261578A (zh) * 2020-10-21 2021-01-22 南京工业大学 基于众值滤波的室内指纹定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵政;王彦冰;: "基于MQTT协议的远程管理智能化Android***设计与实现", 科学技术创新, no. 22, 5 August 2020 (2020-08-05) *

Also Published As

Publication number Publication date
CN113933781B (zh) 2024-07-26

Similar Documents

Publication Publication Date Title
CN110174643B (zh) 一种无需噪声功率信息的基于到达时间差的定位方法
CN110784823B (zh) 基于bp神经网络和tdoa的室外目标定位方法
CN108761387B (zh) 一种固定辐射源的双站时差频差联合定位方法
CN111722214A (zh) 雷达多目标跟踪phd实现方法
CN106851821A (zh) 一种基于无线通信基站的室内三维定位方法
CN111443349A (zh) 基于BiSAR回波的相关运动误差补偿方法、***及应用
CN106932759A (zh) 一种用于主被动雷达的协同定位方法
CN111308912A (zh) 一种反辐射无人机制导半实物仿真***可信度评估方法
CN110376580A (zh) 一种异步多目标跟踪性能驱动的异构雷达网资源分配方法
CN108107421A (zh) 一种室内测距方法和装置
CN106500588A (zh) 一种相位干涉仪通道间相位差噪声协方差估计方法
CN113933781A (zh) 基于质量评价的测量精度提升和soa定位精度提升方法
CN105848109A (zh) 一种室内物联网有源标签的定位方法
CN113376625A (zh) 目标物体的偏离角度获得方法、装置、电子设备及存储介质
CN110221245B (zh) 联合估计目标位置和非视距误差的鲁棒tdoa定位方法
CN115436874A (zh) 三维无源定位方法
CN116299163A (zh) 无人机航迹规划方法、装置、设备及介质
CN110673088B (zh) 混合视距和非视距环境中基于到达时间的目标定位方法
Liu et al. Radar seeker performance evaluation based on information fusion method
CN111222223B (zh) 用于确定无线电波传播环境电磁参数的方法
CN111382830A (zh) 一种基于混合粒子群算法的信号到达角度估计方法和装置
CN113341373A (zh) 一种定位方法、装置和电子设备
Gong et al. Analysis of positioning performance of the algorithm of time sum of arrival with rmse
CN114942403B (zh) 一种基于信号能量比值的非合作辐射源定位方法及应用
Li et al. Computational-efficient iterative TDOA localization scheme using a simplified multidimensional scaling-based cost function

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