首页 > 专利 > 杭州电子科技大学 > 运动观测站误差下外辐射源雷达时差与频差协同定位方法专利详情

运动观测站误差下外辐射源雷达时差与频差协同定位方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2019-01-18
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2019-05-10
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2020-11-17
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2039-01-18
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN201910048341.9 申请日 2019-01-18
公开/公告号 CN109633592B 公开/公告日 2020-11-17
授权日 2020-11-17 预估到期日 2039-01-18
申请年 2019年 公开/公告年 2020年
缴费截止日
分类号 G01S7/41 主分类号 G01S7/41
是否联合申请 独立申请 文献类型号 B
独权数量 1 从权数量 0
权利要求数量 1 非专利引证数量 0
引用专利数量 0 被引证专利数量 0
非专利引证
引用专利 被引证专利
专利权维持 3 专利申请国编码 CN
专利事件 事务标签 实质审查、授权
申请人信息
申请人 第一申请人
专利权人 杭州电子科技大学 当前专利权人 杭州电子科技大学
发明人 左燕、周夏磊、陈志峰、郭宝峰、谷雨 第一发明人 左燕
地址 浙江省杭州市下沙高教园区2号大街 邮编 310018
申请人数量 1 发明人数量 5
申请人所在省 浙江省 申请人所在市 浙江省杭州市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
杭州君度专利代理事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
朱月芬
摘要
本发明公开了运动观测站误差下外辐射源雷达时差与频差协同定位方法。本发明针对运动观测站位置和速度存在误差的情况下的外辐射源定位问题,根据获得的TDOA和FDOA量测,引入距离和距离变化率作为中间变量将强非线性方程伪线性化,建立目标位置和速度的估计模型。根据量测误差方差、观测站位置和速度误差设计优化权重,采用迭代加权最小二乘法进行估计。并利用中间变量与目标位置和速度之间的关联性构造关联最小二乘估计模型,改进上述目标位置估计结果。本发明引入中间变量,合理将非线性量测模型转化为伪线性,在保证估计性能的前提下降低外辐射源定位的复杂度;降低观测站误差对目标定位性能的影响。
  • 摘要附图
    运动观测站误差下外辐射源雷达时差与频差协同定位方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2020-11-17 授权
2 2019-05-10 实质审查的生效 IPC(主分类): G01S 7/41 专利申请号: 201910048341.9 申请日: 2019.01.18
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.运动观测站误差下外辐射源雷达时差与频差协同定位方法,其特征在于该方法包括以下步骤:
步骤1:在多发单收外辐射源雷达网中,包括M个外辐射源和一个观测站;观测站的真实位置 位于原点,真实速度为 观测站实际位置为Sr=[x0,y0]T,实
际速度为 且 △Sr为观测站的位置误差向量,
为观测站的速度噪声向量,并假设为独立的高斯零均值白噪声,其协方差分别为E[△Sr△SrT]=QS和 第m个外辐射源的坐标向量为 P个目标,第p个目
标的坐标向量为 速度向量为 则TDOA和FDOA量测为
式中, 和 分别为TDOA和FDOA的真实值,
c为信号的传播速度c=3×108m/s,fm为外辐射源m的频率,
||·||为欧几里得距离; 为目标到观测站位置距离,目标到观测站位置距离变化率 为目标到外辐射源位
置距离, 为目标到外辐射源位置距离变化率;
为外辐射源到观测站位置距离, 为外辐射源到观
测站位置距离变化率; 和 分别为TDOA和FDOA的量测误差,服从高斯分布;
由于外辐射源的位置和频率先验已知,因此TDOA和FDOA转化为距离和差um,p和距离和差变化率ρm,p
式中, 分别为距离和差真实值、距离和差变化率真实值,
为距离和差量测噪声,服从均值为零,方差为Qu的高斯分布;
为距离和差变化率量测噪声,服从均值为零,方差为Qρ的高斯分布;
步骤2:在双基距量测模型中引入中间变量Rp,忽略量测噪声 和△Sr的影响,将非线性方程(3)转化为伪线性方程,形式如下
其中,
步骤3:将式(5)等式两边同时对时间求导,得
其中,
步骤4:将目标位置 目标速度 辅助变量Rp和 作为待求变量,联立式(5)和(6),构造线性估计方程
Z=HX                              (7)
式中,
采用最小二乘估计值获得目标的估计值
步骤5:考虑距离和差量测噪声 和距离和差变化率量测噪声 以及观测站位置误差△Sr和速度误差 对H和Z的影响,将距离和差量测伪线性方程式(5)和距离和差变化率量测伪线性方程(6)中H和Z噪声分量提取出来,构造目标位置伪线性估计方程;将和 带入式(5),展开可得
其中,
将 和 带入式(6),展开可得
其中,
联立式(9)与式(10)写成矩阵形式:
ε1=Z1-H1X1=A1n+B1△S                    (11)
式中:
H11=blkdiag(h11(1),…h11(P)),
A11=diag(a11(1,1),…,a11(M,P)),
A12=diag(a12(1,1),…,a12(M,P)),
B11=diag(b11(1,1),…,b11(M,P)),
B12=diag(b12(1,1),…,b12(M,P)),
步骤6:根据距离和差量测噪声 和距离和差变化率量测噪声 以及观测站位置误差△Sr和速度误差 设计权重,采用加权最小二乘估计算法得到目标位置的估计值;
步骤6.1:初始化;令迭代次数k=0,将式(8)获得的最小二乘估计值作为目标初始估计值
步骤6.2:由 估计值计算系数矩阵H1,Z1,A1和B1;根据观测站位置和速度误差、距离和差以及距离和差变化率量测噪声设计优化指标权重W1,则
为量测噪声协方差矩阵,
为观测站位置和速度误差的协方差矩阵;
步骤6.3:令k=k+1,采用加权最小二乘估计 获得目标的位
置估计值 与 目标速度估计值 与 以及中间变量 与
步骤6.4:判断
其中η1,η2,η3,η4为阈值;若满
足条件算法迭代停止,得到目标的位置加权最小二乘估计值 否则,转步骤
6.2;
步骤7:考虑辅助变量 和 与目标位置和速度关联性,设计关联最小二乘算法对步骤6的估计值XWLS进行改进,具体如下:
步骤7.1:构建关联最小二乘估计模型
ε2=Z2-H2X2=A2△X1+B2△S                    (12)
其中,X2=[X2(1)T … X2(P)T]T,
Z2=[Z2(1)T … Z2(P)T]T,
H2=blkdiag(h2(1)…h2(P)),
T T T
△X1=[△X1(1) … △X1(P) ],A2=blkdiag(a2(1),…,a2(P))
步骤7.2:根据观测站位置误差和速度误差,以及目标状态X1的估计误差协方差设计权重W2=E[ε2ε2T]=(A2cov(X1)A2T+B2QβB2T)-1, 为目标状态X1的估计误差协方差;
步骤7.3:采用加权最小二乘法估计得到
步骤7.4:X2中变量包含目标位置与观测站位置之差的平方项以及目标速度与观测站速度之差的平方项,要求获得目标的位置需要对X2开根号,目标的位置具体公式如下:
其中,∏=diag{sgn(X1(3p-2)-x0)sgn(X1(3p-1)-y0)},sgn(·)为符号函数;
目标的速度公式为
获得目标的位置估计值 和目标速度的估计值 p=1,…,P。
说明书

技术领域

[0001] 本发明属于雷达数据处理领域,具体涉及一种运动观测站误差下外辐射源雷达TDOA/FDOA协同定位方法。

背景技术

[0002] 外辐射源雷达不主动发射信号,依靠第三方辐射源(如电视广播信号、电视信号、手机信号、卫星导航信号等)探测目标,具有隐蔽性好、探测低空与超低空目标、低成本、抗干扰能力强等特点。外辐射源雷达接收站(观测站)接收发射源直达波信号和经目标散射的回波信号,通过信号处理得到目标到达角度(DOA)、到达时差(TDOA)和到达频差(FDOA)的量测信息。外辐射源雷达系统作为一种双/多基地结构的传感器组网系统,通过对量测值进行数据融合处理,实现目标无源定位。对于运动目标,通常联合TDOA和FDOA获得目标的位置和速度估计。
[0003] 目前,现有联合TDOA/FDOA的定位算法主要针对目标辐射源定位系统,基于外辐射源的TDOA/FDOA定位算法研究较少。赵勇胜等针对单站外辐射源提出一种基于极大似然估计的TDOA/FDOA联合定位算法,上述外辐射源TDOA/FDOA定位问题未考虑观测站位置和速度存在误差的情况,而实际问题中观测站常常被安装在卫星、飞机、舰艇或地面车辆等运动平台上,尽管可由定位平台上的导航系统获得接收机位置,但是仍不可避免的含有随机误差。忽视误差的影响会导致目标定位估计性能严重下降,甚至产生虚假目标。因此,外辐射源TDOA/FDOA联合定位和误差校正是外辐射源雷达系统数据处理的一项关键技术。

发明内容

[0004] 本发明考虑观测站位置和速度误差的影响,针对多发单收外辐射源雷达网TDOA/FDOA定位问题,提出了一种基于两步迭代加权最小二乘估计算法,通过估计运动目标状态(位置和速度),实现观测站位置误差的校正和运动目标精确定位。
[0005] 本发明方法的具体步骤是:
[0006] 步骤1.外辐射源雷达观测站(观测站)接收来自目标散射第三方辐射源发射的信号,得到目标TDOA和FDOA的量测信息;
[0007] 步骤2.忽略量测噪声和观测站位置以及速度误差的影响,对TDOA量测信息,构造辅助变量RP,将TDOA非线性量测方程转化为伪线性估计方程;
[0008] 步骤3.忽略量测噪声、观测站位置误差和观测站速度误差的影响,对TDOA伪线性方程对时间求导,构造辅助变量RP和 获得FDOA的伪线性估计方程;
[0009] 步骤4.联立TDOA和FDOA伪线性估计方程,选择运动目标状态为估计向量X,构造线性估计方程Z=HX;
[0010] 步骤5.考虑量测误差和观测站位置误差对系数矩阵H和Z的影响,构造线性方程ε1=Z1-H1X1=A1n+B1ΔSr;
[0011] 步骤6.根据观测站位置和速度误差、TDOA和FDOA量测误差设计权重W1,采用加权最小二乘估计算法得到目标位置XWLS=(H1TW1H1)-1H1TW1Z1;
[0012] 步骤7.在上述估计结果的基础上,考虑待求变量之间的关联性,采用关联最小二乘估计算法对步骤6的估计值进行改进。
[0013] 本发明的有益效果:
[0014] 1.考虑观测站位置和速度误差对目标定位性能的影响,根据观测站位置和速度误差以及TDOA和FDOA量测噪声设计优化指标权重,从而降低误差对目标定位性能的影响,提高目标定位精度。
[0015] 2.通过引入中间变量,合理将多基外辐射源雷达强非线性量测模型转化为伪线性估计方程,在保证估计性能的前提下降低外辐射源定位的复杂度。
[0016] 3.考虑辅助变量与待求变量之间的关联性,设计关联最小二乘算法,进一步减小估计误差。具体实施方式:
[0017] 运动观测站误差下外辐射源雷达时差与频差协同定位方法,该方法包括以下步骤:
[0018] 步骤1:在多发单收外辐射源雷达网中,包括M个外辐射源和一个观测站。观测站的真实位置 位于原点,真实速度为 观测站实际位置为Sr=[x0,y0]T,实际速度为 且 ΔSr为观测站的位置误差向
量, 为观测站的速度噪声向量,并假设为独立的高斯零均值白噪声,其协方差分别为E[ΔSrΔSrT]=QS和 第m个发射源的坐标向量为 P个目标,第
p个目标的坐标向量为 速度向量为 则TDOA和FDOA量测

[0019]
[0020]
[0021] 式中, 和 分别为TDOA和FDOA的真实值,c为信号的传播速度c=3×108m/s,fm为外辐射源m的频率,
||·||为欧几里得距离; 为目标到观测站位置距离,目标到到观测站位置
距离变化率 为目标到发射源位
置距离, 为目标到发射源位置距离变化率;
为外辐射源到观测站位置距离, 为外辐射源到
观测站位置距离变化率; 和 分别为TDOA和FDOA的量测误差,服从高斯分布。
[0022] 由于外辐射源的位置和频率先验已知,因此TDOA和FDOA转化为距离和差um,p和距离和差变化率ρm,p
[0023]
[0024]
[0025] 式中, 分别为距离和差真实值、距离和差变化率真实值,
[0026] 为距离和差量测噪声,服从均值为零,方差为Qu的高斯分布;为距离和差变化率量测噪声,服从均值为零,方差为Qρ的高斯分布。
[0027] 步骤2:在双基距量测模型中引入中间变量Rp,忽略量测噪声 和ΔSr的影响,将上述非线性方程(3)转化为伪线性方程,形式如下
[0028]
[0029] 其中,
[0030] 步骤3:将式(5)等式两边同时对时间求导,得
[0031]
[0032] 其中,
[0033] 步骤4:将目标位置 目标速度 辅助变量Rp和 作为待求变量,联立式(5)和(6),构造线性估计方程
[0034] Z=HX   (7)
[0035] 式中,
[0036]
[0037]
[0038] 采用最小二乘估计值获得目标的估计值
[0039]
[0040] 步骤5:考虑距离和差量测误差 和距离和差变化率 以及观测站位置误差ΔSr和速度误差 对H和Z的影响,将距离和差量测伪线性方程式(5)和距离和差变化率量测伪线性方程(6)中H和Z噪声分量提取出来,构造目标位置伪线性估计方程。将和 带入式(5),展开可得
[0041]
[0042] 其中,
[0043]
[0044] 将 和 带入式(6),展开可得
[0045]
[0046] 其中,
[0047]
[0048] 联立式(9)与式(10)写成矩阵形式:
[0049] ε1=Z1-H1X1=A1n+B1ΔS   (11)
[0050] 式中:
[0051]
[0052]
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059] B11=diag(b11(1,1),…,b11(M,P)),
[0060]
[0061] B12=diag(b12(1,1),…,b12(M,P)),
[0062]
[0063] 步骤6:根据距离和差量测误差 和距离和差变化率 以及观测站位置误差ΔSr和速度误差 设计权重,采用加权最小二乘估计算法得到目标位置的估计值。
[0064] 步骤6.1:初始化。令迭代次数k=0,将式(8)获得的最小二乘估计值作为目标初始估计值
[0065] 步骤6.2:由 估计值计算系数矩阵H1,Z1,A1和B1。根据观测站位置和速度误差、距离和差以及距离和差变化率量测噪声设计优化指标权重W1,则为量测噪声协方差矩阵,
为观测站位置和速度误差的协方差矩阵。
[0066] 步骤6.3:令k=k+1,采用加权最小二乘估计 获得目标的位置估计值 与 目标速度估计值 与 以及中间变量 与
[0067] 步骤6.4:判断其中η1,η2,η3,η4为阈值;若满足
条件算法迭代停止,得到目标的位置加权最小二乘估计值 否则,转步骤6.2。
[0068] 步骤7:考虑辅助变量 和 与目标位置和速度关联性,设计关联最小二乘算法对步骤6的估计值XWLS进行改进,具体如下:
[0069] 步骤7.1:构建关联最小二乘估计模型
[0070] ε2=Z2-H2X2=A2ΔX1+B2ΔS   (12)
[0071] 其中,
[0072]
[0073]
[0074] ΔX1=[ΔX1(1)T…ΔX1(P)T]T,A2=blkdiag(a2(1),…,a2(P))
[0075]
[0076]
[0077] 步骤7.2:根据观测站位置误差和速度误差,以及目标状态X1的估计误差协方差设计权重W2=E[ε2ε2T]=(A2cov(X1)A2T+B2QβB2T)-1,cov(X1)=(H1TW1H1)T为目标状态X1的估计误差协方差。
[0078] 步骤7.3:采用加权最小二乘法估计得到
[0079] 步骤7.4:X2中变量包含目标位置与观测站位置之差的平方项以及目标速度与观测站速度之差的平方项,要求获得目标的位置需要对X2开根号,目标的位置具体公式如下:
[0080]
[0081] 其中,Π=diag{sgn(X1(3p-2)-x0)sgn(X1(3p-1)-y0)},sgn(·)为符号函数;
[0082] 目标的速度公式为
[0083]
[0084] 获得目标的位置估计值 和目标速度的估计值
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号