联合角度、时延与多普勒信息的运动多站直接定位方法.pdf

《联合角度、时延与多普勒信息的运动多站直接定位方法.pdf》由会员分享，可在线阅读，更多相关《联合角度、时延与多普勒信息的运动多站直接定位方法.pdf（21页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910141155.X (22)申请日 2019.02.26 (71)申请人 中国人民解放军战略支援部队信息 工程大学 地址 450000 河南省郑州市高新区科学大 道62号 (72)发明人 尹洁昕王鼎杨宾唐涛魏帅 贾昌贵李崇陈鑫张莉 吴志东 (74)专利代理机构 郑州大通专利商标代理有限 公司 41111 代理人 陈勇 (51)Int.Cl. G01S 5/04(2006.01) (54)发明名称 联合角度、 时延与多普勒信息的运动多站直 接定位方法 (57)摘要 本发明。

2、提供一种联合角度、 时延与多普勒信 息的运动多站直接定位方法。 该方法包括： 采集 目标在K个时隙内辐射的无线电信号数据， 得到 目标的K个时隙的阵列信号时域数据； 将阵列信 号时域数据按时间顺序进行排列， 得到高维阵列 信号观测矢量； 将高维阵列信号观测矢量传递至 中心站； 中心站接收每个运动观测站发送的高维 阵列信号观测矢量； 利用若干个高维阵列信号观 测矢量建立联合估计目标位置参数、 信号波形参 数、 以及信号复传播系数的最大似然估计准则； 根据最大似然估计准则， 建立仅关于目标位置参 数的数学优化模型； 根据所述数学优化模型， 基 于预设的Newton型迭代优化算法得到目标的位 置矢量。

3、。 本发明具有较快的收敛速度， 无需网格 搜索， 可靠、 运算高效。 权利要求书4页 说明书11页 附图5页 CN 109975754 A 2019.07.05 CN 109975754 A 1.联合角度、 时延与多普勒信息的运动多站直接定位方法， 其特征在于， 包括： 步骤1.1、 采集目标在K个时隙内辐射的无线电信号数据， 得到目标的K个时隙的阵列信 号时域数据； 步骤1.2、 将所述阵列信号时域数据按时间顺序进行排列， 得到高维阵列信号观测矢 量； 步骤1.3、 将所述高维阵列信号观测矢量传递至中心站， 以供中心站根据所述高维阵列 信号观测矢量， 对目标进行直接定位。 2.根据权利要求1。

4、所述的定位方法， 其特征在于， 所述步骤1.1中， 按照预设的采样信号 时域模型得到目标的K个时隙的阵列信号时域数据； 其中， 第l个运动观测站在第k个时隙内 接收到的采样信号时域模型rlk(n)为式(1)： rlk(n)blkalk(p)sk(nTs-t0- lk(p)exp(j2 flk(p)nTs)+nlk(n) (1) 其中， n1,2,.,N， l1,2,.,L， k1,2,.,K， p表示目标位置矢量； N表示采样点 数； L表示运动观测站数量； Ts为采样周期； sk(nTs-t0- lk(p)是第k个时隙内目标信号在t0 时刻发送且时延为 lk(p)的波形； lk(p)表示第k。

5、个时隙内目标信号与第l个运动观测站之 间的传播时延； blk表示第k个时隙内目标信号与第l个运动观测站之间的信道复传播系数； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵列流形响应； flk(p)为第l个运动 观测站在第k个时隙内接收目标信号的多普勒频率； nlk(n)为第l个运动观测站在第k个时隙 内接收到的复圆高斯白噪声矢量。 3.根据权利要求2所述的定位方法， 其特征在于， 所述多普勒频率flk(p)和时延 lk(p)与 目标位置矢量p之间的代数关系分别为式(2)和式(3)： 其中， fc为目标信号的载频， c为电波传播速度， |2表示矢量的Euclid范数， ulk与 分。

6、别表示第l个运动观测站在第k个时隙内的位置矢量和速度矢量。 4.根据权利要求3所述的定位方法， 其特征在于， 所述步骤1.2中， 按照预设的高维阵列 信号观测模型得到高维阵列信号观测矢量； 其中， 第l个运动观测站在第k个时隙内接收到 的N个样本数据组成的高维阵列信号观测模型rlk为式(4)： 其中， sksk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T 权利要求书 1/4 页 2 CN 109975754 A 2 N1,2,.,NT。 5.联合角度、 时延与多普勒信息的运动多站直接定位方法， 其特征在于， 包括： 步骤2.1、 接收每个运动观测站发送的高维阵列信号观测矢量。

7、， 所述高维阵列信号观测 矢量为运动观测站将根据其采集的目标在K个时隙内辐射的无线电信号数据计算得到的目 标的K个时隙的阵列信号时域数据按照时间顺序排列后得到的数据； 步骤2.2、 利用若干个所述高维阵列信号观测矢量建立联合估计目标位置参数、 信号波 形参数、 以及信号复传播系数的最大似然估计准则； 步骤2.3、 根据所述最大似然估计准则， 建立仅关于目标位置参数的数学优化模型； 步骤2.4、 根据所述数学优化模型， 基于预设的Newton型迭代优化算法得到目标的位置 矢量。 6.根据权利要求5所述的定位方法， 其特征在于， 所述步骤2.2中， 所述最大似然估计准 则为式(5)： 其中， sk。

8、sk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T N1,2,.,NT 其中，包含所有未知的信号波形， |2表示矢量的Euclid范数， sk sk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T；包含所有的信号复传播 系数， blbl1,bl2,.,blKT， blk表示第k个时隙内目标信号与第l个运动观测站之间的信 号复传播系数； l1,2,.,L； n1,2,.,N； k1,2,.,K； L表示运动观测站数量； N表示 采样点数； Ts为采样周期； p表示目标位置矢量； rlk表示第l个运动观测站在第k个时隙内接 收到的N个样本数据组成的高维阵列信号观测。

9、模型；lk(p)表示第k个时隙内目标信号与第l 个运动观测站之间的传播时延； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵 权利要求书 2/4 页 3 CN 109975754 A 3 列流形响应； nlk(n)为第l个运动观测站在第k个时隙内接收到的复圆高斯白噪声矢量。 7.根据权利要求6所述的定位方法， 其特征在于， 所述步骤2.3中， 所述数学优化模型为 式(6)： 其中，max表示矩阵的最大特征值， 8.根据权利要求7所述的方法， 其特征在于， 所述步骤2.4具体为： 步骤2.4.1、 利用传统的两步定位方法获得目标位置矢量的初始估计值 步骤2.4.2、 对目标的位置矢量。

10、按照式(7)进行Newton型迭代， 收敛得到的即为最 终的目标位置估计值： 其中， 权利要求书 3/4 页 4 CN 109975754 A 4 其中， m表示迭代次数， 0 1表示迭代步长因子；和分别表示目标函数 的梯度向量和Hessian矩阵； KNL为NL阶交换矩阵， 满足 xk(p)为矩阵Xk(p)的矢量化， 即xk(p)vecXk(p)； k,min k,1 k,2 k,L k,max与ek,1,ek,2,.,ek,L分别表示Xk(p)的特征值和对应的特征矢 量；为的第mL-L+n个子矩阵； vn与vm分别为第n个元素为1、 第m个元素 为1的单位矢量，为矩阵k(p)关于目标位置矢。

11、量p的二阶微分函数。 权利要求书 4/4 页 5 CN 109975754 A 5 联合角度、 时延与多普勒信息的运动多站直接定位方法 技术领域 0001 本发明涉及无线定位技术领域， 尤其涉及一种联合角度、 时延与多普勒信息的运 动多站直接定位方法。 背景技术 0002 众所周知， 无线电信号定位对于目标发现及其态势感知具有重要意义， 其在通信 信号侦察、 电子信息对抗、 无线电监测、 遥测与导航等诸多工程科学领域具有广泛应用。 根 据观测站的数目进行划分可以将无线电信号定位体制分为单站定位和多站定位两大类， 这 两类定位体制各有其自身优势。 具体来说， 单站定位系统具有灵活性高、 机动性好。

12、、 系统简 洁、 无需信息同步和信息传输等优点， 而多站定位系统则能够提供更多观测信息量， 有助于 获得更高定位精度。 0003 传统的多站定位方法大多是两步估计模式， 即先从目标辐射的信号数据中提取用 于定位的观测量(例如到达角度(Direction of Arrival ,DOA)、 到达时差(Time Difference of Arrival,TDOA)、 到达频差(Frequency Difference of Arrival,FDOA)、 能 量增益比等)， 然后再从上述观测量中获取目标的位置参数。 虽然两步定位方式对通信传输 带宽以及计算量的要求较为宽松， 但是它难以达到最优估计。

13、， 其原因主要在于两步定位中 的第一步往往是各观测站利用采集到的信号数据独立地进行参数估计， 没有充分挖掘各站 采集数据间的相关性。 0004 为避免两步定位的不足， 另一种无线电信号定位方法直接定位(Direct Position Determination,DPD)引起了国内外著名学者(例如Weiss和Amar)的广泛关注。 这 种目标直接定位方式的基本思想是从原始信号采样中直接确定目标的位置信息， 而无需估 计其它中间观测量， 因此也可称其为单步估计定位模式。 在多站定位条件下， 直接定位方法 要求各个观测站的信号采集数据传递至中心站， 中心站在信号数据域实现目标位置参数的 直接估计， 。

14、可以同时利用信号到达不同观测站的时延差信息以及同一观测站内不同天线的 相位差信息。 根据信息处理的理论可知以及现有研究均表明， 单步直接定位方法比两步定 位方法具有更高的定位精度， 尤其在低信噪比条件下该优势更为明显。 0005 除了信号的角度与时延信息， 多普勒频率与目标和观测站的相对运动有关， 因此 多普勒频率也包含了目标的位置信息， 有助于实现目标定位。 基于运动多站观测平台， 冯 奇、 曲长文等人针对运动多阵地无源定位系统中的异步观测场景， 提出了基于角度信息的 多站直接定位算法， 通过多级搜索方式实现了目标的定位解算。 然而， 由于该算法在异步观 测条件下实现， 无法充分利用各站接收。

15、信号的相关性， 定位精度受限。 发明内容 0006 为解决现有技术中存在的不足， 本发明提供一种联合角度、 时延与多普勒信息的 运动多站直接定位方法， 不仅能够克服传统的两步定位方法的缺点， 而且与现有的直接定 位方法相比， 本发明对低信噪比具有更强的鲁棒性。 说明书 1/11 页 6 CN 109975754 A 6 0007 一方面， 本发明提供一种联合角度、 时延与多普勒信息的运动多站直接定位方法， 主要包括以下步骤： 0008 步骤1.1、 采集目标在K个时隙内辐射的无线电信号数据， 得到目标的K个时隙的阵 列信号时域数据； 0009 步骤1.2、 将所述阵列信号时域数据按时间顺序进行。

16、排列， 得到高维阵列信号观测 矢量； 0010 步骤1.3、 将所述高维阵列信号观测矢量传递至中心站， 以供中心站根据所述高维 阵列信号观测矢量， 对目标进行直接定位。 0011 进一步地， 所述步骤1.1中， 按照预设的采样信号时域模型得到目标的K个时隙的 阵列信号时域数据； 其中， 第l个运动观测站在第k个时隙内接收到的采样信号时域模型rlk (n)为式(1)： 0012 rlk(n)blkalk(p)sk(nTs-t0- lk(p)exp(j2 flk(p)nTs)+nlk(n) (1) 0013 其中， n1,2,.,N， l1,2,.,L， k1,2,.,K， p表示目标位置矢量； 。

17、N表示采 样点数； L表示运动观测站数量； Ts为采样周期； sk(nTs-t0- lk(p)是第k个时隙内目标信号 在t0时刻发送且时延为 lk(p)的波形；lk(p)表示第k个时隙内目标信号与第l个运动观测站 之间的传播时延； blk表示第k个时隙内目标信号与第l个运动观测站之间的信道复传播系 数； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵列流形响应； flk(p)为第l个 运动观测站在第k个时隙内接收目标信号的多普勒频率； nlk(n)为第l个运动观测站在第k个 时隙内接收到的复圆高斯白噪声矢量。 0014 进一步地， 所述多普勒频率flk(p)和时延 lk(p)与目标。

18、位置矢量p之间的代数关系 分别为式(2)和式(3)： 0015 0016 0017 其中， fc为目标信号的载频， c为电波传播速度， |2表示矢量的Euclid范数， ulk与分别表示第l个运动观测站在第k个时隙内的位置矢量和速度矢量。 0018 进一步地， 所述步骤1.2中， 按照预设的高维阵列信号观测模型得到高维阵列信号 观测矢量； 其中， 第l个运动观测站在第k个时隙内接收到的N个样本数据组成的高维阵列信 号观测模型rlk为式(4)： 0019 0020 其中， 0021 0022 sksk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T 0023 0024 说明书 2。

19、/11 页 7 CN 109975754 A 7 0025 0026 0027 N1,2,.,NT。 0028 另一方面， 本发明提供又一种联合角度、 时延与多普勒信息的运动多站直接定位 方法， 主要包括以下步骤： 0029 步骤2.1、 接收每个运动观测站发送的高维阵列信号观测矢量， 所述高维阵列信号 观测矢量为运动观测站将根据其采集的目标在K个时隙内辐射的无线电信号数据计算得到 的目标的K个时隙的阵列信号时域数据按照时间顺序排列后得到的数据； 0030 步骤2.2、 利用若干个所述高维阵列信号观测矢量建立联合估计目标位置参数、 信 号波形参数、 以及信号复传播系数的最大似然估计准则； 00。

20、31 步骤2.3、 根据所述最大似然估计准则， 建立仅关于目标位置参数的数学优化模 型； 0032 步骤2.4、 根据所述数学优化模型， 基于预设的Newton型迭代优化算法得到目标的 位置矢量。 0033 进一步地， 所述步骤2.2中， 所述最大似然估计准则为式(5)： 0034 0035 其中， 0036 0037 0038 sksk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T 0039 0040 0041 0042 0043 N1,2,.,NT 0044包含所有未知的信号波形， |2表示矢量的Euclid范数， sk sk(Ts-t0),sk(2Ts-t0),.,sk。

21、(NTs-t0)T；包含所有的信号复传播系 数， blbl1,bl2,.,blKT， blk表示第k个时隙内目标信号与第l个运动观测站之间的信号 复传播系数； l1,2,.,L； n1,2,.,N； k1,2,.,K； L表示运动观测站数量； N表示采 样点数； Ts为采样周期； p表示目标位置矢量； rlk表示第l个运动观测站在第k个时隙内接收 到的N个样本数据组成的高维阵列信号观测模型；lk(p)表示第k个时隙内目标信号与第l个 说明书 3/11 页 8 CN 109975754 A 8 运动观测站之间的传播时延； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵列 流形响应； 。

22、nlk(n)为第l个运动观测站在第k个时隙内接收到的复圆高斯白噪声矢量。 0045 进一步地， 所述步骤2.3中， 所述数学优化模型为式(6)： 0046 0047其中，max表示矩阵的最大特征值， 0048 进一步地， 所述步骤2.4具体为： 0049步骤2.4.1、 利用传统的两步定位方法获得目标位置矢量的初始估计值 0050步骤2.4.2、 对目标的位置矢量按照式(7)进行Newton型迭代， 收敛得到的即 为最终的目标位置估计值： 0051 0052 其中， 0053 0054 0055 0056 0057 0058 0059 0060 说明书 4/11 页 9 CN 10997575。

23、4 A 9 0061 0062m表示迭代次数， 0 1表示迭代步长因子；和分别表示目标函数 的梯度向量和Hessian矩阵； KNL为NL阶交换矩阵， 满足 xk(p)为矩阵Xk(p)的矢量化， 即xk(p)vecXk(p)； k,min k,1 k,2 k,L k,max与ek,1,ek,2,.,ek,L分别表示Xk(p)的特征值和对应的特征矢 量；为的第mL-L+n个子矩阵； vn与vm分别为第n个元素为1、 第m个元素 为1的单位矢量，为矩阵k(p)关于目标位置矢量p的二阶微分函数。 0063 本发明的有益效果： 0064 本发明提供的联合角度、 时延与多普勒信息的运动多站直接定位方法，。

24、 通过利用 多个运动观测站的阵列天线接收数据直接估计目标的位置参数。 首先， 建立到达信号复包 络和载波相位关于目标位置参数的闭式模型， 从而建立联合角度、 时延与多普勒信息的运 动多站多时隙阵列信号模型。 然后， 结合角度、 时延与多普勒参数与目标位置参数的几何关 系表达式， 基于最大似然估计准则建立联合估计目标位置参数、 信号波形参数、 以及信号复 传播系数的优化模型。 接着， 通过一系列数学推演得到仅关于目标位置参数的数学优化模 型， 并基于矩阵扰动理论设计了Newton型迭代优化算法用以实现对目标的快速精准定位。 相比于已有的运动多站定位方法， 本发明提供的方法可以明显提高对目标的定位。

25、精度， 尤 其是低信噪比或者目标与运动观测站距离较远的条件下， 该定位精度优势更加明显。 附图说明 0065 图1为本发明实施例提供的基于多运动观测站的目标直接定位方法的原理示意 图； 0066 图2为本发明实施例提供的联合角度、 时延与多普勒信息的运动多站直接定位方 法的流程示意图之一； 0067 图3为本发明实施例提供的联合角度、 时延与多普勒信息的运动多站直接定位方 法的流程示意图之二； 0068 图4为本发明实施例提供的联合角度、 时延与多普勒信息的运动多站直接定位方 法的流程示意图之三； 0069 图5为本发明实施例提供的多站多时隙观测的定位场景示意图； 0070 图6为本发明实施例。

26、提供的目标定位均方根误差随信噪比的变化曲线； 0071 图7为本发明实施例提供的目标定位均方根误差随每段时隙内样本点数的变化曲 线； 0072 图8为本发明实施例提供的目标定位均方根误差随目标位置(X轴坐标)的变化曲 说明书 5/11 页 10 CN 109975754 A 10 线。 具体实施方式 0073 为使本发明的目的、 技术方案和优点更加清楚， 下面将结合本发明实施例中的附 图， 对本发明实施例中的技术方案进行清楚地描述， 显然， 所描述的实施例是本发明一部分 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。

27、， 都属于本发明保护的范围。 0074 结合图1和图2所示， 本发明公开的直接定位方法需要每个运动观测站安装天线阵 列， 每个运动观测站会将多个时隙内的阵列信号数据传输至中心站， 中心站在信号数据域 直接估计目标的位置参数。 该方法主要包括以下步骤： 0075 S101、 采集目标在K个时隙内辐射的无线电信号数据， 得到目标的K个时隙的阵列 信号时域数据； 0076 具体地， 在利用L个运动观测站采集目标的辐射信号之前， 需要对L个运动观测站 的阵列天线接收系统做好时间同步， 确保各运动观测站之间的时间一致性。 对L个运动观测 站做好时间同步之后， 每个运动观测站依据Nyquist采样定理在K。

28、个时隙内采集目标辐射的 无线电信号数据， 根据该无线电信号数据以及运动观测站自身对目标的观测量数据按照预 设的采样信号时域模型得到目标的K个时隙的阵列信号时域数据。 其中， L为运动观测站的 总数。 0077 S102、 将所述阵列信号时域数据按时间顺序进行排列， 得到高维阵列信号观测矢 量； 0078 具体地， 每个运动观测站将采集到的K个时隙内的所有采样数据按照采样的时间 顺序进行排列得到其所观测到的关于目标的高维阵列信号观测矢量。 0079 S103、 将所述高维阵列信号观测矢量传递至中心站， 以供中心站根据所述高维阵 列信号观测矢量， 对目标进行直接定位。 0080 具体地， 每个运动。

29、观测站计算得到各自的高维阵列信号观测矢量后， 将所述高维 阵列信号观测矢量发送至中心站， 中心站接收所有运动观测站发送过来的若干个所述高维 阵列信号观测矢量， 并根据所有的高维阵列信号观测矢量进行联合估计， 实现对目标的直 接定位。 中心站进行联合估计的具体流程将在下面内容进行具体介绍， 此处不再赘述。 0081 本发明实施例提供的联合角度、 时延与多普勒信息的运动多站直接定位方法， 基 于多个运动观测站作为观测平台， 各个运动观测站通过采集目标的辐射信号， 计算得到目 标的阵列信号时域数据， 由于各运动观测站是运动着的， 因此该阵列信号时域数据在携带 有目标的角度信息与时延信息之外， 更携带。

30、有目标的多普勒信息， 通过联合角度、 时延与多 普勒信息能够明显提高对目标的位置估计精度， 并且随着信噪比和样本点数的降低、 或者 目标与运动观测站距离的增加， 其定位精度的优势会更加明显。 0082 在上述实施例的基础上， 本发明提供又一实施例， 具体流程如下： 0083 S201、 每个运动观测站均采集目标在K个时隙内辐射的无线电信号数据， 并按照预 设的采样信号时域模型得到目标的K个时隙的阵列信号时域数据； 0084 作为一种可实施方式， 第l个运动观测站在第k个时隙内所接收到的采样信号时域 模型rlk(n)如式(1)所示： 说明书 6/11 页 11 CN 109975754 A 11。

31、 0085 rlk(n)blkalk(p)sk(nTs-t0- lk(p)exp(j2 flk(p)nTs)+nlk(n) (1) 0086 其中， n1,2,.,N， l1,2,.,L， k1,2,.,K， p表示目标位置矢量； N表示采 样点数； L表示运动观测站数量； Ts为采样周期； sk(nTs-t0- lk(p)是第k个时隙内目标信号 在t0时刻发送且时延为 lk(p)的波形；lk(p)表示第k个时隙内目标信号与第l个运动观测站 之间的传播时延； blk表示第k个时隙内目标信号与第l个运动观测站之间的信道复传播系 数； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵列流。

32、形响应， 与信号的到达角 度 lk(p)有关； flk(p)为第l个运动观测站在第k个时隙内接收目标信号的多普勒频率； nlk (n)为第l个运动观测站在第k个时隙内接收到的复圆高斯白噪声矢量。 0087 所述多普勒频率flk(p)和时延 lk(p)与目标位置矢量p之间的代数关系分别为式 (2)和式(3)： 0088 0089 0090 alk(p)与 lk(p)的表达式与运动观测站的天线阵列的具体阵型有关。 以二维平面 定位为例， 角度 lk(p)与目标位置矢量p的代数关系为： 0091 0092 其中， p(1)和p(2)分别表示目标位置矢量p中的第一个元素和第二个元素； ulk(1) 和。

33、ulk(2)分别表示ulk中的第一个元素和第二个元素； |2表示矢量的Euclid范数， fc为 目标信号的载频， c为电波传播速度， ulk与分别表示第l个运动观测站在第k个时隙内的 位置矢量和速度矢量。 0093 S202、 每个运动观测站均将各自计算得到的阵列信号时域数据按照时间顺序进行 排列， 按照预设的高维阵列信号观测模型得到高维阵列信号观测矢量； 0094 作为一种可实施方式， 第l个运动观测站在第k个时隙内接收到的N个样本数据组 成的高维阵列信号观测模型rlk如式(4)所示： 0095 0096 其中， 0097 0098 sksk(Ts-t0),sk(2Ts-t0),.,sk(。

34、NTs-t0)T 0099 0100 0101 0102 说明书 7/11 页 12 CN 109975754 A 12 0103 N1,2,.,NT。 0104 S203、 同步骤S103， 此处不再赘述。 0105 图3为本发明又一实施例提供的联合角度、 时延与多普勒信息的运动多站直接定 位方法的流程示意图。 如图3所示， 该方法主要包括以下步骤： 0106 S301、 中心站接收每个运动观测站发送的高维阵列信号观测矢量， 所述高维阵列 信号观测矢量为运动观测站将根据其采集的目标在K个时隙内辐射的无线电信号数据计算 得到的目标的K个时隙的阵列信号时域数据按照时间顺序排列后得到的数据； 01。

35、07 S302、 中心站利用若干个所述高维阵列信号观测矢量建立联合估计目标位置参 数、 信号波形参数、 以及信号复传播系数的最大似然估计准则； 0108 S303、 中心站根据所述最大似然估计准则， 建立仅关于目标位置参数的数学优化 模型； 0109 S304、 中心站根据所述数学优化模型， 基于预设的Newton型迭代优化算法得到目 标的位置矢量。 0110 本发明实施例提供的联合角度、 时延与多普勒信息的运动多站直接定位方法， 中 心站侧首先利用各运动运动观测站发送的关于目标的高维阵列信号观测矢量建立最大似 然估计准则， 然后在该最大似然估计准侧的基础上， 将多参数的联合优化问题简化为仅关。

36、 于目标位置参数的优化模型， 避免了多维非线性优化问题， 并且通过Newton型迭代公式来 实现， 具有较快的收敛速度， 无需网格搜索， 是一种性能可靠、 运算高效的目标定位方法。 0111 在上述实施例的基础上， 本发明提供另一种实施例， 具体流程如下： 0112 S401、 中心站接收每个运动观测站发送的高维阵列信号观测矢量； 0113 具体地， 第l个运动观测站发送的关于目标在第k个时隙内的高维阵列信号观测矢 量为： 0114 0115 其中， 0116 0117 sksk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T 0118 0119 0120 0121 0122 。

37、N1,2,.,NT。 0123 其中， l1,2,.,L； n1,2,.,N； k1,2,.,K； L表示运动观测站数量； N表示 采样点数； Ts为采样周期； p表示目标位置矢量； rlk表示第l个运动观测站在第k个时隙内接 收到的N个样本数据组成的高维阵列信号观测模型；lk(p)表示第k个时隙内目标信号与第l 个运动观测站之间的传播时延； alk(p)为第l个运动观测站在第k个时隙内对目标信号的阵 说明书 8/11 页 13 CN 109975754 A 13 列流形响应； nlk(n)为第l个运动观测站在第k个时隙内接收到的复圆高斯白噪声矢量。 0124 S402、 中心站利用若干个所述。

38、高维阵列信号观测矢量建立最大似然估计准则； 0125 具体地， 所述最大似然估计准则为(5)： 0126 0127其中，包含所有未知的信号波形， |2表示矢量的Euclid范 数， 上标 “2” 表示平方运算； sksk(Ts-t0),sk(2Ts-t0),.,sk(NTs-t0)T； 包含所有的信号复传播系数， blbl1,bl2,.,blKT， blk表示第k个时隙内目标信号与第l 个运动观测站之间的信号复传播系数。 0128 S403、 中心站建立仅关于目标位置参数的数学优化模型； 0129 具体地， 所述数学优化模型为式(6)： 0130 0131其中，max表示矩阵的最大特征值， 0。

39、132 S404、 中心站根据所述数学优化模型， 基于预设的Newton型迭代优化算法得到目 标的位置矢量。 0133 具体地， 基于矩阵扰动理论设计的Newton型迭代优化算法计算目标位置矢量， 主 要包括以下步骤： 0134S4041、 利用传统的两步定位方法获得目标位置矢量的初始估计值 0135S4042、 对目标的位置矢量按照式(7)进行Newton型迭代， 收敛得到的即为最 终的目标位置估计值： 0136 0137 其中， 0138 0139 0140 0141 0142 说明书 9/11 页 14 CN 109975754 A 14 0143 0144 0145 0146 0147。

40、其中， m表示迭代次数， 0 1表示迭代步长因子；和分别表示目标 函数的梯度向量和Hessian矩阵； KNL为NL阶交换矩阵， 满足 xk(p)为矩阵Xk(p)的矢量化， 即xk(p)vecXk(p)； k,min k,1 k,2 k,L k,max与ek,1,ek,2,.,ek,L分别表示Xk(p)的特征值和对应的特征矢 量；为的第mL-L+n个子矩阵； vn与vm分别为第n个元素为1、 第m个元素 为1的单位矢量，为矩阵k(p)关于目标位置矢量p的二阶微分函数。 0148 图4为本发明实施例的联合角度、 时延与多普勒信息的运动多站直接定位方法的 流程示意图之三。 如图4所示， 包括以下步。

41、骤： 0149 S401、 对N个运动观测站的M通道阵列天线接收系统做好时间同步， 各运动观测站 依据Nyquist采样定理在K个时隙段内采集目标辐射的无线电信号数据， 从而获得K个时隙 的阵列信号时域数据； 0150 S402、 每个运动观测站将所获得的阵列信号时域数据按时间顺序进行排列， 以形 成高维的阵列信号观测矢量； 0151 S403、 每个运动观测站将所获得的高维阵列信号观测矢量传递至中心站， 中心站 利用多站数据建立联合估计目标位置参数、 信号波形参数、 以及信号复传播系数的最大似 然估计准则； 说明书 10/11 页 15 CN 109975754 A 15 0152 S404。

42、、 中心站在最大似然估计准则的基础上， 通过一系列数学推演得到仅关于目 标位置参数的数学优化模型； 0153 S405、 中心站基于矩阵扰动理论设计Newton型迭代优化算法， 用以实现对目标的 快速精准定位。 0154 图5为本发明实施例提供的多站多时隙观测的定位场景示意图。 如图5所示， 其中 三角形表示运动观测站接收信号时所在位置。 假设有3个运动观测站对目标信号源进行定 位， 第一个运动观测站沿X轴从0,6T(km)运动到1,6T(km)， 第二个运动观测站沿X轴从- 0.5,5T(km)运动至0.5,5T(km)， 第三个运动观测站沿X轴从-1,0T(km)运动到0,0T (km)，。

43、 运动观测站运动速度均为在此运动期间， 3个运动观测站分别在K 2个时隙内以800(kHz)的采样速率接收位于p4,2T(km)的目标信号。 目标信号带宽为 300(kHz)， 载波频率为fc200(MHz)， 信号到达运动观测站的信道复传播系数幅度服从均 值为1、 标准方差为0.1的高斯分布， 相位服从- , 区间的均匀分布。 0155 下面将本发明公开的目标直接定位方法与传统的两步定位方法， 以及基于角度信 息的多站目标直接定位方法(冯奇、 曲长文等人提出的)进行性能比较。 传统的两步定位方 法是指各站先分别对各时隙内的到达角度、 时差以及多普勒频差进行估计， 然后基于所有 运动观测站所有。

44、时隙内的角度、 时差以及多普勒频差估计结果， 利用Taylor级数迭代定位 算法估计目标位置。 迭代类算法均利用伪线性最小二乘(PLWLS)两步定位算法的估计结果 作为初值。 0156 首先， 将每个时隙的样本点数固定为N64， 图6为目标的定位均方根误差随信噪 比的变化曲线。 接着， 将信噪比固定为0dB， 令每个运动观测站每段时隙内接收样本点数N从 20变化至100， 图7为目标的定位均方根误差随每段时隙内样本点数的变化曲线。 最后， 将信 噪比固定为10dB， 每个时隙内样本点数固定为64， 目标位置的Y轴坐标固定为2km， 令目标位 置的X轴坐标从2km变化至6km， 图8为目标的定位。

45、均方根误差随目标位置(X轴坐标)的变化 曲线。 0157 从图6至图8中可以看出： 0158 (1)相比于基于角度信息的多站直接定位方法， 本发明公开的目标直接定位方法 的估计精度要明显优于基于角度信息的多站直接定位方法， 并且随着信噪比的降低、 样本 点数的减少、 目标与运动观测站的距离增大， 前者的优势越加明显， 这主要是由于联合多参 数中的定位信息， 充分利用了各运动观测站接收信号之间的相关性所带来的性能增益。 0159 (2)相比于传统的两步定位方法， 本发明公开的直接定位方法也能够给出更高的 定位精度， 即使两步定位方法也充分利用了多域参数信息， 这是由单步直接定位方法本身 所带来的。

46、性能提升。 0160 最后应说明的是： 以上实施例仅用以说明本发明的技术方案， 而非对其限制； 尽管 参照前述实施例对本发明进行了详细的说明， 本领域的普通技术人员应当理解： 其依然可 以对前述各实施例所记载的技术方案进行修改， 或者对其中部分技术特征进行等同替换； 而这些修改或者替换， 并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。 说明书 11/11 页 16 CN 109975754 A 16 图1 图2 说明书附图 1/5 页 17 CN 109975754 A 17 图3 说明书附图 2/5 页 18 CN 109975754 A 18 图4 图5 说明书附图 3/5 页 19 CN 109975754 A 19 图6 图7 说明书附图 4/5 页 20 CN 109975754 A 20 图8 说明书附图 5/5 页 21 CN 109975754 A 21 。