[发明专利]基于运动观测站对多信号源的最大似然直接定位方法

说明书

本发明属于无线信号源位置估计技术领域，特别涉及一种基于运动观测站对多信号源的最大似然直接定位方法，包含：采集观测区域内各个运动观测站接收的多信号源原始观测数据；利用信号源与运动观测站之间多普勒频率，获取接收信号模型；根据最大似然准则，获取包含所有未知参数的代价函数，并对其进行解耦操作，得到优化后的代价函数，该未知参数包含：发射信号、位置信息和复衰落系数；对代价函数进行网格搜索，循环迭代至收敛，获取未知参数最优组合解并输出。本发明通过联合各观测站原始观测数据，对接收数据进行充分底层融合，减少位置信息损失，提高定位精度，降低多信号源位置定位的运算量，性能稳定、可靠，且高效，具有较强的实际应用价值。

技术领域

本发明属于无线信号源位置估计技术领域，特别涉及一种基于运动观测站对多信号源的最大似然直接定位方法。

背景技术

传统定位方法包括两个单独的步骤：(1)从接收信号中分离出与位置信息相关的中间参数，比如到达方向角(angle of arrival,AOA)，到达时间(time of arrival,TOA)和到达时间差(time difference of arrival,TDOA)；(2)使用第一步中得到的参数对位置进行估计。正是因为传统方法包含了两个处理步骤，这将引入更多的误差。另外，当多源存在时，在第一步中分离出的参数可能不能够正确的匹配发射机，从而降低了定位的性能。直接定位技术(direct position determination,DPD)能在单次处理中直接从接收信号中获取信号源位置，避免了多次处理造成的信息损失；并且考虑了各信号数据间的内在联系。因此，直接定位方法获得更高的定位精度。

对于单信号源的直接定位方法，主要有子空间数据融合方法和最大似然方法。子空间数据融合方法同样也适合多源的情况，利用信号子空间和噪声子空间的正交性，在较低的计算复杂度下实现定位。但对于低信噪比的鲁棒性不强，在低信噪比下性能恶化。最大似然方法在更大计算开销的基础上，实现了更高的定位精度，特别是在低信噪比下效果明显。另外，在观测站高速运动的情况下，对多普勒信息的有效利用能够增加定位精度。目前，针对多信号源的直接定位技术主要有子空间数据融合方法、最小方差无失真响应方法和最大似然算法。前两种方法有较强的抗干扰性和较高的分辨率且计算量较低，但它们不能贴近相应的克拉美罗界，并且在低信噪比的情况下性能严重恶化。基于最大似然准则的直接定位方法能够贴近克拉美罗界，并且在低信噪比条件下的定位性能好。由此衍生出最大似然类迭代算法，在牺牲精度的基础上，极大了降低了传统多源最大似然方法的计算量。针对多信号源的最大似然直接定位方法，主要分为传统网格搜索方法和迭代类算法。传统网格搜索方法会面临多参数、高维度的非线性搜索问题，难以获得闭式解，计算量巨大，不具有时效性。迭代类算法通过迭代求解，很大程度上减少了传统网格搜索方法的计算量，但大多数迭代算法不能保证收敛或陷于局部最优，不能得到全局最优解。

发明内容

为此，本发明提供一种基于运动观测站对多信号源的最大似然直接定位方法，运用多普勒频率并基于最大似然准则对代价函数进行解耦操作，不仅提升定位精度，并且降低计算量，在低信噪比下定位性能也同样得到提升。

按照本发明所提供的设计方案，一种基于运动观测站多信号源的最大似然直接定位方法，包含如下内容：

A)采集观测区域内各个运动观测站接收的多信号源的原始观测数据；

B)利用信号源与运动观测站之间的多普勒频率，获取接收信号模型；

C)根据最大似然准则，获取包含所有未知参数的代价函数，并对其进行解耦操作，得到优化后的代价函数，该未知参数至少包含：发射信号、信号的位置信息和复衰落系数；；

D)对优化后的代价函数进行网格搜索，并循环迭代直至收敛，获取未知参数最优组合解并输出。