[发明专利]一种基于降维加权子空间数据融合的非圆源直接定位方法

权利要求书

1.一种基于降维加权子空间数据融合的非圆源直接定位方法，特征在于，包括以下步骤：

(1)构造多阵列非圆信号直接定位模型，得到接收信号信息r_l(t)；

(2)利用非圆特性扩展接收信号，计算其协方差矩阵，并对其特征分解；

(3)估计各观测站投影权重，得到加权后的代价函数f_NC-WSDF；

(4)采用降维算法，消除非圆相位搜索维度，得到化简后的代价函数f_NRD-WSDF；

(5)对简化后的代价函数进行谱峰搜索得到目标位置的精确估计。

2.根据权利要求1所述的基于降维加权子空间数据融合的非圆源直接定位方法，其特征在于，步骤(1)所述接收信号为：

其中，为第l个基站的阵列流型，为导向矢量；根据自由空间传播损耗模型，假设K个辐射源信号功率均为P_k，在观测位置u_l＝[x_l，y_l]^T处接收到的来自第k个辐射源(位置向量p_k＝[x_k，y_k]^T)的信号功率为P_l，k，则为第l个基站接收到的来自第k个辐射源信号的路径传播损耗系数，为传播损耗矩阵；考虑非圆率为1的非圆信号，表示为假设表示非圆相位，表示信号的幅值，则得到非圆相位矩阵：

其中，是一个实值矢量，表示信号幅度；n_l(t)表示高斯白噪声矢量，M为阵元数，K为目标数，t＝(1，2，…T)表示快拍次数，l＝(1，2，…L)为基站数。

3.根据权利要求1所述的基于降维加权子空间数据融合的非圆源直接定位方法，其特征在于，所述步骤(2)实现过程如下：

根据非圆特性，各观测基站的接收信号扩展为：

其协方差矩阵为其中，T表示快拍数；对该协方差矩阵进行特征分解，得：

假设λ_l，m(m＝1，2，…，2M)表示按从大到小排序后的特征值，对应的特征向量用e_l，m(m＝1，2，…，2M)表示，则信号子空间表示为噪声子空间表示为

4.根据权利要求1所述的基于降维加权子空间数据融合的非圆源直接定位方法，其特征在于，所述步骤(3)实现过程如下：

由于：

各观测基站的接收信号重写为：

其中：

为扩展的导向矢量；重写协方差矩阵R_l：

其中，I_2M×2M是2M×2M维单位矩阵，若噪声功率在整个观测过程中不变，不同观测位置的信噪比正比于协方差矩阵R_l被分解成：

协方差矩阵的特征值表示为：

其中，是R_s的K个较大的非零特征值，代表了接收信号功率，

则噪声功率估计值表示为：

第l个观测站的接收信号功率估计值为：

得到加权后的代价函数：

5.根据权利要求1所述的基于降维加权子空间数据融合的非圆源直接定位方法，其特征在于，所述步骤(4)实现过程如下：

由于是一个实值向量，有重写接收信号：

其中，

为扩展的导向矢量，包含了目标位置信息和非圆相位信息，将位置信息和非圆相位信息分离：

其中，0_N表示N维零矩阵：

得到第l个观测站的代价函数为：

对其运用降维方法，简化代价函数为：

其中，

6.根据权利要求1所述的基于降维加权子空间数据融合的非圆源直接定位方法，其特征在于，步骤(5)所述的目标位置为代价函数值最小的K个点。