[发明专利]移动通信信号源数据域直接位置估计方法及其装置

摘要

本发明涉及一种移动通信信号源数据域直接位置估计方法及其装置，该方法包含：各观测站分别采集原始观测数据；对采集到的原始观测数据进行底层数据融合，生成包含位置信息的直接定位模型；基于随机矩阵渐进分布理论，构造包含噪声子空间和信号子空间的代价函数；求解代价函数，输出最终目标位置。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；基于随机矩阵渐进分布数学理论，构造同时包含有信号子空间和噪声子空间的全新代价函数，可在低信噪比、采样数较少等恶劣无线通信环境下，使直接定位技术的信源分辨能力更强；并通过仿真实验证明：定位精度更好，且性能更加稳定。

主权项

1.一种移动通信信号源数据域直接位置估计方法，其特征在于，包含：步骤1、各观测站分别采集原始观测数据；步骤2、对采集到的原始观测数据进行底层数据融合，生成包含位置信息的直接定位模型；步骤3、基于随机矩阵渐进分布理论，构造包含噪声子空间和信号子空间的代价函数；步骤4、求解代价函数，输出最终目标位置；所述的步骤2中包含：假设观测区域内有L个观测站和Q个窄带信号源，每个观测站均是由M个阵元构成的均匀直线阵；各个阵列在时间上同步，信号到达阵列时为平面波，根据位置坐标的对应观测站的接收信号，将该接收信号模型转化为观测向量；对各个观测站的观测向量进行联结，得到包含所有位置信息的联合阵列响应矩阵；根据观测向量及联合阵列响应矩阵，得到各观测站底层数据融合后的直接定位模型；所述的步骤2的具体实现过程如下：p_q＝(x_q,y_q)表示第q个信号源位置，位置坐标为(x_l,y_l)的第l个观测站的接收信号模型表示如下：q＝1,…,Q；l＝1,…,L，式中，r_l(t)是M×1维的接收信号矢量，a_l(p_q)表示第q个信号源在第l个观测站上产生的阵列响应，s_q(t)表示第q个信号波形，n_l(t)表示第l个观测站上产生的均值为零且统计独立的复高斯白噪声矢量，T表示观测时间；转化的观测向量表示为：r_l(t)＝A_l(p)s(t)+n_l(t)s(t)＝[s₁(t),...,s_Q(t)]^T令r(t)＝[r₁(t)^T,…,r_L(t)^T]^Tn(t)＝[n₁(t)^T,…,n_L(t)^T]^T，其中，A为联合阵列响应矩阵；经过各站位置信息融合后的直接定位模型变为：r(t)＝As(t)+n(t)；所述的步骤3中包含：根据Wishart随机矩阵特征值与特征向量渐进分布理论，构造联合噪声子空间的特征向量；根据该特征向量并结合高斯分布性质，得到关于特征向量的联合对数概率密度函数，将信号源直接位置估计转化为最大似然估计的求解问题；所述的步骤3具体实现过程如下：令根据协方差矩阵依据Wishart随机矩阵特征值与特征向量渐进分布理论，构造联合噪声子空间的特征向量服从如下概率分布：其中，M_s为幂等、厄米特矩阵，用于将与它做内积的向量向联合信号子空间U_s进行投影；N(0,C)表示服从均值为0，协方差为C的高斯分布；λ_min表示最小特征值；结合高斯分布性质，得到：根据概率分布特性，得到关于的联合对数概率密度函数为：转化为求p_k的最大似然估计，即：