[发明专利]一种盲信号源功率位置联合估计方法及系统

权利要求书

1.一种盲信号源功率位置联合估计方法，其特征在于，包括：

在预定区域内布设多个传感器节点，并确定各个传感器节点在所述预定区域的位置信息；

利用所述各个传感器节点接收所述预定区域内同频的多个盲信号源发射的信号，并对接收信号的功率进行测量，得到接收信号的实际测量功率值；

根据指定的路径损耗模型、所述各个传感器节点的接收信号的实际测量功率值以及在所述预定区域的位置信息，构建用于估计各个盲信号源的发射功率和位置的粒子群目标函数；

基于遗传算法和粒子群优化算法估计所述粒子群目标函数的最优解，作为各个盲信号源的发射功率和位置；其中

所述指定的路径损耗模型为：

其中，d表示盲信号源和传感器节点之间的欧几里得距离，p_r表示传感器节点的接收信号的理论测量功率值，P_T表示盲信号源的发射功率，k是基于载波频率和天线结构选择的已知常数，α的取值范围是[2，6]；

所述根据指定的路径损耗模型、所述各个传感器节点的接收信号的实际测量功率值以及在所述预定区域的位置信息，构建用于估计各个盲信号源的发射功率和位置的粒子群目标函数的步骤进一步包括：

设置所述多个盲信号源和所述多个传感器节点的数量分别为M和N，M和N均为大于1的整数；

设置第j个盲信号源的发射功率为P_Tj，位置的笛卡尔坐标为X_j、Y_j，j取值从1至M；

设置第i个传感器节点的接收信号的实际测量功率值为p_ri，位置的笛卡尔坐标为x_i、y_i，i取值从1至N；

基于上述设置的已知参数和未知参数，构建的用于估计各个盲信号源的发射功率和位置的粒子群目标函数为：

其中，所述各个盲信号源的发射功率和位置对应所述粒子群目标函数的未知参数；

所述粒子群优化算法的算法公式为：

其中，v_l(t)表示迭代次数t时粒子l的速度，x_l(t)表示迭代次数t时粒子l的位置，表示迭代次数t时粒子l所经历的最优位置，表示迭代次数t时粒子群体中粒子的最优位置，c₁和c₂表示粒子的加速常数，r₁和r₂是两个在[0，1]中均匀分布的随机数，ω为惯性权重；t取值从1到T，且T为大于1的整数；l取值从1到L，且L为大于1的整数；

所述基于遗传算法和粒子群优化算法估计所述粒子群目标函数的最优解，作为各个盲信号源的发射功率和位置的步骤进一步包括：

确定估计是最小值问题；

初始化，随机生成L个粒子中各个粒子的初始位置和初始速度，其中，各个粒子的初始位置对应所述粒子群目标函数的未知参数；

将各个粒子的初始位置代入所述粒子群目标函数的未知参数，计算各个粒子的初始适应度函数值，进而将初始适应度函数值最小的粒子的位置作为且

再次迭代，判断该次迭代是否结合遗传算法生成子代粒子；

若是，则结合遗传算法生成子代粒子；

若否，则根据所述粒子群优化算法的算法公式、各个粒子的初始位置和初始速度，计算各个粒子的更新速度和更新位置，将具有更新速度和更新位置的各个粒子作为子代粒子；

将子代粒子的位置代入所述粒子群目标函数的未知参数，计算子代粒子当前的适应度函数值，进而根据子代粒子当前的适应度函数值更新和

以上述迭代策略，当迭代次数为T时，确定

将作为估计的所述粒子群目标函数的最优解，并作为各个盲信号源的发射功率和位置。