[发明专利]一种基于5G基站信号的低空目标分布式测距方法

权利要求书

1.一种基于5G基站信号的低空目标分布式测距方法，定义5G基站信号的反射信号具有两个信道，一个是参考信道，一个是回波信道；其特征在于：所述方法包括以下步骤：

步骤1、利用K-means聚类算法对参考信道中的直达波进行提纯；

步骤2、利用基于最小均方误差准则的自适应滤波器对回波信道进行直达波对消，得到回波信号；

步骤3、对纯净的直达波信号与回波信号做互相关处理获取回波信号时延信息，根据方位角以及时延信息得到目标位置信息，从而实现了目标的测距；

所述步骤2具体为：

通过计算自适应滤波器的实际输出结果与期望输出结果的差值进行参数修改以最终获得期望输出；所述自适应滤波器需要两个信号，分别为输入信号x(n)和期望信号d(n)，在输入信号通过自适应滤波器后产生一个输出信号y(n)，然后将y(n)与期望信号d(n)相比较得到误差信号e(n)，然后根据自适应滤波算法调整抽头系数使e(n)在最小均方误差准则下最小，使输出信号y(n)在最小均方误差准则下尽可能逼近期望信号d(n)；

首先对输入信号用向量表示，即X(n)＝[x(n),x(n-1),...,x(n-L-1)]^T，然后对抽头系数用向量表示，即W(k)＝[w₀(k),w₁(k),...,w_L-1(k)]^T，其中L为自适应滤波器的阶数，W(k)表示自适应滤波器第k次迭代的抽头系数组，由此得到输出信号：

y_k(n)＝W^T(k)X(n)

其中y_k(n)表示第k次迭代的输出信号，通过比较期望信号和输出信号，得到估计误差信号：

e(n)＝d(n)-W^T(k)X(n)

从而得到均方误差为：

J＝E[W^T(n)]＝E[d²(n)]-2E[d(n)W^T(n)X(n)]+E[W^T(n)X(n)X^T(n)W(n)]

在进行抽头系数调整时，为了每一次迭代都最有效地调整系数，采用最速下降算法，即沿着负梯度方向调整自适应滤波器加权向量，所以迭代抽头系数的公式为：

迭代的本质就是每次都进行调整从而使其趋近于一个最佳状态，那么每次调整的程度就是由调整步长决定，在迭代抽头系数的公式中，其中的μ为每一次调整抽头系数的调整长度即调整步长；基于最小均方误差准则的最速下降算法选择利用瞬时间的误差的平方的均值对每个抽头向量求导，能够得到均方误差梯度为：

由此可得，基于最小均方误差准则的最速下降算法抽头系数迭代方程简化为：

W(k+1)＝W(k)+2μe(n)X(n)

于是，在后续操作中就根据迭代抽头系数的公式进行多次迭代，迭代k次之后，当第k次迭代后的结果与第k-1次迭代的抽头系数向量距离小于一定阈值时，迭代结束，此时可以得到一个最终的抽头系数向量W(k)，然后即可得到最终的期望信号的逼近信号：

y_k(n)＝W^T(k)X(n)。

2.根据权利要求1所述的方法，其特征在于：所述步骤1具体为：

首先随机选取K个对象作为初始的聚类点，然后计算每个对象与各个初始聚类点之间的距离，然后把每个对象分配给距离它最近的聚类点，即认为他们是一类，然后对每一类数据集求他们的质心作为第一次处理后的聚类点，然后根据第一次处理后的聚类点，计算每个数据点到第一次处理后的聚类点之间的距离，并将每个数据点分到离他最近的那个聚类点上，作为一类，然后再对每一类的数据点们求其质心，作为第二次处理的聚类点，以此类推进行迭代，当最后发现第N+1次处理后得到的聚类点与第N次处理后得到的聚类点距离小于一定阈值时，即可停止处理，从而得到提纯后的直达波信号。

3.根据权利要求2所述的方法，其特征在于：在所述方法中需要利用参考信道中恢复出的直达波对回波信道进行直达波对消。

4.根据权利要求3所述的方法，其特征在于：所述自适应滤波器为离散时间信号自适应滤波器。