[发明专利]联合无线电信号复包络和载波相位信息的超视距目标直接定位方法

摘要

本发明涉及一种联合无线电信号复包络和载波相位信息的超视距目标直接定位方法，首先基于信号超视距传播模型，建立到达信号复包络和载波相位关于目标位置参数的数学模型，获得多站阵列信号模型，接着利用基2‑FFT算法将多站阵列天线接收数据转化为频域数据，并基于电离层高度的先验观测以及最大似然估计准则建立联合估计目标位置参数和电离层高度的数学优化模型，最后根据矩阵特征值扰动理论设计出Newton型迭代算法进行超视距目标定位。本发明能够有效提高目标定位的精度，可以在电离层高度先验观测的基础上，进一步提高对电离层高度的估计精度，具有较快的收敛速度，无需高维搜索，性能可靠、运算高效。

主权项

一种联合无线电信号复包络和载波相位信息的超视距目标直接定位方法，具体包含如下步骤：步骤1.对N个观测站的M通道阵列天线接收系统进行时间同步，根据奈奎斯特采样定理采集目标辐射的无线电信号数据，获得阵列信号时域数据；步骤2.每个观测站将所采集到的Q个时域数据样本点做基2‑FFT运算，得到阵列信号频域数据，其中，Q为2的整数次幂；步骤3.每个观测站将所获得的阵列信号频域数据传输至中心站，中心站利用电离层高度的先验观测以及观测站的阵列信号频域数据建立最大似然参数估计准则；步骤4.在最大似然参数估计准则的基础上，通过数学推演建立联合估计目标位置参数和电离层高度的数学优化模型；步骤5.基于矩阵特征值扰动公式设计数值优化中的牛顿型迭代算法，利用数学优化模型中矩阵的最大特征值进行数值寻优，进行超视距目标的定位；步骤1中，第n个观测站的阵列天线所接收到的信号时域模型为xn(t)＝βnan(p)s(t‑τn(p,hn)‑t0)+εn(t)(1≤n≤N)，其中，p表示目标位置向量，hn表示目标信号经过超视距传播至第n个观测站所经历的电离层高度，t0表示目标发射信号时间，s(t)表示目标信号复包络，an(pd)表示目标信号相对于第n个天线阵列的阵列流形向量，βn表示目标信号传播至第n个观测站的损耗因子，εn(t)表示第n个观测站中天线阵列的阵元噪声向量，τn(p,hn)表示目标信号到达第n个观测站的传播时延，它同时是关于目标位置向量p和电离层高度hn的函数；步骤2中，第n个观测站的阵列天线所接收到的信号频域模型为其中，和分别表示s(t)和εn(t)的频域形式，ωq表示第q个数字频点，bn(p,hn,ωq)和的表达式分别为步骤3中，中心站所建立的最大似然估计准则为，其中，向量h＝[h1 h2 … hN]T包含了每个观测站所对应的电离层高度，表示h的先验观测向量，其观测误差协方差矩阵记为P；步骤4中，所建立的联合估计目标位置向量p和电离层高度向量h的数学优化模型为其中，λmax[·]表示取矩阵的最大特征值，矩阵B(p,h)和的表达式分别为，向量的表达式为步骤5中，所设计出的数值优化中的牛顿型迭代算法的实现步骤为：步骤5.1)利用多重信号分类估计算法和泰勒级数迭代定位算法获得目标位置向量的初始估计将电离层高度的先验观测向量作为h的初始估计形成初始迭代向量步骤5.2)进行Newton型迭代的计算公式为式中k表示迭代次数，0<μ<1表示迭代步长因子，和分别表示目标函数的梯度向量和Hessian矩阵，相应的计算公式分别为其中，<g1(η^(k))>i=u0H(p^(k),h^(k))Z·i(a)(p^(k),h^(k))u0(p^(k),h^(k))<g2(η^(k))>i=u0H(p^(k),h^(k))Z·i(b)(p^(k),h^(k))u0(p^(k),h^(k))]]><G11(η^(k))>ij=u0H(p^(k),h^(k))Z··ij(aa)(p^(k),h^(k))u0(p^(k),h^(k))+2u0H(p^(k),h^(k))Z·i(a)H(p^(k),h^(k))U0(p^(k),h^(k))Z·j(a)(p^(k),h^(k))u0(p^(k),h^(k))]]><G12(η^(k))>ij=u0H(p^(k),h^(k))Z··ij(ab)(p^(k),h^(k))u0(p^(k),h^(k))+2u0H(p^(k),h^(k))Z·i(a)H(p^(k),h^(k))U0(p^(k),h^(k))Z·j(b)(p^(k),h^(k))u0(p^(k),h^(k))]]>其中，表示厄米特矩阵最大特征值所对应的单位特征向量，矩阵和的计算公式分别为Z··ij(aa)(p^(k),h^(k))=B··ij(aa)(p^(k),h^(k))X~X~HBH(p^(k),h^(k))+B·i(a)(p^(k),h^(k))X~X~HB·j(a)H(p^(k),h^(k))+B·j(a)(p^(k),h^(k))X~X~HB·j(a)H(p^(k),h^(k))+B(p^(k),h^(k))X~X~HB··ij(aa)H(p^(k),h^(k))]]>Z··ij(ab)(p^(k),h^(k))=B··ij(ab)(p^(k),h^(k))X~X~HBH(p^(k),h^(k))+B·i(a)(p^(k),h^(k))X~X~HB·j(b)H(p^(k),h^(k))+B·j(b)(p^(k),h^(k))X~X~HB·j(a)H(p^(k),h^(k))+B(p^(k),h^(k))X~X~HB··ij(ab)H(p^(k),h^(k))]]>Z··ij(bb)(p^(k),h^(k))=B··ij(bb)(p^(k),h^(k))X~X~HBH(p^(k),h^(k))+B·i(b)(p^(k),h^(k))X~X~HB·j(b)H(p^(k),h^(k))+B·j(b)(p^(k),h^(k))X~X~HB·j(b)H(p^(k),h^(k))+B(p^(k),h^(k))X~X~HB··ij(bb)H(p^(k),h^(k))]]>其中，和分别对应矩阵除最大特征值以外的其余N‑1个特征值及其对应的单位特征向量。