一种多通道外辐射源信号定位算法.docxVIP

一种多通道外辐射源信号定位算法 1 约束加权最小二乘算法 外辐射源定位是指使用广播信号和卫星信号。 定位测量参数主要包括到达时间 (TOA) 在多站辐射源定位中, 基于TDOA信息进行定位的算法很多, 但在单站外辐射源定位中, 相关算法的理论研究并不是很多。本文针对利用单个观测接收站接收数个外辐射源信号, 进而实现对目标位置估计的问题, 提出一种约束加权最小二乘算法, 并采用拉格朗日乘子式对其进行准确求解。新算法对测量噪声具有较强的稳定性, 能够达到较高的定位精度。同时, 通过将新算法与推导出的CRLB进行仿真对比分析, 验证了新算法具有较佳的定位性能。 2 测量误差线性化方法 如图1所示, s 根据观测接收站、运动目标和外辐射源三者之间的几何关系, 可知 式 (1) 中, ‖·‖ 式 (2) 时差方程进行线性化, 得 将式 (3) 两边平方, 然后移项可得 这里, 定义辅助向量θ=[x, y, z, R] 如果考虑测量误差的影响, 根据式 (5) 可以构建一组伪线性方程 其中, ε是与TDOA测量噪声相关的误差。 3 lagrange函数的解析解 不考虑冗余变量R和待估参量X之间的相关性, 式 (5) 的最小二乘解为 但实际上, 考虑到位置向量θ中的各个参数并不独立, 若考虑约束条件R=‖X‖ 式 (1) 两边进行平方后, 可以将其改写为关于向量θ的表达式为 求解TDOA的CWLS解, 即为求解在约束条件下的加权最小二乘 (WLS) 。WLS为满足下列目标函数极小化的无约束优化问题: 式 (11) 中, 加权矩阵W是关于R的函数, 且是可逆的对称矩阵。 加权矩阵W利用线性无偏估计器定义 其中, ⊙表示矩阵的元素与元素相乘, 即Schur积, C 本文提出的CWLS算法, 即为满足式 (1) 中约束条件下, 使得式 (11) 中目标函数极小化的变量, 数学表示为 利用Lagrange乘子式, 将式 (14) 中约束优化问题转化为无约束问题。构建拉格朗日函数为 式 (15) 中, l为拉格朗日乘子。拉格朗日函数L (θ, l) 关于θ求偏导, 并令偏导数为零, 得到 式 (16) 是关于未知数l的方程, 为了求解l, 将式 (16) 的解 式 (17) 代入 通过利用特征值分解方法, 式 (18) 中的A 其中, Λ=diag{γ 其中, p=U 因此, 可以得到Lagrange方程式 式 (21) 中, p 式 (19) 中, 加权矩阵W是关于θ的函数, 所以需要对本文算法进行一定次数的迭代, 以得到较为准确的W估计, 进而才能提高定位精度。算法的具体步骤如下。 4 性能分析 4.1 crlb分析 假设时差的测量噪声服从零均值的高斯分布, 各个测量误差之间不相关, 且协方差矩阵为Q=diag{σ 根据CRLB的定义可知, 式 (22) 两边取对数, 关于X中元素求偏导数, 得到 式中X 令J 将式 (24) 代入 (23) , 得到FIM矩阵中元素为 根据式 (26) , 可知FIM中的元素分别表示为 CRLB是系统定位误差的理论下限, 其值等于FIM的逆。那么, 系统定位误差满足如下不等式 其中, 4.2 测量噪声和待估参量x之间的相关性 本小节推导新算法的定位理论误差。虽然辅助向量θ包含x, y, z, R这4个变量, 由于冗余变量R和待估参量X之间存在相关性, 设 式 (29) 中, 对式 (29) 进行推导 TDOA测量噪声各个测量误差之间是不相关的, 则其具有如下形式 由式 (12) 和式 (33) 可知 将C 因此 根据式 (31) 和式 (36) 可以看出, 本文算法估计性能具有无偏性, 且理论误差能到达到CRLB。 5 仿真对比及结果分析 本文分别就不同测量误差进行仿真实验和分析, 验证新算法的定位性能的有效性。TDOA测量误差设为零均值高斯白噪声, 设协方差矩阵为σ 本文通过计算均方根误差作为新算法的定位误差, 进行5000次蒙特卡洛 (Monte-Carlo) 仿真。 式 (38) 中, 通过将不同测量误差条件下得到的均方根误差和CRLB进行仿真对比, 验证新算法的定位性能。如图2所示, 本节对两个位置进行仿真分析, [50000, 50000, 50000] 本文提出的新算法与CRLB, 以及文献[18]提出的球面相交 (Spherical Intersection) 解析算法仿真结果如图3和图4所示。球面相交解析算法是利用定位方程的闭式解得出结果, 是一种理论算法。 通过对比可以发现, 在不同时差测量误差条件下, 本文算法较球面相交解析算法性能更为优越。对于近场目标, 在时差测量误差为-5 d B~5 d B范围内, 本文算法能够较好逼近CRLB。对于远场目标, 新算法具有更高的定位精度。这是