发明名称 基于单颗静止轨道卫星对干扰源进行定位的方法及系统
摘要 本发明实施例提供一种基于单颗静止轨道卫星对干扰源进行定位的方法及系统,所述的系统包括:信号采集装置,用于采集静止轨道卫星上的干扰信号;参考源信号发射装置,用于向所述的静止轨道卫星发送参考源信号,并接收所述的静止轨道卫星根据所述的参考源信号发送的参考源返回信号;信号处理装置,用于对所述的干扰信号以及所述的参考源返回信号的实际多普勒频移进行误差排除;干扰源定位装置,用于根据所述的干扰信号以及所述的参考源返回信号确定干扰源的位置。仅通过一颗静止轨道卫星即能实现对卫星干扰源的准确定位,大大地提升了卫星对干扰的查找能力,降低了干扰查找的诸多束缚条件。
申请公布号 CN103576166B 申请公布日期 2015.08.19
申请号 CN201210277476.0 申请日期 2012.08.06
申请人 国家无线电监测中心 发明人 刘岩;李景春;张小飞;李安平;夏楠;唱亮;魏梅英;刘海洋;闫肃;赖幸君;崔晓曼
分类号 G01S19/01(2010.01)I 主分类号 G01S19/01(2010.01)I
代理机构 北京三友知识产权代理有限公司 11127 代理人 任默闻
主权项 一种基于单颗静止轨道卫星对干扰源进行定位的方法,其特征是,所述的方法包括:采集静止轨道卫星上的干扰信号;向所述的静止轨道卫星发送参考源信号;接收所述的静止轨道卫星根据所述的参考源信号发送的参考源返回信号;确定所述的干扰信号以及所述的参考源返回信号对应的理论多普勒频移以及实际多普勒频移;对所述的干扰信号以及所述的参考源返回信号对应的实际多普勒频移进行误差排除;以及根据所述的干扰信号以及所述的参考源返回信号确定干扰源的位置;其中,基于粒子滤波算法的单星定位包括:(1)运用粒子滤波算法对多普勒频移信号进行滤波;(2)对经过滤波后的信号进行有效数据提取,并将其再次经过粒子滤波得到目标经纬度的估计;具体算法如下:利用粒子滤波算法对单星定位问题进行建模,构建状态空间方程及观测方程,状态空间方程:由于干扰源位置固定不变,则有:<img file="FDA0000685371390000011.GIF" wi="313" he="172" />其中,<img file="FDA0000685371390000012.GIF" wi="68" he="82" />和<img file="FDA0000685371390000013.GIF" wi="66" he="77" />是均值为0,方差分别为<img file="FDA0000685371390000014.GIF" wi="70" he="80" />和<img file="FDA0000685371390000015.GIF" wi="70" he="83" />的高斯白噪声,观测方程:<img file="FDA0000685371390000021.GIF" wi="449" he="85" />其中f<sub>total,k</sub>表示k时刻地面接收端实测多普勒频移,<img file="FDA0000685371390000022.GIF" wi="202" he="85" />表示多普勒频移理论值,其可表示为与干扰源经纬度有关的函数,u<sub>k</sub>表示噪声,其中包括频率漂移及环境噪声;产生粒子<img file="FDA0000685371390000023.GIF" wi="362" he="82" />和<img file="FDA0000685371390000024.GIF" wi="399" he="82" />其中i=1,2,...,N,N表示粒子数量;更新粒子状态:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msubsup><mi>&theta;</mi><mi>k</mi><mi>i</mi></msubsup><mo>=</mo><msubsup><mi>&theta;</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>+</mo><msubsup><mi>n</mi><mi>k</mi><mi>&theta;</mi></msubsup><mo>,</mo></mrow>]]></math><img file="FDA0000685371390000025.GIF" wi="303" he="95" /></maths><img file="FDA0000685371390000026.GIF" wi="286" he="83" />计算得到重要性权重:<img file="FDA0000685371390000027.GIF" wi="717" he="223" />并归一化,对粒子进行重采样,将表示经纬度的粒子<img file="FDA0000685371390000028.GIF" wi="60" he="79" />和<img file="FDA0000685371390000029.GIF" wi="62" he="83" />带入函数h(·)得到<img file="FDA00006853713900000210.GIF" wi="242" he="111" />并对其进行加权平均,得到对多普勒频移的估计<img file="FDA00006853713900000211.GIF" wi="505" he="156" />接下来,需要对滤波器输出信号<img file="FDA00006853713900000212.GIF" wi="125" he="92" />进行数据截取,选择多普勒频移变化率最大的一段数据,对截取后的信号再次进行粒子滤波,这一次的目标是对干扰源的经纬度<img file="FDA00006853713900000213.GIF" wi="64" he="77" />和<img file="FDA00006853713900000214.GIF" wi="66" he="77" />进行估计,同样需要产生粒子<img file="FDA00006853713900000215.GIF" wi="361" he="78" />和<img file="FDA00006853713900000216.GIF" wi="401" he="82" />更新粒子状态、计算重要性权重及粒子重采样,最后得到干扰源经纬度估计为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mover><mi>&theta;</mi><mo>^</mo></mover><mi>k</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>&theta;</mi><mi>k</mi><mi>i</mi></msubsup><msubsup><mi>w</mi><mi>k</mi><mi>i</mi></msubsup></mrow>]]></math><img file="FDA00006853713900000217.GIF" wi="263" he="140" /></maths><img file="FDA00006853713900000218.GIF" wi="311" he="152" />
地址 100037 北京市西城区北礼士路80号