主权项 |
1.一种基于网格搜索最大后验准则辐射源定位方法,其特征在于:所述方法是按照以下步骤实现的:步骤一、获取初始定位:在所关注的监视区域中,基于二维平面的单载机平台对辐射源的定位,以平台第一时刻的位置作为二维平面坐标的原点,通过用初始的一些测量的AOAs进行交叉定位获得辐射源的初始状态,表示为<img file="FDA00002711211100011.GIF" wi="373" he="67" />步骤二、划分网格点:在<img file="FDA00002711211100012.GIF" wi="143" he="67" />附近划分M<sup>2</sup>个辐射源候选网格点,M<sup>2</sup>个辐射源候选网格点包括<img file="FDA00002711211100013.GIF" wi="144" he="67" />点本身;得到t<sub>k</sub>时刻M<sup>2</sup>个辐射源候选位置表示为<img file="FDA00002711211100014.GIF" wi="344" he="74" />每个采样时刻t<sub>k</sub>仅有一个测量值θ(t<sub>k</sub>),但有M<sup>2</sup>个后验AOAs表述为η(t<sub>k</sub>,l),l=1,2,...M<sup>2</sup>,M为网格上每行或列划分的候选点个数,L为网格搜索步长;<img file="FDA00002711211100015.GIF" wi="143" he="67" />为t<sub>k-1</sub>时刻辐射源估计位置,而<img file="FDA00002711211100016.GIF" wi="150" he="64" />为t<sub>k</sub>时刻辐射源的第l个候选位置;步骤三、计算后验AOAs:利用到t<sub>1</sub>到t<sub>k</sub>时刻平台的位置以及辐射源候选点位置,得到所有时刻全部候选点的后验AOAs<maths num="0001"><![CDATA[<math><mrow><mi>η</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>=</mo><mi>arctan</mi><mo>[</mo><mfrac><mrow><mover><mi>x</mi><mo>~</mo></mover><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>x</mi><mi>p</mi></msub><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow><mrow><mover><mi>y</mi><mo>~</mo></mover><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>y</mi><mi>p</mi></msub><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow></mfrac><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中l=1,2,...M<sup>2</sup>,k=1,2...N,N表示采样点数;<img file="FDA00002711211100018.GIF" wi="130" he="53" />表示第l个辐射源候选点对应的x轴位置,<img file="FDA00002711211100019.GIF" wi="135" he="53" />表示第l个辐射源候选点对应的y轴位置,x<sub>p</sub>(t<sub>k</sub>)表示t<sub>k</sub>时刻平台上传感器对应的x轴位置,y<sub>p</sub>(t<sub>k</sub>)表示t<sub>k</sub>时刻平台上传感器对应的y轴位置;步骤四、构建代价函数:针对选定的辐射源候选网格点<img file="FDA000027112111000110.GIF" wi="173" he="64" />建立代价函数用于评估网格点<img file="FDA000027112111000111.GIF" wi="151" he="64" />的后验AOAs与真实测量AOAs的相似性,表达式如下:<maths num="0002"><![CDATA[<math><mrow><mi>price</mi><mrow><mo>(</mo><mover><mi>X</mi><mo>~</mo></mover><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>k</mi></munderover><mo>|</mo><mi>θ</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>-</mo><mi>η</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中:l=1,2,...M<sup>2</sup>,k=1,2...N,N表示采样点数;从原始的N个测量AOAs里提取出特征数据,参与代价函数的计算,具体步骤如下:多项式拟合的方法如下:AX=Y (3)<maths num="0003"><![CDATA[<math><mrow><mi>A</mi><mo>=</mo><msub><mfenced open='[' close=']'><mtable><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>t</mi><mn>0</mn></msub></mtd><mtd><msubsup><mi>t</mi><mn>0</mn><mn>2</mn></msubsup></mtd><mtd><mo>·</mo><mo>·</mo><mo>·</mo></mtd><mtd><msubsup><mi>t</mi><mn>0</mn><mrow><mi>p</mi><mo>-</mo><mn>1</mn></mrow></msubsup></mtd></mtr><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>t</mi><mn>1</mn></msub></mtd><mtd><msubsup><mi>t</mi><mn>1</mn><mn>2</mn></msubsup></mtd><mtd><mo>·</mo><mo>·</mo><mo>·</mo></mtd><mtd><msubsup><mi>t</mi><mn>1</mn><mrow><mi>p</mi><mo>-</mo><mn>1</mn></mrow></msubsup></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd><mtd><mo>·</mo></mtd></mtr><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>t</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd><mtd><msubsup><mi>t</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mn>2</mn></msubsup></mtd><mtd><mo>·</mo><mo>·</mo><mo>·</mo></mtd><mtd><msubsup><mi>t</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mrow><mi>p</mi><mo>-</mo><mn>1</mn></mrow></msubsup></mtd></mtr></mtable></mfenced><mrow><mi>N</mi><mo>×</mo><mi>p</mi></mrow></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>上式中A为时间矩阵,t<sub>0</sub>到t<sub>m-1</sub>是相应的时间序列。X为多项式拟合的系数矩阵,可表示为[c<sub>0</sub> c<sub>1</sub>…c<sub>p-1</sub>]<sup>T</sup>,Y为测量值矩阵表达式为[y<sub>0</sub> y<sub>1</sub>…y<sub>m-1</sub>]<sup>T</sup>;系数矩阵X最小二乘解如下:X=inv(A<sup>T</sup>A)A<sup>T</sup>Y (5)式中inv(·)表示矩阵求逆操作运算,获得系数矩阵后,则可由(3)获得t<sub>0</sub>到t<sub>N-1</sub>期间任意时刻的特征值;步骤五、最优搜索:从这M<sup>2</sup>个候选网格点中寻找代价函数最小的候选点,作为t<sub>k</sub>时刻辐射源的最优位置,表达式如下:<maths num="0004"><![CDATA[<math><mrow><mrow><mi>arg</mi><mi>min</mi><mo>{</mo><mi>price</mi><msub><mrow><mo>(</mo><mover><mi>X</mi><mo>~</mo></mover><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>)</mo></mrow><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>.</mo><mo>.</mo><mo>.</mo><msup><mi>M</mi><mn>2</mn></msup></mrow></msub><mo>}</mo></mrow><mo>=</mo><mi>min</mi><mrow><mo>(</mo><msub><mrow><mi>arg</mi><mo>{</mo><mi>price</mi><mrow><mo>(</mo><mover><mi>X</mi><mo>~</mo></mover><mrow><mo>(</mo><msub><mi>t</mi><mi>k</mi></msub><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>)</mo></mrow></mrow><mrow><mi>l</mi><mo>=</mo><mn>1</mn><mo>.</mo><mo>.</mo><mo>.</mo><msup><mi>M</mi><mn>2</mn></msup></mrow></msub><mo>}</mo><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow></math>]]></maths>满足式(6)的候选点将作为t<sub>k</sub>时刻最优的位置赋值给<img file="FDA00002711211100023.GIF" wi="294" he="67" />表示t<sub>k</sub>时刻辐射源的估计位置。 |