[發明專利]發射功率未知條件下基于數據凈化的相對指紋定位方法

在審

• 申請號: 201810112791.5
• 申請日: 2018-02-05
• 公開（公告）號: CN108646212A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 王金龍;丁國如;宋緋;闞常聚;張玉立;薛震;張林元;宋軒
• 申請（專利權）人: 中國人民解放軍陸軍工程大學
• 主分類號: G01S5/02
• 分類號: G01S5/02;G01S5/06;G06F17/50;H04W64/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 王瑋

1.一種發射功率未知條件下基于數據凈化的相對指紋定位方法，其特征在于：在測量區域內，設有M個感知節點和一個輻射源，其中，感知節點的位置已知，具體實施步驟為：

第一步，將測量區域網格化為N個格子，用一個任意發射功率的訓練節點依次停留在每個網格內，各感知節點接收該訓練節點的信號并記錄其接收功率值，進而生成與該網格對應的指紋，全部指紋生成后形成指紋庫；

第二步，各感知節點掃描包括輻射源占用信道在內的H個信道，并生成相應數據矩陣；

第三步，對該矩陣進行數據凈化處理，得到新的數據矩陣，并檢測出凈化后的輻射源指紋；

第四步，將新的輻射源指紋與指紋庫進行相關計算，得到修正因子，并得到新的指紋庫；

第五步，通過稀疏貝葉斯學習，從新指紋庫里找到與新輻射源指紋匹配的最優網格點，從而估計出輻射源的位置。

2.根據權利要求1所述的相對指紋定位方法，其特征在于：所述第一步中，在每一個網格點，利用訓練節點生成該網格點對應的指紋向量，

其中，為在p網格點處第i個感知節點接收到的訓練節點信號功率，即為p網格點處的訓練指紋向量；

對所有N個網格點測量完數據后，得到訓練指紋庫D；

3.根據權利要求1所述的相對指紋定位方法，其特征在于：所述第二步中，各感知節點通過監測H個信道后，得到數據矩陣Y；

其中，為第j個感知節點監測第i個信道所得的功率值；

將接收功率寫作如下形式

其中，為原始的接收功率值，n_i,j為噪聲功率，a_i,j為異常值；

據此，數據矩陣Y進一步寫為

Y＝X+W+A

其中，X為原始數據分量，W為噪聲分量，A為異常值分量。

4.根據權利要求1所述的相對指紋定位方法，其特征在于：所述第三步中，基于第二步的數據矩陣Y，針對輻射源的低秩性和異常值的稀疏性構造優化函數，通過多乘子交替方向法和擴展拉格朗日函數的應用，最終優化目標寫為

L(X,A,μ)＝||X||_*+λ||A||₁+μ||Y-X-A||²

其中，||X||_*為核范數，||A||₁為l₁-norm準則，λ為控制參數，μ為調諧參數；

通過如下三步反復迭代，最終得到凈化的數據矩陣和異常值矩陣

其中，svd為奇異值分解，Ψ_t(·)＝sgn(·)max(|·|-t,0)，i為迭代次數；

在得到凈化的數據矩陣后，輻射源的指紋向量寫作

其中，P_i^r,S為凈化后的第i個感知節點接收到的輻射源信號的功率，為凈化后的新的輻射源指紋向量。

5.根據權利要求1所述的相對指紋定位方法，其特征在于：所述第四步中，對接收到的輻射源指紋向量求均值

同時，對指紋數據庫中每個網格點的指紋向量求均值

那么p點的修正因子C_p即可求出

對p點每個感知節點接收數據的修正均一樣，p點的修正向量即為

通過對所有網格點的指紋向量進行對應修正處理最終的修正指紋庫為

6.根據權利要求1所述的相對指紋定位方法，其特征在于：所述第五步中，定義超參向量b_i為第i個網格點的預設控制參數；

將稀疏貝葉斯學習轉化為關于超參向量的邊界函數的局部最優化問題，得到如下公式

其中，C＝σ²I+D_newV^-1D_new^T，σ²為噪聲方差，I為單位矩陣，V＝diag(b₁,b₂,b₃,…,b_N)；

通過迭代運算，求出最優超參向量其中某個控制參數b_i的值相對其他值會變小；每個b_i對應一個網格點，變小的控制參數b_i所對應的網格點即為所求的最優網格點位置，最優網格點位置即為所估計的輻射源位置(x_op,y_op)。