[發(fā)明專(zhuān)利]基于塊稀疏貝葉斯的多目標(biāo)直接定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111591347.4
• 申請(qǐng)日: 2021-12-23
• 公開(kāi)（公告）號(hào): CN114374927A
• 公開(kāi)（公告）日: 2022-04-19
• 發(fā)明（設(shè)計(jì)）人: 郭海召;竇修全
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)電子科技集團(tuán)公司第五十四研究所
• 主分類(lèi)號(hào): H04W4/02
• 分類(lèi)號(hào): H04W4/02;G06F17/14
• 代理公司: 河北東尚律師事務(wù)所 13124
• 代理人: 王文慶;曲佳穎

1.一種基于塊稀疏貝葉斯的多目標(biāo)直接定位方法，其特征在于，包括以下步驟：

S1、接收基站接收目標(biāo)區(qū)域輻射源發(fā)射的信號(hào)；

S2、對(duì)接收到的信號(hào)進(jìn)行快速傅里葉變換，變換到頻域上；

S3、根據(jù)劃分的目標(biāo)區(qū)域構(gòu)建過(guò)完備字典；過(guò)完備字典為目標(biāo)區(qū)域劃分好的每個(gè)網(wǎng)格點(diǎn)到接收基站的陣列信號(hào)接收模型；

S4、將來(lái)自同一陣元變換后的接收信號(hào)排列成列向量劃分為一個(gè)塊，并利用過(guò)完備字典構(gòu)建壓縮感知模型；

S5、初始化發(fā)射信號(hào)塊稀疏參數(shù)、塊內(nèi)結(jié)構(gòu)相關(guān)性參數(shù)和噪聲方差參數(shù)，利并用過(guò)完備字典和壓縮感知模型，計(jì)算每個(gè)接收基站接收的發(fā)射信號(hào)后驗(yàn)概率的均值和方差；

S6、利用BSBL方法更新發(fā)射信號(hào)塊稀疏參數(shù)、塊內(nèi)結(jié)構(gòu)相關(guān)性參數(shù)和噪聲方差參數(shù)；

S7、判斷參數(shù)更新前后發(fā)射信號(hào)后驗(yàn)概率的均值是否小于閾值或者是否達(dá)到最大參數(shù)更新迭代次數(shù)，若是，則進(jìn)入步驟S8，否則，返回步驟S5；

S8、將不同接收基站所得到的最新的后驗(yàn)概率的均值累加作為似然估計(jì)值，對(duì)應(yīng)到過(guò)完備字典中的索引得到輻射源目標(biāo)的位置。

2.根據(jù)權(quán)利要求1所述的基于塊稀疏貝葉斯的多目標(biāo)直接定位方法，其特征在于,步驟S2中快速傅里葉變換具體為：

式中，ω_k是第k個(gè)離散頻點(diǎn)的頻率，和分別對(duì)應(yīng)是接收信號(hào)r_l(t)、第n個(gè)目標(biāo)信號(hào)s_n(t)和零均值噪聲n_l(t)的第k個(gè)離散頻點(diǎn)的數(shù)據(jù)，a_l(p_n)為從第n個(gè)目標(biāo)位置到第l個(gè)接收基站的陣列響應(yīng)，β_l,n為從第n個(gè)目標(biāo)傳播到第l個(gè)接收基站信號(hào)的復(fù)標(biāo)量信道衰減因子，τ_l(p_n)為從第n個(gè)目標(biāo)位置到第l個(gè)接收基站的時(shí)延，是相位延遲，取決于輻射源和接收陣列之間的距離。

3.根據(jù)權(quán)利要求1所述的基于塊稀疏貝葉斯的多目標(biāo)直接定位方法，其特征在于,步驟S3中過(guò)完備字典具體為：

D_l＝[a_l(p₁),a_l(p₂),…a_l(p_q),…a_l(p_Q)]

式中，Φ_l為第l個(gè)接收基站的過(guò)完備字典，D_l為感興趣目標(biāo)區(qū)域中劃分的網(wǎng)格點(diǎn)所構(gòu)建的陣列響應(yīng)矩陣，a_l(p_q)為從網(wǎng)格位置p_q到第l個(gè)接收基站的陣列響應(yīng)，Q為網(wǎng)格點(diǎn)的個(gè)數(shù)，I_K為K×K大小的單位矩陣，K為接收信號(hào)的快拍數(shù)，Ω_l為接收信號(hào)TOA信息在頻域上的表示，ω_k為第k個(gè)快拍的數(shù)字角頻率，符號(hào)代表克羅內(nèi)克積，diag{·}為構(gòu)造一個(gè)相應(yīng)對(duì)角元的對(duì)角矩陣，τ_l(p_Q)為從從網(wǎng)格位置p_Q到第l個(gè)接收基站的時(shí)延。

4.根據(jù)權(quán)利要求1所述的基于塊稀疏貝葉斯的多目標(biāo)直接定位方法，其特征在于，步驟S4中壓縮感知模型的表達(dá)式為：

y_l＝Φ_lx_l+n_l,l＝1,…,L,

式中，y_l表示接收信號(hào)的列向量化，x_l表示發(fā)射信號(hào)的列向量化，n_l表示噪聲的列向量化，vec(·)表示將矩陣按列重新連接，表示將第l個(gè)基站第k個(gè)快拍的接收信號(hào)變換到頻域上表示的結(jié)果，表示將第q個(gè)網(wǎng)格的發(fā)射信號(hào)變換到頻域上表示的結(jié)果，表示將第l個(gè)接收基站第k個(gè)快拍的噪聲變換到頻域上表示的結(jié)果，Φ_l表示第l個(gè)接收基站的過(guò)完備字典，Q表示網(wǎng)格點(diǎn)的個(gè)數(shù)，K表示接收信號(hào)的快拍數(shù)，L表示接收基站的個(gè)數(shù)。

5.根據(jù)權(quán)利要求1所述的基于塊稀疏貝葉斯的多目標(biāo)直接定位方法，其特征在于，步驟S6具體包括以下步驟：

S6-1、當(dāng)信噪比高于設(shè)定值時(shí)，參數(shù)更新后的噪聲的方差估計(jì)λ^*為：

式中，L表示接收基站的個(gè)數(shù)，M表示陣元個(gè)數(shù)，K表示接收信號(hào)的快拍數(shù)，y_l表示接收信號(hào)的列向量化，Φ_l為第l個(gè)接收基站的過(guò)完備字典，||·||₂表示向量二范數(shù)；tr(·)表示矩陣的跡，μ_l,x和Σ_l,x分別為發(fā)射信號(hào)后驗(yàn)概率的均值和方差；

當(dāng)信噪比低于設(shè)定值時(shí)，參數(shù)更新后的噪聲的方差估計(jì)λ^*為：

式中，Φ_l,q為對(duì)應(yīng)網(wǎng)格點(diǎn)q的陣列響應(yīng)，為對(duì)應(yīng)網(wǎng)格點(diǎn)q的發(fā)射信號(hào)后驗(yàn)概率的方差；

S6-2、更新發(fā)射信號(hào)的相關(guān)性結(jié)構(gòu)參數(shù)估計(jì)B^*，公式為：

式中，為對(duì)應(yīng)網(wǎng)格點(diǎn)q的發(fā)射信號(hào)后驗(yàn)概率的均值，Q為網(wǎng)格點(diǎn)的個(gè)數(shù)，γ_q是一個(gè)未知的非負(fù)參數(shù)用于控制第q個(gè)網(wǎng)格點(diǎn)發(fā)射信號(hào)的塊稀疏性；

S6-3、更新第q個(gè)網(wǎng)格點(diǎn)發(fā)射信號(hào)的塊稀疏性估計(jì)公式為：

式中，|·|代表取模值操作，上標(biāo)(·)^old代表上一次參數(shù)更新的參數(shù)，B_q表示獲取發(fā)射信號(hào)相關(guān)性結(jié)構(gòu)的正定矩陣，并設(shè)定一定的門(mén)限，每次更新后都與門(mén)限作比較，若小于門(mén)限則置為0，當(dāng)其值為0時(shí)，它所對(duì)應(yīng)的第q個(gè)網(wǎng)格將會(huì)變?yōu)?，該網(wǎng)格點(diǎn)不存在發(fā)射目標(biāo)。