外辐射源无源定位关键技术研究

发布时间：2020-07-06 22:58

【摘要】：外辐射源无源定位指利用第三方非合作辐射源作为照射源,对接收来自辐射源的直达波和经由目标反射的回波做相干处理,获得目标回波的到达时间、多普勒频率等信息,进而实现对目标的定位与跟踪的过程。其具有覆盖空域广、抗干扰能力强、隐蔽性好与可探测隐形目标等优点,在当今雷达和目标辐射源无源定位系统面临巨大挑战与威胁的条件下,其能够有效提高武器系统在电子战环境下的生存能力和作战能力,引起了各国的普遍重视和深入研究。本文依托课题需要,针对外辐射源无源定位中涉及到的时延、频率估计与定位解算技术进行了深入的研究,主要的工作和创新概括如下:1.研究了波达方向(Direction of Arrival,DOA)估计、时延估计与频率估计模型的关系。在深入分析三种估计模型的基础上,证明了在均匀线阵条件下,三种参数估计存在模型的内在一致性,说明了适用于参数估计方法的通用性;在此基础上,分别研究了基于子空间理论与基于稀疏分解理论的时延、频率估计方法,分析推导了相应参数估计的克拉美罗界作为算法性能评价的指标。2.针对传统子空间算法在低信噪比条件下性能恶化的问题,给出了一种基于SSMUSIC(Signal Subspace Scaled Multiple Signal Classification,SSMUSIC)的改进时延、频率估计算法,通过对相关数据的平滑处理以及正交子空间加权提高了MUSIC谱在低信噪比条件下的分辨能力及估计精度;给出了一种基于加权子空间拟合的时延估计算法,采用模型转化的方式,将传统空间谱估计的加权子空间拟合算法转化为适用于时延估计的方法,并结合MVP(Modified Variable Projection,MVP)快速算法实现优化问题的求解,仿真表明算法在低信噪比条件下具有良好的分辨能力与时延估计精度;给出了一种基于最大特征向量的频率估计改进算法,将接收信号的自相关函数通过平滑的方式构造协方差矩阵,然后对协方差矩阵进行特征值分解,利用最大特征值对应的特征向量作为稀疏分解的观测向量,再利用中间变量将问题转化为二阶锥规划问题,通过优化算法求解得到估计量,仿真表明改进算法具有较高的分辨能力。3.研究了基于多维标度(Multidimensional Scaling,MDS)的定位解算算法。在分析研究现有实数域MDS定位的基础上,给出了一种复数域多维标度算法统一框架,首先利用复数坐标构建复标量乘积矩阵,然后对其奇异值分解得到扩维的噪声子空间,再结合不同的加权向量进行解算得到各传统MDS算法对应的复数域形式。由于采用了复数坐标,扩展了定位解算的噪声子空间,加强了观测站与目标及各观测站之间的相互约束,有效地提高了多维标度定位算法的精度。最后通过仿真对比实数域MDS算法与复数域MDS算法的性能,验证了算法的有效性。4.研究了直接定位解算算法。对目标位置的估计可以视为对位置信息这一参数进行估计。直接定位算法即通过接收信号直接获取目标的位置信息,避免了传统两步定位算法中参数与真实目标位置失配及测量误差被放大的问题,实现了更优的定位解算。在研究现有直接定位算法的基础上,结合高斯最大似然估计模型给出了一种改进算法。首先根据转化到频域的数据构造高斯最大似然估计器,然后对包含发射源位置信息的厄尔米特矩阵进行特征值分解,将问题转化为求解最大特征值的问题,再通过地理网格匹配搜索得到目标位置的估计。改进算法能够充分地利用各观测站的信息,提高了定位的精度并逼近相应的克拉美罗界,仿真验证了改进算法的有效性,并对多目标定位的情况进行了分析。
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN95

【参考文献】