联合波形重构的数字调制信号直接定位方法

直接定位(Direct Position Determination, DPD)算法相比于传统两步定位法,在低信噪比和复杂环境下具备更高定位精度和更强鲁棒性。研究表明加入信号波形信息能够有效提升DPD算法定位精度,但在实际无源定位场景中信号波形往往难以先验已知,未知信号波形的DPD算法精度受限。针对这一问题,本文围绕无源定位系统中普遍存在的调制方式已知,但符号信息未知的数字调制信号,提出一种联合波形重构的数字调制信号直接定位(Direct Position Determination for digital Modulation signals, MDPD)方法。该方法依据最大似然准则,基于调制信号成型、接收阵列与辐射源位置几何关系,构建阵列接收信号关于信源符号和位置参数联合估计的代价函数,利用交替迭代降低信号高维搜索给参数联合估计带来的计算复杂度。仿真实验结果验证了联合波形重构的MDPD算法可行性,同时通过与已有两类定位算法的对比实验,得到本文MDPD可以达到更高定位精度,并在信噪比增加时收敛到渐进最优定位精度。      

基于周期宽带参考信号的直接定位方法

定位系统的模型误差是制约定位精度提高的最主要因素之一。目前大多数定位系统都采用参数标定或者参数差分的方法降低模型误差对定位精度的影响。本文针对辐射源的多星定位应用,采用低信噪比的周期宽带信号作为参考信号,对定位系统的模型误差进行校准。校准过程建立了模型误差参数直接估计模型和辐射源位置直接估计模型。模型误差直接估计模型中,建立起接收参考信号波形与模型误差参数之间的关系,运用最大似然方法获得超分辨率的模型误差参数估计。辐射源位置直接估计模型中,建立起模型误差参数、未知辐射源位置与接收未知信号波形之间的关系,直接估计出辐射源的位置。针对参考信号带宽大,周期长,信噪比低,导致模型误差参数估计计算复杂度大的问题,利用参考信号的周期特性对参考信号进行能量累积和分步搜索方法逐级引导,提高了系统参数估计速度和精度。最后给出一个仿真算例说明方法的有效性。      

辐射源信号波形已知的超视距目标直接定位方法

现有直接定位（Direct Position Determination,DPD）算法主要研究对象是视距目标.针对传统无线电定位技术对超视距目标定位精度低的问题,提出一种辐射源信号波形已知的超视距直接定位（Over-the-Horizon Direct Position Determination,ODPD）方法.该方法基于电离层电子密度参数,依据最大似然（Maximum Likelihood,ML）准则,从信号数据域直接推导出仅关于目标位置的代价函数.其次,本文推导了关于电离层虚高测量误差的定位误差协方差矩阵.实验表明ODPD方法在低信噪比下相比现有算法,能显著提高超视距目标的定位精度,定位性能更接近克拉美罗界（Cramér-Rao Low Bound,CRLB）.误差分析显示,电离层虚高误差标准差在20km时,引起的定位误差能控制在10km的范围内.     

基于领域自适应的动态噪声辐射源个体识别

现有基于深度神经网络的辐射源识别算法受训练场景限制,当待测信号与训练数据集的信道环境噪声不一致时,网络的识别性能严重退化。为了克服该问题,本文提出一种基于迁移学习的辐射源个体识别算法。该算法结合领域自适应的思想,建立优化模型将不同信噪比下信号的特征对齐,使在特定信噪比下训练的神经网络学习到与信道噪声无关的射频指纹特征,实现对其他信噪比下信号的高准确率识别。仿真实验结果表明,提出的算法显著提升了基于深度神经网络的辐射源个体识别算法在动态噪声条件下的准确率,在待识别信号信噪比下降4 dB的情况下,准确率提升了45.18%。