欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021103758001
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于线性阵列波达方向估计的车辆定位方法,其特征在于:包括以下步骤,S1、在已知道路宽度为b的道路上,贴近道路两侧对称放置线性阵列,即左置阵列G与右置阵列J,利用道路两边的阵列分别接收车辆信号X;

S2、阵列G、J分别接受信号X并处理,计算各阵列接收车辆信号X的协方差矩阵R;

S3、构建协方差匹配模型,并利用非凸算法求解,得到最优解相应的无噪协方差矩阵S4、得到最优解相应的 后,利用角度估计方法恢复出角度θ={θ1,…,θK},即为车辆来向;

S5、结合阵列G、J分别得到的车辆来向及阵列G、J在道路上的位置,并利用三角函数求解车辆坐标。

2.如权利要求1所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S1中,在已知道路宽度为b的道路两边对称放置线性阵列,具体为:利用M个阵元构成的线性阵列放置在道路左侧,记为阵列G,再利用M个阵元构成的线性阵列放置在道路右侧,记为阵列J。

3.如权利要求1所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S1中,阵列G与阵列J阵列接收车辆信号的工作机制相同;其中,利用阵列G的接收车辆信号为:假设有K个远场窄带信号即K个车辆信号以方位角θ={θ1,…,θK}为入射角入射均匀阵列G上;在接收到了L个快拍后,阵列G的接收信号分别表示为:X=AS+N,其中,X为阵列G的接收信号,S为入射信号波形,A为阵列G的阵列流形矩阵,A=[a(θ1),…,a(θK)]为阵列G的导向矢量, 是第K个信号在阵列G上的导向向量,T

(·) 表示转置操作,N为噪声矩阵,不同阵元上接收到的噪声之间相互独立。

4.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征H T H

在于:步骤S2中,计算各阵列接收车辆信号X的协方差矩阵R:R=[XX]=ZPZ+σI,其中,Z为H

去噪协方差矩阵的特征向量矩阵,(·) 为矩阵的共轭转置操作,S为入射信号波形,P为入H T

射信号的协方差矩阵,P=E[SS]=diag(p),p=[p1,…,pK] ,E[·]为求期望操作,σ为噪声功率,I为单位矩阵。

5.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S3中,构建协方差匹配模型,并利用非凸算法求解,得到最优解相应的无噪协方差矩阵 具体为,

S31、建立原子集合: 其中,d为原子集合中的原子,f为归一化的频率,为原子的相位,则稀疏信号x在原子集合D上的原子范数定义为:||x||A=inf{∑kck:x=∑kckak,ci>0,ak∈A},其中,ck为第k个原子的加权系数,ak为从原子集D中所选取的第k个的原子,ci为加权系数,||·||A表示原子范数,inf表示下确界;

S32、根据原子范数的定义,建立如下的原子范数最小化问题: s.t.||y‑Φx||2≤δ,其中,δ为噪声的上界,y为接收到的观测信号,Φ为一个线性映射矩阵;求解上述模型得到最优解 建立 的协方差矩阵 其中 为以向量 为首行的托布利兹矩阵;

S33、原子范数最小问题实际上是先恢复出具有半正定托布利兹矩阵结构的协方差矩阵,因此该问题转化为如下协方差匹配模型:minurank[T(u)],T(u)≥0,其中,||·||F为Frobenius范数,rank(·)为矩阵的秩,T(u)为无噪协方差矩阵,R为有限快拍下的协方差矩阵,为采样协方差矩阵,β为拟合误差;对协方差匹配模型,利用非凸算法求解,得到最优解相应的无噪协方差矩阵

6.如权利要求5所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S3中,对协方差匹配模型,利用非凸算法求解,具体为,S331、步骤S33所构建的协方差匹配模型通过如下数学转化:等价表示为如下低秩矩阵恢复问题:minurank[T(u)],T(u)≥0,其中,T(u)为无噪协方差矩阵,β为拟合误差,Q和 是该模型中的中间变量;

S332、将步骤S331所得低秩矩阵恢复问题,根据非凸算法等价表示为如下矩阵填充问题: 其中,两个矩阵集合RL、RH为如下两个矩阵集合:RL={L:rank(L)≤K}, 其中,T(u)为无噪协方差矩阵,β为拟合误差,Q和是该模型中的中间变量;矩阵L、H分别属于RL、RH,它们的更新过程如下:(l) (l+1)

苴中,L 为迭代第l次的低秩矩阵,L 为迭代第l+1(l) (l+1)

次的低秩矩阵;H 为迭代第l次的满足约束的半正定托布利兹矩阵,H 为迭代第l+1次的满足约束的半正定托布利兹矩阵;δ1和δ2是参数, 是往矩阵集合RL的映射,H

其中,Uk为左特征向量矩阵,∑k为特征值矩阵,VK为右特征向量矩阵,(·)为矩阵的共轭转置操作; 是往矩阵集合RH的映射,矩阵集合RH中的矩阵是一个满足约束 的半正定的托普利兹矩阵,因此将 分为三步:首先保证约束条件的成立即 其后将上一步的结果投影到托普利兹矩阵即PT(L1)=T(v)=H

L2,最后确保上一步的托普利兹矩阵为半正定矩阵即P+(L2)=Hdiag(ε+)H =L3,其中,PQ(·)是往矩阵Q上的投影,L1为该步投影得到的矩阵;PT(·)是往托布利兹矩阵上的投影,L2为该步投影得到的托布利兹矩阵;P+(·)是往半正定矩阵上的投影,L3为该步投影得到的半正定矩阵,ε+为特征值向量,其中将求解矩阵的特征值小于0的归0,H为相应的特征向量矩阵,β为拟合误差,T(v)为映射后的托布利兹矩阵;

S333、根据步骤S332所得等价转换的矩阵填充模型结合上述矩阵L、H的更新过程和的三步映射,求解上述优化问题得到稀疏信号x的协方差矩阵

7.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S1中的阵列G和阵列J,采用均匀线阵、稀疏阵列,其中稀疏阵列包括最小冗余阵列、互质阵列、嵌套阵列或最小孔洞阵列。

8.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S4中的角度估计方法采用以下方法:托布利兹矩阵分解定理子空间类方法或多重信号分类子空间类方法。

9.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S4中,利用角度估计方法恢复出角度θ={θ1,…,θK},具体为:S41、画出虚拟域空间谱P(u): 其中,θ为假定的信号来向,En为矩阵H

的噪声子空间,a(θ)为来自信号的导向矢量,a (θ)为来自信号的导向矢量的共轭转置矢量;

S42、通过谱峰搜索寻找空间谱P(u)的峰值,并将这些峰值按照从小到大的顺序进行排列,取前K个峰值所对应地角度值{θ1,…,θK},角度θ={θ1,…,θK}即为车辆来向。

10.如权利要求1‑3任一项所述的基于线性阵列波达方向估计的车辆定位方法,其特征在于:步骤S6中,结合阵列G、J分别得到的车辆来向及阵列G、J在道路上的位置,并利用三角函数求解车辆坐标,具体为:

以道路左侧的均匀线阵G为原点建立直角坐标系,则右侧的均匀线阵J的坐标为(b,0),设第k辆车的坐标为(xk,yk),利用三角函数知识列出方程式: 其中,tanθk_1、tanθk_2分别为车辆对左右两个阵列的波达方向;联立上两个式子,即得到车辆的坐标: