测向系统（精选9篇）
测向系统 篇1
近年来, 我国无线电产业发展迅速, 改变了人们的日常生活方式, 给人们带来很大的便利。但是, 大量的无线电产品造成电磁环境越来越复杂, 各种无线电之间经常相互干扰, 直接影响了有用信号的接收质量, 甚至阻碍或者损害了信号的正常接收, 导致通信质量不断下降。利用无线电测向系统可以快速测定电磁波辐射方向, 有效提高无线电信号干扰源的查找准确性和效率。
1 无线电测向系统概述
无线电测向系统主要是根据电磁波传播特性, 利用专业的无线电测向工具检测电磁波辐射方向。由于空气中无线电波的传播路线为直线, 因此, 发射台方向和电磁波传播方向具有一致性。在固定测向地点以后, 即可确定所测电台方向与侧向地点北方向之间的顺时针夹角。如果只根据方向度值, 可判断电台位置与某条直线重合, 但是不能准确判断具体位置。如果设定多个测向点, 结合多个示向度在地图上准确标绘, 多个示向度的交点就是无线电台位置。根据不同的信号处理和无线电波信号获取方式, 可将测向系统分为两种, 即矢量测向系统和标量测向系统。矢量测向系统主要用于获取来波信号的矢量数据, 标量测向系统主要用于获取来波信号的标量数据。在实际应用中, 矢量测向系统能够准确获取电磁波的相位和幅度信息, 而标量测向系统只能获取电磁波中某一种相位信号或者幅度信号。当前, 标量测向系统的应用比较广泛, 常见的标量测量系统采用幅度比较式, 垂直极化波方向组成一个“8”字形, 其方向图和测向天线都是对称式的。
无线电测向系统主要由测向天线、接收机、输入匹配单元、处理显示模块等部分组成。其中, 测向天线不仅可以接收和感应电磁波能量, 还可以作为电磁场能量的转换器、传感器和探测器;接收机可以快速接收经过转换的电磁波到达时间、相位、幅度等交流电信号, 实现信号解调、无失真放大、下变频、选频等功能;输入匹配单元主要用于接收机和天线之间的信号转换和匹配传输;处理显示模块主要用于显示、处理、计算、比较和检测电磁波的方位信息。无线电测向过程中的测向机读数就是示向度, 利用附属设备、通信系统、测向设备等组成测向站, 准确测定无线电波方向。在实际应用中, 经常需要在多个位置设置测向台, 各个测向台示向度之间的交汇点就是辐射源位置。另外, 测向过程中还可以利用单台定位功能测量无线电磁波的仰角, 根据电离层高度和仰角角度计算距离, 并根据距离和示向度判断无线电磁波台位。
2 无线电测向系统的相关技术
2.1 调频通信号幅度
根据射频信号频率可以检测低频解调信号。这种调频方式可以获得良好的保真度和较高的信噪比。在使用无线电测向系统时, 信号距离越短, 定向天线的信号接收能力越强, 信号幅度的变化越明显。无线电测向系统中最常使用的天线包括HB9CV天线、八木定向天线等。八木定向天线的适应性较强, 其内部振子较多, 在恶劣的环境条件中, 也可以保持敏感的方向性。但是, 在使用这种天线时, 需调试半波长振子, 根据“一个相位两个振子”供电, 将叠加的电磁场抵消。其中, 最常见的一种做法就是将半可调电容串联在天线馈电点和馈电线之间。
2.2 软件技术
无线电测向系统应用的目的在于实现电磁波的宽频率无障碍通信, 通过软件无线电系统将无线电系统覆盖在各个频段共同构成宽带天线, 从而实现无线电测向。但是, 当前我国无线电技术水平相对较低, 还无法达到这种理想状态。而随着科技的快速发展, RF微型系统代替了传统的大体积、高成本的二极管, 基于软件无线电系统, 天线设计有了明显改进, 高速D/A和A/D转换系统代表着无线电台的软件化程度。为了满足无线电测向系统的技术要求, 要合理调整电容, 获得最佳前后比。在使用多普勒测向系统时, 为了保持信号接收的最佳灵敏度, 应合理设置衰减器, 结合接收机音频信号, 分析无线电信号变化, 深度调试天线附加调频和电波入射方向。
2.3 幅度比较式测向技术
幅度比较式测向主要是根据测向天线或测向天线阵的方向特性, 不同方向的电磁波接收信号幅度存在较大差异, 以此来测定电磁波辐射方向。这种测向技术应用比较广泛, 不同测向机可以绘制不同的方向图, 例如, “H”形、“U”形和交叉环天线测向机等可以获得旋转的天线测向图;旋转对数、间隔双环和环形天线测向机等可获得直接旋转方向图, 最后通过电气旋转角度或者手动方式实现无线电测向。
2.4 干涉仪测向技术
干涉仪测向技术主要是根据电磁波传播过程中, 测向天线阵所接收的不同方向的电磁波相位不同, 利用不同方向电磁波之间的相位差来测定来波的相位差和相位, 从而确定来波方向。这种干涉仪测向技术通过测量无线电感应电压相位, 然后计算相位差。当利用单值分析电磁波辐射源方向时, 在干涉仪测向仪器周围设置3个分立测向天线, 实现360°的全方位测向。如果天线之间的距离较短, 会影响相位差分辨能力。为了避免造成相位模糊, 应根据电磁波波长合理确定天线间距, 还可以沿着干涉仪测向设备主基线设置若干个附加阵元, 根据这些阵元的相位数据, 确保主基线相位测量的准确性。干涉仪测向技术在360°方向和天线阵列频率范围以内, 按照一定规律科学设点, 合理控制方位间隔和频率间隔, 测向过程中对样本群和测向数据进行插值处理, 从而判断电磁波信号方向。
3 结束语
近年来, 无线电测向系统技术快速发展, 传统的无线电监测测向系统已经无法满足大量密集、新型的无线电测向要求, 通过应用数字处理技术和集成化技术, 无线电测向系统逐渐向小型化、智能化、自动化方向发展。在未来的发展过程中, 应加大对无线电测向系统的分析和研究, 充分发挥无线电测向系统的技术优势。
摘要：无线电测向系统作为一种重要的测向系统, 在多个领域得到了非常广泛的应用。利用该系统可以快速查找到电波辐射源的方向。为了充分发挥无线电测向系统的应用优势, 应熟练掌握该系统的基本原理, 加大对其的分析和研究, 进一步推动该系统的快速发展。主要分析了无线电测向系统的基本原理, 重点研究了其相关技术, 以供参考。
关键词：无线电测向系统,软件技术,感应电磁波,干涉仪
参考文献
[1]田霖.微型无线电测向系统设计[D].廊坊:河北工业大学, 2014.
[2]张鑫.无线电监测与测向管理系统的设计与实现[D].成都:电子科技大学, 2013.
测向系统 篇2
为了丰富我院学生课余文化生活，机电控制协会与十一月七日承办了机电学院第二届无线电测向大赛，比赛在学院领导的关心下和机电学院学生会的帮助下顺利的举行了．
这已经是机电控制协会第二次承办机电学院无线电测向大赛，有了第一次举行比赛的经验与教训，这次做起来相对容易许多。这次大赛的准备工作从十月份就已经开始，十月份初，几位会长与技术部一起做出了活动策划和竞赛手册。之后办公室把竞赛手册和报名表发到各班并负责报名，报名于10月17日结束，共09级16个班96人报名，每班6人。10月19日至11月1日，技术部用两周的时间，以专业为单位，对参赛队员进行了培训，共举行了七场培训。11月4日对场地组裁判进行了培训，协会会长副会长均到场，此次比赛的24名场地组裁判分别来自08机械3班和08电气3班。同时，外联部为活动拉来了赞助，宣传部将比赛在校内宣传，引起了大家的关注．活动部也拉起了横幅，吸引了过往的目光．使比赛成为了大家的关注，并对比赛充满了期待。
十一月七日，所有工作人员在六点半之前全部到达，为比赛做着准备工作。科技节开幕式之后，第二届无线电测向大赛于九点半准时开始。首先十六个参赛队队长抽取了各自队伍的出发顺序，上午比赛按抽签号由小到大出发，下午相反。之后比赛开始，第一组比赛的八个参赛组在工作人员的带领下进入预备区，九点半第一小组出发，之后七小组按顺序每隔两分钟依次出发。比赛分为四场，上下午各两场，每场八组参加，每班分为两组。四场比赛，在工作人员的辛勤工作下和各参赛队的积极配合下，得以顺利进行，下午四点半比赛按时圆满结束。
此次无线电比赛充分借鉴了首届无线电大赛的经验。但也对首届大赛暴露出的问题采取了相应措施，以免发生同样的错误。首届大赛，有少部分场地组裁判的工作做得不是很好，所以此次大赛之前，技术部和几位会长一起对场地组裁判进行了培训，比赛当天，场地组裁判做得很好，发挥到了应有的作用。在首届大赛中，比赛人员和信号台安放人员是在一起的，这样信号源的秘密性就没能得到保证，<课件 >少数参赛和非参赛人员跟踪信号源安放人员，破坏了比赛的公平性。在此次比赛中，我们采取了比赛人员和裁判不见面的方式。第一，参赛人员是大一的，裁判从大二选取，减少作弊的可能。第二，比赛当天，参赛人员从日月广场出发比赛，场地组裁判和信号台安放人员从机电楼一楼出发安放信号源，保证了信号源安放的秘密性。
此次大赛虽然在第一届的基础上有了改进，解决了一些第一届大赛暴露出的问题，但此次大赛依然有一些不足之处。在培训和比赛的过程中一共损坏了两台测向机，所以在仪器的管理和使用方面还需要改进。在比赛当天，现场秩序不是很井然，预备区经常有非比赛人员进入，在现场的管理和协调方面还需要优化，特别是预备区，非比赛人员不得进入，比赛人员不得随意进出。
在这次比赛中所有工作人员团结合作，增进了协会成员之间的彼此了解为以后活动的合作奠定了良好的基础．协会还加强了管理工作，各项事务分工负责．协会成员团结负责，认真的做好每一项工作．这次比赛我们坚持以育人为原则，注重活动和竞赛的过程．组织工作充分，教育运动员不片面的为了追求名次而比赛，而是重在参与团结合作．
测向系统 篇3
无线电测向是无线电管理的一种技术手段, 在整个无线电监测中有着重要的地位。由于短波信号的稳定性差而且短波信道十分拥挤, 导致短波测向难度大, 示向游动, 测向模糊。通过测向员人工测量获取的测试数据非常有限, 而且由于测量数据变化非常快, 在短时间内通过人眼观察来来获取准确的数据难度很大。
2 测向数据分析和算法
厦门台自行开发的测向软件实现了测向数据和监测数据的自动采集。现在操作员只需要输入一个频率就可以得到所有来波方向的方位角、场强等信息, 与数据库的比较可以帮助操作员了解这个角度所存在的电台, 结合对频率的了解, 可以找到一个可能的发射地点。计算出的数据还包括效果评分和置信度, 对于发射地点变更也有判断。
2.1 示向度数据算法分析
由于短波信号的不稳定性, 获取的信号是非常离散的, 自动获取发射地点的准确位置难度很大, 我们通过算法对测试数据进行了深入研究和分析。
(1) 数据的筛选
我们首先对测量的数据进行筛选, 筛选前对测量数据按照360个等分来进行统计, 代表方向360°, 统计示向度在每个等分出现的次数, 小数点后的数据不予考虑, 去掉过于离散的测试数据。由于发射机的位置是不变的, 但在传输过程中由于电离层的不稳定, 及测向机本身的误差, 导致示向度数据变化较大, 但总体来讲, 总是会在实际的发射方向上有一定的集中度。自动框选出所需要的数据, 是获取准确的示向结果的关键。考虑到示向度数据的连续性, 由于测试数据比较分散, 要自动框选难度较大, 通过采用量能连续累计的方法来框选数据, 选择以5°作为量能的累加依据 (经过多次实际测量验证) , 即两个统计格栅只要不超过5°就累加, 超过的就重新开始累加。
框选数据与测量数据的个数和测量数据的离散度有关系, 测量数据越多, 框选时难度越大, 可能导致各测量数据间距过小, 离散数据没有明显的分界线, 导致区间和量能的统计出现难度, 这种情况下一般可能将5°作为量能的累加依据更改为3°。过少的测量数据, 有时信号离散较大时, 量能累加各段数据时, 有时难以找到能量突增的统计区间, 通过实际测量与对比, 每组统计测量数据以50-100为宜。
(2) 示向度的中值算法
示向度的中值算法借鉴于短波场强时间-概率的统计方法, 引入了新的统计理念, 在示向度统计中是这样定义的:
(1) 示向度中值Φ50
在一组示向度测试数据中, 有50%的次数达到或者超过的值为这组数据的示向度中值Φ50。
(2) 示向度离散度ΔΦ
在一组示向度测试数据中, 有10%的次数达到或者超过的值为这组数据的示向度上十分值Φ10。在一组示向度测试数据中, 有90%的次数达到或者超过的值为这组数据的示向度下十分值Φ90。每组数据离散度定义如下:
(3) 示向度变化率δ
在一组示向度测试数据中, 单个示向度上下通过示向度中值Φ50的次数, 注意统计该参数时, 示向度的数据应按采集到的数据顺序排列, 不能按大小进行排列。
有了对示向度的三种参数的定义, 实际在计算时又可以采取两种计算方法, 一种为数据筛选前的算法, 另一种为数据筛选后的算法。
(3) 框选数据的占比度分析
在框选数据后, 还可以采用取90%的能量方法, 去掉左右两边的占比量比较小的数据, 数据计算的准确度还会提高。实际框选数据的计算方法还依赖于累加统计值相对于全部统计值的百分比, 这个比值定义为框选数据的占比度, 实际上就是有效数据比。这个比值可以成为评估示向度数据准确与否的一个重要依据。这个数据越大, 一般而言数据集中度就高, 再配合示向度离散度ΔΦ的大小一起判断, 示向度离散度ΔΦ越小, 数据集中度越高, 测试数据的可信度也就越高。要注意的是在数据累加中, 如果还有另外一个示向度区间存在占比度比较高的数据集中区时, 如超过10%以上, 可能在改信道上还有一个信号存在, 可与语音识别引擎配合分析。
2.2 示向度数据的置信度分析
从上述分析来看, 在统计后, 只给出一个最后的结果不利于分析数据, 存在不足, 有的结果虽然也接近理论值, 但其可靠程度还需要其它参数进行验证, 因此引入置信度的概念。
对于利用收测值对示向度进行估测可以考虑采用统计理论中的区间估计。真实的示向度是总体参数, 而利用多个收测值作为样本均值可以估计总体均值, 也就是实际值。具体到测向数据, 也就是说在一定的概率条件下, 根据收测数据的统计值求出实际示向度所在的区间。这个区间范围除了与规定好的概率条件有关以外, 还和样本数据的数量、均值以及标准差有关。
区间估计的特点是它不是指出被估计参数的确定数值, 而是指出被估计参数的可能范围, 同时对参数落在这一范围内给定相应的概率保证程度。参数的可能范围是估计的准确性问题, 而相应的概率保证程度 (置信度) 是估计的可靠性问题。在作估计时常常希望准确性尽可能提高, 而且可靠性也不能小, 但是这两个要求是矛盾的。在样本容量不变的条件下, 要缩小估计区间, 提高估计准确性, 势必减少置信度, 降低估计的可靠性。如果希望在保证一定准确性的同时达到高可靠性, 则只能提高样本容量, 也就是收测数据的数量。
在总体方差未知的情况下, 对总体均值区间估计的公式如下:
对应测量数据而言, 在同一数据区间 (区间上限与下限的差值) 的条件下, 置信度越高表明数据的可信度越大。
2.3 复杂信道下弱信号的测试方法优化
在对一个信号较弱的电台进行长时间测向时, 或存在同频干扰等其他干扰信号时的测向时, 自动测向系统的优势尤为明显, 主要有:
(1) 在测试前要对信号质量进行评估, 采用语音评估的方法。
(2) 可以采用频谱分析法。采集中频信号的频谱, 计算载波的能量谱和两个边带的能量谱, 分析其变化, 判断信号的调制质量, 当信号质量较好时, 两个边带的能量谱对称性好, 能量谱变化范围大。
(3) 频率偏差判定法。读取信号的频率偏差, 要准确起见, 接收机应接入频标信号, 去除接收机本身的频率偏差, 在测试周期内, 观察和统计频率偏差曲线, 数据偏移范围收敛的越好, 表示信号的接收效果越好。
(4) 调幅度参数优选法。读取信号的调幅度, 可在测量周期内, 统计10%的时间概率值和90%的时间概率统计值, 这两个值之差越大越好, 90%的时间概率统计值越小越好, 越小代表频道清净。
(5) 场强强度和稳定度分析法。读取信号的场强值, 可以读取测向系统返回的场强值, 也可以读取监测接收机返回的电平值, 通过计算每个测试周期的场强时间概率值, 分析数据的大小和变化的范围。场强值越大, 稳定性越好越好, 表示信号的质量越好。这个参数最好还要和其他参数一并分析更好。
通过以上方法的综合判定, 可以优选出一段或几段数据, 来进行分析计算, 而人靠主观判断难以捕获最佳测向时间窗口, 难以框选出合适的测试数据。
3 监测指标数据的分析和算法
监测指标数据包括场强、调幅度、频偏、占用带宽、信噪比等, 这些数据也是同时获取。通过对比一个接收效果好的电台和一个效果较差的电台, 几个重要的指标数据分析如下:
(1) 场强分析
随时间变化的场强常用”50%时间-概率场强”来表示, 有时并同时用”10%时间-概率场强与90%时间-概率场强”来表示。”50%时间-概率场强”称为中值 (或中位值) 场强。”10%与90%时间-概率场强”分别称为准最大值 (上十分值) 与准最小值 (下十分值) 场强, 两个值的差值称为衰落深度。两个信号场强对比数据显示强信号场强要明显高于弱信号, 强信号衰落深度要小于弱信号, 稳定性也要好于弱信号, 但这只能作为判断电台效果好坏的条件之一。当信道上有强烈干扰时, 也能达到场强高, 衰落深度小的状态。
(2) 调幅度分析
调幅度的分析与场强的分析方法有些差异也有相同之处, 同样也可以用10%准最大值 (上十分值) 与90%准最小值 (下十分值) 来分析, 差值为准最大值与最小值的差。
调幅度的分析方法是, 分析调幅度先看最小值和准最小值, 最小值越小, 说明信道越清净, 干扰信号也越小。通过大量的实际测量表明, 当信道上有干扰存在时, 由于其干扰信号一直存在不会消失, 就会导致信号的最低调幅度偏大, 最低调幅度越大, 则干扰越大, 效果越差。有的电台调幅度开不足, 会导致准最大值变小, 也会导致接收效果的下降。一个信号好, 声音饱满的电台, 其最小值越小越好, 准最大值与最小值的差越大越好, 调幅度的最大值不宜超过100%, 否则会产生过调失真, 一般准最大值达到或接近100%时, 应为噪声信号。中值统计数据可以作为分析调幅度的中轴线, 用于统计调幅度曲线上穿或下穿该线的次数, 穿越次数越多越好, 而且穿越的密度越均匀越好, 这些均可作为分析和判断信号效果好坏的重要依据。
当节目为音乐节目时, 由于音乐节目的信号是连续的, 不像是语音节目会有停顿, 会导致最低调幅度偏大, 尤其是播打击乐节目时尤为明显, 解决的方法是通过语音识别引擎, 先分析是否是音乐节目。
(3) 中频带宽分析
带宽的分析方法与调幅度类似, 一个好的信号既要有很多6kHz以上的带宽, 又要有很多2kHz以下的带宽, 说明边带信号变化丰富, 那节目效果就会更好。同样可以统计带宽的准最大值和准最小值, 计算差值, 越大越好。
(4) 频率偏差分析
频率偏差的分析是考察一个信号效果与稳定与否的一个重要参数, 在测量信号的频率偏差时, 对被测信号要求很高, 信号有干扰或稳定性差时, 频率偏差测试结果偏离实际值会越大。分析可以采用频点散落区间统计法来评估信号的好坏, 即散落频率区间越小的数量占比越大, 表示效果越好, 如可采用频率偏差绝对值为10Hz、20Hz、……、100Hz的统计次数占总次数的百分比进行评估, 超过100Hz的频率偏差按100Hz来统计, 数据依次累加, 获得统计结果, 对比强弱两个电台的频率偏差统计结果可以看出, 强信号在10Hz内占有绝大多数, 而弱信号则占比很小, 信号越弱占比就会越小。考虑到设备的误差和发射机的实际频率误差, 一般都不会超过10Hz, 实际分析时, 占比能超过50%时, 可以获得比较理想的测试效果。
(5) 信噪比分析
信噪比是一种广为应用的简单客观评价方法, 高信噪比是高质量语音的必要条件, 但不是高质量语音的充分条件。强信号信噪比数据大且离散度小, 这个数据是判断信号效果好坏的重要条件之一, 而且可以采用中位值数据比较法来判断, 实际运用中, 信噪比能到10dB以上, 测试数据的可信度就会比较高。但该参数来自测向设备, 无法与示向度数据同时获取, 如数据采集有先后, 判断可信度就会大打折扣, 但也可以作为参考依据之一来考虑。
4 参数评估与判断流程
测向和监测各项数据均能作为数据评估的依据之一, 但这些数据在评估的过程中所起到的作用是不一样的, 有些指标可以作为测试数据有效与否的判断先决条件, 判断流程的验证和优化是系统成功与否的关键因数, 参数评估、判断流程如图2所示。
(1) 测试对象和效果的识别
数十年来, 电台是否是被测的电台只能靠人工来判断, 广播电台的综合效果只能靠人来评判。应用与中科院联合开发的语音识别和评估引擎, 经过几年的运行和不断优化, 其评估的准确性可达到90%左右。在验证了测试对象后, 就可以进行自动语音效果的评估, 采用机器来自动判别语音质量。声音质量评价采用5分制进行综合评分。通过对音频信号分类, 还可将语音信号区分为静音、噪声、音乐、话语等种类, 获得声音质量评价结果后应考虑以下几种情况, 并采用不同的策略:
(1) 若能到3分以上的效果, 后期对测试结果的分析判定就有了很高的可靠保证;
(2) 若效果介于2-3分左右, 就应适当增加测试的周期, 获取最佳的时间窗口, 来获取满意的结果;
(3) 若效果介于1-2分左右, 就应增加测试的周期, 总测量的周期一般不能低于30分钟, 通过判断数据的离散度和置信度, 来分析数据的可靠性, 要对多组测试结果进行分析, 一般可获得比较满意的结果;
(4) 语音识别引擎可以判断信道上是否还有其他电台存在, 若判断该信道上有两个电台或更多, 在通过几组数据的测试后, 框选数据就要考虑几个数据的累加段的结果, 若两个电台的发射位置与测试点的方向小于5°时, 分析结果可能出现误判。
(5) 若效果介于1分以下, 还可以再延长测试周期, 但测向数据的可信度就大大地降低了。
可见, 语音识别和评估引擎的引入, 为后期分析提供了采用策略的依据。
(2) 监测数据的辅助分析、评估
监测数据的分析重点是调幅度和频偏数据, 通过建立不同效果的调幅度和频偏数据模板, 对比其变化的范围和小频偏数据的统计, 再加上场强大小和时间概率的的分析, 基本可获得满意的辅助分析结果。
(3) 干扰条件下, 获取数据的再分析
在干扰条件下, 要获得满意的测试结果可以采用以下两种方法:
(1) 最优时间窗口法
在多个测量周期内, 测量周期一般定义为30秒到1分钟, 通过各项参数的筛选, 分析出最佳的一组测试数据作为最终的测试结果。
(2) 分组数据再统计分析法
在多个测量周期内, 测量周期一般定义为30秒到1分钟, 通过各项参数的筛选, 如果无法得到比较满意的分析周期数据, 可以通过上述的测向数据分析方法, 对每组统计分析后的数据再归为一组进行框选、累加、中值统计和可信度的分析。如每组获得100个数据, 共获得30组的数据, 先从100个数据中求出一个示向度值, 这样得到30个示向度数据, 用同样的方法对这获得30个示向度结果进行分析, 再获得一个最终的结果, 其准确度得到很大的提升, 这是人工监测无法想象的。
对于自动获取的示向度数据, 一方面可以排除对人的依赖, 另一方面, 通过对信号质量的分析评估, 可以最大限度的减少电离层对测向数据的影响。也就是说, 系统可以选择在电离层传输情况最好, 信号质量最好的条件下, 完成测向任务, 以获得最好的测向数据。
5 结论
测向系统 篇4
设在东北师大附中净月校区内，由于比赛项目众多、比赛时间较长，为
了方便各队运动员的比赛和休息，亦为了“反恐”安全起见，长春市组
委会联合东北师大附中决定对东北师大附中净月校内宿舍对外进行全面
优惠开放。长春市组委会建议各地的无线电朋友入住校区内。东北师大附中净月校区占地面积约500亩，可承接住宿约8000人的活动。学校采用全封闭的管理模式，严格全方位的保卫措施及优雅适宜的环境保障了学生及运动员的人身安全及食品卫生，学校秉承吃好，住
好，比赛环境好的原则，全面做好对所入住运动员的服务工作，为运动
员的比赛提供强有力的后勤保障。
每人收费标准如下：
第一阶段阳光测向，7月24——7月27号：
食宿720元+报名费100元= 820元；
第二阶段短距离比赛，7月28日----8月2号：
食宿1080元+报名费200元+交通费100元= 1380元；
第三阶段标准距离比赛，8月4日----8月8号： 食宿900元+报名费200元+交通费100元= 1200元。
长春市组委会及东北师大附中净月校区欢迎全国各地朋友的参观及
基于干涉仪测向系统的智能化实现 篇5
无线电测向就是依据电磁波传播特性, 使用无线电测向设备测定电波来波方向的过程。由于短波传播信道的随机性和复杂性, 而且短波信道十分拥挤, 导致短波测向难度大, 示向游动, 测向模糊。传统的无线电测向操作方式是通过手动操作观察, 人工分析, 主观成份对监测结果影响很大, 测向时间短, 获取数据有限, 在示向度摆动大时, 只能靠经验来获得结果, 获取准确结果难度大:
1. 测量时间短, 测试结果无法累计分析, 测向员对每个单一对象测量的时间短, 只能框取某一个小的示向区, 而且示向度数据一直在变化, 特别是当信号较弱或有干扰时, 示向度数据变化很快, 人工难以捕获准确的测试结果。
2. 测试数据单一, 事后对测试结果无法进行深入的分析和研究, 难以发现工作中存在的问题, 无法追述测试结果。
3.监测与测向不能同时进行, 实时录音操作复杂, 声音间断, 效果不好。
4.语音和效果的评估完全依赖人工鉴别。
5.对于一些信号比较弱的电台, 或突发时间比较短的电台在进行方位测量时, 人工难以捕获最佳的测向时间窗口, 难以获得满意的测向结果。
6.系统校准完全依靠人工完成, 工作强度很大, 难以实时确保测向数据的准确性, 无法及时发现测向系统存在的问题。
测向设备经过多年的升级换代, 硬件和软件技术水平均有大幅的提高, 一些测向设备提供了丰富的数据接口, 对深入开发提供了很好的基础。为解决长期以来测向工作效率不高, 测向结果分析不够深入, 测向数据单一, 数据无法进行事后分析等问题提供了条件。
1系统的设计思路
结合以往监测系统开发的经验, 提出自动化和智能化的新思路, 所谓自动化, 就是要进行自动测向, 通过预先设定的工作任务, 系统能够自动完成测向任务, 采集所需的数据并自动回传到本地的数据库中;所谓智能化, 就是能判断任务对象与目标对象一致, 对任务目标的传输效果进行评估, 对采集的各项参数进行综合研判, 建立数学模型, 对数据进行筛选、统计和分析, 对最终结果的准确性和有效性进行分析, 可以脱离人工介入而获得比较准确的测试数据, 当技术人员介入时, 可以再现当时测量时的参数场景, 对测试结果进行深入研判, 获得满意的结果。
通过对该系统的物理组织机构重新设计, 嵌入监测系统, 实现远程语音采集、远程接收机控制和频率监测、建立监测数据分析模型和图形化显示结果、测向结果的自动评估等功能。该系统具备以下特点:
1.智能测向方法, 嵌入最新研发的语音识别和检索对比技术, 快速准确地自动捕获电台, 系统智能化程度得到极大的提升。
2. 数据分析体系, 解决复杂信道, 同频干扰或信号混叠, 多信号测向和最优时间窗口选择的难题。
3. 扩展监测功能, 深入挖掘信号指标数据, 实现监测和测向系统的实时互动, 解决了测试数据不足的问题。
4. 引入测向数据示向度中值、离散度、变化率和置信度等参数, 形成对测向结果的科学评估体系。
5. 实现测试数据事后综合分析的平台, 可对获取的数据进行多方位的深入分析, 对提高测向数据的准确性, 提供了很好的研究和验证模式。
6.实现测向系统的动态自动校准功能, 提高测向设备的准确性, 节约了大量的人力和物力。
7.研制了基于网络的串口到LAN口的网络采集控制器, 可实时控制设备, 传输信号各项指标和音频流, 极大地提升了设备的稳定性, 解决了长期以来只能依靠上位机进行采集, 由于操作系统或软件故障, 导致可靠性低的难题, 系统效率极大提高。
2系统的总体设计
自动化、智能化测向及监测系统的物理组织结构如图1所示。整个物理结构组织分为两大部分, 一部分为远程测向和监测系统, 另一部分为本地控制管理系统, 两个系统通过光缆实现连接。
测向系统提供了数据接口, 可以控制测向接收机的接收频率和工作方式, 并通过接口协议可以通过网络自动回传测向结果数据, 存储在远程服务器中。为提升测向系统的自动化功能, 新增监测采集系统, 利用原有系统中的闲置天线, 接入监测设备和网络采集控制器, 在测向数据采集的同时, 采集同信道的电平、调幅度、频偏等参数, 并回传语音数据流, 保存为语音文件;在用户端, 新增卫星接收系统, 根据监测对象的不同, 接收该节目通过卫星转发的节目流, 获得语音信号也保存为语音文件;新增数据存储分析数据库对采集的数据进行筛选、统计和分析;新增控制管理席位, 对系统的运行进行管理。
系统主要包括以下几个主要部分:
1.八副测向天线, 一副监测天线:负责测向和接收广播电台的信号。
2.天线交换单元:由控制系统发送指令实现天线的切换。
3.三信道测向接收机:用于测向和监测, 由控制系统发送指令, 传送测试结果。
4.监测接收机:与测向接收机同步工作, 接收同一个广播发射机发射的信号, 接收机的设置由远程控制发出操作指令, 可根据要求输出相应的指标数据和音频信号。
5.网络采集控制器:这是为配合监测系统设备控制和指标传输研制的新设备。该设备一端为LAN口, 实现监测数据和语音流的传送, 另外一端为COM口, 实现监测接收机的控制, 只需设置好IP地址和串口参数就能实现数据和语音流的远程回传。通过网络采集控制器, 可实现对系统设备的远程控制, 包括各项参数设置和读取, 可兼容多种接收机。采集的语音数据实时压缩后由网络传输到控制端PC机保存数据或者实时监听, 同时还可传送压缩数据和PCM源码数据。设备中还包含一块测试卡, 可直接采集中频信号, 用于实时分析监测调制度和载波频率等参数。
6. 卫星接收天线:从卫星上接收信号, 作为信号比对时的数据参考源。卫星天线的数量由需要比对的数据参考源的个数来定, 如参考数据源来源于不同的卫星转发器或不同的卫星下行频率, 需要配置对应的接收天线。系统配置4副卫星接收天线, 分别接收亚洲3S、亚太2R和中星6B的信号。
7. 卫星信号采集系统:卫星接收机的输出有两种, 一种为音频模拟信号输出, 该信号接入采集服务器的采集卡, 完成语音的采集;另一种为TS流输出, 该数据流直接存到采集服务器中。
8. 自动评估服务器:这是安装有自动评估核心引擎的服务器。其中自动评估核心引擎针对海量数据的处理, 采用了网格计算平台设计。该引擎将各种计算任务封装成为插件, 然后做成标准的网格服务, 配置在容器之中, 成为网格平台的一部分。应用层可以通过该系统提供的标准接口, 将计算任务传递给调度器。调度器能够自动地提交计算任务到合适的服务, 调用计算引擎, 最后返回结果。该网格平台能够很好地利用硬件的计算能力, 保证系统的高效率, 完成对语音信号的固定语种的识别和效果的分析评估。在自动评估服务器中, 对监测系统和卫星系统分别采集的语音文件进行处理, 采集语音文件的采集时间可设置为30秒或1分钟, 对两个语音文件分别抽取其音频指纹特征, 对其相似度进行分析, 确定监测对象是否与预设的信号一致, 确保测试的电台是正确的。同时还计算监测系统采集的语音中和信号和噪声的强弱, 对其效果进行自动评估, 来判断该电台的信号强度是否满足测试条件, 这对测向数据结果的评估具有重要的作用。
9. 数据库服务器:该系统安装Oracle1 0 g的数据库, 用于存放系统的管理数据以及音频处理的结果信息, 包括测向数据、各项信号指标数据、智能评估结果、人工校对结果、其他一些相关信息等。
1 0. 控制管理席位:设置测向和接收机的参数, 任务数据库和结果数据库数据的管理和维护。
1 1. 操作席位:显示自动测试结果, 分析和统计测量数据。
3测试数据的智能分析与评估
系统网络分层结构图如图2所示。整个系统自上到下分为数据源、数据层、服务层和表示层4层。
系统网络各层的主要内容如下:
1.数据源:数据源包括3个部分, 通过测向控制系统回传的数据信号、通过网络采集控制器回传的监测数据和卫星接收的信号。
2.数据层:1) 测向数据包括示向度、频谱、场强。2) 监测数据包括接收机的各项参数、信号电平、各种指标, 获取数据通过本地控制管理席位或人工操作席位发送控制指令来实现。3) 音频信号包括卫星接收机输出的音频信号和监测接收机回传的音频流。
3.服务层:1) 服务层包括自动评估引擎、任务控制器、任务调度器、测向数据分析、监测数据分析、地图数据交会、示向度变化报警、数据统计报表、测向远程控制、监测远程控制和系统自动校准。2) 测向数据分析和统计是一个很大的难题, 可以说, 短波远距离传输信道是空中传输信号中最复杂多变的, 只是一种数学模型要涵盖所有的信道条件是不可能的。在测向数据的分析中, 需要借助于自动语音评估的结果, 还要参照监测数据采集分析和统计后的结果作为测向数据分析的前提, 在基本满足上述两个条件后的对测向数据的统计和分析才是有效的, 对获取的离散测向数据可以采用框选数据法、集中度统计法、中值分析法等进行分析和统计, 以获得比较满意的结果。测向系统的校准有两种方法, 第一种为系统自带的校准, 这种校准是对天线和自身信道的校准, 但由于测向系统的准确性还会受周边接收环境的影响, 要统筹考虑这些因素, 为此, 提出新的系统自动校准的方法, 就是多电台自动测向数据误差的分析法。
4.表示层:包括测向页面、监测页面、地图交会页面、统计分析页面和音频评估页面, 这些软件页面的开发, 主要提供用户控制设备、显示数据、统计和分析数据、音频处理和地图显示等功能。
在获得了完整的测向数据和监测数据后, 经过验证后的实际测量数据的统计和分析方法, 为实现自动化、智能化评估体系提供了可靠的保证。自动化、智能化测向信号和数据流程图如图3所示。
1.测向系统数据:包括示向度数据、场强数据、频谱数据和仰角数据, 这些数据可以同时获取。
2.监测系统的数据:包括电平数据调幅度数据、频偏数据、带宽数据和语音流, 这些数据也是同时获取。
3.指标图形化显示和分析:各项指标均可采用图形的方法分析, 通过对场强、调幅度、带宽、频偏、信噪比等指标的分析, 将其作为测向数据的判断条件和自动评估的参考数据, 实现系统智能化。
4结束语
通过长期的测试和在工作中的实际应用, 对系统的体系架构、数据流程和统计分析算法进行了不断的优化和完善, 达到了预期目的。目前系统运行可靠稳定;测向系统与监测系统的无缝衔接, 确保了各项参数的完整获取;为事后测试结果分析提供了十分丰富的素材, 与人工监测相比, 测向的准确性和工作的效率均有极大的提高。在不断优化系统和数据流程的基础上, 经过近一年的运行, 获得了满意的监测结果, 可以满足工作的需要, 节省了大量的人力和物力, 在实际工作中正发挥着越来越重要的作用。
摘要：利用中短波干涉仪测向系统, 设计了针对本地区特殊环境的智能化定向监测方案, 实现了本地区的中短波电台的自动测向。在智能测向方法中, 嵌入语音识别和检索对比技术, 能快速准确地自动捕获电台。数据分析体系有助于解决复杂信道、同频干扰或信号混叠、多信号测向和最优时间窗口选择等难题。同时, 全面展示了系统的监测功能, 实现了监测和测向系统的实时互动, 解决了测试数据不足的问题, 形成了完整的测向结果的评估体系, 达到了测试数据事后综合分析的目的 , 对提高测向数据的准确性, 提供了好的研究和验证模式。
关键词：干涉仪,自动测向,智能分析
参考文献
[1]朱庆厚.无线电监测与通信侦察[M].北京:人民邮电出版社;2005.
[2]朱旭东.相关处理在干涉测向仪中的应用[J].现代雷达;2003.
[3]周鸿顺.频谱监测手册[M].北京:人民邮电出版社;2006.
测向系统 篇6
随着无线电传输技术在各个业务领域得到越来越广泛的应用, 如何对各种需求的无线电传输信号进行相应的有效监管也越来越受到重视。无线电波应用的广泛性和多样性给监管部门带来了越来越大的难度和挑战性, 同时, 对广播电视无线信号的安全播出以及非法信号的及时查处要求也越来越高。空间谱估计是阵列信号处理中的一项新兴技术, 其优异的参数估计性能可在复杂电磁环境下实现精确的信号分析, 因而得到越来越多的研究与利用。本文对空间谱估计测向技术在广播电视监测系统中的应用进行简单阐述。
1 空间谱估计测向的基本原理及优势
由于监测的宽频带内信号个数多、各信号频点分布和时变情况复杂、无线传播环境的影响 (主径遮挡、相干多径干扰) , 常规的干涉仪测向方法只适应主径信号较强、且没有同频干扰的场合, 当多径信号较强或存在同频干扰时该方法失效, 必须采用具有多信号分离能力的空间谱估计方法。可以认为常规的干涉仪测向方法是空间谱估计方法的特例, 对应的是同一个频率当前只存在一个方向上的信号。系统结构如图1所示。
空间谱估计测向体制的特点是:空间谱估计测向技术可以实现对几个相干波同时测向;可以实现对同信道中同时存在的多个信号同时测向;可以实现超分辨测向;仅需要很少的信号采样就能精确测向, 因而适用于对跳频信号测向;可以实现高测向灵敏度和高测向准确度;测向场地环境要求不高, 可以实现天线阵元方向特性选择及阵元位置选择的灵活性。这些正是传统测向方法长期以来存在的难题。
所谓空间谱估计指的就是通过对接收到的信息进行运算分析后对目标进行还原。需要说明的是, 通道与阵元并不是一一对应, 通道是由空间的一个、几个或所有阵元合成的。但是, 现今常规的做法是将阵元与通道一一对应, 以确保能够获取实时空间场的能量谱。空间谱估计技术通过从复杂的观察数据中提取信号的特征参数, 进而实现目标空间的一个电磁场重新构建。空间谱估计算法有许多种, 包括基于线性预测类算法、子空间分解类算法和子空间拟合算法, 其中以多重信号分类 (MUSIC) 算法最具代表性。该类算法通过对阵列接收数据的数学分解 (如特征分解、奇异值分解、QR分解等) , 对天线阵所接收信号的协方差矩阵进行特征分解, 从而得到与信号分量相对应的信号子空间和与信号分量正交的噪声子空间, 然后利用这两个子空间的正交性构造出“针状”的空间谱峰, 找出最大值点对应的角度, 即信号入射方向, 并示出多个信号的入射方向。
2 设计原则
1.可靠性。适应广播电视监测工作的特点, 在系统软硬件上选用成熟产品, 相关元器件均要经过高低温、老化等试验, 产品生产完成后同样经过环境试验检验, 系统软件出厂前需经过专业软件测试人员测试。
2.先进性。系统在数据采集、监测、信号处理分析和数据传输等各个方面采用先进的技术和软硬件设备, 保证系统在将来相当长的一段时间内各项技术性能指标继续保持国内先进水平, 提高整个系统的生存周期。
3.实用性。结合广播电视频率使用和台站情况, 监测前端能够在系统统一协调管理下在复杂电磁环境下正常发挥监测测向功能。
4.扩充性。系统采用模块化结构, 当监测任务增加、网点增加和网络规模扩大时, 通过增加相应的系统模块, 就能方便地扩充系统性能。
5.升级性。随着网络技术的发展, 先进的网络设备及产品不断涌现, 要求系统可方便过渡到更先进的网络技术, 并能保护现有投资, 不造成较大的浪费。本系统管理控制软件可根据用户需求不断进行改进和更新升级。
3 系统组成及工作原理
本系统由监测接收机、五通道测向接收机、全向双极化监测天线、五单元双极化测向天线阵及相应的射频切换矩阵、选择器、放大器等组成, 配套以电源系统、GPS及电子罗盘等附属设备组成完整系统, 并可选配平板式监测终端。系统原理框图如图2所示。
系统配套5阵元的垂直、水平测向天线, 根据工作需要, 实时控制射频切换矩阵连接相应的天线阵元, RF放大器可根据接收到的信号幅度大小选择工作状态 (直通、放大、衰减) , 五通道接收机同时接收五阵元天线的信号, 然后进入处理单元进行运算, 实现空间谱估计测向。由于环境的复杂性, 接收数据中除包含信号特征 (方位、距离、极化等) 和空间环境特征 (噪声、杂波、干扰等) 外, 还包含空间阵列以及传输路径的某些特征 (互耦、通道不一致、频带不一致等) , 因此, 系统通过校准信号来尽量消除系统内部的消极影响。测向接收机输出的中频信号输入至监测测向处理单元进行空间谱估计运算, 进而得出目标源的相应特征参数 (方位、极化、俯仰角等) 。当然, 同样的硬件系统通过不同的后端算法可以实现五信道相关干涉仪测向。
3.1 测向天线阵
天线阵的形状应以能最大效率发挥每条基线的作用为原则, 同时兼顾制作和架设的方便。所以, 目前相关干涉仪天线阵以选择圆阵居多, 本系统也是采用圆形阵。阵元数以奇数为好, 每条基线的利用率高。阵元数的多少应与天线阵孔径和系统的性能统筹考虑。
3.2 测向接收机
本系统采用五阵元测向天线阵技术, 该测向天线是垂直放置的多层五阵元天线阵, 每层天线均匀排列成圆形阵, 连同射频切换矩阵都安装在天线阵内。每层天线充分考虑并消除天线间耦合、反射等影响后集成在测向天线阵内, 在不影响测向天线性能的情况下加强集成度, 方便用户使用。
由图3可知, 各天线接收到的来波信号是有波程差的, 这也正是测向的基础。测向天线包括:垂直极化五阵元测向天线阵列 (30MHz-800MHz) , 采用偶极子天线;垂直极化五阵元测向天线阵列 (800MHz-3000MHz) , 采用偶极子天线;水平极化五阵元测向天线阵列 (40MHz-1300MHz) , 采用环形天线。
3.3 监测测向处理单元
天线阵元接收无线电信号输入接收机后变成中频信号, 中频信号经A/D转换后输出的数字信号同时送至测向处理单元进行运算分析处理, 以实现对空间信号的数目、信号到达方向以及信号其他参数的估计。空间谱估计测向方法的优异性能主要通过优良的测向算法及其在信号处理终端上的实现。与幅度和相位比较等测向方法不同, 空间谱估计测向方法需经较为复杂的计算才能得到待测信号的到达方向, 因此性能优异的高效测向算法和高速数字信号处理终端就成为这种测向技术的核心。监测测向处理单元一般采用专业工控机作为设备基础, 实现数字信号处理。系统硬件基带处理模块采用DSP+FPGA+ARM的结构, 采用定点计算和浮点计算混合实现MUSIC算法。FPGA实现求解协方差矩阵, 可采用定点计算方法, 然后把得出的数据送入DSP, 将其定点转换为浮点, 用浮点计算方式计算特征分解和谱峰搜索。系统硬件框图如图5所示。
利用同样一套硬件设备, 通过不同算法可实现空间谱估计测向和相关干涉仪测向两种体制的测向。
此外, 系统可根据实际使用要求配套相应的监测天线、广电监测仪器等附属设备, 物理实现形式可以是移动站 (设备安装于载车上) 、固定站、便携站等多种方式。
4 结论
空间谱估计技术应用到广播电视监测测向系统中能够提高系统在复杂电磁环境下的目标分析测向性能, 对无线广播电视信号的安全播出以及干扰排除拥有较强优势, 具备很高的应用价值, 发展前景良好。
摘要：本文介绍了空间谱测向技术的原理, 并详细介绍了以该技术为基础的无线广播电视监测系统设计方案。
关键词：空间谱估计,信号分析,监测
参考文献
[1]雷厉.侦察与监视[M].北京:国防工业出版社, 2008.
[2]王红星, 曹建平.通信侦察与干扰技术[M].北京:国防工业出版社.2005.
测向系统 篇7
关键词：超短波,测向系统,抗干扰,评估,方法
一、引言
在超短波频段, 无线电技术应用最为丰富, 频谱资源最为紧张, 电磁环境也最为复杂, 因而维护好超短波频段的电波秩序、保证合法用户的权利和频谱资源的有效利用, 成了各级无线电管理机构的重点工作任务之一。在此频段最常使用的无线电管理技术装备即为超短波无线电测向系统, 它在干扰查找和日常任务执行当中发挥了不可替代的重要作用, 因而其性能的优劣, 尤其是抗干扰能力的好坏将直接影响到无线电管理部门执行任务的质量和速度。
二、系统概述
超短波无线电测向系统是指固定架设或临时架设在某一较高地理位置, 对在附近一定区域内工作的、在3 0 M H z~3 0 0 0 M H z频段的无线电信号辐射源进行测量并显示信号方位等测量信息的无线电测量系统, 它一般由测向天线、测向信道接收机和测向终端处理机三部分组成 (见图1) 。
测向天线通常包括天线单元和天线信号前置预处理器两部分。天线接收无线电信号, 且含有各阵元间的幅度差或相位差信息。天线信号前置预处理单元对定向天线单元中各天线元输出的射频信号进行预处理, 保证定向天线单元输出的电压与来波方位或空间角度之间有稳定的幅度或相位关系。
测向信道接收机用于对测向天线输出信号进行选择、放大、变换等, 使之适应后面测向终端处理机对信号的技术要求。根据测向方法的不同和测试需要, 测向接收机可以选择单信道、双信道或多信道接收机。通常双信道接收机采用共用本振的方式, 以确保多信道之间相位特性的一致性。
测向终端处理机包括方位信息处理与显示单元及监控单元, 包括A/D转换、高速DSP及工控机。方位信息处理与显示单元将测向信道接收机输出信号中所包含的来波方位信息提取出来, 并进行分析处理, 最后按照指定的格式和方式显示出来。监控单元对测向天线、测向信道接收机、方位信息处理与显示单元等各部分的工作状态进行监视与控制。
三、主要性能指标
对测向系统性能指标的描述有很多参数, 从技术角度分析, 可以归纳为以下几个方面:
(1) 测向灵敏度。也称为测向接收灵敏度, 指在规定的测向误差范围内, 测向系统能测定辐射源方向的最小信号的场强或功率。它是一个与允许测向误差有关的指标, 在给出测向灵敏度指标的同时, 还要注明所容忍的测向误差。
(2) 测向精度。也称测向准确度, 指测向系统测得的来波方向与被测辐射源的真实方位之间的角度差, 一般用均方根值表示。测向精度越高越好, 或者说测向误差越小越好。
(3) 工作频率范围。是指测向系统在正常工作条件下, 从最低工作频率到最高工作频率的覆盖频率范围, 也称为测向系统的频率覆盖范围, 在此范围内要不低于标称的工作指标。
(4) 处理带宽和频率分辨力。不同体制和调制样式的无线电通信信号, 通常占据不同的信号带宽, 这就要求测向信道接收机能够选择不同的处理带宽与之相适应。频率分辨力是衡量测向系统从频率上选择区分两个相邻邻近信号的能力, 主要取决于测向系统的最小处理带宽或或信道接收机中频选择带宽的最小值, 以及其中频滤波器器的的矩形系数。
(5) 抗干扰性。测向系统抗干扰性指标包括两个个方方面的内涵:一个是衡量测向设备在有干扰噪声的背景下进行正常测向的能力, 通常用测向设备在正常测向条件下所允许的最小信号来衡量。另外一个就是衡量测向系统在干扰环境中选择信号、抑制干扰的能力, 它用有用信号与干扰信号同时进入测向信道接收机时所允许的最大信干比来衡量。
(6) 时间特性。测向系统的时间特性指标通常用测定一个目标信号的来波方向所需的最短时间来衡量, 或用每秒钟所完成的测向次数来描述, 包括测向设备截获目标信号后的信号建立时间与获取方位数据所需的最短处理时间。
(7) 可靠性。是衡量测向系统在各种恶劣的自然环境条件下无故障正常工作的质量指标, 它包括对工作温度范围的要求、对湿度的要求、对冲击振动的要求, 同时还包括工作电源标准和波动范围、系统联网工作能力、系统开展工作的易操作性及自动化程度等方面。
(8) 极化误差。指当测向系统接收的电磁波不是单一极化方式的电磁波, 即测向天线与入射波的极化平面有一定的角度差, 入射波中包含水平极化分量和垂直极化分量时, 产生的测向误差。这主要是由于所用的天线体系对垂直分量和水平分量接收的方向特性图不同造成的。
四、测向系统抗干扰能力分析
1. 当前抗干扰能力指标的不足
从当前超短波频段测向系统衡量指标来看, 测向系统的抗干扰能力是衡量系统在复杂电磁环境情况下, 设备性能优劣的一项极为重要的指标, 也是最关键的指标 (见图2) 。当前有关于测向系统抗干扰能力的测试多是在环境存在干扰的情况下, 无线电测向系统能够保持其对待测信号测向准确度的能力。根据干扰信号频率是否落在测向设备中频通带的不同, 分为带内测向抗扰度、带外测向抗扰度, 均是基于存在小信号干扰为前提的, 此时测向系统能够对所测辐射波信号进行测向, 并达到规定的测向准确度时可以允许的两信号的差值。显然, 两信号的差值越小, 表示测向设备的测向抗扰度越佳。
在实际工作中, 利用两套指标相近的测向系统对正常信号测向时, 表现出来的性能无太大差别。但在复杂的电磁环环境中, 尤其是存在大信号的情况下, 表现的测向效果差别很大。特别是对于配有有源天线的测向天线来说, 这种差别非常明显, 有时候还是致命的, 导致在大信号环境中根本无法工作。
因此, 目前测向系统抗干扰能力指标的测试已经不能够反映系统性能的优劣, 必须采用一种新的方法来衡量测向系统的性能。
2. 接收机抗大信号能力的启示
在监测接收机测试中, 其中一项指标是监测系统产生虚假响应的概率即监测系统的失真率。分析监测系统产生虚假信号的重要原因是射频前端存在多信号接收现象, 且信号强度较大, 导致射频前端进入非线性工作区域。要降低接收机的的失真度, 就要控制多信号同时进入接收机前端, 即控制接收机前端射频宽度, 选用窄带接收机, 具有高的RF选择性。设法减少射频接收电路和接收机前端器件的非线性, 增加它们的线性动态范围, 不仅要提高接收机的线性动态范围, 更要提高天线和射频矩阵等射频接收电路的线性动态范围。监测系统的线性接收能力主要通过监测系统二阶互调截点、三阶互调截点等参数来描述。
接收机中用IP2和IP3可以很顺畅的表达其抗失真能力, 一个很重要的有利条件就是当其输入两个功率量纲的参数时, 其失真后的特征仍可用功率来表示, 这样就可在闭路环境中顺利测量, 无太多悬念。但对于测向系统来说, 当输入的是两个功率量纲参数时, 失真特性表征出来的参数只能是测向精度, 无法和输入参数具有相同量纲, 因此在此领域一直无特别恰当的参数来评估。同时, 大家以前对测向系统的测向精度和灵敏度更关注, 也就是对小信号环境更关心, 所以也就忽略了测向系统在大信号环境中的工作能力评估了。
3. 对新的抗干扰能力指标的考虑
我们可以引入接收机测量互调能力的方法, 问题的关键就是如何在输入功率和输出测向角度之间找到一个合适的参数, 解决二者的量纲问题, 则测向系统抗失真能力的评估问题就可以解决。为此, 在测向系统中, 我们也引入此概念, 即在有较强干扰信号的情况下, 由于测向系统的非线性原因在接收前端产生互调信号, 当互调信号到达一定强度时, 测向系统将会对互调信号给出示向度。具体示意图见图4。
按图4所示, 第一次测试利用信号源产生f1信号, 此时测向系统会给某一临界示向度;第二次用该信号源和另一个信号源发射f1+3B和f1+6 B信号, 则在f1或f1+9B上会出现互调信号, 同样也会产生示向度。只要调整信号源的输出功率, 让互调信号的示向度和第一次一样, 均为临界数值, 测试查验两次信号源的功率差值, 即为测向系统抗大信号能力的特征参数。此数值可称为测向系统的互调抑制度, 数值越大越好。同时, 为简化测量模型, 主要考察对三阶一型互调信号的抑制能力。
五、测向系统互调抑制度的测试
对于超短波无线电测向系统互调抑制度的测试可以按如下方法开展:在测试场地中, 发射系统1和发射系统2的配置相同 (含天馈系统) , 方位位置相同, 但高度要有所差别, 以增加空间隔离度;且发射系统天线到被测系统天线之间的距离不小于5λ, λ指被测系统最低测试频率的波长。
1. 测试步骤
(1) 设置被测系统的测向带宽为B, 测向频点为某一测量频点fi;设置发射系统1输出为标准单载波信号, 频率为某一测量频点fi。逐渐调整发射系统1输出功率, 直到被测系统在fi产生偏差为б (б一般取3°) 的示向度, 记录此时发射系统1的输出功率P1。
(2) 保持测向系统设置不变;调整发射系统1的工作频率为某一测量频点fi+3B, 调整发射系统2的工作频率为某一测量频点fi+6 B, 设置发射系统2输出为标准单载波信号。在恰当的输出功率条件下, 二者会在被测系统产生一个频率为fi或fi+9B的三阶一型接收互调信号;同时调整两个发射系统的功率, 直到被测系统在fi或fi+9B产生偏差为б (б一般取3°) 的示向度;
(3) 记录此时发射系统1的输出功率P2。发射系统1的输出功率P1和P2之间的差值 (以d B为单位) 即为测向系统互调抑制度。此数值越大, 则表征被测系统的抗互调能力越强。
2. 测试注意事项
在构建测试系统时, 由于满足被测系统出现互调信号的条件是必须在测试系统接收端有大信号出现, 而且两个大信号应该尽量纯净, 因此在构建测试系统及测试时, 应特别注意以下几点:
⊙测试场地应地面平坦, 周围没有高大遮挡物, 大小至少要有20λ长和15λ宽, 以便形成开阔场。
⊙发射系统1和发射系统2的配置应相同, 并要对其输出功率进行校准补偿, 使两者分别发射时, 被测系统天线处接收到的信号强度相同, 以满足互调信号的产生条件。
⊙发射系统中配备的功率放大器应确保其性能指标要符合要求, 特别是其谐波输出、杂散输出和互调抑制等指标, 以确保到达被测系统时的信号为两个纯净的信号, 互调信号的产生是由被测系统本身的非线性原因产生的而不是由发射系统互调产生。
⊙为避免产生发射机互调信号, 如条件允许, 可在功率放大器和发射天线间加单向隔离器, 阻止信号由天线进入相邻功率放大器内部, 切断发射机互调产生的途径。同时, 为确保是接收机互调信号, 应采取技术手段对目标信号加以验证。
⊙在测试中, 由于属于是开场测试, 信号衰减很大, 发射系统1和发射系统2发射的信号频率不能相差太大, 一般取被测系统测向带宽B的3倍即可 (测向带宽一般选择10k Hz~15k Hz, 如果被测系统不支持该范围内的测向带宽, 则选择大于该参数的最近数值) , 这样产生互调信号的条件较容易满足。同时, 还要注意避开空中干扰信号。
六、结束语
北斗测向技术研究 篇8
与传统的惯性导航系统相比, GPS测姿系统具有体积小、重量轻、价格便宜、全天候、误差不随时间积累, 无需长时间初始对准等诸多优点, 与低价位低精度的惯导系统组合也可获得高精度的姿态信息。基于以上原因, 20世纪90年代初期, 国内外许多研究机构和院校就开始针对GPS载波相位测量用于载体测向或测姿进行大量理论研究和试验目前, 利用GPS测定载体姿态已经是一项比较成熟的技术。它主要是利用载波相位高精度的相对定位结果, 确定两天线相位中心的相对位置, 以计算载体的方位角A、俯仰角E和横滚角ω。
我国的北斗—系统目前只有3颗卫星, 且均位于赤道面上, 采用应答工作方式, 定位精度相对较低。根据以上特点, 若要采用类似GPS的方法进行三维测姿是很困难的。一般情况下, 利用北斗载波相位仅能测定方位和仰角。本方案研究的重点是方向测量。
1 GPS测姿原理
GPS姿态测量不同于伪距定位方式, 需利用其载波相位信息。各天线共用的载波相位接收机同时测定足够多的GPS卫星载波瞬时相位, 并比较其相位差, 可以精确测定基线的空间方向[1]。对不相互平行且不共平面的三条基线测向, 则可测定载体的空间指向, 亦即确定其姿态。这种方法就是测定姿态的载波相位差分法。它几乎可以抵消全部存在空间相关性的误差源, 仅受多径和测量噪声的影响。
GPS测姿至少需要3个接收天线, 由于载体的旋转可能会屏蔽掉1个或更多的天线, 工程上一般采用4个以上的天线, 额外的天线提供了测量冗余度[2]。如图1所示, 在载体 (航天器、飞机或舰船) 上布设3个接收天线, O1、O2、O3为3个天线的相位中心, 构成两个短基线[长度一般为 (3～30m) ]。O1、O2沿载体运动方向的轴向布设, 用于测量载体的方位角和俯仰角;O1、O3沿载体的横向方向布设, 用于测量载体的横向滚动角。
测姿的方法是:以O1为基准点, 精确测量WGS84坐标系下O2、O3相对于O1的坐标差 (ΔX2, ΔY2, ΔZ2) 和 (ΔX3, ΔY3, ΔZ3) 。由于载体的姿态角是以载体所在的当地水平坐标系为基准进行定义的, 因此需要将 (ΔX2, ΔY2, ΔZ2) 、 (ΔX3, ΔY3, ΔZ3) 转换成以为O1为坐标原点的地平系坐标 (X2, Y2, Z2) 、 (X3, Y3, Z3) 。据此坐标差可以算出三个姿态角。
GPS测姿的精度主要取决于两个因素:基线的长度和基线的相对定位精度。当基线b=3.0m时, 测姿精度可达0.2°～0.5°, 当基线大于30 m时, 测姿精度可达0.02°。载波相位相对定位的观测值为L波段载波的相位值, 它包括整周数N (存在模糊度) 和不足1周的相位值Δф, Δф的测量精度很高, 一般其等效距离只有 (2～3) mm。因此如何准确确定整周模糊度就成为载波相对定位的关键。常规的静态定位一般利用长时间的静态观测, 使卫星几何图形产生足够大的变化, 从而求解出整周模糊度。在动态定位中, 整周模糊度的在航解算 (On The Fly) 方法主要有:快速模糊度解算法 (FARA) 、最小二乘模糊度搜索法 (LSAST) 、模糊函数法 (AFM) 等[3]。
2 北斗测向设计
北斗一号卫星导航定位系统是我国自行研制、建立的一种区域性定位系统, 由三颗北斗一号卫星组成, 均为静止轨道卫星, 其中两颗分别定点于东经80° (西星) 和东经140° (东星) 上空, 另一颗在轨备份卫星定点在东经110.5° (中星) 上空。卫星转发的信号为S波段, 其频率为2 491.75 MHz, 波长为12.034 019 cm。
由于双星系统采用的是静止轨道地球同步卫星, 卫星数目较少并且只发送一个频率的下行载波, 因此, 利用GPS进行姿态测量的计算方法, 对北斗系统并不是很适用。目前, 利用北斗系统进行姿态测量的主要方法有长短基线法、旋转天线法和非共面天线法等。本文的北斗测向方案采用的是旋转天线法。
2.1 需具备的基本条件
北斗测向所需具备的测试设备和测试前的准备工作主要包括以下内容:
1) BD载波相位接收机:4个并行通道, 可同步接收卫星1 (东星) 、卫星2 (西星) 到达各天线的载波信号。各通道采用同一本振, 以消除钟差的影响;
2) 配套天线和馈线2套:天线配有扼止环, 以减小地面反射的多径信号对测量精度的影响;
3) 2.01 m的天线安装杆臂和转台:精确测定两天线相位中心的距离b, 测量精度≤0.2 mm;
4) 精确已知观测站的大地坐标:以其中一个天线O1为原点, 测量其在新北京54坐标系下的精确坐标值;
5) 电源:为接收机和有源天线供电。
2.2 测试流程
与北斗无源定位的要求不同, 无源定位需要得到3颗卫星的伪距观测值, 并提供高程信息;而测向只需要得到2颗卫星的载波相位观测值即可[4]。北斗测向的关键是初始化确定载波相位的整周模糊度, 具体步骤如下。
2.2.1 计算观测卫星的方位角和俯仰角
如前所述, 数据观测站O1的坐标 (X1, Y1, Z1) 精确已知, 观测卫星Sj的坐标 (Xj, Yj, Zj) 卫星的位置可以根据导航星历进行解算, 其位置也可以看成精确的已知值。计算观测站和卫星坐标差 (ΔXj, ΔYj, ΔZj) , 将此坐标差转换为以观测站O1为原点的地平坐标系 (xj, yj, zj) , 并由此计算出卫星在该坐标系下的方位角A和俯仰角E如下:
由于卫星距地面测量点很远 (36 000 km) , , 因此, 以观测站O1为原点建立一个半径为100 m的误差球, 其对视向量的影响仅为几角秒, 可认为卫星与当地水平坐标轴的夹角是可以精确计算出来的。这样, 就建立了卫星与当地水平坐标系的关系, 也就知道卫星在当地水平坐标系下的单位矢量。虽然观测站和卫星星历均有误差, 但影响甚小, 计算结果相当精确。
2.2.2 搜索并确定整周模糊度
本方案整周模糊度的确定, 是通过在水平面转动天线基线, 得到两个天线至卫星载波相位差的最大值和最小值, 进而求出整周模糊度。图2给出了观测站上各天线与卫星的矢量关系。
图2中
O1Sj为O1观测卫星Sj的方向, 可用
O2Sj为O2观测卫星Sj的方向, 可用
由于卫星Sj距观测点的距离远大于基线的长度, 故可近似认为
当b=2.01 m、Aj=40°时, ΔRj=1 539.749 331 mm, 对应的载波相位的周数Δфj=127.9 497 174周。
由图2可知, 当天线矢量
θj为基线方向与卫星Sj方向Rj在水平面上的夹角。由式 (4) 可知:随着θj的增大, ΔRj在逐渐减小;当θj=90°, ΔRj=0, Δфj=0。
综上所述, 可得出以下结论:
(1) 当基线
(2) 当基线
(3) 转动天线基线
2.2.3 确定方位角
知道了整周模糊度ΔNj就可以将天线基线方向固定, 进行载波相位观测, 建立观测方程, 解算O2相对O1的地平坐标, 根据两个天线的相对坐标, 可以很容易地计算出定向方位角。
2 结论
本文提出的北斗一系统测向方案对硬件的要求不高, 在整周模糊度的搜索确定方面上简单易行, 具有较高的测量精度。
随着卫星定位测姿技术的日益成熟和不断发展, 特别是我国北斗二系统即将建成运营, 北斗测姿技术必将得到迅猛的发展。相信在解决了容易失锁, 数据更新率低、抗干扰能力差等问题等后, 北斗测姿系统将成为惯性导航系统的有效补充和完善者。
摘要：利用GPS测定载体姿态已经是一项比较成熟的技术。介绍了GPS测姿的基本原理, 并针对我国北斗一系统的特点, 提出了一种利用北斗一系统基于旋转天线法的测向方案。介绍了该方案的原理及具体实施步骤、测试要求等, 重点叙述了其关键技术整周模糊度的确定方法。整个方案简单易行, 并具有较高的测试精度。
关键词：北斗系统,测姿,测向,载波相位,整周模糊度
参考文献
[1]Kaplan E D, Hegarty C J.GPS原理与应用.寇艳红, 译.北京:电子工业出版社, 2007
[2]Parkinson W., Spilker J J Jr.Global positioning system:theory and applications.American Institute of Aeronautics and Astronautics Inc, 1996
[3]Misra, P Enge P.全球定位系统——信号、测量与性能.罗鸣, 曹冲, 肖雄兵, 等译.北京:电子工业出版社, 2008
基于稀疏成分分析的测向技术 篇9
关键词：DOA估计,压缩感知, 空域稀疏,侦查测向
0 引言
传统的阵列信号参数估计方法主要包括Capon波束形成算法[1]和子空间类的算法 ( MUSIC) [2], Capon算法分辨率较低, 达到相同测向精度需要更大阵列孔径, 子空间类算法无法处理相干信号源。这些传统方法除了本身存在的问题外, 基于奈奎斯特采样的方式, 对于宽带信号, 不仅带来了大量数据处理的负担, 也给实现采样的相关硬件设备性能提出了巨大挑战。
随着军事电子技术和通信技术的发展, 宽带信号和超宽带信号的应用越来越广泛。阵列接收的数据量变得越来越大, 设备的生产和维护成本变得越来越高。针对上述问题, 需要挖掘新的阵列天线结构, 简化阵列前端信号采集电路, 进一步发展具有高分辨率的、广泛适用性的DOA估计方法。
近年来, 新兴的压缩感知 (Compressive Sensing, CS) [3,4,5,6]理论逐步发展并日渐完善, 它提出以远少于经典奈奎斯特采样理论所需的测量数据就可以精确恢复满足稀疏性的信号或估计相应的参数。因此, 研究基于压缩感知理论的DOA估计算法, 对于克服传统空间谱估计算法的缺陷具有十分重要的研究意义和应用价值。
在压缩感知框架下研究辐射源的DOA估计问题, 首先对辐射源信号进行稀疏化表示以满足压缩感知理论的前提条件。辐射源信号是自然的空间稀疏信号[7], 在此基础上, 提出了2种构造过完备基矩阵的方法, 在该模型下仿真验证了正交匹配追踪 (OMP) 和基追踪 ( BP) 算法的有效性和优势。最后, 分析了稀疏测向技术的应用前景。
1 传统阵列模型
传统的阵列信号采集前端原理如图1所示。每一路射频前端的模拟电路对应一个模数转换接收机, 需要N个接收机来产生数字信号。
考虑K个远场的窄带信号入射到空间某均匀线阵 (ULA) 上, 其中阵列天线由N个阵元组成, 该阵列在t (t = 1, 2, …, T) 时刻接收信号的数学模型为:
式中, s ( t ) 是入射信 号矢量, s ( t ) =[s1 (t) s2 (t) …sN (t) ]T; n (t) 是空间加性噪声矢量, n (t) =[n1 (t) n2 (t) …nN (t) ]T; A =[a (θ1) a (θ2) …a (θK) ], 为N×K的阵列流行矩阵。其中, 导向矢量a (θk) 中包含了辐射源信号的波达方向信息。
针对传统阵列接收模型, 给出2种基于压缩感知理论的DOA估计方法:基于阵列信号形式构造基矩阵的方法 (在单个阵元上压缩信号) 和基于阵列流形构造基矩阵的方法 (在整个阵列上压缩阵元个数) 。
2 基于阵列流形构造基矩阵的方法
阵列信号处理, 时空域信号处理和时频域信号处理可以很好地一一对应上来。t时刻阵列接收的单次快拍数据在空域具有稀疏性 (相对于整个角度空间, DOA只在对应的K个位置上不为零) 。可以基于传统的阵列接收模型, 构造出压缩感知所需要的各个矩阵。
将空间角度 - 90° ~ 90°以Δθ为步长, 等间隔的划分为θ1, θ2, …, θNs。在此基础上, 扩充阵列流形A为:
以Ψ作为基矩阵, s (t) 也将被扩充成稀疏向量, 式中,
这样重写式 (1) 为:
这样就完成了阵列单次快拍接收数据的空域稀疏表示。接下来用 一个随机 高斯观测 矩阵ΦM×N (M < < N) 和x (t) 相乘, 得到单次快拍的随机欠采样数据y (t) , 即
通过压缩感知的各种恢复算法 ( 如BP、OMP[8,9,10]等) , 就可以从随机欠采样数据y (t) 中无失真的恢复出稀疏向量b (t) , 也就完成了辐射源DOA的估计。这样, 就建立了阵列信号处理的压缩感知模型和处理方法。下面从前端信号采集方式上来分析该压缩感知模型所具有的优势。
t时刻远场窄带信号入射到阵列上, 阵列输出的模拟信号x (t) 经过接收机处理后转化为数字信号, 再进行进一步的后续处理。当信号源数目比较多或者大阵列输出数据时, 就需要与之对应的相等数目的接收机来进行信号的采集和传输。这无疑从硬件上增加了系统设计的负担。而在压缩感知模型下, 阵列信号 采集前端 的原理如 图2所示[8]。
在相同的阵元数目的情况下, 通过对阵列输出的模拟信号x (t) 的加权求和 (加权系数φij即为随机欠采样矩阵Φ中的第i行、第j列元素) 产生新的接收数据y (t) , 再经过模拟数字转换接收机产生后续处理的数字信号。根据理论分析, M可以设计的远小于N , 于是可以用远小于阵元数的接收机来进行模拟信号的采集和传输, 这样就在硬件设计上大大节约的资源, 降低了前端采集系统的成本。不仅在前端设计上具有优势, 后续的仿真还可以验证, 该方法也是一种抗噪声能力强, 分辨率更高的一种方法。
3 基于信号形式构造基矩阵的方法
上面的模型相当于在空间上对阵元数进行了压缩 (潜在的好处是节约了硬件资源) , 下面讨论另一种针对单个阵元在时间上对信号进行压缩采样的方法。该方法的优势在于可以方便地处理宽带信号的DOA估计问题。
如图3所示, 为了简化分析, 假设只有一个远场辐射源信号, 其来波方向为θk, 在初始时刻t0, 第1个阵元接收到的信号为x1 (t0) = s (t0) 。假设第1个阵元为参考阵元, 相对于参考阵元, 第i个阵元接收到的信号为xi (t0) = s (t0- ( i - 1) τ) , 其中τ =2πdsin ( θk) /λ , d为阵元间距, λ为信号波长。假设接收机的采样率为fs, 将第i个接收机采集T次快拍的信号写成列向量的形式为:
同样以空域参数为基准, 构造一个基矩阵Ψi, 则xi可以稀疏表示为:
如果将空间角度 - 90° ~ 90°以Δθ为步长, 等间隔的划分为θ1, θ2, …, θNs, 则基矩阵Ψi的第k列被定义为如下形式
式中, τk= 2πdsin ( θk) /λ。上述信号xi是传统的接收机经奈奎斯特采样得到的, 在此基础上引入压缩采样的策 略。用一个随 机欠采样 矩阵ΦMi ×T (M < < T) 对xi进行加权求和, 产生随机欠采样数据yi,
yi是第i个阵元和对应的接收机采集到的欠采样数据。现在将N个阵元采集的N路数据写成列向量的形式, 并且叠加上加性高斯白噪声得:
写成矩阵的形式为:
其中稀疏向量b满足
于是问题就转化为已知阵列接收的随机欠采样数据Y, 求解稀疏向量b。这样就可以用压缩感知的各种信号恢复算法来计算稀疏向量b , 这样辐射源信号的DOA就可以求得。
这种方法在接收机接收信号的时候进行了随机欠采样的模拟数字转换 (ADC) , 突破了奈奎斯特采样定理, 有效地降低了接收机的采样频率, 缓解了接收机AD转换器的巨大压力, 从而可以接收信号带宽更宽的信号。这就意味着可以在一个统一的框架下, 同时进行宽窄带信号的DOA估计。对于宽带信号不用再去做频域聚焦这一类的复杂工作, 从而简化了软件设计。
4 仿真分析
仿真1:对于第1种方法, 设远场有一个窄带单频正弦信号, 其波达方 向为θ = 30°, 频率f =10 MHz。阵元数N = 20 , 压缩感知模型的接收机数目为M = 4 , 信噪比SNR = 20 d B, 对于单次快拍, 仿真了MUSIC算法、BP ( 基追踪) 算法、以及OMP ( 正交匹配追踪) 算法三者的DOA估计效果。如图4所示, 可以看出在单次快拍下MUSIC算法不能正确的估计信号DOA, 而基于CS理论的2种算法均能较好地估计信号的DOA。同样, 如图5和图6所示, 2个信号 ( θ1= 30° , θ2= 35° ) 、3个信号 ( θ1= 30° , θ2= 35° , θ3= 60° ) 时压缩感知模型均能较好的估计出信号源的方向, 而MUSIC算法均失效。
仿真2:对于第2种方法, 同样假设远场有一个窄带单频正弦信号, 其波达方向为θ = 30°, 频率f =10 MHz。阵元数N = 4 , 快拍数T = 100 , 压缩采样点数M = 30 (相当于采样率降低了30% ) , 如图7所示, 3种方法均可以估计出信号的DOA, 但是CS类的方法有更强的噪声抑制性。图8展示了在有2个靠得很近的辐射源信号 (θ1= 30°, θ2= 32°) 时, 3种方法的估计效果。MUSIC和OMP均已失效, 而基于凸优化的基追踪 (BP) 算法依然可以分辨出2个信号的DOA。而针对宽带信号, 假设远场有一线性调频信号 (LMF) 其调频带宽为B = 20 MHz, 采样点数 (快拍数) 为T = 1 024 , 压缩采样点数为M =200。图9显示, MUSIC算法已经失效, 但是基于信号形式构造基矩阵的压缩采样方法可以很好的估计该宽带信号的DOA。
5 结束语
压缩感知理论在阵列信号处理中有很好的应用前景, 由于对该理论的研究才刚刚开始, 仍然需要对算法进行更深的理论分析和研究, 如CS观测矩阵设计、信号的超完备字典稀疏表示、针对多重测量向量 (MMV) [11,12]的重构算法、基于CS理论的频率参数估计及DOA估计的抗噪性、最小分辨率以及针对分布式信号源参数估计等问题。在不远的将来, 这一理论必将指引阵列信号处理向着更快、更准、更节约的方向发展。
参考文献
[1]邓志鑫.阵列误差对Capon波束形成算法的影响分析[J].无线电通信技术, 2012, 38 (2) :41-43.
[2]SCHMIDT R O.Multiple Emitter Location And Signal Parameter Estimation[J].IEEE Trans.Antennas Propag., 1986, 34 (3) :276-280.
[3]DONOHO D L.Compressed Sensing[J].IEEE Transactions on In-formation Theory, 2006, 52 (4) :1 289-1 306.
[4]何国栋, 谢小娟, 杨凌云, 等.基于压缩感知的信号重构研究[J].无线电通信技术, 2014, 40 (3) :26-28.
[5]刘春冉, 李志勇.基于欠采样的调制解调器设计[J].无线电通信技术, 2012, 38 (6) :69-72.
[6]李珅.压缩感知重构算法综述[J].红外与激光工程, 2013, 42 (S1) :227-229.
[7]王晓庆, 陶荣辉, 甘露.基于贪婪算法的高分辨信号源DOA估计[J].信号处理, 2012, 5 (28) :705-710.
[8]WANG Y, LEUS G, PANDHARIPANDE A.Direction Estimation Using Compressive Sampling Array Processing[J].IEEE 15th Workshop on Sta.Signal Process., 2009:626-629.
[9]TROPP J A, GILBERT A C.Signal Recovery From Random Measurements via Orthogonal Matching Pursuit[J].IEEE Trans.Inf.Theory, 2007, 53 (12) :4 655-4 666.
[10]YIN J H, CHEN T Q.Direction-of-arrival Estimation Using a Sparse Representation of Array Covariance Vectors[J].IEEE Trans.Signal Process., 2011, 59 (9) :4 489-4 493.
[11]COTTER S F, RAO B D, KJERSTI E, et al.Sparse Solutions to Linear Inverse Problems with Multiple Measurement Vectors[J].IEEE Trans.Signal Process, 2005, 53 (7) :2 477-2 488.
【测向系统】推荐阅读：
测向精度08-15
无线电测向06-22
开展无线电测向活动08-16
无线电测向社团章程09-12
2024年江苏省无线电测向锦标赛参赛方案09-01
直流系统管理信息系统08-28
医院信息系统灾备系统07-21
强行卸载文件系统Windows系统06-04
生态系统系统的稳定性08-31
播控系统中存储子系统07-14