买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学申请的专利基于多站的子空间数据融合的直接定位与极化参数估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115685065B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211406703.5，技术领域涉及：G01S5/06；该发明授权基于多站的子空间数据融合的直接定位与极化参数估计方法是由陈涛;李敏行;郭立民;刘子铭;梁曜鹏设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本基于多站的子空间数据融合的直接定位与极化参数估计方法在说明书摘要公布了：基于多站的子空间数据融合的直接定位与极化参数估计方法，本发明涉及基于多站的子空间数据融合的直接定位与极化参数估计方法。本发明的目的是为了解决传统的两步单站无源定位算法无法避免多项定位参数估计，导致定位的收敛性和定位精度差的问题。具体过程为：步骤一：生成多站的子空间数据矩阵；步骤二：构造关于辐射源目标位置的代价极值函数；步骤三：在二维平面内对代价极值函数进行谱峰搜索，基于谱峰确定目标位置，基于目标位置确定空域DOA估计结果；步骤四：基于步骤三确定的空域DOA估计结果，恢复极化域的DOA参数。本发明用于辐射源定位领域。

本发明授权基于多站的子空间数据融合的直接定位与极化参数估计方法在权利要求书中公布了：1.基于多站的子空间数据融合的直接定位与极化参数估计方法，其特征在于：所述方法具体过程为： 步骤一：生成多站的子空间数据矩阵； 步骤二：构造关于辐射源目标位置的代价极值函数； 步骤三：在二维平面内对代价极值函数进行谱峰搜索，基于谱峰确定目标位置，基于目标位置确定空域DOA估计结果； 步骤四：基于步骤三确定的空域DOA估计结果，恢复极化域的DOA参数； 所述步骤一中生成多站的子空间数据矩阵；具体过程为： 观测接收阵列由M个正交偶极子阵元组成，每个观测站上有一个观测接收阵列； 辐射源信号为远场入射窄带信号，即辐射源信号到达接收阵列位置可假设为平行的平面波信号； 观测接收阵列的远场区域内有Q个静止辐射源目标发射电磁波信号，信号通过直线传播到达接收阵列，将第q个静止辐射源目标位置坐标记作pq∈RD×1，其中q＝1,2,...,Q，D为空间坐标维数，R为实数，则在t时刻的第k个观测站的接收阵列输出响应表示如式1： 式中，将由偶极子极化方向为x轴正向的子阵列接收信号设为xh,kt，由偶极子极化方向为y轴正向的子阵列接收信号设为xv,kt；Ah,k和Av,k为空域-极化域联合导向矢量，sqt表示第q个辐射源目标的信号在t时刻的取值，nht和nvt为高斯白噪声；为克罗内克积，st为信号在t时刻的取值，au,kφq为第k个观测站的空域导向矢量；ap,1φq,γq,ηq和ap,2φq,γq,ηq为极化域导向矢量，φq为空域俯仰角，γq为极化域辅助角，ηq为极化域相位角，T为转置； 对xh,kt和xv,kt求和获得含有全部极化信息的xt，对xt进行处理，保证对不同极化方向信号的DOA估计性能，如下式3所示： 式中，A为导向矢量矩阵，Nt为高斯白噪声，M为观测阵列中正交偶极子阵元个数；t为t时刻； 其中DOA为波达方向估计； 所述步骤二中构造关于辐射源目标位置的代价极值函数；具体过程为： 定义第k个观测站的观测信号rkn的协方差矩阵为式4： Rk＝E[rknrkHn] ＝E{[ak,nxkskn+nkn][ak,nxkskn+nkn]H}4 式中，Rk为第k个观测站的观测信号rkn的协方差矩阵，E[]为期望，上角标H表示求共轭，ak,nxk是由包含目标信源位置信息的第k个观测站的空域-极化域导向矢量，skn为第k个观测站接收到的信号，nkn为第k个观测站接收到的高斯白噪声，xk为第k个观测站接收到的信息，信息为辐射源的二维位置信息；n为第n次采样； 可得到第k个观测站的观测信号rkn的协方差矩阵为式5： 式中，为辐射源信号在第k个观测站的协方差矩阵；σ2为噪声功率，其中xk中包含的信息为辐射源的二维位置信息，IM为M维单位矩阵；N为快拍数；Rk是非奇异的，且Rk＝RkH； 对第k个观测站的观测信号rkn的协方差矩阵Rk进行特征分解，分解结果可以表示为如下形式6： 式中，Σs是由Q个较大特征值分解构成的对角阵，Us为Q个较大特征值对应的Q个较大特征矢量构成信号子空间；ΣN是由M-Q个较小特征值构成的对角阵，UN为M-Q个较小特征值对应的M-Q个较小特征矢量构成噪声子空间； 由以上推导可知，假设噪声为高斯白噪声时，有ΣN＝σ2IM-QM-Q； 式中，IM-QM-Q为M-QM-Q维单位矩阵； 由噪声子空间UN与信号子空间Us之间的正交关系，可以得到关于辐射源位置的代价极值函数Pkxk； 所述代价极值函数Pkxk的表达式式为： 式中，akxk为第k个观测站的空域导向矢量，Pkxk为代价极值函数； 所述ak,nxk的表示形式为： 其中φq为空域俯仰角；γq为极化域辅助角，ηq为极化域相位角； 所述步骤三中在二维平面内对代价极值函数进行谱峰搜索，基于谱峰确定目标位置，基于目标位置确定空域DOA估计结果；具体过程为： 在目标信号的期望位置附近对代价极值函数进行关于辐射源位置的二维谱峰搜索； 最终将所有观测站的代价极值函数取对数再求和，得到的谱峰的横纵坐标即为目标坐标； 最终可以根据得到的目标位置和某个观测站的位置的差值计算出空域DOA估计结果 所述步骤四中基于步骤三确定的空域DOA估计结果，恢复极化域的DOA参数；具体过程为： 将第k个观测站接收到的信号xh,kt的自相关矩阵记为R11，信号xv,kt的自相关矩阵记为R22，将第k个观测站接收到的信号xh,kt的互相关矩记为R12，信号xv,kt的互相关矩记为R21； R11、R22、R12或R21的表达形式为式8： 式中，Rzt′代表R11、R22、R12或R21； xzt代表xh,kt或xv,kt，z取1时，xzt为xh,kt，z取2时，xzt为xv,kt； xt′t代表xh,kt或xv,kt，z取1时，xt′t为xh,kt，z取2时，xt′t为xv,kt； Ap,t′表示不同子阵的极化域导向矢量矩阵； z、t′为常数，1≤z,t′≤2； Au＝[auφ1,auφ2,...,auφQ]为空域导向矢量矩阵，auφQ为导向矢量； Ap,z表示不同子阵的极化域导向矢量矩阵； Rss表示目标信号协方差矩阵；IQ为Q维单位矩阵；χz,t′由两个子阵分别接收的理想高斯白噪声构成； 其中，目标信号协方差矩阵为信号功率； 对Rzt′进行向量化处理，如式9所示： 式中，rzt′为对Rzt′进行向量化处理后的信号，vec·表示对角线元素的向量，为对IQ进行向量处理，bz′t为对角线元素；为Au的共轭转置，⊙为内积，Au为空域导向矢量矩阵； 记可得根据上述向量化结果rzt′，结合最小二乘法可推得极化参数可根据恢复，下式中代表中的第q个元素，如式10和式11所示： 式中，为中间变量，为克罗内克积，为的导向矢量，为的共轭转置，为的导向矢量，为的共轭转置，为中间变量，为极化域辅助角估计值，为空域俯仰角估计值，为极化域相位角估计值，为中间变量，imag为虚部，mod为取模值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。