【地面辐射源多普勒定位系统工作原理（一）：多普勒定位系统原理】

通院卫重小崔

已于 2023-05-03 22:49:14 修改

阅读量524

点赞数 1

文章标签：笔记算法信息与通信信号处理

于 2023-05-02 23:38:17 首次发布

本文链接：https://blog.csdn.net/dfef232/article/details/130468157

版权

文章介绍了利用多普勒频移进行地面辐射源定位的基本原理，通过无人机接收发射机的无线电信号，结合牛顿迭代法解算发射机的位置。在无人机运动中，多普勒效应产生频移，通过测量这一频移并考虑各种误差，可以迭代计算出发射机的三维坐标和接收机的钟偏。

摘要由CSDN通过智能技术生成

地面辐射源多普勒定位系统工作原理（一）：多普勒定位系统原理

正巧遇到一个利用多普勒测量进行定位的相关课题，就以此为契机开始分享之路。
–记于2023.05.02 南京

基本原理

无人机接收地面发射机发送的无线电信号，测定无人机接收多普勒频谱，得到以发射机位置为未知变量的方程，通过三次及以上测量，联立观测方程，利用牛顿迭代法进行迭代解算，能够推算出发射机位置。

假设地面发射机用固定频率 ${f_s}$ 发射连续的无线电波，由于无人机运动，其和地面发射机间存在多普勒效应，多普勒频移 ${f_d}$ 可以表示为： ${f_d} = {f_r} - {f_s} = {{{{\bf{v}}_r} - {{\bf{v}}_s}} \over c} \cdot {{{{\bf{x}}_s} - {{\bf{x}}_r}} \over {\left\| {{{\bf{x}}_s} - {{\bf{x}}_r}} \right\|}}{f_s}$

其中 ${f_r}$ 为无人机接收信号频率， ${{\bf{v}}_s} = \left[ {\begin{array}{ccccccccccccccc}{v_x^s}&{v_y^s}&{v_z^s}\end{array}} \right]$ ， ${{\bf{v}}_r} = \left[ {\begin{array}{ccccccccccccccc}{v_x^r}&{v_y^r}&{v_z^r}\end{array}} \right]$ 分别为发射机运动速度和无人机运动速度； ${{\bf{x}}_s} = {\left[ {\begin{array}{ccccccccccccccc}{{x^s}}&{{y^s}}&{{z^s}}\end{array}} \right]^{\rm{T}}}$ ， ${{\bf{x}}_r} = {\left[ {\begin{array}{ccccccccccccccc}{{x^r}}&{{y^r}}&{{z^r}}\end{array}} \right]^{\rm{T}}}$ 分别为发射机位置和无人机接收机位置。

当地面发射机静止时，多普勒频移可以进一步表示为：
${f_d} = {{{{\bf{v}}_r}} \over c} \cdot {{{{\bf{x}}_s} - {{\bf{x}}_r}} \over {\left\| {{{\bf{x}}_s} - {{\bf{x}}_r}} \right\|}}{f_s} = {{{{\bf{v}}_r} \cdot {\bf{e}}} \over c}{f_s}$ 其中 ${\bf{e}}$ 为发射机指向无人机的方向矢量。当考虑接收机钟偏和噪声时，接收机瞬时多普勒频移观测方程可以表示为：
${f_d} = {{{{\bf{v}}_r}} \over c} \cdot {{{{\bf{x}}_s} - {{\bf{x}}_r}} \over {\left\| {{{\bf{x}}_s} - {{\bf{x}}_r}} \right\|}}{f_s} + {\delta _r} + w$ 其中 ${\delta _r}$ 表示接收机时钟频率误差， $w$ 为热噪声、电离层和对流层延迟率以及其他次要影响造成的偏差。
令 ${\bf{u}} = {\left[ {\begin{array}{ccccccccccccccc}{{{\bf{x}}_s}}&{{\delta _r}}\end{array}} \right]^{\rm{T}}}$ 为发射机三维坐标和接收机钟偏4个待求未知数。假设发射机初始估计解为 ${\left[ {\begin{array}{ccccccccccccccc}{\begin{array}{ccccccccccccccc}{{x_0}}&{{y_0}}&{{z_0}}\end{array}}&{{\delta _{r0}}}\end{array}} \right]^{\rm{T}}}$ ，将多普勒观测方程线性化可得：
$\begin{array}{c}f\left( {\bf{u}} \right) = f\left( {{{\bf{u}}_0}} \right) + {\left. {\frac{{\partial f}}{{\partial x}}} \right|_{x = {x_0}}}\left( {x - {x_0}} \right) + {\left. {\frac{{\partial f}}{{\partial y}}} \right|_{y = {y_0}}}\left( {y - {y_0}} \right) + \\{\left. {\frac{{\partial f}}{{\partial z}}} \right|_{z = {z_0}}}\left( {z - {z_0}} \right) + \left( {{\delta _r} - {\delta _{r0}}} \right) + \dot o\end{array}$ 其中 $\dot o$ 为高阶小量。
当无人机接收机获得多次多普勒测量时，联立观测方程得到联立方程组以及状态更新矩阵：
${\bf{G}}\left[ {\begin{array}{ccccccccccccccc}{x - {x_0}}\\{y - {y_0}}\\{z - {z_0}}\\{{\delta _r} - {\delta _{r0}}}\end{array}} \right] + \varsigma = {\bf{G}} \cdot \Delta {{\bf{u}}_k} + \varsigma$ $\Delta {\bf{f}} = \left[ {\begin{array}{ccccccccccccccc}{{f^{\left( 1 \right)}}\left( {\bf{u}} \right) - {f^{\left( 1 \right)}}\left( {{{\bf{u}}_k}} \right)}\\{{f^{\left( 2 \right)}}\left( {\bf{u}} \right) - {f^{\left( 2 \right)}}\left( {{{\bf{u}}_k}} \right)}\\ \vdots \\{{f^{\left( n \right)}}\left( {\bf{u}} \right) - {f^{\left( n \right)}}\left( {{{\bf{u}}_k}} \right)}\end{array}} \right]$ ${\bf{G}} = \left[ {\begin{array}{ccccccccccccccc}{\frac{{\partial {f^{\left( 1 \right)}}}}{{\partial x}}}&{\frac{{\partial {f^{\left( 1 \right)}}}}{{\partial y}}}&{\frac{{\partial {f^{\left( 1 \right)}}}}{{\partial z}}}&1\\{\frac{{\partial {f^{\left( 2 \right)}}}}{{\partial x}}}&{\frac{{\partial {f^{\left( 2 \right)}}}}{{\partial y}}}&{\frac{{\partial {f^{\left( 2 \right)}}}}{{\partial z}}}&1\\ \vdots & \vdots & \vdots & \vdots \\{\frac{{\partial {f^{\left( n \right)}}}}{{\partial x}}}&{\frac{{\partial {f^{\left( n \right)}}}}{{\partial y}}}&{\frac{{\partial {f^{\left( n \right)}}}}{{\partial z}}}&1\end{array}} \right]$ 其中k为迭代次数， ${{\bf{u}}_k}$ 为第k次迭代解算的估计值， $\varsigma$ 为残差向量， $\Delta f$ 为多普勒观测量真实值与预测值的差值向量。根据最小二乘原理解得：
$\Delta {{\bf{u}}_k} = {\left( {{{\bf{G}}^{\rm{T}}}{\bf{G}}} \right)^{ - 1}}{{\bf{G}}^{\rm{T}}} \cdot \Delta {\bf{f}}$ 将解算出的 $\Delta {{\bf{u}}_k}$ 对上一步估计解 ${{\bf{u}}_k}$ 进行更正，则更新后的估计解为 ${{\bf{u}}_{k + 1}} = {{\bf{u}}_k} + \Delta {{\bf{u}}_k}$ 将其代入下一次迭代运算，直到 $\Delta {{\bf{u}}_k}$ 的二范数小于某个设定的阈值时推出迭代。此时的 ${{\bf{u}}_k}$ 即为最终的发射机3维位置坐标和接收机钟偏估计解。