劉金帆,沈哲賢,常 超

(國防科技大學(xué) 電子對抗學(xué)院,合肥 230037)

0 引 言

隨著信息化技術(shù)的迅猛發(fā)展,通信相關(guān)技術(shù)越來越受到各國重視。作為通信領(lǐng)域的重要任務(wù)之一,輻射源定位一直是研究的熱點(diǎn)問題[1],是戰(zhàn)場軍事行動的重要前提和基礎(chǔ)[2]。

目前,通信輻射源定位的研究已經(jīng)涉及到多種技術(shù)和算法。傳統(tǒng)的測向定位技術(shù)如到達(dá)角(Angle of Arrival,AOA)估計(jì)、時間差(Time Difference of Arrival,TDOA)估計(jì)和接收信號強(qiáng)度(Received Signal Strength,RSS)估計(jì)等[3-4]雖然在某些情況下可以實(shí)現(xiàn)準(zhǔn)確的定位,但是在復(fù)雜環(huán)境下,由于多徑效應(yīng)和信號衰減等因素的影響,難以建立準(zhǔn)確有效的數(shù)學(xué)模型,精度和魯棒性都存在局限性。為解決復(fù)雜環(huán)境下的輻射源定位問題,學(xué)者們逐漸將人工智能技術(shù)引入到通信輻射源定位中。Song等人[5]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的輻射源定位方法,在實(shí)驗(yàn)中取得了較高的定位精度。Zhao等人[6]則將注意力機(jī)制引入到殘差網(wǎng)絡(luò)中,提出了一種改進(jìn)型的輻射源定位算法,在面對極端噪聲和異常情況下具有高水平的魯棒性。但是此類方法需要大量的先驗(yàn)信息支撐,在戰(zhàn)場環(huán)境下實(shí)現(xiàn)較為困難。

近年來業(yè)界嘗試擺脫固有的輻射源定位思路,開始探索一種對地形和輻射源數(shù)量普適的感知與定位技術(shù),其中分布式網(wǎng)絡(luò)[7-8]和電磁態(tài)勢感知[9-10]技術(shù)受到了廣泛關(guān)注。電磁態(tài)勢通常上指的是一定區(qū)域范圍內(nèi)的電磁信息,以及對該信息未來變化趨勢的估計(jì)。不同于傳統(tǒng)接收信號強(qiáng)度(Received Signal Strength Indication,RSSI)定位利用幾個點(diǎn)的RSSI等信息進(jìn)行傳播模型建模來實(shí)現(xiàn)定位,電磁態(tài)勢感知定位無需依賴視距傳輸條件和傳播模型的精確建模,利用分布式網(wǎng)絡(luò)可實(shí)時獲取區(qū)域電磁信息,可在缺乏環(huán)境先驗(yàn)信息條件下為輻射源定位提供數(shù)據(jù)支撐。

利用電磁態(tài)勢相關(guān)技術(shù)進(jìn)行定位分為兩步,第一步是利用分布式網(wǎng)絡(luò)實(shí)現(xiàn)對目標(biāo)區(qū)域態(tài)勢的感知,第二步則是利用態(tài)勢信息實(shí)現(xiàn)定位,學(xué)者們就這兩個問題開展了相關(guān)研究。態(tài)勢感知方面,常用的方法為空間插值法[11]、參數(shù)構(gòu)建法和混合構(gòu)建法等。但傳統(tǒng)方法存在態(tài)勢重構(gòu)精度低或需要模型支持的問題。文獻(xiàn)[11]就態(tài)勢重構(gòu)精度的問題提出了改進(jìn),以算法復(fù)雜度及開銷的提升換取更高精度。定位方面,文獻(xiàn)[12]利用態(tài)勢信息構(gòu)建指紋數(shù)據(jù)庫,并通過所提優(yōu)化算法實(shí)現(xiàn)室外快速匹配定位。金崢嶸等人[13]用K-means聚類算法結(jié)合電磁波傳播規(guī)律實(shí)現(xiàn)輻射源定位,但大量數(shù)據(jù)的情況下該方案存在易陷入局部最優(yōu)及運(yùn)算量大的問題。

相較于其他算法,克里金(Kriging)插值重構(gòu)電磁態(tài)勢數(shù)據(jù)有更好的性能表現(xiàn),同時,其得到的結(jié)果比較平滑[14],有利于根據(jù)插值結(jié)果判斷輻射源的個數(shù)。因此,本文在運(yùn)用電磁態(tài)勢中接收信號強(qiáng)度指示RSSI的基礎(chǔ)上,研究改進(jìn)布谷鳥搜索算法優(yōu)化網(wǎng)絡(luò)中節(jié)點(diǎn)的感知位置,以較小的開銷提升克里金插值的精度,實(shí)現(xiàn)了節(jié)點(diǎn)初始部署不理想條件下目標(biāo)區(qū)域電磁態(tài)勢感知,并結(jié)合峰值密度聚類(Density Peaks Clustering,DPC)算法[15]的思想,確定區(qū)域內(nèi)輻射源可能的數(shù)量及初始聚類中心,提供給K-means算法用于輻射源定位,解決傳統(tǒng)聚類方法在缺乏先驗(yàn)信息的復(fù)雜環(huán)境下難以準(zhǔn)確定位的問題。

1 算法設(shè)計(jì)

本文提出的輻射源定位方法的設(shè)想場景為可移動的無人搭載平臺搭載的具備偵察、通信能力的感知節(jié)點(diǎn),在目標(biāo)區(qū)域內(nèi)感知電磁態(tài)勢,將數(shù)據(jù)上傳到數(shù)據(jù)處理中心,數(shù)據(jù)中心解算出輻射源位置,如圖1所示。

圖1 本文研究的定位場景

1.1 算法流程

由無人平臺搭載的感知節(jié)點(diǎn)通過拋撒、預(yù)先布設(shè)等方式部署在目標(biāo)區(qū)域內(nèi),由于初始的部署往往并不理想,會影響后續(xù)插值的精度,因此,根據(jù)感知節(jié)點(diǎn)位置和感知信號情況,由布谷鳥搜索算法給出各節(jié)點(diǎn)的最優(yōu)位置;可移動無人平臺根據(jù)布谷鳥搜索算法得到的位置信息移動到相應(yīng)位置后,感知節(jié)點(diǎn)感知數(shù)據(jù)并傳送到數(shù)據(jù)處理中心;處理中心根據(jù)這些數(shù)據(jù)進(jìn)行聚類處理,最后輸出輻射源位置。算法總體分為電磁態(tài)勢感知和輻射源定位兩部分,流程如圖2所示。

圖2 輻射源定位算法流程

首先根據(jù)需求,向待測區(qū)域隨機(jī)部署一批可移動感知節(jié)點(diǎn),組成分布式電子戰(zhàn)網(wǎng)絡(luò),用于采集、傳輸和匯總參考輻射源的電磁數(shù)據(jù)。假設(shè)網(wǎng)絡(luò)已對采集的原始數(shù)據(jù)完成了濾波、降噪、平滑等處理。感知節(jié)點(diǎn)的初始分布可能并不均勻,用該條件下獲取的電磁態(tài)勢數(shù)據(jù)來進(jìn)行空間插值會存在較大誤差。此時需要動態(tài)調(diào)整感知節(jié)點(diǎn)位置,根據(jù)感知節(jié)點(diǎn)采集到的數(shù)據(jù)進(jìn)行初步插值,在插值后的數(shù)據(jù)中找到梯度變化大的若干位置作為關(guān)鍵點(diǎn)位,利用布谷鳥搜索算法進(jìn)行位置尋優(yōu)。優(yōu)化后的感知節(jié)點(diǎn)位置使得節(jié)點(diǎn)分布均勻度提高,同時在關(guān)鍵點(diǎn)位分配了較多數(shù)目的感知節(jié)點(diǎn),利于插值精度的提高。

通過位置尋優(yōu)后的插值完成對目標(biāo)區(qū)域的電磁態(tài)勢感知,態(tài)勢數(shù)據(jù)中蘊(yùn)含了輻射源的位置信息,通過對經(jīng)過部分濾除后的數(shù)據(jù)進(jìn)行DPC及K-means聚類,找到這部分態(tài)勢數(shù)據(jù)的聚類中心,實(shí)現(xiàn)對輻射源的定位。

1.2 電磁態(tài)勢感知算法

1.2.1 位置尋優(yōu)

感知節(jié)點(diǎn)的最優(yōu)位置主要包括兩個要點(diǎn):一是要盡量提高感知節(jié)點(diǎn)在目標(biāo)區(qū)域內(nèi)的均勻度;二是要盡量覆蓋區(qū)域內(nèi)電磁信號變化劇烈的位置。針對此問題,引入布谷鳥搜索(Cuckoo Search,CS)算法來對感知節(jié)點(diǎn)的位置進(jìn)行優(yōu)化。

布谷鳥搜索算法[16]是一種基于群體智能的優(yōu)化算法,最早由Yang等人[17]提出,模擬了布谷鳥的尋巢行為。該算法利用隨機(jī)漫步和局部搜索策略來探索解空間,并通過不同個體之間的信息交流實(shí)現(xiàn)全局最優(yōu)解的搜索。

在算法執(zhí)行過程中,每個解被看作是一個鳥巢,而可行解空間內(nèi)的所有解則構(gòu)成了一個鳥群。算法根據(jù)當(dāng)前最優(yōu)解(最優(yōu)鳥巢)并利用隨機(jī)漫步和局部搜索策略產(chǎn)生新的解(新的鳥巢),并將其加入鳥群中。此外,算法還對鳥巢進(jìn)行“清洗”,以消除劣質(zhì)解并促進(jìn)優(yōu)質(zhì)解的繁殖。通過這些操作,布谷鳥搜索算法可以逐步收斂到全局最優(yōu)解。

為減少每次迭代計(jì)算Voronoi多邊形面積和均勻度帶來的計(jì)算開銷,以子區(qū)域中節(jié)點(diǎn)未覆蓋面積作為目標(biāo)函數(shù)進(jìn)行優(yōu)化,通過設(shè)置合適的感知范圍,迭代過程中節(jié)點(diǎn)之間的交疊會逐步減少,以達(dá)到分布均勻度提高的目的。

基本的布谷鳥搜索算法的流程如圖3所示。

圖3 布谷鳥搜索算法流程

在算法實(shí)現(xiàn)過程中,全局搜索采用的是萊維(Levy)飛行的方法。萊維飛行的點(diǎn),大多數(shù)時間只在小距離范圍內(nèi)移動,偶爾才會有跨越大距離移動的情況。這種運(yùn)動方式和分子的布朗運(yùn)動相似,并且思想和自然界大多數(shù)動物覓食的方式很契合。萊維飛行的方向由均勻概率分布產(chǎn)生,而步長需要結(jié)合具體問題來確定。全局搜索的公式可以表示為

(1)

(2)

式中:μ和v都服從(0,γ2)的高斯分布;β=1.5;λ=1+β;

(3)

式中:Γ是標(biāo)準(zhǔn)伽馬函數(shù)。

在全局搜索中,將初步插值中梯度變化較大的點(diǎn)作為關(guān)鍵點(diǎn)位,計(jì)算各個節(jié)點(diǎn)與其之間的距離差作為距離補(bǔ)償因子引入到位置更新公式中,具體如下:

(4)

式中:Dij為距離補(bǔ)償因子,計(jì)算方法為

(5)

實(shí)現(xiàn)全局搜索更新位置后,還需要根據(jù)一個取值在0～1的隨機(jī)數(shù)r與發(fā)現(xiàn)概率參數(shù)pa的大小關(guān)系來是否進(jìn)行最優(yōu)解的局部搜索,更新位置,即當(dāng)r>pa時,局部搜索更新位置,反之則保留當(dāng)前位置。局部搜索利用的公式為

(6)

經(jīng)過上述過程的反復(fù)迭代,區(qū)域內(nèi)感知節(jié)點(diǎn)趨于最優(yōu)分布,達(dá)到預(yù)期的目的。

1.2.2 Kriging插值

各節(jié)點(diǎn)按照上一節(jié)所提位置尋優(yōu)算法移動到相應(yīng)位置,在最優(yōu)位置采集電磁數(shù)據(jù),數(shù)據(jù)中心根據(jù)采集的數(shù)據(jù)進(jìn)行插值?？紤]Kriging插值在算法性能上的優(yōu)異表現(xiàn),本文的電磁態(tài)勢感知采用Kriging插值來實(shí)現(xiàn),具體如下:

設(shè)插值點(diǎn)RSSI值為Z(xi),其鄰域范圍內(nèi)m個感知節(jié)點(diǎn)接收的RSSI值為Z(xj),j=1,2,…,m,則Kriging插值法的估計(jì)公式為

(7)

E[Z(xi)-Z(xj)]=0。

(8)

要使Z*(xi)為Z(xi)的無偏估計(jì),即要求xi估計(jì)方差最小:

Varmin(xi)=Var[Z(xi)-Z*(xi)],

(9)

引入Lagrange乘數(shù)μ求條件極值,可表示為

(10)

式中:j=1,2,…,m。通過推導(dǎo)可得如下Kriging方程組:

(11)

式中:γ(xi-xj)表示xi與xj之間的變異函數(shù)值。求解方程(11)即可得到權(quán)重λj。

作為Kriging插值法的核心,變異函數(shù)的提出是為了描述區(qū)域化變量的空間分布特征。通過已知點(diǎn)的特征屬性隨空間位置變化的規(guī)律,變異函數(shù)可以推斷出未知點(diǎn)的屬性值,其值可以通過如下公式進(jìn)行計(jì)算:

(12)

式中:Δx表示一對采樣點(diǎn)的分離距離,N(Δx)表示所有采樣點(diǎn)對中距離相隔Δx的點(diǎn)對數(shù)。根據(jù)式(12)求解不同分離距離的變異函數(shù)值即可擬合出變異函數(shù)曲線γ(Δx)。由該曲線可以得出鄰域范圍內(nèi)樣本點(diǎn)屬性與插值點(diǎn)屬性之間的變異函數(shù)值,代入方程組(11)即可求得Lagrange乘子μ和權(quán)重λj。通常利用線性模型、球形模型、高斯模型和指數(shù)模型等現(xiàn)有變異函數(shù)模型對變異函數(shù)曲線進(jìn)行最小二乘法擬合。

1.3 電磁態(tài)勢數(shù)據(jù)聚類定位算法

電磁波在傳輸過程中的衰減是非常復(fù)雜的,電磁波的傳輸距離以及傳播過程中的反射、折射、繞射、色散均有可能對接收信號強(qiáng)度值產(chǎn)生影響,因此,電磁波自由空間的傳播模型直接運(yùn)用到對數(shù)據(jù)的聚類處理中難免會產(chǎn)生一定的誤差,使聚類中心和輻射源位置之間存在偏差。故本文在進(jìn)行聚類處理前,首先設(shè)定合適的閾值,濾除由上一節(jié)算法重構(gòu)出的RSSI值較小的數(shù)據(jù)點(diǎn),在減少后續(xù)運(yùn)算量的同時,也避免了輻射源之間的部分影響;剩余數(shù)據(jù)和輻射源的位置相關(guān)性強(qiáng),對該部分?jǐn)?shù)據(jù)進(jìn)行聚類處理能夠?qū)?shù)據(jù)與輻射源的空間相關(guān)性提取出來,得到輻射源位置的估計(jì)。

在事先不知道聚類類別數(shù)量的條件下,DPC聚類算法能夠有效確定聚類中心數(shù)量,其基本思想是通過計(jì)算每個數(shù)據(jù)點(diǎn)周圍的密度來確定數(shù)據(jù)點(diǎn)的聚類歸屬。在這個過程中,DPC算法首先計(jì)算每個數(shù)據(jù)點(diǎn)的局部密度,然后找到每個數(shù)據(jù)點(diǎn)距離最近的高密度點(diǎn)并計(jì)算它們之間的距離,最后通過比較每個數(shù)據(jù)點(diǎn)之間的距離和高密度點(diǎn)之間的距離確定每個數(shù)據(jù)點(diǎn)的聚類歸屬。

DPC算法對噪聲數(shù)據(jù)有較好的魯棒性,能夠有效地處理不同形狀、不同密度的數(shù)據(jù)集,且無需事先知道聚類中心數(shù)量,但是時間復(fù)雜度較高,對于大規(guī)模數(shù)據(jù)集的處理效率較低。在進(jìn)行DPC聚類時,需要輸入截?cái)嗑嚯xdc這一參數(shù)。一般地,dc取輻射源的有效覆蓋半徑。而K-means算法在能獲取聚類數(shù)量的條件下,具有高效和計(jì)算資源占用少的優(yōu)點(diǎn)。因此,本文將兩種算法結(jié)合起來,利用DPC算法給K-means算法提供必要參數(shù)及初始聚類中心位置,減小K-means算法初始中心隨機(jī)選取帶來的風(fēng)險(xiǎn)。

為進(jìn)一步提高算法在尋找輻射源位置的準(zhǔn)確性,本文將電磁信號一般傳播規(guī)律引入到聚類算法的距離度量中,把電磁信號RSSI值引入到距離的計(jì)算中,接收信號強(qiáng)度更高的點(diǎn)到其他點(diǎn)的距離會更小,即將距離公式修改為

(13)

式中:d(xi,X)表示點(diǎn)xi到區(qū)域內(nèi)其他點(diǎn)X的歐氏距離;Z*(xi)表示由上一節(jié)算法估計(jì)得到的點(diǎn)xi處的RSSI值;RSSImin則是這些數(shù)據(jù)中強(qiáng)度最小值。根據(jù)每個數(shù)據(jù)點(diǎn)到聚類中心的距離度量,將其劃分為若干類,即點(diǎn)(xi,yi)到第k個聚類中心的distance最小,便將其劃為第k類數(shù)據(jù)(xk,i,yk,i)。

通過對態(tài)勢數(shù)據(jù)進(jìn)行聚類處理,可以將輻射源位置通過聚類中心估計(jì)出來,即第k個輻射源位置(xk,yk)表示為

(14)

式中:(xk,i,yk,i)表示屬于第k類的數(shù)據(jù)點(diǎn)坐標(biāo);Nk是該類含有的數(shù)據(jù)點(diǎn)個數(shù)。

2 仿真實(shí)驗(yàn)

2.1 實(shí)驗(yàn)條件與評價(jià)指標(biāo)

為了驗(yàn)證本文所提定位模型與算法的有效性,在Windows10系統(tǒng)上使用Matlab R2016b軟件進(jìn)行仿真實(shí)驗(yàn)與分析。

以4G-LTE移動通信基站為實(shí)驗(yàn)對象,選取面積為4 km×4 km的某室外地區(qū)作為目標(biāo)區(qū)域進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)中設(shè)置了4個通信基站作為待測輻射源,通過網(wǎng)絡(luò)優(yōu)化軟件對該地區(qū)內(nèi)輻射源信號的傳播進(jìn)行建模,然后以一定采樣率采集目標(biāo)區(qū)域內(nèi)的電磁數(shù)據(jù),仿真分布式感知網(wǎng)絡(luò)在不同測量點(diǎn)下采集數(shù)據(jù)。

理想的頻譜地圖是連續(xù)的曲面,但實(shí)際應(yīng)用時通常用離散數(shù)據(jù)點(diǎn)組成的二維數(shù)組表示。仿真實(shí)驗(yàn)中在x軸和y軸以20 m為間隔,對目標(biāo)區(qū)域進(jìn)行網(wǎng)格化處理。不失一般性,本文使用網(wǎng)格頂點(diǎn)處的數(shù)據(jù)表征該網(wǎng)格整體數(shù)據(jù)。在電磁態(tài)勢動態(tài)感知階段,記總網(wǎng)格點(diǎn)數(shù)為N,投放的感知節(jié)點(diǎn)個數(shù)為Nr,則感知節(jié)點(diǎn)占比可表示為

(15)

引入均方根誤差(Root Mean Squared Error,RMSE)作為電磁態(tài)勢動態(tài)感知的評價(jià)指標(biāo),其計(jì)算公式如下:

(16)

式中:Z(xi)表示atoll軟件仿真中第i個網(wǎng)格的接收信號強(qiáng)度;Z*(xi)表示感知算法估計(jì)的第i個網(wǎng)格的信號強(qiáng)度。均方根誤差越小表征地圖恢復(fù)效果越好。

(17)

記Ne為待估計(jì)輻射源數(shù)量,則平均定位誤差表示為

(18)

CDF通過計(jì)算變量小于或等于某值的概率描述變量的概率分布,本文中定義為

FX(Ei)=P(X≤Ei)。

(19)

CDF越早趨近1,說明定位性能更穩(wěn)定。

另外,本文還采用了結(jié)構(gòu)相似性這一指標(biāo)來定性進(jìn)行性能比較和分析。

2.2 實(shí)驗(yàn)結(jié)果與分析

圖4比較了初始部署下克里金插值算法(表示為初始部署kga),普通布谷鳥優(yōu)化的克里金插值算法(表示為普通布谷鳥優(yōu)化kga)以及本文所提優(yōu)化感知插值算法在不同測量點(diǎn)占比情況下的電磁態(tài)勢感知效果。本文算法中選取了初步插值中梯度變化前10%數(shù)據(jù)中的隨機(jī)1%的點(diǎn)作為優(yōu)化中的關(guān)鍵節(jié)點(diǎn)。從圖4可以看出,隨著測量點(diǎn)比例的增加,插值算法的RMSE均有所下降。布谷鳥搜索優(yōu)化感知位置后,插值精度得到有效提高,而本文所提算法的RMSE始終低于隨機(jī)布點(diǎn)的克里金插值以及普通布谷鳥優(yōu)化后的插值,表明該算法是對目標(biāo)區(qū)域的有效智能覆蓋方案。

圖4 三種方案的性能比較

圖5展示的是上述三種方案重構(gòu)電磁態(tài)勢得到的電磁態(tài)勢地圖,可以看出,原始采樣的克里金插值在對目標(biāo)區(qū)域電磁態(tài)勢重構(gòu)時,由于感知節(jié)點(diǎn)部署的不理想,很多關(guān)鍵信息沒有恢復(fù)出來,而通過布谷鳥搜索優(yōu)化位置后,感知效果得到明顯提升,電磁態(tài)勢地圖與原始電磁態(tài)勢地圖的結(jié)構(gòu)相似性較高,本文所提位置尋優(yōu)方法得到的感知效果在三種方案中最好。

圖5 三種方案得到的電磁態(tài)勢地圖

圖6為DPC聚類的決策圖,橫軸表示ρ,縱軸表示δ,可以直觀地反映出各樣本點(diǎn)這兩個量的分布情況。只有同時具有較高ρ和δ的樣本點(diǎn)才被考慮為聚類中心,也可以認(rèn)為這些樣本點(diǎn)具有比其他點(diǎn)更高密度的峰。從圖6可以看出,得到的數(shù)據(jù)應(yīng)聚為4類。

圖6 DPC聚類決策圖

圖7展示了不同閾值取值下定位誤差的變化情況,可以看出,隨著濾除數(shù)據(jù)的閾值從-80 dBm到-65 dBm變化,定位誤差先是下降而后波動上升,表明閾值取得過低時大量低相關(guān)數(shù)據(jù)的涌入使聚類中心與輻射源真實(shí)位置發(fā)生偏差,而當(dāng)閾值取得過高時大量的數(shù)據(jù)被濾除,只剩下少數(shù)強(qiáng)度高的點(diǎn),然而通過插值恢復(fù)的數(shù)據(jù)并不一定準(zhǔn)確,同時輻射源位置也并不完全在強(qiáng)度的峰值位置,因此也會造成定位誤差增大的情況。綜合考慮,本文采用-74 dBm作為數(shù)據(jù)預(yù)處理的閾值。

圖7 定位效果與閾值關(guān)系

在1%采樣率下,采用-74 dBm作為數(shù)據(jù)預(yù)處理的閾值,采用50 m作為定位準(zhǔn)確率的閾值,文獻(xiàn)[12]方法、文獻(xiàn)[13]方法、傳統(tǒng)DPC聚類算法和本文方法得到的定位誤差CDF如圖8,可見相較于前兩種算法,本文定位方法在誤差為50 m時置信概率為0.35,而前三者僅為0.21,0.15和 0.10,本文方法的累積定位誤差明顯小于另兩種算法,表明定位性能更穩(wěn)定。表1中,本文方法的平均定位誤差最低,表明定位精度最高。綜合兩項(xiàng)實(shí)驗(yàn)結(jié)果可以得出,結(jié)合DPC和K-means的聚類在定位精度上和準(zhǔn)確率上均有很大提升。

表1 三種方法的定位性能比較

3 結(jié)束語

本文在地面可移動無人平臺的分布式感知網(wǎng)絡(luò)的基礎(chǔ)上,研究了一種利用電磁態(tài)勢進(jìn)行定位的方法。本文的研究背景是復(fù)雜條件下無任何先驗(yàn)信息的態(tài)勢重構(gòu)與輻射源定位。實(shí)驗(yàn)結(jié)果表明,該算法具有良好的定位進(jìn)度。此外,本文研究的算法同樣適用于運(yùn)動狀態(tài)的輻射源定位,具體實(shí)現(xiàn)時可將運(yùn)動輻射源的定位轉(zhuǎn)化為(某一時刻)靜止?fàn)顟B(tài)下輻射源的位置按一定時間間隔進(jìn)行更新(時間間隔可根據(jù)實(shí)際需求來確定),即通過電磁態(tài)勢的實(shí)時感知,持續(xù)地對電磁態(tài)勢數(shù)據(jù)進(jìn)行處理,再基于電磁態(tài)勢的定時刷新就可以實(shí)現(xiàn)輻射源的動態(tài)定位。但是,電磁態(tài)勢感知的精度會影響定位的準(zhǔn)確性,如何獲得更高精度的電磁態(tài)勢數(shù)據(jù)進(jìn)而更加準(zhǔn)確地定位是下一步研究的方向。