本发明属于目标位置估计领域，应用于分布式阵列接收系统中，具体涉及一种基于空时联合并行因子分解的目标直接定位方法。
背景技术：
1、目标定位技术通过利用空间中目标辐射或反射的电磁信号对目标位置信息进行探测和获取，是信号处理领域的研究热点之一。现阶段，目标定位跟踪系统可分为有源系统和无源系统两大类。有源系统需借助雷达、声呐等有源设备辅助定位，具有全天候、高精度、不易受外界环境影响等优点。这类系统依赖于己方有源设备发射大功率电磁信号，隐蔽性差，容易被敌方发现并实施电子干扰，导致定位性能急剧恶化。而无源定位系统只需通过截获目标辐射的电磁信号来实现定位跟踪，这类系统隐蔽性好、抗干扰能力和生存能力强、侦察作用距离远，在电子侦察、集群作战、社会救援等军用和民用领域具有重要应用价值。
2、传统的无源定位技术通过两步处理实现目标的位置估计。两步定位首先通过接收设备截获目标信号，从原始信号中估计与目标位置有关的参数，如到达时间(time ofarrival，toa)、到达方向(angle/direction of arrival，aoa/doa)等；第二步建立中间参数与目标位置之间的方程，通过最小二乘法、伪线性法、泰勒展开法等求解方程得到位置信息。两步定位法是一种次优的估计方法，忽略了接收信号来自于同一目标辐射源的先验信息，难以有效利用接收信号间的关联性。在低接收信噪比(signal to noise ratio，snr)条件下，两步定位方法的定位精度较低，甚至无法定位。
3、直接定位(direct position determination，dpd)方法无需估计中间参数，直接对观测站截获的原始信号进行处理，利用信号中与位置有关的信息，构建定位的代价函数，再通过求解目标函数的最优值实现定位。这种方法可以充分利用接收信号之间的相关性，避免了中间参数估计精度带来的位置估计误差传播和定位参数关联困难的问题，具有定位精度高、分辨能力强、稳健性强等优点。
4、经典的直接定位方法基于最大似然准则(maximum likelihood，ml)，在单个目标场景下定位性能理论最优，然而，若空间中存在多个待定位目标，ml算法难以对多个目标有效分辨，定位性能较差。多重信号分类算法(multiple signal classification，music)基于子空间分解思想，在doa估计领域具有深远影响，实现了真正意义上的超分辨测向。基于music的直接定位方法(dpd-music)可对空间中多个目标辐射源进行有效定位，但该方法需已知目标数目的先验信息。基于最小方差无失真响应(minimum variance distortionlessresponse，mvdr)的直接定位算法(dpd-mvdr)无需先验信息，在ml准则上添加mvdr约束，进一步提升算法的分辨力。然而，在多个目标场景下，该算法是渐进有偏的，其定位精度难以达到理论最优值。
技术实现思路
1、本发明的目的是提供一种基于空时联合并行因子分解的目标直接定位方法，用以解决目前多目标定位场景中经典算法分辨率低、鲁棒性差、定位性能受限等问题。
2、为了实现上述任务，本发明采用以下技术方案：
3、一种基于空时联合并行因子分解的目标直接定位方法，包括：
4、各分布式接收站对来自目标的接收信号进行数据采集，并由此建立分布式阵列场景下基于窄带假设条件的接收信号模型；其中各分布式接收站上配置带通滤波器组，用于将接收信号经过带通滤波之后构造信号窄带假设条件，从而将信号传输时延表示到相位上；
5、对于各分布式接收站上的接收信号，利用信号空域导向矢量以及时域导向矢量对接收信号进行parafac分解，将目标位置估计问题转换为parafac模型求解问题；
6、利用三线性交替最小二乘方法对信号空域导向矢量、时域导向矢量进行估计，并利用估计的信号空域导向矢量、时域导向矢量求解空时响应矩阵；
7、根据所述空时响应矩阵，联合多个分布式观测站，通过针对各目标建立位置估计代价函数，采用二维网格搜索法对目标位置进行求解。
8、进一步地，所述建立分布式阵列场景下基于窄带假设条件的接收信号模型，表示为：
9、
10、上式中，表示对经过带通滤波器组后的接收信号以ts为采样周期进行k＝t/ts点采样，对第k个采样点的信号，经过整个滤波器组后的表示形式；q为目标源的数量，q表示第q个空间目标；αl,q表示第l个接收站与第q个目标之间信道的信道衰落系数；表示第k个采样点来自第q个目标的接收信号经过带通滤波器组后的输出，表示经过带通滤波器组后的空间传输噪声；
11、表示kronecker积，ψl,q为时域导向矢量，表示为：
12、
13、其中，f1,f2,…,fn分别为第1,2,…,n个带通滤波器的中心频率；
14、φl,q为信号空间导向矢量，表示为：
15、
16、其中，e为自然常数，i为虚数单位，d为阵元间距，λ为信号波长，θl.q为目标和接收站之间方位夹角。
17、进一步地，所述信号窄带假设条件为δτqbq＜＜1，将时延显式表示在信号的相位上：
18、
19、其中，f0q为信号频率，τl,q为信号传输时延，δτq为信号在任意两接收站之间传输时延的差值，sq(t)表示目标信号复包络，i为虚数单位。
20、进一步地，所述对于各分布式接收站上的接收信号，利用信号空域导向矢量以及时域导向矢量对接收信号进行parafac分解，将目标位置估计问题转换为parafac模型求解问题，包括：
21、联合所有q个目标信号，在第l个接收站上，各个天线单元射频信号经带通滤波器后的输出信号可进一步表示为：
22、
23、其中，⊙表示khatri-rao积，为第l个站上的目标信号矢量，为第q个目标信号在tk时刻的采样信号经过带通滤波器组后的输出，表示一q×1维复数空间；φl为信号空域导向矢量，ψl为时域导向矢量，可分别表示为：
24、
25、定义：
26、hl＝φl⊙ψl
27、为信号空时联合导向矢量；
28、对于所有k快拍采样的接收数据自t1时刻至tk时刻堆叠表示为rl，并将其以三阶parafac模型进行矩阵展开，表示为：
29、
30、其中：表示1模展开；
31、
32、其中，分别为在第l个站上，接收信号、噪声和目标信号在tk时刻经带通滤波器后的输出；
33、根据parafac分解的定义，2模、3模展开式可表示为：
34、
35、其中，n(2)、n(3)均为空间噪声。
36、进一步地，所述利用三线性交替最小二乘方法对信号空域导向矢量、时域导向矢量进行估计，并利用估计的信号空域导向矢量、时域导向矢量求解空时响应矩阵，包括：
37、令表示三个因子矩阵φl、ψl、sl的迭代估计值，在第一轮迭代时，可取服从均值为0，方差为1的复高斯分布的随机矩阵；
38、步骤3.1，根据展开式，建立ls优化方程，求解得到的估计值；
39、根据ls准则，建立优化模型如下：
40、
41、其中||·||f表示frobenius范数，的最优解可表示为：
42、
43、表示矩阵伪逆，表示上一轮迭代得到的φl和ψl的估计值；
44、步骤3.2，根据展开式，建立ls优化方程，求解得到的估计值；
45、根据ls准则，建立优化模型如下：
46、
47、的最优解可表示为：
48、
49、表示上一轮迭代得到的ψl的估计值，表示本轮迭代sl的估计值；
50、步骤3.3，根据展开式，建立ls优化方程，求解得到的估计值。
51、根据ls准则，建立优化模型如下：
52、
53、的最优解可表示为：
54、
55、表示本轮迭代sl、φl的估计值；
56、步骤3.4根据估计的求得阵列的空时响应矩阵：
57、
58、重复步骤3.1至步骤3.4，直至满足迭代终止条件。
59、进一步地，所述根据所述空时响应矩阵，联合多个分布式观测站，通过针对各目标建立位置估计代价函数，采用二维网格搜索法对目标位置进行求解，包括：
60、将l个分布式接收站的有效监测区域划分为j个网格，每个网格点对应坐标为计算第j个网格点到第l个接收站的方位角和传输时延并构建联合空时响应矢量联合所有l个接收站上的空时响应构建位置估计代价函数，通过与估计的空时响应之间的相关性求解目标当前时刻位置。
61、进一步地，位置估计代价函数表示为：
62、
63、其中，第q个目标所估计得到的空时响应矢量为的第q个列矢量，表示为为第j个网格在第l个接收站上的空域响应，为时域响应，corrcoef(·)表示对括号内两矢量取相关运算；
64、通过遍历网格位置找到能够使得代价函数取得最大值网格，该网格对应目标最优估计位置。
65、一种终端设备，包括处理器、存储器以及存储在所述存储器中的计算机程序；处理器被计算机执行时，实现所述基于空时联合并行因子分解的目标直接定位方法。
66、一种计算机可读存储介质，所述介质中存储有计算机程序；计算机程序被处理器执行时，实现所述基于空时联合并行因子分解的目标直接定位方法。
67、与现有技术相比，本发明具有以下技术特点：
68、本发明采用直接定位方法，解决了传统两步定位方法中参数估计与位置解算相分离引起的误差传播现象，提高了对目标的定位精度；另外，本发明采用了空时接收架构，引入时域导向矢量，扩展了数据处理的维度，并构建基于张量表征的信号接收模型，进一步提高了算法精度；本发明采用parafac分解方法，通过迭代更替的方式更新对空时响应矩阵的估计，提升了算法的对多目标的分辨能力，扩展了直接定位算法的适应性。
1.一种基于空时联合并行因子分解的目标直接定位方法，其特征在于，包括：
2.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，所述建立分布式阵列场景下基于窄带假设条件的接收信号模型，表示为：
3.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，所述信号窄带假设条件为δτqbq＜＜1，将时延显式表示在信号的相位上：
4.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，所述对于各分布式接收站上的接收信号，利用信号空域导向矢量以及时域导向矢量对接收信号进行parafac分解，将目标位置估计问题转换为parafac模型求解问题，包括：
5.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，所述利用三线性交替最小二乘方法对信号空域导向矢量、时域导向矢量进行估计，并利用估计的信号空域导向矢量、时域导向矢量求解空时响应矩阵，包括：
6.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，所述根据所述空时响应矩阵，联合多个分布式观测站，通过针对各目标建立位置估计代价函数，采用二维网格搜索法对目标位置进行求解，包括：
7.根据权利要求1所述的基于空时联合并行因子分解的目标直接定位方法，其特征在于，位置估计代价函数表示为：
8.一种终端设备，包括处理器、存储器以及存储在所述存储器中的计算机程序；其特征在于，处理器被计算机执行时，实现根据权利要求1-7中任一项所述基于空时联合并行因子分解的目标直接定位方法。
9.一种计算机可读存储介质，所述介质中存储有计算机程序；计算机程序被处理器执行时，实现根据权利要求1-7中任一项所述基于空时联合并行因子分解的目标直接定位方法。
