一种脉冲噪声环境下基于最大相关熵的定位方法和系统

1.本发明属于信号处理技术领域，尤其涉及一种脉冲噪声环境下基于最大相关熵的定位方法和系统。


背景技术：

2.无源定位技术是一种不需要自身发射电磁信号，通过利用接收站截获由目标发射或反射的信号来确定目标位置的技术，也称为被动定位技术。其具有成本低、抗干扰能力强等优点，在水面舰艇定位、海域监测、地面非法入侵等领域都具有重要应用价值。
3.无源定位通常是通过两步法实现的，即先完成与目标位置有关的参数估计，如到达时差、到达角、到达频差等，再通过定位解算得到目标的位置估计。但两步无源定位算法在实现过程中忽略了接收信号都来自于同一目标的前提，因此其定位精度有限。
4.为了解决两步法的缺点，提高定位精度，“weiss a j.direct position determination of narrowband radio transmitters[j].ieee signal processing letters,ieee,2004,11(5):513
–
516.”一文提出直接定位(direct position determination,dpd)方法，直接使用观测信号而无需完成时差/频差的估计，即可实现目标的定位。与两步定位算法相比，由于dpd不需要估计中间参数，通常具有更好的定位性能。
[0005]
由于自然现象或者人为因素的实际影响，噪声通常为具有明显的尖峰脉冲特性的脉冲噪声，比如电力线通信系统中的噪声、浅海水声信道噪声等。这类噪声的密度函数在尾部衰减的速度会小于高斯噪声的密度函数，通常可以使用具有厚拖尾特性的α
–
稳定分布对其进行建模。然而，基于极大似然(maximum likelihood,ml)准则的dpd(ml-dpd)算法，通常考虑在高斯噪声环境下，基于噪声的分布特性建立关于目标位置的似然函数，通过寻找似然函数的极大值实现对目标位置的估计。本发明的实施例将证明基于极大似然准则的dpd算法在脉冲噪声环境下性能会明显恶化。
[0006]
而在脉冲噪声环境下，原本建立在高斯噪声情况下的各种估计算法的性能明显下降。为了解决脉冲噪声环境下的参数估计问题，论文“金艳,任航,姬红兵.脉冲噪声下基于相关熵的ofdm时域参数估计[j].系统工程与电子技术,2015,37(12):2701
–
2706.”中针对传统的正交频分复用时域参数估计方法在脉冲噪声环境下性能退化的问题，提出了一种基于相关熵的时域参数估计新方法，该算法在脉冲噪声情况下具有良好的估计性能。在论文“蔡睿妍,杨力,钱杨.脉冲噪声下基于相关熵的相干分布源doa估计新方法[j].电子与信息学报,2020,42(11):2600
–
2606.”中针对脉冲噪声环境下到达方向估计性能显著下降的问题，基于相关熵的概念提出了一种基于相干分布源doa估计算法，其在脉冲噪声环境下具有较高的估计精度和鲁棒性。一种基于期望最大化算法的到达时差估计算法在低信噪比情况下性能相比。而在论文“佟祉谏.alpha稳定分布噪声环境下基于相关熵的时延估计算法研究[d].大连理工大学,2010.”针对经典时延估计算法在处理脉冲噪声时延估计问题的不足，提出了以相关熵为基础的多种时延估计新算法，新算法在脉冲噪声环境下具有优异的估计精度和抗噪性能。


技术实现要素：

[0007]
为解决上述技术问题，本技术提出一种脉冲噪声环境下基于最大相关熵的定位方案，其实现了在脉冲噪声环境下进行的有效目标直接定位，基于最大相关熵准则推导对应的直接定位算法，从而解决传统目标直接算法在脉冲噪声情况下，定位性能下降的问题。
[0008]
本发明第一方面公开了一种脉冲噪声环境下基于最大相关熵的定位方法。所述方法包括：
[0009]
步骤s1、多个速度已知的接收站在其运动轨迹上执行基于多个时隙的信号截取，以接收来自静止辐射源目标的时域信号，并根据载频对接收到的所述时域信号进行下变频处理，从而获得基带接收信号；
[0010]
步骤s2、对所述基带接收信号进行采样，并基于各个采样点的采样数据，构造所述各个采样点基于相关熵的代价函数，从而获得全局代价函数；
[0011]
步骤s3、通过计算所述全局代价函数的极大值点，确定所述静止辐射源目标的估计位置，其中，所述全局代价函数的极大值处表征所述静止辐射源目标的估计位置为所述静止辐射源目标的真实位置的估计。
[0012]
根据本发明第一方面的方法，其特征在于，在所述步骤s1中，所述多个速度已知的接收站在执行所述信号截取时速度和位置保持不变，所述下变频处理后的基带接收信号包含传输时延、多普勒频移、信道加性噪声，其中所述信道加性噪声服从对称α-稳定分布，且所述信道加性噪声与所述时域信号相互独立。
[0013]
根据本发明第一方面的方法，在所述步骤s1中，l个速度已知的接收站中第l个接收站在k个时隙的信号截取中第k次时隙截取的基带接收信号为：
[0014][0015]
其中，0《t≤t,l＝1,2,
…
,l；k＝1,2,
…
,k，t为连续时间变量，t为每个时隙的信号截取时长，τ
l，k
为所述第k个时隙中接收到的时域信号的传输时延，为所述第k个时隙中接收到的时域信号，fc为载频，f
l，k
为所述第k个时隙中接收到的时域信号的多普勒频移，z
l,k
(t)为在所述第k个时隙中，所述第l个接收站处的加性脉冲噪声。
[0016]
根据本发明第一方面的方法，在所述步骤s2中：
[0017]
以ts为采样周期对所述基带接收信号进行采样，所述第l个接收站在所述第k个时隙的基带接收信号的采样形式为：
[0018][0019]
其中，t为连续时间变量，t为每个时隙的信号截取时长，l＝1,2，
…
，l；k＝1，2，
…
，k，第n个采样点0≤n≤n-1，n＝t/ts为总采样点数；
[0020]
将第1-n个采样点的采样数据以向量形式表示为：
[0021]rl，k
＝a
l，kfl，k
sk+z
l，k
[0022]
其中，l＝1,2,
…
,l；k＝1,2，
…
，k，以及：
[0023][0024]
[0025][0026][0027]
其中，diag{}表示对角矩阵，f
l，k
为向下移位算子，以f
l，k
sk实现sk的移位。
[0028]
根据本发明第一方面的方法，在所述步骤s2中，对所述多个时隙中的每个时隙的所述基带接收信号执行基于多个采样点的采样，对每个采样点的构造的所述基于相关熵的代价函数选取相同的核长参数，则所述第k个时隙中第i个采样点的基于相关熵的代价函数为：
[0029][0030]
其中，k＝1,2,
…
,k,i＝1,2,
…
,n,l＝1,2,
…
,l，e
l，k，i
(p)＝(r
l，k-a
l，kfl，k
sk)i表示每个时隙中每个采样点处的第l个接收机的采样数据。
[0031]
根据本发明第一方面的方法，在所述步骤s2中，所述全局代价函数为：
[0032][0033]
其中，为所述第l个接收机的基于相关熵的代价函数。
[0034]
根据本发明第一方面的方法，在所述步骤s3中，所述静止辐射源目标的估计位置为：
[0035][0036]
其中，表征所述静止辐射源目标的真实位置。
[0037]
本发明第二方面公开了一种脉冲噪声环境下基于最大相关熵的定位系统。所述系统包括：
[0038]
第一处理单元，被配置为，调用多个速度已知的接收站在其运动轨迹上执行基于多个时隙的信号截取，以接收来自静止辐射源目标的时域信号，并根据载频对接收到的所述时域信号进行下变频处理，从而获得基带接收信号；
[0039]
第二处理单元，被配置为，对所述基带接收信号进行采样，并基于各个采样点的采样数据，构造所述各个采样点基于相关熵的代价函数，从而获得全局代价函数；
[0040]
第三处理单元，被配置为，通过计算所述全局代价函数的极大值点，确定所述静止辐射源目标的估计位置，其中，所述全局代价函数的极大值处表征所述静止辐射源目标的估计位置为所述静止辐射源目标的真实位置的估计。
[0041]
根据本发明第二方面的系统，所述多个速度已知的接收站在执行所述信号截取时速度和位置保持不变，所述下变频处理后的基带接收信号包含传输时延、多普勒频移、信道加性噪声，其中所述信道加性噪声服从对称α-稳定分布，且所述信道加性噪声与所述时域信号相互独立。
[0042]
根据本发明第二方面的系统，l个速度已知的接收站中第l个接收站在k个时隙的信号截取中第k次时隙截取的基带接收信号为：
[0043][0044]
其中，0《t≤t,l＝1,2,
…
,l；k＝1,2,
…
,k，t为连续时间变量，t为每个时隙的信号截取时长，τ
l,k
为所述第k个时隙中接收到的时域信号的传输时延，为所述第k个时隙中接收到的时域信号，fc为载频，f
l,k
为所述第k个时隙中接收到的时域信号的多普勒频移，z
l,k
(t)为在所述第k个时隙中，所述第l个接收站处的加性脉冲噪声。
[0045]
根据本发明第二方面的系统，所述第二处理单元具体被配置为，以ts为采样周期对所述基带接收信号进行采样，所述第l个接收站在所述第k个时隙的基带接收信号的采样形式为：
[0046][0047]
其中，l＝1，2，
…
，l；k＝1，2,
…
，k，第n个采样点0≤n≤n-1，n＝t/ts为总采样点数；
[0048]
将第1-n个采样点的采样数据以向量形式表示为：
[0049]rl,k
＝a
l,kfl,k
sk+z
l,k
[0050]
其中，l＝1,2，
…
，l；k＝1,2,
…
,k，以及：
[0051][0052][0053][0054][0055]
其中，diag{}表示对角矩阵，f
l,k
为向下移位算子，以f
l,k
sk实现sk的移位。
[0056]
根据本发明第二方面的系统，所述第二处理单元具体被配置为，对所述多个时隙中的每个时隙的所述基带接收信号执行基于多个采样点的采样，对每个采样点的构造的所述基于相关熵的代价函数选取相同的核长参数，则所述第k个时隙中第i个采样点的基于相关熵的代价函数为：
[0057][0058]
其中，k＝1,2,
…
,k，i＝1,2,
…
,n，l＝1,2,
…
,l，e
l,k,i
(p)＝(r
l,k-a
l,kfl,k
sk)i表示每个时隙中每个采样点处的第l个接收机的采样数据。
[0059]
根据本发明第二方面的系统，所述全局代价函数为：
[0060]
[0061]
其中，为所述第l个接收机的基于相关熵的代价函数。
[0062]
根据本发明第二方面的系统，所述静止辐射源目标的估计位置为：
[0063][0064]
其中，表征所述静止辐射源目标的真实位置。
[0065]
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种脉冲噪声环境下基于最大相关熵的定位方法中的步骤。
[0066]
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种脉冲噪声环境下基于最大相关熵的定位方法中的步骤。
[0067]
本发明提供的技术方案在脉冲噪声环境中，利用接收信号采样的样本近似估计相关熵，构建基于相关熵的局部代价函数；将来自不同接收机、不同时隙的局部代价函数相加，获得全局代价函数；使用网格搜索法寻找全局代价函数的最大值点，作为目标真实位置的估计；充分考虑更为实际的脉冲噪声，并基于最大相关熵准则构建了新的代价函数，能够在脉冲噪声环境中显著提升定位效果。
附图说明
[0068]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0069]
图1为根据本发明实施例的一种脉冲噪声环境下基于最大相关熵的定位方法的流程图；
[0070]
图2为根据本发明实施例的脉冲噪声环境下基于最大相关熵的定位算法的示意图；
[0071]
图3为根据本发明实施例的不同广义信噪比条件下各个算法的定位性能的比对示意图；
[0072]
图4为根据本发明实施例的不同特征参数条件下各个算法的定位性能的比对示意图；
[0073]
图5为根据本发明实施例的一种脉冲噪声环境下基于最大相关熵的定位系统的结构图；
[0074]
图6为根据本发明实施例的一种电子设备的结构图。
具体实施方式
[0075]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0076]
本发明第一方面公开了一种脉冲噪声环境下基于最大相关熵的定位方法。图1为根据本发明实施例的一种脉冲噪声环境下基于最大相关熵的定位方法的流程图；如图1所示，所述方法包括：
[0077]
(图2为根据本发明实施例的脉冲噪声环境下基于最大相关熵的定位算法的示意图；如图2所示)
[0078]
步骤s1、多个速度已知的接收站在其运动轨迹上执行基于多个时隙的信号截取，以接收来自静止辐射源目标的时域信号，并根据载频对接收到的所述时域信号进行下变频处理，从而获得基带接收信号；
[0079]
步骤s2、对所述基带接收信号进行采样，并基于各个采样点的采样数据，构造所述各个采样点基于相关熵的代价函数，从而获得全局代价函数；
[0080]
步骤s3、通过计算所述全局代价函数的极大值点，确定所述静止辐射源目标的估计位置，其中，所述全局代价函数的极大值处表征所述静止辐射源目标的估计位置为所述静止辐射源目标的真实位置的估计。
[0081]
在步骤s1，多个速度已知的接收站在其运动轨迹上执行基于多个时隙的信号截取，以接收来自静止辐射源目标的时域信号，并根据载频对接收到的所述时域信号进行下变频处理，从而获得基带接收信号。
[0082]
在一些实施例中，在所述步骤s1中，所述多个速度已知的接收站在执行所述信号截取时速度和位置保持不变，所述下变频处理后的基带接收信号包含传输时延、多普勒频移、信道加性噪声，其中所述信道加性噪声服从对称α-稳定分布，且所述信道加性噪声与所述时域信号相互独立。
[0083]
在一些实施例中，在所述步骤s1中，l个速度已知的接收站中第l个接收站在k个时隙的信号截取中第k次时隙截取的基带接收信号为：
[0084][0085]
其中，0《t≤t,l＝1,2,
…
,l；k＝1,2,
…
,k，t为连续时间变量，t为每个时隙的信号截取时长，τ
l,k
为所述第k个时隙中接收到的时域信号的传输时延，为所述第k个时隙中接收到的时域信号，fc为载频，f
l,k
为所述第k个时隙中接收到的时域信号的多普勒频移，z
l,k
(t)为在所述第k个时隙中，所述第l个接收站处的加性脉冲噪声。
[0086]
具体地，考虑空间中存在1个静止辐射源目标和l个速度已知的接收站，每个接收站在其运动轨迹进行k个时隙的信号截取，假设接收站在每次信号截取时速度和位置均保持不变。假设第l个接收站在第k次截取信号时的位置和速度分别为p
l,k
和v
l,k
,l＝1,2,
…
,l；k＝1,2,
…
,k，目标的位置为p。第k个时隙中辐射源的发射信号是其中，sk(t)是辐射源在第k个时隙发射信号的包络，带宽为w(w＜＜fc)，fc是载频。
[0087]
考虑时延、多普勒频移及信道加性噪声的影响，以载频fc对接收信号下变频处理后，第l个接收站第k次截取的基带观测信号为
[0088][0089]
其中，τ
l,k
为第k个时隙的发射信号从目标传播到第l个接收站的传输时延，
c为光速；f
l,k
为第k个时隙的发射信号从目标传播到第l个接收站产生的多普勒频移，站产生的多普勒频移，z
l,k
(t)为第k个时隙中第l个接收站处的加性脉冲噪声，其服从对称α
–
稳定分布，即sαs分布，z
l,k
(t)～s
α
(γ
l
,0,0)，假设噪声与发射信号相互独立。
[0090]
在步骤s2，对所述基带接收信号进行采样，并基于各个采样点的采样数据，构造所述各个采样点基于相关熵的代价函数，从而获得全局代价函数。
[0091]
在一些实施例中，在所述步骤s2中：
[0092]
以ts为采样周期对所述基带接收信号进行采样，所述第l个接收站在所述第k个时隙的基带接收信号的采样形式为：
[0093][0094]
其中，l＝1,2,
…
,l；k＝1,2,
…
,k，第n个采样点0≤n≤n-1,n＝t/ts为总采样点数；
[0095]
将第1-n个采样点的采样数据以向量形式表示为：
[0096]rl,k
＝a
l,kfl,k
sk+z
l,k
[0097]
其中，l＝1,2,
…
,l；l＝1,2,
…
,k，以及：
[0098][0099][0100][0101][0102]
其中，diag{}表示对角矩阵，f
l,k
为向下移位算子，以f
l,k
sk实现sk的移位。
[0103]
在一些实施例中，在所述步骤s2中，对所述多个时隙中的每个时隙的所述基带接收信号执行基于多个采样点的采样，对每个采样点的构造的所述基于相关熵的代价函数选取相同的核长参数，则所述第k个时隙中第i个采样点的基于相关熵的代价函数为：
[0104][0105]
其中，k＝1,2,
…
,k，i＝1,2，
…
，n，k＝1,2，
…
，l，e
l,k,i
(p)＝(r
l,k-a
l,kfl,k
sk)i表示每个时隙中每个采样点处的第l个接收机的采样数据。
[0106]
在一些实施例中，在所述步骤s2中，所述全局代价函数为：
[0107][0108]
其中，为所述第l个接收机的基于相关熵的代价函数。
[0109]
具体地，以ts为采样周期对基带接收信号进行采样，则第l个接收站在第k个时隙的接收信号的采样形式为：
[0110][0111]
其中，第n个采样点0≤n≤n-1,n＝t/ts为总采样点数。
[0112]
将第1～n个采样点的接收数据写成如下向量形式：
[0113]rl,k
＝a
l,kfl,k
sk+z
l,k
,l＝1,2,
…
,l；k＝1,2,
…
,k
[0114]
其中，
[0115][0116][0117][0118][0119]
其中，diag{a1,
…
,an}表示以{a1,
…
,an}为对角线元素的对角矩阵。f
l,k
为向下移位算子，通过循环移动单位矩阵的行得到，表示向下取整，使用f
l,k
sk来实现sk的移位。
[0120]
具体地，基于相关熵的概念并利用样本值代替期望，得到第k个时隙中第i个采样点的代价函数为：
[0121][0122]
其中，e
l,k,i
(p)＝(r
l,k-a
l,kfl,k
sk)i,l＝1,2,
…
,l表示每个时隙中每个采样点处的第l个接收机的采样数据，(a)i表示向量a的第i个元素。
[0123]
为了简化推导，对于各个时隙中每个采样点的代价函数，本发明选取相同的核长参数。事实上，对各个时隙中每个采样点的代价函数，选取不同的核长参数有可能得到更高的定位性能。将k个不同时隙、n个不同采样点代价函数相加，得到全局代价函数：
[0124][0125]
其中，称为第l个接收机的代价函数。
[0126]
注意到，当目标估计位置与目标真实位置越近时，越大，因此全局代价函数在真实位置点处取得最大值。
[0127]
在步骤s3，通过计算所述全局代价函数的极大值点，确定所述静止辐射源目标的估计位置，其中，所述全局代价函数的极大值处表征所述静止辐射源目标的估计位置为所述静止辐射源目标的真实位置的估计。
[0128]
在一些实施例中，寻找全局代价函数j
mcc
(p)的极大值，得到辐射源目标的估计位置
[0129][0130]
具体示例
[0131]
仿真条件：
[0132]
假设目标位于[10000,10000]m。考虑接收站数量l＝5，五个接收站初始位置分别为[0,0]m、[282.84,282.84]m、[-282.84,282.84]m、[0,-400]m、[0,-800]m，运动速度均为[100,0]
t
m/s,截取时隙数k＝5，截取间隔为2s，每次截取时间为3.9ms。发射信号的载频为2ghz，信号带宽为200khz。通过网格搜索的方法寻找代价函数的最大值点，获得目标的估计位置。由于脉冲噪声不存在有限的方差，于是在此定义广义信噪比(generalized signal-to-noise ratio,gsnr)：
[0133][0134]
其中，为信号的方差，γ为满足α
–
稳定分布的噪声的分散参数。仿真实验采用均方根误差(rootmean squared error,rmse)来衡量算法的定位性能，定义如下：
[0135][0136]
其中，q为蒙特卡洛实验次数，本文实验中q＝100；为第q次蒙特卡洛实验中目标的估计位置。
[0137]
参数设置：给定脉冲噪声特征参数α＝0.8，mcc准则的核长参数σ＝4。
[0138]
图3为根据本发明实施例的不同广义信噪比条件下各个算法的定位性能的比对示意图；如图3所示，给出了mcc-dpd算法、ml-dpd算法的rmse随广义信噪比gsnr变化的曲线。可以明显看出，与ml-dpd算法对比，mcc-dpd算法能够在脉冲噪声的环境下获得更高的定位精度，尤其在高信噪比条件下优势更为明显。
[0139]
参数设置：给定mcc准则的核长参数σ＝4，接收站接收信号的广义信噪比gsnr＝5db。
[0140]
图4为根据本发明实施例的不同特征参数条件下各个算法的定位性能的比对示意图；如图4所示，给出了mcc-dpd算法、ml-dpd算法的rmse随特征参数α变化的曲线。可以明显看出，与ml-dpd算法对比，mcc-dpd算法能够在0.6≤α≤1的强脉冲噪声环境下有效地提升定位精度；随着α增大，脉冲噪声的脉冲性逐渐减弱，ml-dpd算法的定位精度逐渐提高。注意到当α＝2时，脉冲噪声退化为高斯噪声。从图4可以观察到，当α≥1.7时，两种算法的定位精度趋于一致。
[0141]
本发明第二方面公开了一种脉冲噪声环境下基于最大相关熵的定位系统。图5为根据本发明实施例的一种脉冲噪声环境下基于最大相关熵的定位系统的结构图；如图5所示，所述系统500包括：
[0142]
第一处理单元501，被配置为，调用多个速度已知的接收站在其运动轨迹上执行基于多个时隙的信号截取，以接收来自静止辐射源目标的时域信号，并根据载频对接收到的所述时域信号进行下变频处理，从而获得基带接收信号；
[0143]
第二处理单元502，被配置为，对所述基带接收信号进行采样，并基于各个采样点的采样数据，构造所述各个采样点基于相关熵的代价函数，从而获得全局代价函数；
[0144]
第三处理单元503，被配置为，通过计算所述全局代价函数的极大值点，确定所述静止辐射源目标的估计位置，其中，所述全局代价函数的极大值处表征所述静止辐射源目标的估计位置为所述静止辐射源目标的真实位置的估计。
[0145]
根据本发明第二方面的系统，所述多个速度已知的接收站在执行所述信号截取时速度和位置保持不变，所述下变频处理后的基带接收信号包含传输时延、多普勒频移、信道加性噪声，其中所述信道加性噪声服从对称
α-稳定分布，且所述信道加性噪声与所述时域信号相互独立。
[0146]
根据本发明第二方面的系统，l个速度已知的接收站中第l个接收站在k个时隙的信号截取中第k次时隙截取的基带接收信号为：
[0147][0148]
其中，0《t≤t,l＝1,2，
…
,l；k＝1,2,
…
，k，t为连续时间变量，t为每个时隙的信号截取时长，τ
l,k
为所述第k个时隙中接收到的时域信号的传输时延，为所述第k个时隙中接收到的时域信号，fc为载频，f
l,k
为所述第k个时隙中接收到的时域信号的多普勒频移，z
l,k
(t)为在所述第k个时隙中，所述第l个接收站处的加性脉冲噪声。
[0149]
根据本发明第二方面的系统，所述第二处理单元502具体被配置为，以ts为采样周期对所述基带接收信号进行采样，所述第l个接收站在所述第k个时隙的基带接收信号的采样形式为：
[0150][0151]
其中，l＝1,2,
…
,l；k＝1,2，
…
,k，第n个采样点0≤n≤n-1,n＝t/ts为总采样点数；
[0152]
将第1-n个采样点的采样数据以向量形式表示为：
[0153]rl,k
＝a
l,kfl,k
sk+z
l,k
[0154]
其中，l＝1,2,
…
,l；k＝1，2,
…
,k，以及：
[0155][0156][0157][0158][0159]
其中，diag{}表示对角矩阵，f
l,k
为向下移位算子，以f
l,k
sk实现sk的移位。
[0160]
根据本发明第二方面的系统，所述第二处理单元502具体被配置为，对所述多个时隙中的每个时隙的所述基带接收信号执行基于多个采样点的采样，对每个采样点的构造的
所述基于相关熵的代价函数选取相同的核长参数，则所述第k个时隙中第i个采样点的基于相关熵的代价函数为：
[0161][0162]
其中，k＝1，2,
…
,k，i＝1,2,
…
,n，l＝1,2,
…
,l，e
l,k,i
(p)＝(r
l,k-a
l,kfl,k
sk)i表示每个时隙中每个采样点处的第l个接收机的采样数据。
[0163]
根据本发明第二方面的系统，所述全局代价函数为：
[0164][0165]
其中，为所述第l个接收机的基于相关熵的代价函数。
[0166]
根据本发明第二方面的系统，所述静止辐射源目标的估计位置为：
[0167][0168]
其中，表征所述静止辐射源目标的真实位置。
[0169]
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种脉冲噪声环境下基于最大相关熵的定位方法中的步骤。
[0170]
图6为根据本发明实施例的一种电子设备的结构图，如图6所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信(nfc)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0171]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0172]
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种脉冲噪声环境下基于最大相关熵的定位方法中的步骤。
[0173]
本发明提供的技术方案在脉冲噪声环境中，利用接收信号采样的样本近似估计相关熵，构建基于相关熵的局部代价函数；将来自不同接收机、不同时隙的局部代价函数相加，获得全局代价函数；使用网格搜索法寻找全局代价函数的最大值点，作为目标真实位置的估计；充分考虑更为实际的脉冲噪声，并基于最大相关熵准则构建了新的代价函数，能够
在脉冲噪声环境中显著提升定位效果。
[0174]
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。