基于无线传感器网络的GNSS干扰信号分布式定位和跟踪理论研究

Vulnerability of Global Navigation Satellite System (GNSS) to radio frequency interference (RFI) from either malicious (jamming) or unintentional sources would results in the malfunctioning of the GNSS receivers. An important mitigation for the RFI risk is to rapidly and accurately locate and interdict the RFI sources. In this proposal, focusing on the passive localization and tracking of the RFI sources, the applicant proposes conducting the research on passively localizing and tracking the RFI sources with spatially distributed wireless sensor networks (WSNs) in a distributed manner. Based on the heterogeneous WSNs, the applicant proposes primarily investigating the distributed theoretical adaptive algorithm framework and the corresponding algorithms in depth, and exploring new directions and technical approaches of distributed adaptive parameter estimation. The theoretic frameworks of both the distributed passive target localization and tracking algorithms will then be established and developed based on the heterogeneous WSNs, with the emphases on low computational complexity, low communication traffic and energy-constrained algorithms. Further, the corresponding practical engineering oriented algorithms and implementation strategies will be explored, including the theory of distributed target location and tracking under different sorts of non-ideal conditions including fading channel transmission, node position error and clock synchronization error. Major breakthroughs of the proposed project include localized signal processing and information sharing schemes among neighboring nodes, and energy constrained distributed adaptive parameter estimation algorithms, distributed adaptive passive target direct localization and tracking algorithms, all in the heterogeneous WSNs.

全球导航卫星系统（GNSS）易受到蓄意或无意的无线电信号干扰而无法正常工作。通过对无线电干扰信号的快速、准确地定位是消除干扰风险重要措施之一。围绕GNSS干扰信号的定位问题，本项目拟开展基于无线传感器网络（WSN）的分布式无源目标定位和跟踪算法理论研究。本项目拟研究基于异构WSN的分布式自适应信号处理理论框架与算法，探索分布式自适应参数估计的新的方向和技术途径；创建并发展基于异构WSN的分布式目标定位和跟踪算法理论框架，重点研究低运算复杂度、低通信量、能量等约束条件下的分布式自适应目标定位和跟踪算法；研究在衰落信道传输、节点站址误差、时钟同步误差等非理想条件下的分布式目标定位和跟踪算法理论，探索能指导工程实现的算法实现方案；重点突破基于异构WSN局部化信号处理和邻居节点间的信息共享策略、能量约束条件下的分布式自适应参数估计算法理论、分布式自适应目标直接定位和跟踪算法理论等关键科学问题。

分布式自适应处理在环境监测、目标定位与目标跟踪等方面应用前景广泛。项目组围绕分布式自适应信号处理的部分基础性问题展开了深入研究。.首先，围绕与目标定位有关的分布式自适应滤波算法，项目组分别研究了基于高斯熵最小化准则的分布式扩散随机梯度下降算法以有效处理非圆复信号，基于网络中部分节点的观测值实现聚类多任务学习的算法以节省观测资源，低复杂度的自适应参数估计算法以处理多线性系统的参数估计，以及基于相关熵的弹性参数估计算法以应对虚假数据注入攻击。理论分析及仿真实验验证了上述算法的有效性。.其次，项目组研究了针对大阵列所构成的传感器网络的分布式自适应波束形成问题，以解决传统方法存在的收敛速度变慢等问题。项目组分别应用降秩和张量等技术，提出了针对大阵列网络的分布式自适应波束形成算法。仿真实验证明了上述算法收敛速度的显著提升。此外，针对非圆信号，基于张量阵列信号模型，项目组应用高斯熵准则，分别提出了集中式和分布式自适应张量波束形成算法。仿真实验证明了在非圆信号环境下算法性能的改善。.其三，针对目标跟踪问题，尤其是非线性环境的点目标、扩展目标跟踪问题，项目组分别研究了基于异构网络的分布式重采样高斯粒子滤波算法和分布式高斯粒子滤波目标直接跟踪算法、基于恒增益以及扩散映射反馈增益估计法的分布式反馈粒子滤波算法、基于最小化KL散度的分布式非线性卡尔曼滤波算法,以及能分别估计扩展目标动力状态和形状特性的分布式扩展目标跟踪算法。理论分析和仿真实验验证了这些算法的有效性。.此外，项目组应用分布式自适应处理技术研究了无人机集群问题，提出了一种基于自适应机动网络的分布式模块化框架，包括跟踪多个目标的分布式扩散多任务卡尔曼滤波，增强节点感知能力的分布式协同决策，实现自组织高速运动的分布式协同运动控制等。项目组通过仿真实验证明了所提出的算法的有效性。