利用基于深度学习的时差(TDOA)估计和带偏置正则化半定规划结合现场评估方法进行的高频天波源定位
陈旭、
艾厚龙、
何乐、
胡超宇、
陈思怡、
李朝阳、
刘喜军
《Sensors》:High-Frequency Skywave Source Geolocation Using Deep Learning-Based TDOA Estimation and Bias-Regularized Semidefinite Programming with Field Evaluation
Chen Xu,
Houlong Ai,
Le He,
Chaoyu Hu,
Siyi Chen,
Zhaoyang Li and
Xijun Liu
【字体:
大
中
小
】
时间:2026年04月30日
来源:Sensors 3.5
编辑推荐:
摘要 高频(HF)天波传播利用电离层反射实现超视距传输,使得基于到达时间差(TDOA)的地理定位成为定位非合作HF发射源的主要技术。然而,由于电离层条件的时变性、宽带多径色散以及低信噪比(SNR),可靠的TDOA估计仍然具有挑战性。本文提出了一个集成框架,
摘要 高频(HF)天波传播利用电离层反射实现超视距传输,使得基于到达时间差(TDOA)的地理定位成为定位非合作HF发射源的主要技术。然而,由于电离层条件的时变性、宽带多径色散以及低信噪比(SNR),可靠的TDOA估计仍然具有挑战性。本文提出了一个集成框架,将真实的信道合成、基于深度学习的TDOA估计和基于凸优化的定位相结合。本文做出了三项贡献。首先,通过将国际参考电离层(IRI)与区域特定校准和随机扰动模块相结合,构建了一个改进的宽带电离层信道模型,以生成物理上一致的波形和时变的多径响应。其次,设计了一个基于卷积神经网络(CNN)的TDOA估计器,该估计器能够联合利用时域复基带同相/正交(I/Q)波形、多权重广义互相关(GCC)特征图和信道状态信息(CSI),在严重的噪声和多径条件下实现稳健的延迟估计。第三,将地理定位问题表述为一个带有未知电离层额外延迟替代值的偏差正则化约束最小二乘问题,并推导出半定规划(SDP)松弛形式,从而在不指定固定虚拟反射高度的情况下得到可行的解决方案。仿真表明,所提出的估计器在广泛的SNR范围内始终优于竞争算法,并在高SNR时缩小了与Cramér–Rao下界(CRLB)的差距。在实地记录的信号上,该估计器相对于GCC-PHAT方法将平均绝对TDOA偏差减少了51%,并且端到端流程在100个实地段上的平均地理定位误差为19.67公里,优于所有比较基线。
1. 引言
高频(HF)天波信号通过电离层反射实现远距离传播,在军事行动和灾害响应等场景中广泛用于发射源定位。准确的到达时间差(TDOA)估计对这些应用至关重要,但由于电离层的时变性、多径传播和低信噪比(SNR),这仍然是一个挑战。在基于双曲定位的多站定位中,估计接收器之间的时间偏移是关键[1,2]。在被动系统中,关键测量是多个接收器与指定参考接收器之间的到达时间差;TDOA精度的提高直接转化为更高的定位精度。这种精度取决于接收器之间的时间同步和所采用的估计算法。
现有的TDOA估计方法大致可以分为三类。第一类是经典的相关性方法,通过计算接收信号的互相关来实现时间差估计[3,4,5]。在这些方法中,广义互相关(GCC)方法,特别是相位变换变体(GCC-PHAT)[6],由于其简单性和低实现成本而成为广泛使用的工程解决方案。然而,在低SNR、多径和色散主导的传播条件下,其性能可能会显著下降。第二类包括改进的相关性或时频增强方法,例如精细化的SRP/GCC-PHAT公式,用于分析带宽-分辨率权衡,时频重分配或同步挤压方法用于噪声抑制,以及用于多阵列或多源场景的迭代加权SRP-PHAT变体[7,8]。尽管这些方法在某种程度上提高了鲁棒性,但它们仍然本质上依赖于手工制作的相关结构,并且往往对严重的信道失真和快速变化的传播效应敏感。第三类是数据驱动的估计,试图直接从数据中学习稳健的延迟映射[9]。这些方法在不利条件下提供了更大的灵活性,但其有效性强烈依赖于训练数据的代表性和采用的信道模型的真实性。
在HF天波传播过程中,电离层表现出明显的时空异质性。其分层结构(D、E和F区域)的关键频率、电子密度剖面和衰减系数随地理位置、太阳活动和昼夜周期而变化。这些变化表现为群延迟波动、多径色散和多普勒频移,所有这些都会显著降低基于互相关的时间差测量。在多传感器TDOA系统中,通信和存储负担对于参考接收器架构来说为,对于全对处理高率同相/正交(I/Q)数据来说高达,这在大规模部署中可能变得不可行。这一瓶颈激发了在不利信道条件下进行数据驱动的延迟推断的方法。
在这项工作中,我们采用了参考接收器公式。所提出的估计器一次处理一对接收器:每次前向传递接受两个同步的接收器流作为输入,并输出一个TDOA估计值。对于具有M个接收器的系统,通过固定一个接收器作为参考,并将估计器应用于其余的接收器对,从而保持与接收器数量成线性比例。在所有实验中,使用GCC衍生的相关特征作为估计器输入的一部分,然后将得到的延迟估计值传递到第4节描述的定位阶段。
现有的HF天波定位方法也可以分为几个代表性类别。第一类是固定高度或经验虚拟反射高度方法,它们通过简化的几何模型近似电离层路径,并将问题简化为二维双曲定位。这些方法在计算上方便,但当假设的虚拟高度与实际传播条件偏离时,其精度会下降。第二类包括电离层模型辅助或射线追踪辅助方法,它们通过结合物理电离层信息来细化路径估计。虽然更现实,但通常需要事先的电离层知识,而在动态环境中很难准确获得这些知识。第三类是基于TDOA方程的迭代非线性优化方法。这些方法可以提供精细的解决方案,但其底层公式通常是非凸的,可能对初始化和收敛到局部最小值敏感。第四类包括针对未知电离层环境的基于凸松弛的方法[10]。此外,最近的研究探索了直接定位和准抛物线电离层求解器[11,12],以及基于陆地的HF地理定位架构[13]。尽管这些方法推动了该领域的发展,但它们在具有强不确定性、时间变化和多径失真的真实HF信道下的鲁棒性仍然有限。这激发了开发一个更集成框架的动机,该框架同时提高信道真实性、TDOA鲁棒性和端到端定位性能。
作者之前通过凸松弛研究了在未知电离层环境下的HF天波地理定位[10],并报告了一种改进的TDOA处理方法,用于基于陆地的远距离HF天波地理定位[14]。本文在范围和技术焦点上与[10,14]不同:它引入了一个带有时变扰动的IRI增强型随机宽带信道模型,开发了一个基于CNN的融合TDOA估计器,该估计器联合利用原始波形、信道描述符和多权重GCC特征,并评估了改进的TDOA估计如何在仿真和实地条件下传播到端到端地理定位。
主要贡献总结如下:
(1) 改进的电离层信道建模。我们基于经典的电信科学研究所(ITS)结构[15]开发了一个增强的宽带HF电离层信道模型,增加了国际参考电离层(IRI)参数、使用中国参考电离层(CRI)系数的区域特定校准和随机扰动模块。该模型针对中国区域(15–55° N, 70–140° E)进行了校准,并再现了时变宽带HF多径的关键统计特性,为训练和压力测试所提出的估计器提供了一个可控的测试平台。可能需要对其他地理区域进行区域适应。
(2) 基于CNN的多GCC TDOA估计。我们开发了一个基于CNN的TDOA估计器,它在回归网络中融合了多种已建立的GCC权重。我们的贡献是将互补的相关性视图——PHAT、平滑相干变换(SCOT)和最大似然(ML)权重——堆叠在一个轻量级的CNN分支上,并将它们与原始波形特征和可选的信道状态描述符融合在一个端到端回归器中。这种设计避免了依赖于单一手工制作的权重,并相对于传统的单权重GCC基线提高了对噪声和多径的鲁棒性。
(3) 偏差正则化LS–SDP地理定位框架。基于CNN的高精度TDOA,我们将HF源定位表述为一个偏差正则化约束最小二乘问题,在该问题中,源位置、共同的发射时间参数和接收器特定的非负平方范围校正项被联合估计。半定规划(SDP)松弛将非凸问题转化为可以通过内点方法解决的可行凸程序,从而在不需要事先电离层反射高度的情况下实现稳健的地理定位。
本文的其余部分组织如下。第2节介绍了改进的HF电离层信道模型。第3节介绍了基于CNN的多GCC TDOA估计方法。第4节阐述了地理定位问题并推导了SDP松弛。第5节报告了仿真和实地实验结果。第6节提供了结论性意见和未来方向。
2. 改进的HF电离层信道模型
HF电离层信道表现出明显的多径和时变特性,这些特性通常被传统模型 insufficiently 捕捉。Vogler和Hoffmeyer [15] 提出的ITS宽带信道模型是HF多径传播的经典框架。它使用时变脉冲响应来表征随时间t和延迟变化的电离层信道。在ITS结构的基础上,本文结合了国际参考电离层(IRI)模型,并引入了一个参数扰动模块,从而得到了一个能够捕捉随机和时变电离层行为的宽带HF信道模型。所提出的架构包括三个组成部分:(1) 一个带有区域校准的IRI模块,用于生成背景电离层参数;(2) 一个应用季节性和昼夜变化驱动的扰动的参数校正模块;(3) 一个用于多径和多普勒剖面合成的增强ITS信道模型。
图1展示了整体架构。IRI模块生成背景电离层参数,这些参数由扰动模块处理以产生时变实现。这些实现被输入到增强的ITS模型中进行合成。该模型在统计层面对已发布的HF探测测量结果进行了验证(表1),并限制在中国区域,那里有区域电离层数据可用于校准。图1. 改进的HF电离层信道模型的整体架构。表1. 所提出的信道模型与代表性已发布的HF天波探测测量结果之间的统计比较。
2.1. 带有区域校准的IRI模型
IRI是一个自20世纪60年代以来由COSPAR和URSI联合工作组维护的全球经验电离层模型[20]。它提供了描述电离层在指定时间、地理和太阳-地磁条件下的平均行为的气候参数,包括层特定的关键频率(例如)和峰值高度。原始ITS模型需要输入,如信号路径距离d、穿透频率、峰值电子密度高度以及电离层i的层厚度参数——这些参数通常依赖于现场测量,如果直接使用未经校正的全球模型输出,则可能引入系统偏差。为了提高区域精度,我们的模型采用了区域校准的IRI模块。对中国区域实施了以下增强:
区域系数替换。标准IRI使用CCIR(国际无线电咨询委员会)和URSI(国际无线电科学联盟)的全球系数来预测F2层的临界频率和传播因子。我们用来自中国参考电离层(CRI)[21,22,23]的系数集替换了这些系数,这是一个基于本地电离层观测的区域经验模型。这种替换仅在中国区域内应用,旨在提高用于驱动信道合成的和的准确性。
峰值高度校准。使用得到的和,IRI嵌入的公式计算E层()、F1层()和F2层()的峰值高度。这些与区域电离层测量结果进行比较;如果偏差超过,我们迭代调整高度公式系数,直到相对误差低于此阈值(例如,在校准后,中国区域的为公里)。这种校准减少了背景层高度参数的系统偏差,但并不旨在再现特定链接和时间的事件级电离层变化。因此,合成的信道应被解释为在月份和当地时间条件下的统计上合理的实现,而不是特定测量实例的再现。我们注意到,基于CRI的替换和峰值高度校准是区域特定的;当该框架应用于其他地方或在极端电离层条件下时,建议使用本地观测进行重新校准。
在这些校正之后,IRI模块输出每个反射层的关键背景参数:关键频率(例如)、峰值电子密度高度(例如)和层厚度参数。一旦确定了峰值高度,就可以通过多层准抛物线段(QPS)模型重建局部电子密度分布,并结合Appleton–Hartree方程获得用于射线追踪和信道特性分析的空间折射率分布。参数扰动模块
电离层并不是一个稳定的均匀介质,而是一个具有时空波动的随机参数通道。在从校准后的IRI模块获得平均背景后,引入了一个扰动模块,通过将时变随机因素引入关键传播参数来模拟电离层的非平稳性。电离层参数在昼夜和季节周期中表现出叠加的周期性和随机变化。所提出的模型根据反射层(E、F1或F2)、月份、当地时间和模拟时间线对场景进行分类。对于每个场景,扰动被分解为两个部分:
- 一个确定性趋势函数(单位与电离层参数匹配,例如MHz或km),用于捕捉季节性和昼夜模式,例如白天太阳驱动的电离增加和夜间电子密度的衰减;
- 一个随机波动项(相同的单位),用于注入短期变化性。为了捕捉时间相关性,G被建模为一阶相关高斯过程:其中控制相关时间,控制波动幅度。我们设置s和分钟,这与中纬度HF探测活动中报告的电离层参数相关时间8-15分钟一致[16,18]。创新幅度为,与[16,20]中报告的F2层关键频率的5-10%相对变化性相匹配。
对于每个反射层,让表示来自校准后的IRI模块的背景基线值。下一步的时变实现为,确保参数如、和层厚度参数表现出渐进的时间变化,而不是保持不变。在昼夜转换期间,可以叠加一个指数衰减项来模拟F区电子浓度的快速下降,而在日出后可以添加一个平滑的正弦恢复项。这样的非均匀扰动函数能够更好地再现这些转换期间的不稳定电离层结构。
在实现中,F和G是根据统计和理论分析预先计算好的,并存储在一个查找表中;在模拟过程中,根据当前月份和当地时间进行检索。如第5节中的测量数据结果所示,模拟与测量之间的残差可能仍然存在,因此提出的估计器在合成数据和现场数据集上都进行了评估。
2.3. 改进的ITS多路径时变信道模型
在原始ITS模型中,脉冲响应是通过叠加多个独立的传播路径来形成的,每个路径对应于一种不同的模式(例如,高角度或低角度射线、O模式或X模式极化、E层或F层反射、单跳或多跳传播)。路径i的脉冲响应分解为,其中是功率延迟剖面(PDP),是捕获多普勒诱导演变的确定性相位项,是引入小尺度增益波动的随机调制项。对于路径的完整信道脉冲响应为。
在改进的模型中,每个组件都与扰动模块中的时变参数相关联,从而实现了随机多路径信道建模。
2.3.1. 功率延迟剖面
每条路径的PDP通过Gamma分布进行建模:其中是路径依赖的延迟偏移,是形状参数,是尺度参数,是Gamma函数,和限制了在接收机灵敏度阈值处的支持[17]。当时,分布简化为指数分布,能量集中在最早到达的时间附近;对于,围绕形成一个峰值,模拟了两侧都有功率扩散的主导延迟[17]。Gamma PDP已被用来描述宽带HF多路径延迟剖面[17];我们采用这种形式来表示一系列延迟扩散行为,而不声称对任何特定测量信道的实现级保真度。参数(,,)可以从测量数据或基于IRI的计算中设置,将模拟的延迟特性与潜在的电离层状态联系起来。
2.3.2. 确定性相位函数
电离层运动和扰动引入多普勒偏移,导致信道相位随时间变化。对于路径i,瞬时相位近似为,其中是初始相位,是相关的多普勒偏移。由于在不同高度角下的电离层漂移,不同的延迟分量可能会经历不同的多普勒偏移。为了简单起见,我们假设给定路径的所有延迟分量共享一个共同的平均偏移,并带有小的随机波动来模拟多普勒扩散。从统计意义上讲,每个路径的复包络在广义平稳不相关散射(WSSUS)框架内进行建模,在这种框架下,不同的延迟分量在二阶意义上是不相关的[19]。如果初始相位是独立且均匀随机化的,可能成立;然而,这是一个额外的建模假设,而不是WSSUS的直接结果。多普勒相位项允许根据电离层条件(例如,不规则漂移率)进行调整,模拟从静止电离层()到具有几赫兹偏移的扰动电离层的场景。
2.3.3. 快速衰落随机调制
HF信道中的快速衰落是指由于小尺度电离层不规则性引起的快速幅度波动。随机调制是一个随机过程,代表路径i在延迟处的时变增益。其幅度通常假设遵循瑞利分布(如果存在主导分量,则为莱斯分布[24])。在所有实验中,我们通过滤波噪声方法生成:一个复高斯白噪声序列通过一个频率响应为目标多普勒功率谱平方根的滤波器,滤波后的过程的幅度作为衰落包络。因为在实践中,紧密间隔的延迟处的衰落大致是不相关的,所以为每个路径内的离散延迟区间生成独立的过程。的自相关可以根据测量的多普勒扩散和相干时间进行配置,以再现不同扰动水平下的快速衰落特性。
2.3.4. 复合信道响应
通过整合上述三个组件,改进的ITS模型根据扰动模块中的当前参数集在每个时间点生成。路径延迟不再固定:例如,穿过F2层的路径在夜间由于电离层收缩而经历较短的延迟,在白天则经历较长的延迟。这种行为是通过动态调整扰动模块中的延迟偏移参数和相位函数来实现的,而路径增益根据的动态演变。结果产生的时变脉冲响应结合了随机多路径波动,并比静态参数ITS模型更忠实地捕捉了电离层HF信道的关键定性特征。在TDOA应用中,路径延迟的随机变化会在延迟估计中引入抖动;因此,提出的模型能够研究算法在真实噪声和电离层扰动条件下的鲁棒性。
为了评估统计合理性,表1将所提出模型的关键信道统计与类似中纬度路径的已发布HF探测测量结果进行了比较[16,17,18]。模拟的RMS延迟扩散、多普勒扩散和相干带宽都在文档范围内的范围内,支持该模型作为统计上具有代表性的测试平台。这种比较是在统计层面上进行的;该模型并不旨在再现特定的测量实例,通过在对合成数据和真实现场数据上评估估计器来解决残差不匹配问题。
3. TDOA估计方法
提出的TDOA估计算法包括三个并行分支,分别集成原始波形处理、相关特征提取和基于CNN的回归头部。原始波形分支应用一个紧凑的一维卷积前端直接从信号中学习时间线索。多权重GCC分支计算PHAT、SCOT和ML相关特征以捕获稳健的传感器间延迟。轻量级信道上下文分支聚合了诸如信噪比代理、频谱平坦度和峰度等描述符,以抑制虚假的相关峰值。来自三个分支的嵌入被连接起来,并输入到一个融合多层感知器(MLP)中,输出估计的TDOA。
3.1. 基于GCC的TDOA建模和多权重特征构建
考虑两个同步接收器在信道效应和噪声存在的情况下捕获一个共同的源信号。在N个样本的窗口内,接收到的信号为,其中和是源到接收器的脉冲响应,和被建模为零均值加性高斯白噪声过程,与期望的源信号不相关,*表示卷积。这种AWGN假设被作为TDOA建模、模拟和接收机性能评估的标准控制基线,并且也已在相关的HF地理定位模拟研究中广泛使用[11,13]。然而,在实际的HF天波环境中,接收到的干扰也可能包含外部干扰、脉冲分量以及其他在(6)和(7)中没有明确表示的有色或非高斯贡献。为了提高对这种模型不匹配的鲁棒性,提出的估计器结合了原始波形特征、多权重GCC表示和基于CSI的条件化,并且其性能在没有微调的情况下在现场记录的数据上进一步得到了验证。目标是估计两个到达点之间的时间延迟。在直接路径场景中,和简化为延迟的delta函数,等于延迟差;在多路径场景中,对应于最早显著到达点之间的差异。GCC方法通过测量和的时间偏移版本之间的相似性来估计。时域互相关为,其中表示复共轭。在实践中,GCC是通过交叉功率谱计算的。设和,其中表示离散傅里叶变换。应用频域加权并通过逆离散傅里叶变换转换回来得到加权的GCC:
不同的选择会产生具有不同特性的GCC变体。经典的PHAT加权可以平坦频谱并锐化相关峰值,这在混响和噪声条件下是有效的。SCOT和ML加权分别针对噪声减少和混响抑制。滞后孔径被选择为覆盖合理的TDOA范围。对于大约2500公里的六接收器配置,电离层额外路径最多达到1000公里,我们采用秒(相当于路径差6000公里)。在采样率Hz下,这产生了离散的滞后区间。经典的GCC延迟估计为。在提出的方法中,应用多种权重来形成一个特征矩阵,其中每一行是在特定权重下的GCC波形。这些权重是标准的;我们的贡献是将它们堆叠为互补的相关视图,其各自的可靠性随噪声和多路径条件而变化。在没有噪声或多路径条件的情况下,所有在真实延迟处达到峰值;在具有挑战性的条件下,峰值模式会发散,但集合有助于数据驱动的模型更稳健地识别正确的滞后。所有GCC映射都是从完整样本信号计算得出的,估计器在多权重堆上操作。
3.2. CNN架构和信道增强设计
(1)网络概述
图2概述了所提出的架构。该模型采用三分支设计,结合了物理信息前端和相关线索及上下文特征。原始波形分支使用SincNet前端(64个滤波器,有效填充),然后是两个一维卷积块(,;然后是,;相同的填充)和一个全局平均池化(GAP)头部,产生一个128维的嵌入。多权重GCC分支将PHAT、SCOT和ML映射堆叠在个滞后上,并使用一个浅层CNN编码器(,;,;GAP)产生另一个128维向量。信道状态分支将标准化的CSI描述符通过一个小MLP映射到一个32维的条件特征。这三个输出被连接成一个融合向量,具有CSI时为288维,没有CSI时为256维。一个跳过连接将SincNet输出(下采样后)导向融合路径,以保留子样本时间线索;它在波形分支内合并之前保持融合维度不变。图2. 提出的TDOA估计CNN的块图。融合后,一个紧凑的两层全连接头部(,或没有CSI的)带有批量归一化(BN)、ReLU和dropout将融合向量映射到一个连续的TDOA估计。每次前向传递为一个接收器对产生一个单一的标量延迟。对于M个接收器,通过重复的成对推理获得用于定位的基于参考的TDOAs。所有组件——SincNet截止频率、卷积核和融合/头部——都是通过端到端监督回归目标进行训练的。
(2)SincNet前端和波形分支
每个接收器的信号表示为从记录的I/Q样本重建的复基带流。这两个流由SincNet风格的前端处理[25],其中每个滤波器被参数化为仅具有低和高截止频率的可训练带通sinc核。这减少了自由参数,增强了物理可解释的滤波器结构,并提高了训练稳定性。我们使用64个滤波器(,有效填充),每个窗口由汉明函数加权,并用对数间隔的截止频率初始化,以提供宽频谱覆盖。SincNet层后面跟着两个轻量级的一维卷积块。第一个模型应用了64个滤波器(相同的填充方式),并结合了批量归一化(BN)、ReLU激活函数和池化步骤;第二个模型使用了128个滤波器(相同的填充方式),随后通过GAP操作得到一个固定的128维嵌入。步长卷积逐渐降低时间分辨率,同时保留了延迟区分结构。一个跳跃连接将SincNet的输出(在下采样后)导向融合路径,在GAP之前,使得模型能够在深度抽象的同时保留高分辨率的时间线索。
(3) 基于GCC的特征分支。并行地,一个分支编码两个通道之间的互相关信息。GCC函数在滞后窗口上使用PHAT、SCOT和ML权重进行计算,形成一个特征图。一个浅层CNN编码器——两个一维卷积块(步长为2,相同的填充方式,BN,ReLU激活函数),然后是GAP——将这个图压缩成一个128维向量,同时抑制虚假的旁瓣。在理想条件下,GCC峰值与真实延迟对齐;在现实的HF通道中,权重分布的峰值仍然携带了正确延迟的统计证据。将这些模式嵌入到可学习的编码器中,使得CNN能够调整其有效的权重策略,提高对多路径和低信噪比的鲁棒性。
(4) 信道状态信息(CSI)分支。一个可选的CSI分支提供辅助条件。它接收两类描述符:(i)从信号中提取的量——信噪比代理值、载波频率偏移(CFO)、有效带宽、频谱平坦度、峰度以及子带信噪比(SIR)——这些是从同一接收器对估计得到的;(ii)来自IRI-2020模型的电离层状态参数[26],该模型根据地理坐标、UTC时间、太阳通量F10.7和行星Kp指数提供背景电离层预测。在操作性的被动监测系统中,这些IRI衍生的参数被视为粗略的环境上下文,而不是精确的实时本地电离层测量。这种设计是一个实际的折中方案,因为直接实时获取准确的本地电离层状态需要专门的探测基础设施或等效的外部支持,这将大大增加系统成本和部署复杂性。在非极端的空间天气条件下,IRI-2020经验模型通常提供与气候行为一致的大规模电离层趋势。因此,这里使用的和作为辅助条件特征,而不是硬性的物理约束。当IRI预测不可用或被认为不可靠时,缺失的条目在z分数标准化后被屏蔽并填充为零,允许网络在并行处理更深层次的抽象的同时保留高分辨率的时间线索。
(5) 特征融合和回归头。128维波形嵌入、128维GCC嵌入和32维CSI嵌入(如果使用的话)被串联成一个288维(没有CSI时为256维)的融合向量。一个包含批量归一化(BN)、ReLU激活函数和丢弃层(dropout)的两层全连接头将这个向量映射到一个单一的标量延迟估计。所有融合层和头层都与特征提取器一起端到端地进行训练。
(6) 损失函数和训练策略。给定一个训练集,其中表示一个接收器对(波形、GCC特征和可选的CSI),是真实的延迟,网络预测。训练目标是一个稳健的复合损失函数。目标位于样本索引中。Huber阈值设置在3到5个样本之间(在Hz频率下约为0.29–0.49毫秒)。扩展配置还会输出一个用于异方差高斯NLL训练的预测方差;这被视为一种消融实验,并不用于主要结果。训练使用AdamW优化器(学习率,权重衰减),并结合余弦退火和5个时代的预热。小批量大小为32–64;梯度裁剪有助于稳定优化。模型训练最多进行300个时代,通过在验证损失上提前停止来判断收敛(通常在第150个时代左右观察到收敛)。
(7) 模型复杂性。在表2的基线配置中,网络包含大约M个可训练参数,其中大部分位于波形前端和时间卷积中。在NVIDIA RTX系列GPU(PyTorch 2.7.0,FP32)上,批量大小为32时,一次前向传递耗时不到20毫秒,对于T = 15,360个样本,推断吞吐量超过每秒k个窗口。对于嵌入式ARM处理器,使用深度可分离卷积的剪枝变体将参数数量减少到M以下,并且每个窗口的处理时间少于50毫秒。表2显示了层配置和张量形状(可复现的设置)。对于M个接收器,深度估计的成本呈线性增长(在共享权重下进行前向传递)。定位阶段(第4节)每次更新解决一次SDP(29)问题,使用一个提升的变量;其 wall-clock时间取决于求解器和约束的数量,而不是波形采样率。
在第3节基于TDOA估计的基础上,我们开发了一个用于高频(HF)天波源的定位框架。与依赖固定虚拟反射高度的传统方法不同,所提出的方法通过接收器特定的非负平方范围校正项来模拟电离层的额外路径。这使得在没有先验电离层信息的情况下也能进行源定位,解决了电离层条件时变和不确定的问题。通过将天波传播重新表述为一个带有偏差增强的到达时间(TOA)模型,估计问题变得适合使用凸优化方法:我们首先构建一个带有偏差正则化的约束最小二乘问题,然后通过凸松弛将其转换为半定规划(SDP)问题。
4.1. 几何和TDOA测量模型
我们在WGS-84椭球体的三维地球中心、地球固定(ECEF)坐标系中建立了几何测量模型。考虑一个位于未知位置的高频(HF)发射器和M个位于已知位置的接收器,所有这些都在WGS-84 ECEF框架中,并具有共同的时间基准。假设在一个TDOA窗口内的接收器时钟偏移可以忽略不计;由于通过差分消除了未知的发射时间,因此不需要与发射器进行绝对同步。我们采用单跳天波模型(一个主要的电离层反射)作为基线传播几何,适用于单一反射模式占主导或选择最早可分辨的到达时间进行TDOA估计的场景。当存在可比较的多跳分量时,额外路径项可能不再允许严格的单一反射解释,定位精度可能会下降;显式的多跳建模超出了本文的范围。
让我们用表示从发射器到接收器的总传播距离。几何视线(LOS)距离为,其中表示欧几里得范数。由于电离层反射,实际路径包括一个未知的额外距离:其中c是光速,表示在接收器i处的到达时间,是距离域中的零均值高斯测量噪声。额外路径为,其中是(未知的)电离层反射点。在多跳传播中,仍然将其解释为非负的累积额外路径,尽管的单点解释不再精确。在本文中,被视为每个定位更新中的接收器特定常数,并与一起估计;窗口内的变化被吸收到噪声项中。接收器被指定为参考接收器。相对于参考接收器的测量TDOA为,因此和只对数据保真度目标有贡献。我们假设所有TDOA估计都是从对应于相同发射时代的共同信号段中提取的。尽管校正项是接收器特定的,但它们不会创建独立的无约束距离方程,因为所有非参考接收器共享相同的未知数和,且可行集进一步受到以下约束的限制。
一个基本的因果约束要求,因为测量路径必须不短于LOS距离:由于三角不等式,对于任何接收器对:这些约束排除了不现实的候选位置,并且在多跳传播下保持保守性,尽管随着的增加,这些约束会变得宽松。在实践中,通过添加一个小 margin 来近似严格的不等式。
4.2. 带有偏差正则化的约束最小二乘公式
目标是联合估计、和非负的平方范围校正项,以便模型化的TDOAs与观测值相匹配。从(13)中,接收器i的距离域残差为在无噪声情况下;在噪声情况下。应用平方差恒等式:我们引入辅助变量,以便将代入(19)得到。替换(20)是一个精确的代数重新参数化,并不假设噪声很小。当左侧被视为需要驱动到零的残差时,近似成立。在噪声下,(21)通常显示;因此,我们最小化总体不匹配,而不是强制。这导致了约束最小二乘公式:其中是可靠性权重。在所有报告的实验中,我们对所有方法使用统一的权重。目标只对求和,因为接收器1作为时间原点。最小化时间域残差直接涉及非凸范数和与非视线(NLOS)偏差的显式耦合,产生难以凸化的双线性项。通过转移到平方范围域并引入,NLOS贡献被吸收到一个非负变量中,残差变成了决策变量的多项式,从而可以接下来进行SDP松弛。
4.3. 基于SDP的凸松弛
问题(22)由于对和的二次依赖以及它们之间的耦合而是非凸的。我们通过三个步骤将其松弛为一个凸SDP。步骤1:提升平方范围。我们引入作为的替代变量,并定义提升的PSD矩阵,其中o是一个标量提升变量。定义后,我们得到。由于意味着,我们有。当(秩一解)时,等式成立;否则提供了真实平方范围的凸上界。步骤2:将保留为非负的替代变量。来自(20)的量作为非负的有效平方范围校正项,通过共享残差和几何约束与耦合。它应该被解释为平方范围域中的额外路径替代变量,而不是唯一可恢复的物理参数。步骤3:将对的依赖性凸化。我们引入q,其中每个残差然后在决策变量中变为仿射:我们引入非负松弛变量,以满足,以便将数据保真度项重写为受约束的形式。最终的SDP公式。现在所有非凸性都被松弛为线性矩阵不等式(LMIs)、SOC约束和凸二次项:在这里是一个小的数值边际(在所有实验中固定为m),是Tikhonov正则化权重,用于额外路径替代变量(固定为)。第一个目标项是加权平方残差的凸替代;第二个项惩罚大的替代校正,以稳定拟合。在所有报告的实验中,和在方法之间保持不变。约束与一起确保,提供了在内的一致平方范围替代,而物理范围限制直接由SOC约束确保。每个波形都在复数域中针对每个接收器进行了归一化,以平衡尺度,同时保持相对的时间结构和相位。特征提取遵循所提出的架构:一个分支将波形对通过SincNet前端;另一个分支在s的滞后窗口上计算GCC特征(滞后频率为Hz),该窗口的选择是为了覆盖六接收器几何结构下的最大可能TDOA(基线为km),并留有余地以考虑电离层的额外路径。从相同的观测中提取可选的CSI描述符。完整的语料库包含样本,分为训练集、验证集和测试集。测试集使用独立的随机种子和新的信道实现及信号内容,确保在训练或验证期间没有测试样本被重复使用。
5.2. 性能指标
除非另有说明,否则延迟误差通过以下公式转换为等效距离误差:
(1) TDOA精度:MAE(平均绝对误差)。
(2) 训练/验证监控:RMSE(均方根误差)。
(3) 理论参考:CRLB(克拉美-罗下界)。在理想化的单路径加性白高斯噪声(AWGN)模型下,带宽为kHz,频率为Hz时,无偏延迟估计的克拉美-罗下界为CRLB。
(4) 端到端定位:地理定位MAE(平均欧几里得距离)。
5.3. 在合成数据上的验证
训练好的网络在新的信道实现上使用保留的合成测试集进行评估。性能在从0到20 dB的信噪比(SNR)范围内进行评估。图3显示了在SNR = 10 dB时,经过电离层传播后的代表性发射信号和相应的接收信号。我们将提出的估计器与GCC-PHAT、FS-GCC [27] 和 MATE [28] 进行比较,以CRLB作为乐观的参考。图4绘制了等效距离MAE与SNR的关系图。所提出的方法从大约12 km(在低SNR时)单调递减到大约2.6 km(在20 dB时),始终优于GCC-PHAT(即使在高SNR时也超过12 km)。FS-GCC从大约17.7 km降低到大约9.5 km,MATE从大约16.0 km降低到大约7.6 km。所提出的曲线与CRLB的差距随着SNR的增加而缩小,这与假设的噪声模型下的预期行为一致。在20 dB时,所提出的MAE为2.6 km,大约是CRLB等效距离(1 km)的2.5倍,而GCC-PHAT则高出该界限一个数量级以上。
图5报告了TDOA等效距离误差落在30 km范围内的概率。
所提出的估计器的概率从大约41%(在低SNR时)上升到大约84%(在20 dB时),而GCC-PHAT仅达到大约44%。MATE和FS-GCC分别在20 dB时达到大约70%和大约66%。CRLB参考值保持在93–99%之间。
表3量化了合成测试集上每个分支的贡献。每个变体都独立地进行重新训练,并通过网格搜索调整学习率和丢弃率。所有指标都是在12,000个样本上平均得出的,覆盖了从0到20 dB的范围。
图7显示了端到端地理定位误差的累积分布函数(CDF)。所提出方法的CDF上升得更早且更陡峭,在30 km范围内达到高成功概率,而基线方法需要明显更大的阈值。图8展示了带有群体叠加的水平凹槽箱形图:所提出的方法具有最低的中位数、最紧凑的四分位数范围、较短的尾须和较少的大误差异常值。特别是,所提出的曲线在30 km阈值处达到了大约80%的累积概率,而表现最佳的基线(TDOA-SDP)则需要大约40 km才能达到相同的水平。箱形图进一步显示,所提出的分布具有明显较弱的长尾行为,群体点集中在25 km以下,超过40 km的实例较少,这表明除了中心精度更好之外,还对偶尔出现的极端误差具有更好的鲁棒性。
图10绘制了在SNR = 5 dB时,所提出方法和基线的TDOA等效距离(km)与SNR的关系。图5报告了TDOA等效距离误差落在30 km范围内的概率。
图6显示了训练收敛的均方误差(MSE)与训练时期的关系。MSE在早期时期急剧下降,在大约150个时期后逐渐趋于平稳,表明在采用的配置下收敛稳定。
在北京(116.26° E, 39.66° N)、成都(103.88° E, 30.66° N)、武夷山(118.08° E, 27.46° N)、上海(121.58° E, 30.87° N)、昆明(102.95° E, 24.62° N)和深圳(114.32° E, 22.64° N)部署了六个接收器。
图7显示了端到端地理定位误差的CDF。所提出方法的CDF上升得更早且更陡峭,在30 km范围内达到高成功概率,而基线方法需要明显更大的阈值。图8展示了带有群体叠加的水平凹槽箱形图:所提出的方法具有最低的中位数、最紧凑的四分位数范围、较短的尾须和较少的大误差异常值。特别是,所提出的曲线在30 km阈值处达到了大约80%的累积概率,而表现最佳的基线(TDOA-SDP)则需要大约40 km才能达到相同的水平。箱形图进一步显示,所提出的分布具有明显较弱的长尾行为,群体点集中在25 km以下,超过40 km的实例较少,这表明除了中心精度更好之外,还对偶尔出现的极端误差具有更好的鲁棒性。
图9绘制了所提出方法和三个基线的TDOA等效距离(km)与SNR的关系。图10在均匀的纬度-经度网格上绘制了SNR = 5 dB时地理定位误差的空间变化。在接收器几何结构的支持下,中心区域形成了一个明显的低误差盆地,误差在10–30 km范围内,而在阵列的几何中心附近误差低至大约8 km。误差向周边逐渐增加,在西部和北部边界达到大约70–90 km,因为源位于接收器范围之外。
5.4. 在实地数据上的验证
数据集描述。估计器在西安(109.8° E, 34.0° N)的一个AM广播源的100个信号段上进行了验证,这些信号段由北京、成都、上海、深圳、武夷山和昆明的六个GPS同步的HF接收器接收。基带I/Q数据以Hz的采样率记录,采样频率为MHz,采样间隔为kHz。每个接收器都配备了GPS校准的振荡器,确保亚微秒级的同步。这100个段是来自单次记录会话(2024年6月24日09:15–09:40 UTC)的非重叠1.5秒窗口(样本),段与段之间的平均间隔约为15秒。尽管连续的段并不严格独立(在中等地磁活动下,中纬度HF的相干时间为60–90秒),但25分钟的窗口跨越了多个相干间隔,提供了有意义的统计多样性。
参考TDOA是通过从头部导出的到达时间标记计算得出的,并在各个接收器之间进行差异比较。这个参考是基于信号的,而不是外部校准的,因此用作基准,而不是绝对的真实值。与GCC-PHAT在高SNR段上的峰值进行合理性检查显示,92%的案例中的差异通常在几公里范围内。因此,基准本身带有一些几公里的残余不确定性,表4和表5中报告的TDOA偏差应解释为基于基准的误差,而不是绝对的真实值误差。这种不确定性可能会略微扰动基于基准的TDOA误差值,并可能模糊方法之间的非常小的差异。然而,它并不直接决定下面报告的端到端地理定位误差统计,因为这些地理定位误差是根据西安已知的发射器坐标计算的,而不是根据基准TDOA计算的。
表4显示了单个段的TDOA估计值及其与基准参考值的绝对偏差(km)。
表5显示了100个实地段上与基准TDOA参考值的平均绝对偏差(km)。
图11显示了六个接收器处的一个代表性接收波形,说明了多路径引起的包络失真和阵列中的差异到达时间。表4报告了所有五个接收器对在一个段上的TDOA估计值和基于基准的绝对偏差。所提出的方法平均偏差为18.3 km,而GCC-PHAT为35.5 km,FS-GCC为34.4 km,MATE为31.1 km。所有五个接收器对之间的改进是一致的,其中Wuyishan–Beijing链路的改进最大(从GCC-PHAT的39.3 km降低到所提出方法的15.8 km)。移除CSI分支后,所提出的方法降为28.1 km,这证实了即使在单个段的基础上,信道状态条件也有所贡献。
图11展示了代表性的实地HF信号段。图12显示了单个段的地理定位结果。黑色星星表示真实源位于西安(108.61° E, 34.37° N);红色十字表示所提出的估计值(误差为17.2 km)。插图放大了源区域。表5总结了所有100个段上基于基准的TDOA偏差。平均来看,所提出的方法相对于GCC-PHAT(41.6 km)实现了20.3 km的减少,减少了51%。值得注意的是,GCC-PHAT在各个链路之间的变异性较大(成都为25.5 km,深圳为48.2 km),而所提出的方法在所有五个链路上的性能更加均匀(17.4–22.2 km),表明学习到的融合策略对链路特定的传播几何结构不太敏感。移除CSI后,误差增加到31.7 km(增加了56%),这支持了信道状态条件调整的实际价值。
图12显示了地理布局和估计的源位置。图12. 单个段的地理定位。实地数据误差在相似的信噪比(SNR)下超过了合成性能,因为仿真采用了基于受控加性高斯白噪声(AWGN)的干扰模型来进行易于处理的基准测试,而实际的高频(HF)环境可能还包含外部干扰、脉冲成分以及其他非高斯或有色效应。因此,合成结果主要验证了在相同控制条件下的可行性,并支持公平比较,而实地实验则展示了所提出方法在现实世界条件下的实际有效性。
时间误差分析。图13a–e展示了所有五对接收器在100个时间段内的到达时间差(TDOA)预测误差。时间序列显示出与表5中的每对平均误差(MAE)值一致的零均值波动。大误差事件(洋红色圆圈)以时间聚集的模式出现(例如,时间段14–17、48–52、77–80、94–97),这与电离层退化在多个观测窗口中持续存在的预期相符。这些聚集在接收器对之间广泛对齐,表明有共同的环境因素影响。在25分钟的窗口内没有观察到持续的漂移。
图13. 100个实地时间段内的性能。(a–e) 相对于北京的五对接收器的TDOA误差时间序列;洋红色圆圈:误差超过28公里。(f) 地理位置误差分布。图13f显示了地理位置误差分布,该分布右偏(平均值19.67公里 > 中位数17.54公里),表明少数高误差时间段拉高了平均值。标准差为8.90公里,90百分位数为32.45公里,证实了误差分布相对集中,且没有超过45公里的异常值,表明在观测的时间段集合中准确性稳定。100个时间段的平均地理位置误差为19.67公里,略高于之前报告的单个时间段的17.2公里,反映了实地数据集中信道条件的自然变化。
端到端地理定位比较。表6报告了100个时间段的综合统计数据。所提出的方法实现了最低的平均误差(19.67公里)、最紧密的离散度(标准差8.90公里)和最佳的最坏情况性能(最大误差44.80公里)。TDOA-SDP、Improved-TDOA和ANN-TDOA的平均误差分别为25.12公里、31.42公里和40.23公里——分别高出28%、60%和104%。除了平均精度之外,所提出的方法还表现出更强的鲁棒性:其标准差8.90公里是所有方法中最小的(而基线的标准差为10.82–15.61公里),90百分位误差32.45公里是最紧密的,最大误差44.80公里远低于其他方法观察到的58.74–78.47公里范围。这表明即使在具有挑战性的信道条件下,该估计器也能避免灾难性故障。TDOA级别(表5)和地理定位级别(表6)性能之间的排名一致性证实,改进的延迟估计直接转化为通过SDP定位阶段的定位精度提升。
表5还提供了实地数据的消融实验:移除信道状态信息(CSI)后,平均TDOA偏差从20.3公里增加到31.7公里。CSI描述符包括信号衍生特征(信噪比、多径系数CFO、频谱特性)和IRI-2020电离层参数(这些参数来自公开的太阳通量和地磁指数[26])。没有提供任何先验或真实的信道参数;观察到的增益反映了操作上可获得的上下文的价值,而不是特权信息。在实际的被动监测系统中,由于无法进行主动的电离层探测,IRI-2020模型只需要标准输入(地理坐标、UTC时间、太阳通量F10.7和Kp指数),这些都是可以从公共档案中常规获得的。因此,CSI分支使估计器能够在没有专用电离层探测仪或发射机合作的情况下适应变化的电离层条件,移除CSI后误差增加了56%,证实了即使是粗略的环境上下文也能显著提高TDOA的鲁棒性。本研究没有专门针对F10.7和Kp的扰动进行敏感性分析。由于IRI衍生的电离层参数仅作为低维辅助CSI进入网络,而不是作为硬性约束,它们的不确定性预计主要通过减少CSI分支的好处来影响性能,而不是使整个估计器失效。这种解释与实地数据上的无CSI消融实验结果一致,在该实验中,尽管精度下降,估计器仍然可以运行。未来的工作将更系统地分析空间天气输入误差的不确定性传播。
限制。该数据集仅覆盖了一个发射机、一个会话和一个频率;夜间、风暴期间、多频率和显式多跳条件仍有待评估。实地误差在相似的信噪比下超过了合成数据水平,表明存在残余的域偏移。基准TDOA继承了不可忽视的不确定性(几公里的偏差水平)。未来的工作将扩展验证范围到更广阔的地理区域、更长的观测周期和不同的电离层活动水平。
端到端运行时讨论。对于基于参考的公式下的一个定位更新,总延迟可以近似为(36),其中表示成对TDOA推断的延迟,表示一次SDP求解的运行时间。在当前的六接收器配置中,每次更新需要五对接收器。在一台配备AMD Ryzen 9 9950X CPU(Advanced Micro Devices, Inc., Santa Clara, CA, USA)、COLORFUL GeForce RTX 5070 Ti GPU(Shenzhen Colorful Yugong Technology and Development Co., Ltd., Shenzhen, China)和96 GB COLORFUL RAM(Shenzhen Colorful Yugong Technology and Development Co., Ltd., Shenzhen, China)的工作站上,五对TDOA推断可以在一次批量处理中完成,时间不超过20毫秒,与第3.2节报告的单次前向传递时间一致,而一次SDP求解平均需要大约0.78秒。因此,端到端的延迟约为每个1.5秒时间段0.8秒,表明在这样的工作站硬件上可以实现接近实时的段级处理。
对于嵌入式部署,使用第3.2节中报告的剪枝模型,每个窗口的延迟不到50毫秒,如果顺序处理五对接收器,则TDOA阶段的延迟约为250毫秒。在这种情况下,定位后端成为延迟的主要来源。因此,对于嵌入式平台更严格的实时要求,进一步加速SDP阶段是可取的。
6. 结论
本文提出了一个端到端的HF天波源地理定位框架,包括三个集成组件。首先,通过增加基于IRI的参数、对中国地区的区域校准和随机扰动模块,改进了宽带HF电离层信道模型,从而产生了物理上一致的训练和评估波形。通过将其RMS延迟扩散、多普勒扩散和相干带宽与已发布的中纬度路径HF探测测量结果进行比较,确认了该模型的统计合理性。其次,设计了一个基于CNN的TDOA估计器,该估计器融合了原始波形特征、多权重GCC表示和可选的信道状态信息,在低信噪比和多路径条件下实现稳健的延迟估计。消融分析确认了所有三个分支的必要性,仅移除CSI条件就会在合成数据上使TDOA平均误差增加55%,在实地记录上增加56%。第三,将地理定位问题表述为一个带有非负平方范围校正项的偏差正则化约束最小二乘模型,并通过SDP松弛方法求解,无需先验的反射高度信息。
在仿真中,所提出的TDOA估计器在整个20 dB信噪比范围内实现了最低的平均误差(MAE),并在高信噪比下显著缩小了与CRLB的差距。通过SDP后端的端到端地理定位在相同的接收器配置下始终优于ANN-TDOA、Improved-TDOA和TDOA-SDP,空间性能图证实了在广阔的内部区域的低误差。在西安使用六个GPS同步接收器和100个信号段进行的实地实验中,所提出的估计器将平均TDOA偏差减少了51%(相对于GCC-PHAT为20.3公里 vs 41.6公里),端到端流程的平均地理定位误差为19.67公里,90百分位误差为32.45公里,优于所有基线。这些结果与仿真结果大体一致,支持了该框架的实际适用性。
未来的工作将集中在将信道模型扩展到不同的电离层区域,纳入显式的多跳传播建模,在不同季节和太阳活动水平下进行更广泛的实地观测,并为大规模被动监测系统开发轻量级实现,以实现实时部署。