基于总体最小二乘算法的多站无源定位

将总体最小二乘算法应用于多站无源定位中,分别提出了基于角度估计的总体最小二乘算法,基于时差估计的总体最小二乘算法以及基于角度和时差估计的总体最小二乘算法。算法首先把非线性的观测方程转化为伪线性的观测方程,然后构造增广矩阵,并对该矩阵进行奇异值分解即可估计出目标位置,因此无需迭代计算或者获得目标位置的粗略估计,仿真结果表明该算法具有较高的定位精度。     

一种新的基于角度和时差的稳健定位跟踪算法

针对无源定位必须实现快速和稳定无偏定位跟踪的要求,提出了一种新的双站基于角度和时差的稳健定位跟踪算法。该算法将扩维伪线性测量方程的观测误差矩阵协方差阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解即可获得目标状态的渐进无偏估计值。仿真结果表明,与扩展卡尔曼滤波（EKF）算法及最小二乘(LS)算法相比,本文所提算法定位跟踪性能更稳定,精度更高,估计误差可以接近克拉美罗限（CRLB）。在测量误差较大或者两个观测站测量误差不一致时优势更明显,实用性强。      

一种双站纯方位快速渐进无偏定位算法研究

针对多站无源定位中扩展卡尔曼滤波算法等递推类算法受初始状态影响大,滤波不稳定及将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,提出了一种新的双站纯方位快速渐进无偏定位算法。该算法将扩维伪测量方程的系数误差协方差矩阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解,即可获得目标状态估计值。仿真结果表明,该算法与EKF算法及最小二乘算法相比,定位性能更稳定,精度更高,在测量误差较大或者2个观测站测量误差不一致时优势更明显。     

基于NLS的多机只测角误差配准算法

多机无源融合定位中的误差配准是目前多传感器误差配中的难点之一。当无源传感器获得的观测量存在系统误差却不进行配准时,多机融合定位的效果将受到严重影响。针对这一情况,在多机只测角无源定位问题中提出了一种基于非线性最小二乘（NLS）的误差配准算法。该算法将多机只测角误差配准问题转换为非线性最小二乘估计问题,并采用高斯–牛顿法求解,即先将非线性量测方程线性化并采用加权最小二乘进行估计,然后进行迭代直至收敛到最优估计值。仿真结果表明,与EKF配准算法相比,当观测时间足够长时,本文提出的NLS误差配准算法的定位误差可以接近克拉美罗限（CRLB）,并且对系统误差的估计精度非常高。      

基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法

多基外辐射源雷达定位系统受系统偏差影响较大。该文针对多基外辐射源雷达到达角度(DOA)和到达时差(TDOA)联合定位系统,提出一种基于约束总体最小二乘(CTLS)的无源定位和误差校正算法。首先引入辅助变量,将DOA和TDOA非线性观测方程进行线性化处理。考虑伪线性化后定位方程中噪声矩阵各分量统计相关特性,将无源定位与误差校正联合优化问题建立为CTLS模型,并采用牛顿迭代方法对模型求解。在此基础上,考虑辅助变量与目标位置的关联性,设计关联最小二乘算法改进目标位置估计值,采用后验迭代方法进一步提高系统偏差估计精度。最后推导了算法的理论误差。仿真结果表明:该算法能够有效地估计目标位置和系统偏差。     

基于约束加权最小二乘的多站无源定位

针对传统加权最小二乘算法在噪声较大时会出现门限效应的问题。本文将约束加权最小二乘算法应用于多站无源定位,分别提出了基于多站时差定位的约束加权最小二乘算法以及基于时差频差联合定位的约束加权最小二乘算法。算法首先将非线性观测方程转化为两个伪线性方程,然后对伪线性方程加入限制条件,得到目标位置。仿真实验表明,与经典加权最小二乘算法及其改进算法相比,新算法在计算量增大不多的情况下扩展了适用范围,当噪声超过门限值时依然能获得较高的定位精度。新算法对噪声具有较强的鲁棒性,能有效克服门限效应带来的影响。      

双站基于角度和时差的近似无偏定位算法

联合角度（DOA）和时差（TDOA）信息对运动目标进行无源定位实质上是一种非线性估计问题。针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,该文基于双站定位中获得的角度和时差信息,给出了一种对三维空间目标定位跟踪的近似无偏估计滤波算法,它只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值。计算机仿真结果表明,相比有偏估计滤波算法,如伪线性卡尔曼滤波（PLKF）算法或者最小二乘（LS）算法,该算法具有更高的定位精度,并且当观测误差增大时,其优势更加明显。     

一种新的三维纯角度无偏定位跟踪算法

三维空间中多站纯角度无源定位跟踪实质上是一个非线性状态估计问题。经典的扩展卡尔曼滤波(EKF)算法等递推类算法性能不稳定,而将非线性观测方程转化为伪线性方程会产生有偏估计。为了实现快速稳定无偏定位跟踪,提出了一种新的双站纯角度快速渐进无偏定位跟踪算法。该算法通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解即可获得目标状态估计值。仿真结果表明,该算法与EKF算法及最小二乘(LS)算法相比,定位性能更稳定,精度更高,在测量误差较大或者两个观测站测量误差不一致时优势更明显。     

双/多机测角频差定位算法研究

对固定辐射源的快速高精度定位是机载无源定位系统的重要任务之一,而双/多机测角频差定位体制是实现该任务的一种新途径。针对该定位体制,提出了一种快速有效的定位解算方法,解决了单次观测条件下的定位问题。该方法首先基于各机测得的方位角、俯仰角,采用伪线性法粗略估计辐射源位置;然后以此为初始值,采用高斯-牛顿迭代法,综合利用频差、方位角及俯仰角信息,精确估计辐射源位置。在单次观测定位的基础上,引入了批处理加权最小二乘融合算法及序贯加权最小二乘融合算法,实现了多次观测定位结果的有效融合。最后,进行了计算机仿真,结果表明:本文给出的单次定位解算方法及多次定位融合算法具有良好的性能,当观测误差不太大且服从高斯分布时,它们对应的辐射源位置估计精度能够很好地逼近克拉美罗限。      

基于约束加权最小二乘的时差频差联合定位算法

针对运动目标源定位问题,提出了一种基于约束加权最小二乘(Constrained Weighted Leas-tSquares,CWLS)的时差频差定位算法。该算法利用目标源到达多个接收站的时差和频差信息,对目标源的位置和速度进行估计。通过引入中间变量,将时差频差非线性方程转换成伪线性方程(中间变量与目标源位置和速度之间存在约束关系),再对此约束条件引入拉格朗日乘子技术,将此伪线性方程的求解转化为求条件极值问题,创造性地求解了此非线性定位方程,提高了定位精度,并能满足实时性和全局收敛要求。仿真实验表明,该算法在保持相近复杂度的同时,进一步提高了定位性能,优于两步加权最小二乘算法,在噪声较高时仍然能达到克拉美罗下限。     

传感器位置误差下外辐射源雷达三维定位代数解算法

机载外辐射源雷达系统中,部署在飞机上的观测站传感器位置无法精确获知,观测站位置误差将严重影响目标定位精度。对此,该文提出一种观测站位置误差下多基外辐射源雷达3维定位代数解算法。该算法首先利用辅助变量将非线性双基距离和差(BRD)观测方程进行线性化,构造伪线性目标估计模型。然后将观测站位置量测噪声的统计特性融入定位算法,提出一种改进两步加权最小二乘(TS-WLS)算法实现观测站位置误差下外辐射源雷达目标定位。最后推导了克拉美罗下界(CRLB)和算法的理论误差。仿真结果显示,在适中的BRD量测误差和观测站位置误差下,所提算法的目标定位性能能够达到CRLB。     

基于中心差分的机动辐射源单站被动跟踪算法

针对机动辐射源的单站被动跟踪问题,结合中心差分滤波(central difference filter)方法,该文提出了一种基于中心差分的交互多模型(IMM)机动目标跟踪算法,无需计算基于EKF(Extended Kalman Filter)方法所需的Jacobian矩阵,易于实现。将传统IMM算法中协方差的传递改造为平方根滤波形式,数值稳定性更好。将该算法应用到联合利用径向加速度和角度信息的单站定位系统,与基于EKF的IMM算法和基于UT(Unscented Transformation)的IMM算法仿真比较表明,该文算法和基于UT的IMM算法性能相当,比基于EKF的算法具有更高的跟踪精度。     

传感器位置误差情况下基于多维标度分析的时差定位算法

传统时差定位方法一般是在假设传感器位置信息准确已知的前提下进行的.然而在实际情形中,传感器位置信息往往含有随机误差,这些误差会严重影响对目标的定位精度.针对这一问题,提出了一种传感器位置误差情况下的多维标度时差定位算法.首先利用传感器位置和时差构造对称标量积矩阵,然后利用子空间理论建立关于目标位置的伪线性方程,最后通过设计加权矩阵来减少传感器位置误差对目标定位精度的影响.采用一阶小噪声扰动理论求出了目标位置估计的偏差及协方差矩阵,并通过仿真实验验证了该算法的有效性.     

基于空频域信息的改进UKF算法研究

固定单站无源定位系统面临着可观测性弱、初始误差大的问题,为了实现稳定高精度定位,在定位模型中引入角度变化率和多普勒频率变化率信息,并在此基础上提出了一种基于空频域信息的改进不敏卡尔曼滤波(UKF)算法.该算法利用两次观测时刻之间的间隔,根据当前时刻定位结果,通过后向平滑算法平滑估计前一时刻状态向量和协方差矩阵的估计值,...     

An Efficient Direct Position Determination Algorithm Combined with Time Delay and Doppler

The conventional passive location methods such as Taylor series and two-step weighted least square are usually implemented by first estimating related parameters and then solving equations to get the target position. However, the parameters used for location estimation are only estimates and represent an unnecessary intermediate step in the process, which also cannot guarantee to match the real location information. This separation between the parameter estimation algorithm and the location estimation algorithm may lead to information loss. By utilizing a combination of time delay and Doppler, this paper proposes an improved direct position determination algorithm to improve the estimation accuracy. A novel maximum likelihood estimator is used to transform the problem into one of searching for the largest eigenvalue of a Hermitian matrix of position information. Calculation is simplified since the part of nonzero eigenvalues remains unchanged after the matrix is transposed. The target’s position estimation is then determined by searching the space of two-dimensional geographic grids. Simulation results show that the performance of proposed algorithm is closer to the Cramér–Rao lower bound than the original direct position determination algorithm and traditional two-step method based on time delay and Doppler.     

基于线性校正总体最小二乘准则的三维说话人定位算法

针对到达时间差(TDOA)度量误差和麦克风阵列误差,提出了一种基于线性校正总体最小二乘准则的三维说话人定位算法.该定位算法通过对球面误差准则进行总体最小二乘优化来控制阵列误差的影响,并通过对优化过程引入方向参数的二次约束来控制算法的方差.仿真实验表明,本算法可以同时兼顾定位的方差性能和偏差性能,给出稳健的定位结果.     

利用多照射源的单站多目标无源定位

提出一种针对多目标的单站无源定位算法,综合利用多个外部照射信号,基于对信号多径时延的测量,在目标位置空间进行概率融合,将多目标定位问题转化为对一个目标函数的多峰寻优问题。该算法通过空间关联性实现参数自动配对,能依据单次观测数据对较大数量的散射体目标同时定位。     

基于正则化约束总体最小二乘的单站DOA-TDOA无源定位算法

针对利用单站外辐射源的目标无源定位问题,该文提出一种联合到达角度和时差信息的正则化约束总体最小二乘(RCTLS)定位算法。首先,将非线性的到达角度和时差的观测方程进行线性化处理,分析了方程系数矩阵可能出现的病态问题,将定位问题建立为RCTLS模型,并采用牛顿迭代方法对模型求解,从而得到目标位置估计。最后,推导了算法的理论误差,并按照均方误差最小的原则推导了正则化参数的最优值。仿真结果表明,算法的定位精度和鲁棒性均优于约束总体最小二乘(CTLS)算法。此外,对系统几何精度因子图的分析表明,目标及外辐射源的位置对定位精度也有影响。     

基于角度变化率的单站无源定位跟踪算法研究

针对静止单站无源定位系统中只用到达角作为观测量不能对静止目标定位,且对动态目标定位时间长,定位精度不高,不利于实时跟踪,提出了在观测站匀加速运动下,利用角度变化率作为观测量的定位方法.通过运用扩展卡尔受滤波算法进行计算机仿真表明,观测站匀加速运动下,利用到达角和角度变化率对高速飞行的物体进行定位跟踪,能够得到定位精度高,收敛速度快的估计量,更适用实时环境.