TDOA localization with linear-correction in the presence of sensor position errors

This paper considers the problem of locating a source using time difference of arrival(TDOA) measurements obtained at spatially distributed sensors in the presence of sensor position errors. A linear-correction TDOA localization algorithm that involves closed-form weighted least squares(WLS) optimization only is developed. The proposed method first converts nonlinear TDOA equations into pseudo-linear ones by introducing an intermediate variable and obtains the initial source position estimate using the WLS technique. Then a linear-correction method is applied to improve the initial localization result by estimating and subtracting its positioning error. Simulation results demonstrate the good performance of the proposed method.     

一种简单有效的TDOA-FDOA-AOA目标定位闭式解

针对TDOA-FDOA-AOA联合定位中目标状态求解这一难题,提出了一种简单有效的闭式求解算法．首先根据几何关系,通过测量值变换,将与目标位置、速度高度非线性的时差、频差、角度测量方程转换为关于目标状态的线性函数,再利用加权最小二乘估计求得目标状态估计．性能分析及仿真结果证明了所提算法具有较好的定位性能．     

一种利用多运动接收站的时差定位算法

提出了一种利用多运动接收站的两级加权最小二乘时差定位算法.首先引入中间变量,将高度非线性的多时刻时差定位方程转化为伪线性方程,并用加权最小二乘估计对伪线性方程组进行初始求解;然后根据辐射源位置和中间变量之间的关系,利用进一步加权最小二乘估计来优化初始定位结果,同时在理论上分析了所提算法的有效性.仿真结果表明,该算法具有较好的定位性能.     

分布式多天线系统中的TDOA估计

在分布式多天线系统架构下提出一种估计到达时间差(TDOA)的新方法。利用分布式多天线系统的特性，通过构造具有良好自相关性的正交训练序列，将传统的TDOA测量问题转化为多径信号中首先到达径(FAP)的时延估计。数值仿真表明，与传统基于定时同步的TDOA估计方法相比，此方法能在无线多径传播环境中将非视距(NLOS)误差降低65%左右，从而显著提高TDOA的估计精度。     

基于正则化约束总体最小二乘的TDOA/FDOA无源定位方法

目前在基于到达时间差(TDOA)和到达频率差(FDOA)的多站无源定位模型中,噪声的干扰、接收站和目标位置的不合理分布以及接收站的个数均会对定位模型中的系数矩阵造成影响,因此在实际的求解过程中系数矩阵可能会出现病态的问题,这在很大程度上会对定位结果产生影响.为了进一步在系数矩阵出现病态的情况下确保定位精度,提出了一种基...     

误差修正的声源目标混合定位算法

针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。     

非视距环境下RSS和TDOA联合的信源被动定位

针对非视距环境下信源定位性能恶化的问题,提出了一种能时域联合的信源被动定位算法。综合利用接收信号强度和到达时间差两种测量信息,首先给出信源位置的最大似然估计;然后引入距离平方与加权最小二乘法,将非凸的定位方程求解问题转化为广义信赖域子问题,采用二分法求得信源位置的估计;接下来采用迭代法估计非视距误差与信源位置以提高定位精度;最后,推导了联合估计的克拉美罗下界,比较分析了计算复杂度。仿真结果验证了所提出算法在非视距环境下接近克拉美罗下界,且具有较好的鲁棒性。     

到达时差和频差搜索算法的非线性约束最优化研究

基于复模糊函数的到达时差和到达频差无源定位方法研究较多,但实际工程应用往往受到估计精度和计算量的矛盾制约。通过研究复模糊函数的特性,并结合硬件代价受限的实际应用需求,对抽取因子、搜索步长等相关参数进行非线性最优化,提出了到达时差和到达频差的搜索优化算法。经过仿真验证,所提出的算法在不降低精度的条件下大大降低了运算量,缩短了运算时间。     

利用高斯牛顿迭代的时频差无源定位算法

针对传统高斯牛顿迭代法在时差-频差定位中因迭代初始值不准而易出现的不收敛问题,提出一种基于约束加权最小二乘(CWLS)的高斯牛顿迭代定位算法。该算法首先将定位问题中关于目标位置、速度的时差-频差非线性定位方程转化为伪线性方程,分步估计目标位置、速度初始值;为实现初始值的精确估计,将目标位置与辅助变量等式约束关系松弛为二阶锥约束(SOCP)条件;引入随机鲁棒最小二乘(SRLS)构建新的线性关系,当新线性关系的最小二乘解不满足二阶锥约束条件时,使用半定规划(SDP)技术求解目标位置的估计解,通过获得的目标位置来对目标速度进行求解;获得目标参数估计初始值后,建立时差-频差定位系统下关于目标位置与速度的高斯牛顿迭代方程,利用高斯牛顿迭代对目标参数进行寻优求解,该迭代过程不需要引入辅助参数,可以直接得到目标参数。仿真实验表明,所提算法对近场目标与远场目标均有很好的定位效果,较已有经典两步加权算法,其鲁棒性好、定位精度高。同时,仿真结果表明了高斯牛顿迭代方程时对初始值优化的必要性。     

基于离差差分滤波算法的再入目标状态估计

再入弹道目标的状态估计是个复杂的非线性滤波问题,使用扩展卡尔曼滤波算法（Extended Kalman Filter,EKF）,会引入较大的误差,甚至发散．为了提高估计精度,提出使用离差差分滤波算法（Divided Difference Filter,DDF）对再入弹道目标的状态进行估计．DDF算法使用二阶多维Stirling内插多项式近似非线性状态和测量方程获得状态和方差的估计．该算法只需要计算函数值,避免了求导运算,降低了计算复杂度．Monte Carlo数值仿真表明,离差差分滤波方法降低了再入目标的状态估计误差,提高了估计精度,且运行速度比无迹卡尔曼滤波方法（Unscendted Kalman Filter,UKF）要快的多．     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

一种减小NLOS影响的TDOA/AOA数据融合定位算法

提出了到达时间差/到达角数据融合定位算法.利用RBF神经网络对到达时间差的测量值进行修正以减小非视距传播影响,然后利用到达时间差定位算法和到达角定位算法分别估算移动台位置,最后对到达时间差和到达角定位结果进行加权平均得到移动台位置.仿真结果表明该算法在郊区、一般市区和闹市区环境下均能够有效地提高定位精度和可靠性.     

双基地前向散射栅栏雷达的目标运动参数估计

针对双基地前向散射栅栏雷达运动参数估计精度低、易发散的问题,在扩展卡尔曼滤波和不敏卡尔曼滤波基础上,提出了一种新的滤波跟踪算法U EKF.该算法利用不敏卡尔曼滤波对初始误差不敏感的特点实现目标初始捕捉,克服了扩展卡尔曼滤波由于初始估计误差较大而引起的发散问题;然后采用扩展卡尔曼滤波进行目标跟踪保持,克服了目标穿越雷达基线时不敏卡尔曼滤波由于对系统模型的误差敏感而引起估计精度低的问题.     

基于到达时间差的无线传感器网络质心定位算法

通过将到达时间差(TDOA)方法与质心定位算法相结合,提出一种基于加权处理的质心混合定位算法。该算法利用TDOA和几种经典的求解双曲线方程组解的定位算法,得到了网络中待求节点的位置,作为质心算法的坐标,并用锚节点与未知节点间的距离作为约束来调整节点的位置,从而减小定位结果与真实值之间的误差。最后通过数值仿真证明了本文算法的有效性。     

基于可学习EKF的高超声速飞行器航迹估计

临近空间高超声速目标因具有高速、大机动、全球到达的特点,已成为国防安全的一类新型威胁.此类目标具有非惯性的航迹形式、并可进行复杂的策略性机动,给其航迹估计带来了新的挑战.为应对目标的机动特性,提升航迹估计性能,将循环神经网络与扩展卡尔曼滤波深度嵌合,提出了基于可学习扩展卡尔曼滤波的航迹估计方法.首先,通过分析目标机动特性,建立了参数化的目标机动模型.然后,考虑目标复杂机动特性对航迹估计造成的影响,将循环神经网络与扩展卡尔曼滤波深度嵌合,提出了可学习扩展卡尔曼滤波方法.通过使用已有航迹数据进行训练,所嵌入的两个循环神经网络,可发现目标机动的隐含规律,并对目标复杂机动所引起参数与模型不确定性的进行在线识别与动态补偿.最后,以某临近空间高超声速目标的航迹估计为例,选取典型机动场景,对所提出方法与EKF、AEKF等传统方法进行了对比分析. 分析结果表明,所提出的可学习扩展卡尔曼滤波方法可有效应对目标复杂的机动,具有比EKF、AEKF方法更高的估计精度和更优的估计动态性能.     

一种线性校正TOA定位算法

针对到达时间定位中出现的非线性估计问题,提出了一种基于线性校正的定位算法.该算法首先将非线性到达时间定位方程转化为一组关于目标位置的伪线性方程,利用加权最小二乘估计进行初始求解;在此基础上把伪线性方程组转化为关于估计偏差的求解问题,进而对初始解进行线性校正;同时分析了所提算法的有效性.仿真结果表明,该算法具有较好的定位性能.     

直接时差计数超宽带标签定位系统

构建了一种新的超宽带标签定位系统．该方案采用一个独立时差计数器统一记录标签信号到达各基站的时间差,故基站间无须严格同步的参考时钟,避免了因参考时钟起点不同步带来的测量误差,从而在有效地提高定位精度的同时降低了系统实现复杂度．对所提定位方案进行了测量误差分析和仿真验证,结果表明,在IEEE 802.15.4a给出的室内多径信道中,系统定位性能优于基站间未严格同步的传统到达时间差方案,适合应用于低功耗、低成本的室内超宽带定位和跟踪系统．     

定向性天线阵列相位中心对DOA估计的影响分析

针对宽频带定向性天线阵列存在不确定的相位中心、非均匀分布的远场相位以及有限的主波瓣宽度等问题,提出了一种定向性天线组成的均匀圆阵的扇区波达方向（DOA）估计模型.首先通过最优化原则估计定向性天线相位中心,推导出阵列的有效孔径,构建方向性导向矢量;然后综合考虑相位扰动、相位中心估计误差等因素对DOA估计精度的影响,分析并推导出误差矢量;最后对常规理想点源天线阵列的DOA估计模型进行改进,并对影响DOA估计误差的因素进行仿真.实验结果表明,该模型具有单元天线参与数量少、相同误差因素下DOA估计精度高的优点.     

用基于遗传优化的扩展卡尔曼滤波算法辨识电池模型参数

提出了一种基于遗传优化算法(Genetic algorithm,GA)和扩展卡尔曼滤波(ExtendedKalman filter,EKF)算法的电池模型参数辨识方法。建立了锂离子动力电池等效电路模型,模型中两个RC网络分别描述电池的电化学极化特性和浓差极化特性,迟滞电压描述电池充放电过程的平衡电势的差异。对于具有耦合关系的模型参数,采用具有最小均方误差估计效果的EKF辨识算法,针对EKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于遗传算法优化EKF噪声矩阵的方法。试验和仿真结果表明:基于遗传优化的EKF算法(GA-EKF)辨识的电池模型满足电动车辆仿真精度要求。     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.