移动辐射源AOA-TDOA-FDOA联合定位闭合解算法

移动辐射源无源定位是电子对抗领域需要解决的关键问题之一。基于到达时间差(TDOA)与到达频率差(FDOA)的联合定位闭合解算法是解决上述问题的有效途径之一,但完成一次定位至少需要5个协同平台才能达到该算法的应用条件。在保持无源定位闭合解框架的前提下,为减少协同平台个数,提出了一种融合到达角(AOA)观测量、TDOA观测量以及FDOA观测量的无源定位算法。当各观测量的观察噪声及传感器位置偏差均为高斯噪声且噪声强度适中时,可建立移动辐射源位置与各观测量及传感器位置的近似代数表达式,并由此形成AOA-TDOA-FDOA联合定位闭合解算法。进一步的理论分析表明,该算法的定位误差能达到克拉美罗界,数值仿真结果与理论分析结论吻合。     

基于角度和时差的单站多外辐射源融合定位方法

针对利用单个观测站接收多个外辐射源信号对静态目标的定位问题,提出了一种基于融合的定位方法。首先依据单个外辐射源,建立时差和到达角的观测方程;然后构建测量误差的概率密度函数,利用最大似然估计得到目标位置的解析解;最后利用最大似然方法将依据单个外辐射源得到的目标位置进行融合,得到目标位置的融合解。仿真结果表明,文章多外辐射源融合定位的克拉美罗界(Cramer Rao lower bound,CRLB)低于单外辐射源定位,联合角度(direction of arrival,DOA)和时差(time difference of arrival,TDOA)定位的CRLB低于仅利用时差定位,且文章算法的定位误差逼近CRLB。系统几何精度因子(geometric dilution of precision,GDOP)图表明,影响定位精度的主要因素是测量误差、目标的位置和辐射源个数及位置。     

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法.该算法具有计算量小,能有效降低定位误...     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

TDOA定位技术的基本原理和算法

重点研究基于时间测量值的蜂窝无线定位算法。在分析现有无线定位技术和定位算法的基础上,本文选择了以到达时间差(TDOA)定位算法为研究重点。首先,介绍了两种比较典型的TDOA定位算法:CHAN算法和Taylor级数展开法。并在多种信道环境下对这两种基本定位算法进行了仿真比较。为了详细评价这两种算法的定位性能,本文在理想的信道环境和典型的实际信道模型(COST259和T1P1)下,研究了多种对算法定位性具有影响作用的参数,其中包括:蜂窝小区大小、参与定位基站的个数、测量设备的误差、信道中的NLOS误差等。     

一种LOS环境下的TDOA/AOA数据融合定位算法

提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在视距(LOS)环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

数字地图辅助的三星时差定位方法及误差分析

针对应用三星组成卫星簇对地面辐射源定位的问题,提出了利用数字地图辅助以及使用WGS-84坐标系作为精确定位的模型,在此基础上提出了对地面辐射源目标进行定位的迭代格式的定位算法,并且利用模拟三维地形图进行了定位结果仿真;推导了定位方法的理论误差表达式,研究表明定位仿真结果与误差理论分析一致,并可降低由目标高程假设带来的定位误差。     

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。     

利用TDOA和FDOA的单站多外辐射源目标定位算法

针对利用单个观测站接收多个外辐射源信号从而实现对运动目标定位的问题,以直达信号和目标回波信号之间的到达时差和频差为观测量,采用Taylor迭代方法,得到了目标位置和速度估计。迭代的初值由最小二乘方法得到。最后,推导了算法的克拉美罗界和理论误差。仿真结果表明,算法仅需1次迭代即可收敛至全局最优解;在一般测量误差条件下,算法的实际定位误差逼近克拉美罗界;对系统几何精度因子图的分析表明,目标及外辐射源位置也是影响定位精度的重要因素。     

利用雷达作为外辐射源侦察定位精度分析

测向交叉定位精度低,而时差定位需要3个接收站并且对时统的要求较高.为降低系统的复杂度同时保证较高的定位精度,提出利用雷达作为外辐射源进行侦察的测向距离和实现对目标进行定位.首先利用雷达作为外辐射源的测向距离和侦察定位的数学模型,分析了影响定位误差的因素;然后推导出理论定位精度的几何稀释(GDOP);最后进行了仿真实验.仿真结果验证了影响测向距离和定位精度的因素,对实际工程应用中的设计具有指导意义.     

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．     

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.     

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TDOA的一种简化的非视距误差抑制算法

在蜂窝网络无线定位中,NLOS是影响定位精度的一个重要因素.如何更好的抑制NLOS误差是提高定位精度的关键.为此,考虑普遍存在NLOS的情况,即假定NLOS的概率为1,则得到的TDOA测量值均含有NLOS误差.这样根据信道的先验信息和Greenstein模型就可以估计出NLOS误差的均值,从而可以修正TDOA测量值,即重构TDOA测量值.把重构后的TDOA测量数据,应用到LCLS算法就可以完成对移动台的位置估计.仿真结果表明,在普遍存在NLOS的情况下,该算法能有效抑制NLOS误差,取得较精确的估计位置.     

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.     

约束准则下扩展时差直方图脉冲分选配对方法

由于现有的多站时差分选方法存在虚警、漏警率高,超低重频脉冲分选正确率低,且不具备稳健单脉冲分选能力的问题,提出一种约束准则下的扩展时差直方图脉冲分选配对方法。该方法首先引入约束准则对脉冲进行参数匹配,获取有效的时差分布;而后采用扩展和递归运算依次完成各辐射源脉冲的分选与配对。经约束限制后,无关脉冲配对机会降低了,从根本上减少了虚假时差和噪声时差,并有效地抑制了虚假目标的产生。仿真结果表明,与现有算法相比,该算法能在不同时差测量误差条件下提高对各类型脉冲的分选正确率,同时降低虚警率和漏警率,实现了对脉冲数极少的超低重频脉冲和单脉冲的准确分选与配对。     

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.     

An Indoor Localization Approach Based on Fingerprint and Time-Difference of Arrival Fusion

In this paper, an effective target locating approach based on the fingerprint fusion positioning (FFP) method is proposed which integrates the time-difference of arrival (TDOA) and the received signal strength according to the statistical variance of target position in the stationary 3D scenarios. The FFP method fuses the pedestrian dead reckoning (PDR) estimation to solve the moving target localization problem. We also introduce auxiliary parameters to estimate the target motion state. Subsequently, we can locate the static pedestrians and track the the moving target. For the case study, eight access stationary points are placed on a bookshelf and hypermarket; one target node is moving inside hypermarkets in 2D and 3D scenarios or stationary on the bookshelf. We compare the performance of our proposed method with existing localization algorithms such as k-nearest neighbor, weighted k-nearest neighbor, pure TDOA and fingerprinting combining Bayesian frameworks including the extended Kalman filter, unscented Kalman filter and particle filter (PF). The proposed approach outperforms obviously the counterpart methodologies in terms of the root mean square error and the cumulative distribution function of localization errors, especially in the 3D scenarios. Simulation results corroborate the effectiveness of our proposed approach.     

TDOA参数估计算法

对基于广义互相关法（GCC）的波束到达时间差（TDOA）估计算法的捕获概率进行了分析，推导了计算捕获概率的数值算法，并在此基础上，对2种常用TDOA估计方法的算法效率进行比较．这2种方法分别是直接对2个接收信号做互相关运算来估计TDOA的方法，以及将2个接收信号分别与1个无噪声的m-序列做互相关运算来估计TDOA的方法．仿真结果表明，后者有较高的算法效率．