一种改进的多站AOA/TDOA联合无源定位闭合形式算法

为解决多平台协同外辐射源无源定位问题,提出了基于到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)的闭合形式定位解算法。在保持两阶段定位闭合形式算法框架不变的前提下,所提算法不仅考虑了AOA与TDOA观测噪声对定位造成的不利影响,同时还缓解了传感器位置不确定引起的定位精度恶化问题。数值仿真结果验证了所提算法的高精度定位性能。     

解耦的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题,基于转换测量Kalman滤波器(CMKF),应用正规变换,得到了解耦的CMKF算法,同时研究了CMKF和解耦CMKF算法的初值估计问题.仿真结果表明了解耦CMKF算法及其初值估计的有效性.     

一种用于雷达量测的滤波算法

在雷达跟踪系统中,广泛使用混合坐标系下扩展卡尔曼滤波器（EKF）和转换卡尔曼滤波器（CMKF）两种算法,但是当目标距离较远时,这两种滤波器由于量测方程非线性的影响,误差较大,甚至导致滤波发射。本文计算了传统EKF滤波器引入的线性化误差,并在此基础上提出一种新的滤波算法（NDRKF）。计算机仿具结果表明,该算法减小了线性化误差的影响,较明显地改善了滤波顺的性能。     

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。     

基于正规变换的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题，基于转换测量Kalman滤波器(CMKF)，应用正规变换方法对其进行解耦，经过理论推导，得到了变换的解析表达式。仿真结果表明了算法的有效性。     

量测转换卡尔曼滤波在塔康导航中的应用

塔康导航系统是一种无线电测角测距系统,结合高程数据可以确定目标的三维位置。由于塔康导航的量测误差较大,导致其对目标位置的估计精度不高。为解决此问题,用基于量测转换的滤波跟踪技术实现非线性量测下的状态估计。针对塔康导航系统量测值的特点,首先在斜距值与高度所在平面内推导出量测转换的误差统计特性,并将其推广到三维空间,进而推导出塔康导航系统中的量测转换模型。基于所推导模型的卡尔曼滤波器用于塔康导航系统中的目标跟踪,取得良好的效果。与经典滤波算法的性能对比表明,由于严格基于量测值推导量测转换误差的统计特性,算法在滤波误差、置信度和计算量上优于其它算法,可在不同量测噪声水平下稳健滤波,有较好的全面性和鲁棒性。      

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。     

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。     

红外复杂背景中一种融合两类跟踪框架优点的小目标跟踪算法

提出了一种融合"滤波、数据关联"跟踪框架和"目标建模、定位"跟踪框架优点的红外复杂背景中小目标跟踪算法.在算法的具体设计中,提出了一种基于非线性量化核函数直方图的小目标建模方法和一种基于目标局部区域背景复杂程度Kalman滤波的当前帧目标模板更新策略.实践证明,此算法不仅降低了传统Mean-shift迭代算法对于小目标跟踪的不稳健性,而且具有比一般Kalman滤波器更强的抗跟踪系统观测噪声扰动的能力.     

球坐标系下多普勒雷达目标跟踪滤波器

将仅仅考虑位置量测的三维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距和多普勒的量测误差相关的雷达目标跟踪问题。首先利用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后利用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据转换量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。     

一种在非视距环境中的TDOA/AOA混合定位方法

提出了一种在非视距环境中的到达时间差/到达角混合定位方法。该方法使用了两步卡尔曼滤波。先用卡尔曼滤波器对到达时间测量值进行预处理,以消除TOA测量值中的NLOS误差。再把经过预处理的TOA测量值输入到用卡尔曼滤波器实现的TDOA/AOA混合定位器中进行定位。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法及静态定位方法中泰勒级数展开法的误差性能。     

Moving‐Target Tracking Based on Particle Filter with TDOA/FDOA Measurements

In this letter, we propose a moving‐target tracking algorithm based on a particle filter that uses the time difference of arrival (TDOA)/frequency difference of arrival (FDOA) measurements acquired by distributed sensors. It is shown that the performance of the proposed algorithm, based on the particle filter, outperforms the one based on the extended Kalman filter. The use of both the TDOA and FDOA measurements is shown to be effective in the moving‐target tracking. It is proven that the particle filter deals with the nonlinear nature of the moving‐target tracking problem successfully.     

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。     

利用约束加权最小二乘的单站外辐射源时差定位算法

针对利用单个观测接收站接收数个外辐射源信号进行目标定位过程中,传统解析定位算法估计精度不够理想的问题,提出了一种利用约束加权最小二乘（CWLS）到达时差的定位算法。首先将目标到观测接收站的距离作为冗余参量,实现时差观测方程的线性化,然后根据目标到观测接收站的距离与目标位置之间的函数关系,建立为CWLS定位模型,并采用拉格朗日乘子式(Lagrange multiplier)求解该类带约束条件的CWLS问题。同时,还推导了相应的克拉美罗界(CRLB)和理论误差。通过仿真实验和分析可以表明,在存在测量误差的情况下,本文提出的新算法仍然能够逼近CRLB,且与解析方法相比,具有较好的定位精度。      

一种TDOA/AOA混合定位算法及其性能分析

在蜂窝移动通信系统中，智能天线阵列的应用使得服务基站（BS）能提供较准确的移动台（MS）电波到达角（AOA）测量值，从而可以用于对移动台的定位估计，文中对文献[1]的电波到达时间差（TDOA）定位算法进行了改进，提出了一种既能继承原算法的优良性能，又可充分利用AOA测量值信息提高定位性能的TDOA/AOA混合定位算法，该算法还具有解析表达式解。仿真结果表明，只要AOA测量值达到一定精度，该算法就能取得比文献[1]的单纯TDOA定位算法更好的性能。     

观测站有位置误差的多维标度时频差定位算法

定位精度对观测站位置误差很敏感。论文针对观测站位置和速度有误差的情况,提出了一种加权多维标度时频差定位算法。该算法利用了多维标度定位通过特征结构和维度信息抑制噪声的优势,它将定位残差表示成测量误差和观测站位置误差的线性形式,然后通过加权最小二乘给出了目标位置和速度估计的闭式解。仿真结果表明,在小的测量误差和观测站位置误差时,该算法对目标位置和速度的估计能够达到克拉美劳下界。与两步加权最小二乘和约束总体最小二乘算法相比,该算法在测量噪声和观测站位置误差较大时有更高的定位精度。      

基于到达角Kalman滤波的TDOA/AOA定位算法

基于Chan算法的TDOA/AOA定位算法是在Chan算法的信号到达时间差(TDOA)误差方程组里加上一个信号到达角(AOA)误差方程,利用加权最小二乘法(WLS)求解。其主要缺点是把移动台(MS)的横坐标、纵坐标与移动台到服务基站(BS)之间的距离作为3个相互独立的变量,忽略了3者之间的相关性。需要进行两次WLS计算,且最终的解为二值根。当AOA测量误差的方差不断增大时,对应的定位误差也随之增大。该文利用Kalman滤波算法对AOA的值进行估计,并将上述的3个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性。     

Hybrid TDOA/AOA mobile user location for wideband CDMA cellularsystems

This paper proposes a mobile user location scheme for wideband code-division multiple-access (CDMA) wireless communication systems. To achieve high location accuracy and low cost of the mobile receiver, the location scheme combines the time difference of arrival (TDOA) measurements from the forward link pilot signals with the angle of arrival (AOA) measurement from the reverse link pilot signal. High chip rates in wideband CDMA systems facilitate accurate TDOA measurements, and a smart antenna used at the home base station (BS) can provide accurate AOA measurement in a macrocell environment. A two-step least square location estimator is developed based on a linear form of the AOA equation in the small error region. Numerical results demonstrate that the proposed hybrid TDOA/AOA location scheme gives a much higher location accuracy than TDOA only location, when the number of base stations is small and/or when the TDOA measurements have a relatively poor accuracy     

An Approximately Efficient TDOA Localization Algorithm in Closed-Form for Locating Multiple Disjoint Sources With Erroneous Sensor Positions

This paper considers the problem of time difference-of-arrival (TDOA) source localization when the TDOA measurements from multiple disjoint sources are subject to the same sensor position displacements from the available sensor positions. This is a challenging problem and closed-form solution with good localization accuracy has yet to be found. This paper proposes an estimator that can achieve this purpose. The proposed algorithm jointly estimates the unknown source and sensor positions to take the advantage that the TDOAs from different sources have the same sensor position displacements. The joint estimation is a highly nonlinear problem due to the coupling of source and sensor positions in the measurement equations. We introduce the novel idea of hypothesized source locations in the algorithm development to enable the formulation of psuedolinear equations, thereby leading to the establishment of closed-form solution for source location estimates. Besides the advantage of closed-form, the newly developed algorithm is shown analytically, under the condition that the TDOA measurement noise and the sensor position errors are sufficiently small, to reach the CRLB accuracy. For clarity, the localization of two disjoint sources is used in the algorithm development. The developed algorithm is then examined under the special case of a single source and extended to the more general case of more than two unknown sources. The theoretical developments are supported by simulations.