利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

扫描辐射源的最大似然定位算法

针对运动扫描辐射源的扫描速率未知的情况,提出一种最大似然定位算法.该算法将各个时差量测分别投影到目标状态空间,通过对目标状态进行修正、迭代和融合实现对扫描速率和目标状态的最大似然估计,同时避免联合估计方法对运动目标的定位精度不足的问题.此外,针对扫描辐射源定位的特点,重新推导分析误差项,从而改进瞬时定位算法.仿真结果表明,所提出的最大似然定位算法及其改进方法是有效的,后者的定位精度接近CRLB.     

基于MCMC的无线传感器网络目标定位算法

为解决基于时延和多普勒频率的无线传感器网络运动目标定位问题,提出一种基于马尔科夫链-蒙特卡罗(Markov-chainMonte-Carlo,MCMC)的直接定位算法。基于最大似然准则从各传感器节点接收信号模型中推导目标位置和速度估计的优化函数;针对该优化函数难以得到闭式解的问题,将优化函数转化为马尔科夫链的稳态分布,利用MCMC方法对目标位置和速度参数分布进行抽样,得到目标位置和速度参数的样本,通过统计样本均值得到目标位置和速度的估计值。实例仿真计算结果表明,该算法比现有算法具有更高的定位精度、稳健性和计算效率,在一般信噪比条件下,性能逼近克拉美罗界。     

基于二元多跳WSN的信道容错的目标定位方法

针对信道退化的多跳无线传感器网络下的定位问题,基于最大似然估计提出一种新的信道容错的定位算法.传感器节点接收到的源信号强度数据被压缩量化为二元信号,经Rayleigh退化信道多跳中继到达融合中心.利用信道退化统计量和译码策略,推导出二元观测数据的似然函数,基于最大似然估计获得目标定位,进一步给出目标位置估计的克拉美-罗下界.仿真结果表明了所提出算法的有效性.     

WSN基于声音能量量化数据的目标定位研究

无线传感器网络的通信带宽和能量是有限的,只传输二进制或几个比特量化数据来完成目标定位任务可以减少网络开销。对无线传感器网络目标定位方法进行了研究,采用声音能量衰减模型,推导了基于量化信号的似然函数,给出了基于声音能量量化数据的最大似然定位方法。为了对估计结果进行评定,推导了最大似然估计的克拉美罗下限。仿真结果表明,该方法对目标定位的准确度基本接近于克拉美罗下限。因此,在满足定位精度的前提下,可通过减少传递的比特位数来节约网络的能量。     

基于AUPF的TDOA几何定位跟踪算法研究

使用无源时差（TDOA）定位技术确定无人机等小型辐射源目标的位置是当前研究的热点,针对时差定位算法较为复杂的实际情况,推导了时差双曲线的几何解,并提出了一种基于自适应无迹粒子滤波（AUPF）技术的移动目标定位跟踪方法。通过仿真对该方法在不同场景的应用效果进行了验证,进一步比较分析了算法的定位精度。结果表明,基于自适应无迹粒子滤波的时差几何定位跟踪算法可以在多种情况下较好地拟合出目标真实运动轨迹,实现对运动目标的定位跟踪,同时拥有更低的定位误差和更高的轨迹包容度,使用该方法可以显著提高对非合作移动辐射源目标的位置估计性能。     

基于无线传感器网络的自适应声源定位算法

基于声源能量的无线传感器网络（ WSNs）最大似然定位算法抗噪声干扰能力强,定位精度高,同时适用于多个目标定位,但是计算量大,不适用于实时定位。针对现有算法的缺点,提出了一种基于自适应迭代的最大似然定位算法。该算法将代价函数作为目标函数,在给定的梯度误差范围内自适应地搜索目标位置。为了提高算法的收敛速度和定位精度,提出了基于Sigmoid函数的变步长的搜索算法。仿真实验结果表明：与最大似然定位算法相比,自适应迭代算法运算量小,定位精度高,能满足对目标定位精度和速度要求较高的场合,具有一定的实际应用意义。     

高斯-牛顿法在基于能量的目标定位中的运用

将基于能量的最大似然法的目标定位问题转化为求解非线性最小二乘问题,并引入高斯-牛顿法来求解目标函数最小值,通过分析目标函数的特点,提出了能量法定位中高斯牛顿迭代的初始值和步长的选取原则,防止了迭代算法进入局部最小。这种算法在保证搜索法的定位精度的前提下,提高了定位速度,实现了精度与速度的结合。     

基于牛顿迭代二值采样信号参数估计的鲁棒算法

无线传感器网络中,低比特数据传输和处理有利于节约网络的开支和节点能耗.然而,低比特数据在传输过程中,很容易受到干扰而导致比特值随机反相.论文研究利用非理想信道情况下接收到的1比特采样信号的变量含误差(EIV)模型参数估计问题,提出了一种基于牛顿迭代的鲁棒估计算法.该算法首先将问题转化为基于比特扰动概率的极大似然优化问题,然后利用牛顿迭代算法获得问题的最优解.该算法有较快的收敛性,同时针对EIV模型中的乘性噪声和比特值随机反相问题有较好的鲁棒性.论文推导了克拉美罗下界(CRLB),并且进行了性能仿真,结果验证了算法的有效性.     

突发GMSK混和信号混合位置估计迭代算法

针对GMSK混合信号的混合位置估计问题,提出了一种基于参数估计与混合位置估计的迭代算法。混合信号混合部位和未混合部位在幅度和频率上存在明显差异,通过混合部位信号过零点和极值点得到混合的信号和幅度估计后,可以对采样点是否混合进行判断,同时混合起点对应着相对时延,当混合信号的相对时延较大时,利用未混合部位信号来进行迭代时,其估计精度更高。对混合起点估计的克拉美罗界进行了推导,仿真表明,本文算法估计精度高,所需的数据量小,适用于突发通信,且对参数变化不敏感,具有较强的鲁棒性,在高信噪比下混合位置估计精度接近克拉美罗界。