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。     

基于约束总体最小二乘的泰勒级数定位算法

目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range-Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range-Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS-Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS-Taylor算法不仅能够获得与QCLS-Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS-Taylor算法的定位精度更高。     

联合TDOA-AOA无线传感器网络半定规划定位算法研究

在无线传感器网络定位中,TDOA和AOA联合定位可有效利用多种位置信息提高定位精度.由于传统联合加权最小二乘(WLS)的目标函数非线性,在应用于无线传感器网络定位时,会产生多个局部最优解.因此,针对该问题本文将约束加权最小二乘问题转化为二次约束二次规划问题,之后通过引入半定松弛(SDR)方法将联合定位问题转换为低复杂度的半定规划问题(SDP),进而寻找全局最优解.并且针对实际应用中参考节点带误差的情形分析和推导了定位算法.与已有算法相比,提出的算法在参考节点无误差和有误差时都有更高的精度.此外,提出的SDP算法还能够实现只有两个参考节点下的目标定位.     

基于神经网络的MIMO-OFDM信道估计

提出了一种适用于神经网络框架下的MIMO-OFDM系统的信道估计算法。通过对三层神经网络结构的分析,用两层神经网络实现了一种主成分分析（PCA）最小二乘学习算法。通过导频信息得到MIMO-OFDM信道模型初始值,再用神经网络算法对MIMO-OFDM信道的时变状态参数进行跟踪;采用两层神经网络,由隐层输出对最终输出修正,中间实现可变遗忘因子的改进递推最小二乘学习算法。仿真结果表明,该方法与最小二乘（LS）算法相比,在跟踪时变衰落信道时,估计的均方误差有较大提高,从而有效地改善了接收端的符号检测性。     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。     

PSO-LS：一种非视距环境下目标定位方法

非视距误差是影响室内定位中定位精度的关键因素。为了减少非视距误差对定位的影响,论文提出粒子群和迭代最小二乘的联合定位方法。首先通过粒子群算法得到粗略的目标位置初值,再使用迭代最小二乘法对位置不断更新,从而得到目标位置的精确估计。针对最小二乘仅适用于误差近似服从高斯分布的情况,使用Anderson-Darling检验法选取合适的测量序列,从而使目标定位精度进一步提高。仿真结果表明,PSO-LS算法在使用较小计算量的情况下,使目标定位的精度达到了2cm以内。     

改进的鲁棒总体最小二乘无源定位算法

针对机载无源定位易受异常误差影响的问题,提出一种基于角度信息的鲁棒递推总体最小二乘定位（RRTLS）算法。建立机载无源定位模型,得出总体最小二乘（TLS）解,根据机载定位的实时性、低复杂度要求将其转化为加权递推形式;根据广义M估计原理构建鲁棒TLS极值准则,利用其性质将RRTLS定位问题转化为等价权函数的设计问题;验证了利用残差识别异常误差的合理性,在此基础上建立了等价权函数。仿真结果表明,不存在异常误差时,递推总体最小二乘（RTLS）算法和RRTLS算法均能较好收敛;存在异常误差时,递推最小二乘（RLS）和RTLS定位结果受到扭曲,而RRTLS算法能够获得理想的估值,具有较强的鲁棒性。     

三维传感网空间RSS与AOA混合测量的精确定位方法

由于位置坐标参数的增加,三维传感网空间的定位难度较二维平面有所增大.单一的依靠接收信号强度(RSS)确定节点位置坐标的方法将使定位的不确定性增加,定位误差也较大.新型的阵列与智能天线的出现为节点间的到达角度(AOA)测量提供了方便,为此本文提出了一种三维传感网空间RSS与AOA混合测量的精确定位方法.将采用混合测量建立的非线性优化模型转化为线性方程,分别提出了节点位置坐标估计的非约束线性最小二乘(ULLS)及约束线性最小二乘(CLLS)方法.仿真测试了所设计算法的有效性,分析了不同测量噪声对位置坐标估计误差的影响.仿真表明所设计的ULLS和CLLS方法的计算速度快,相比于ULLS方法,采用约束后的CLLS方法的定位误差更小.在较小测量噪声范围内,ULLS和CLLS估计方法具有较高的稳定性和定位精度.     

基于循环滤波的无线传感器网络室内定位

针对室内接收信号强度定位具有较大误差的情况,提出一种高效的循环加权递推平均滤波算法对测量信号进行滤波.对已测量数据使用最小二乘法进行拟合得到多项式模型,并使用极大似然估计进行定位.实验结果表明,所提出的循环加权递推平均滤波算法在计算量较小的情况下,能够有效提高测距精度,多项式拟合比对数距离路径损耗模型拟合定位精度更高.在室内环境下,提出的算法定位精度达到0.6m左右,接近节点物理性能所允许的最佳定位精度.     

基于短基线传感器网络的远场声源TDoA定位组合算法

针对远场声源定位问题,提出到达时间差(TDoA)定位的短基线传感器网络方案.通常有一类定位算法无需估计初始点,而另一类算法则依赖初始估计值,提出将这2类方法相结合,设计出几种组合定位算法.主要思想是扬长避短,由第1类定位算法实现粗定位和输出初始估计位置,将其作为初始点输入给定位精度高和依赖初始值的第2类算法.提出利用蒙特卡洛法和简化的几何配置案例,计算定位算法的概率误差圆,论证了这种性能评估准则的可行性.通过对组合算法的概率误差圆进行数值分析,得出球形插值法与最小二乘方程差法的有机组合具有最优性能的结论,并分析了这种组合算法的盒图特性.根据不同的距离和声程差标准偏差进行模拟,以及采用野外真实场景下获得的声源数据进行试验,验证了结论.     

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SRUKF的TSOA/TDOA单站跟踪技术研究

阐述了蜂窝网系统中单台定位设备TSOA/TDOA被动式新型混合定位技术的原理.利用TSOA/TDOA混合定位的数学模型建立系统观测方程,采用受随机加速影响的匀速运动状态模型,描述了移动台的位移和速度.在此基础上推导了基于平方根无迹卡尔曼滤波的跟踪算法,并通过仿真实现了对移动台位置和速度的同时跟踪.仿真结果表明,与扩展卡尔曼滤波及无迹卡尔曼滤波算法相比,平方根无迹卡尔曼滤波算法的跟踪性能更优.     

声呐位置误差情况下的运动目标多基地定位方法

在多基地声呐定位系统中,声呐的位置信息往往含有随机误差,这些误差会严重影响目标的定位精度。针对这一问题,提出了一种基于时间和多普勒频率的运动目标定位方法。首先,将基于时间和多普勒频率定位机制的非线性量测方程组转化为关于目标位置、速度及中间变量的伪线性方程组,利用加权最小二乘估计法对运动目标的位置、速度进行初始求解;然后,利用位置、速度及中间变量之间的相关性对位置和速度的估计偏差进行求解;最后,对位置和速度的初始解进行误差修正。分析了所提算法在量测误差较小情况下的统计有效性,并通过蒙特卡洛模拟进行了数值验证。     

Iterative constrained weighted least squares estimator for TDOA and FDOA positioning of multiple disjoint sources in the presence of sensor position and velocity uncertainties

Sensor position and velocity uncertainties are known to be able to degrade the source localization accuracy significantly. This paper focuses on the problem of locating multiple disjoint sources using time differences of arrival (TDOAs) and frequency differences of arrival (FDOAs) in the presence of sensor position and velocity errors. First, the explicit Cramér–Rao bound (CRB) expression for joint estimation of source and sensor positions and velocities is derived under the Gaussian noise assumption. Subsequently, we compare the localization accuracy when multiple-source positions and velocities are determined jointly and individually based on the obtained CRB results. The performance gain resulted from multiple-target cooperative positioning is also quantified using the orthogonal projection matrix. Next, the paper proposes a new estimator that formulates the localization problem as a quadratic programming with some indefinite quadratic equality constraints. Due to the non-convex nature of the optimization problem, an iterative constrained weighted least squares (ICWLS) method is developed based on matrix QR decomposition, which can be achieved through some simple and efficient numerical algorithms. The newly proposed iterative method uses a set of linear equality constraints instead of the quadratic constraints to produce a closed-form solution in each iteration. Theoretical analysis demonstrates that the proposed method, if converges, can provide the optimal solution of the formulated non-convex minimization problem. Moreover, its estimation mean-square-error (MSE) is able to reach the corresponding CRB under moderate noise level. Simulations are included to corroborate and support the theoretical development in this paper.     

基于TDOA的室内超声波定位方法的改进

基于超声波和射频信号的TDOA（Time Difference Of Arrival,TDOA）室内无线传感网定位系统得到了越来越普遍的研究。其以距离测量为基础计算待测节点坐标。测距的误差影响定位结果的准确性。因此,文中主要目的是介绍基于超声波技术和射频技术定位系统的工作原理,通过采用总体最小二乘法（Total Least Square,TLS）的直线拟合方法对距离测量误差进行补偿,修正距离值,然后采用极小极大算法（Min-Max algorithm）进行定位的位置坐标计算,得到系统测距误差较小和定位准确性高的结果。实验数据仿真表明,该方法提高了距离测量精度和系统的定位准确性。     

多站时差无源定位传感器网络优化

在可移动无源传感器网络中,观测器与目标的相对几何关系对定位精度有重要影响。为提高对运动目标的定位跟踪精度,提出一种基于时差无源定位几何稀释精度的移动平台实时布站方法。首先推导出二维时差无源定位方法下的带有基线长度和基线偏角的GDOP表达式,将其作为目标优化函数,使用加权离散搜索优化算法求解网内各观测器每一时刻的最佳观测位置,并在此最佳位置对目标进行量测,完成目标运动分析。该方法通估计和优化相结合实现移动平台无源传感器网络的实时优化部署,仿真证明该算法一定程度上解决了时差无源定位算法的定位模糊问题,提高了对运动目标的跟踪精度。     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。     

一种传感网时间同步和定位的联合线性估计方法

采用时间测量以估计节点位置的方法实现简单,在传感网中得到了广泛的使用。然而节点计时时钟存在漂移和偏离,导致时间测量不准确。为此文本以节点时钟漂移和偏离模型为基础,提出了一种时间同步和节点定位的联合线性估计方法,包括最小平方（LS）及权重最小平方（WLS）方法。仿真测试了所设计算法的运行时间,分析了噪声对联合估计方法的估计误差影响。结果表明,LS及WLS线性估计方法运算速度较半正定（SDP）算法快,在低噪声条件下LS及WLS线性估计方法具有较高的稳定性和定位精度。     

Localization of multiple disjoint sources with prior knowledge on source locations in the presence of sensor location errors

Sensor location errors are known to be able to degrade the source localization accuracy significantly. This paper considers the problem of localizing multiple disjoint sources where prior knowledge on the source locations is available to mitigate the effect of sensor location uncertainty. The error in the priorly known source location is assumed to follow a zero-mean Gaussian distribution. When a source location is completely unknown, the covariance matrix of its prior location would go to infinity. The localization of multiple disjoint sources is achieved through exploring the time difference of arrival (TDOA) and the frequency difference of arrival (FDOA) measurements. In this work, we derive the Cramér–Rao lower bound (CRLB) of the source location estimates. The CRLB is shown analytically to be able to unify several CRLBs introduced in literature. We next compare the localization performance when multiple source locations are determined jointly and individually. In the presence of sensor location errors, the superiority of joint localization of multiple sources in terms of greatly improved localization accuracy is established. Two methods for localizing multiple disjoint sources are proposed, one for the case where only some sources have prior location information and the other for the scenario where all sources have prior location information. Both algorithms can reach the CRLB accuracy when sensor location errors are small. Simulations corroborate the theoretical developments.