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.     

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。     

一种多参考接收站下的时差定位算法

提出了一种基于多参考接收站的到达时间差无源定位新算法．首先将复杂的非线性时差定位方程组转化为一组关于辐射源位置的伪线性方程,运用加权最小二乘估计对伪线性方程组进行初始求解;然后利用初始解中各分量之间的相关性,通过加权最小二乘估计进一步求解得到一组改进的辐射源位置估计; 最后取这组估计值的平均值得到辐射源位置的最终估计．仿真结果表明,该算法对近场和远场辐射源均具有较高的定位精度．     

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。     

支持向量机的一步光滑牛顿法

基于支持向量机的一个修正模型,将支持向量机优化问题转化为与之对偶规划等价的互补问题,简化了原二次规划问题.并利用Fischer-Burmeister互补函数,给出了一个求解该问题的一步光滑化牛顿算法.该算法每次迭代只需求解一个线性方程组,执行一次线性搜索,提高了运算效率,且算法可以任意选取初始点并具有二次收敛性质.初步的仿真实验表明该算法是可行有效.     

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.     

不等式约束二次规划的不动点迭代

提出了不等式约束二次规划问题的一个光滑型方法。通过分析最优解满足一线性互补问题这一特征，利用信息论中的极大熵原理求解并获得了基于不动点的光滑迭代算法。分析了解存在的必要条件及迭代算法收敛性，给出了算法的迭代格式，通过数值模拟证明该算法的有效性，从而为不等式约束二次规划问题的求解提供了新途径。     

SMDP基于性能势的M步向前策略迭代

运用基于性能势的M步向前(look-ahead)异步策略迭代算法研究了半Markov决策过程(SMDP)优化问题。首先给出了基于性能势理论求解的一种M步向前策略迭代算法。该算法不仅对标准策略迭代算法和一般的异步策略迭代算法都适用,而且对SMDP在折扣和平均准则下的优化也是统一的;另外给出了两种性能准则下基于即时差分学习的M步向前仿真策略迭代。最后通过一个数值算例比较了各种算法的特点。     

针对鲁棒性三维声源定位问题的全局性算法

针对到达时间差度量误差和声源具有鲁棒性的三维声源定位问题,提出了一种用半正定规划方法求解的线性校正总体最小二乘全局性算法（LCTLS SDP）. 将带二次等式约束的分式二次规划声源定位模型转化为带二次不等式约束的非凸齐次二次优化问题;利用对偶理论设计算法求出该模型的最优解. 理论证明LCTLS SDP算法能找到问题的最优解. 实验结果显示,LCTLS SDP算法有稳健的定位结果.     

估计偏差修正扩展卡尔曼滤波新算法

针对扩展卡尔曼滤波跟踪器在非线性系统目标跟踪过程中容易发散这一难题,在时差频差测量体制下,提出了一种基于估计偏差修正的扩展卡尔曼滤波算法．首先利用加权最小二乘算法求解标准扩展卡尔曼滤波状态估计偏差并进行线性修正;然后重新计算观测矩阵并且再次进行滤波估计,以减小局部线性化截断误差对于观测矩阵的影响,提升目标状态跟踪精度．仿真结果证明了所提算法具有较好的目标跟踪性能．     

空间四站时差定位算法及其性能分析

针对空间四站时差定位问题,提出一种直接目标位置求解算法。所提方法利用时差测量方程,先通过将目标位置坐标表示为目标相对于参考站径向距离的函数形式,再求解目标径向距离的二次方程,即可获得径向距离的估计值,进而实现目标位置坐标的估计,很好地解决了空间时差定位算法的求解问题。其中不仅讨论了所提算法解的存在性,而且分析了观测站几何配置对算法模糊区域的影响,最后对时差定位算法的定位精度进行了分析。     

Research on modified Newton and Taylor-series methods in TDOA

In the Time Difference Of Arrival (TDOA) source localization model, based on the Taylor-series (TS) method and Newton (NT) method, this paper presents the Modified Taylor-series(MTS) method and the Modified Newton method(MNT), which solve the critical convergent problem caused by the bad initial value in the original algorithms. The proposed algorithms modify the ill-condition Hessian matrix caused by the bad initial value using the Tikhonov (TI) or the Diagonal Singular Value Decomposition technique (DSVD) in the Regularization theory. The regularization parameter which controls the properties of the regularized solution is determined by the L-curve method. Simulation results show that compared with the TS and NT methods, the proposed methods ensure that the solution of the iterative methods converges on the source location, improves the convergent probability and has a better capability to remove the local minima. The proposed methods also give superior performances of the location accuracy comparing with the closed-form algorithms in low SNR environment.     

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。     

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。     

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。     

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.     

Iteration algorithm for joint TDOA＆FDOA location and its performance analysis

Based on the FDOA and TDOA united location of the radiative source using moving observations, an iterative algorithm which solves the location of the target is proposed, which overcomes the difficulty in solving FDOA and TDOA united location. The proposed algorithm sets the carrier frequency as the unknown parameter, and under the condition of omitting the higher order items, the measured time difference and frequency equations are used to figure out both of the target position and carrier frequency from the emitter in the iterative way. The location accuracy of the TDOA and FDOA united location algorithm is analyzed in detail; furthermore, elaborative simulation is given, which proves the accuracy and effectiveness of the theoretical analysis and provides TDOA and FDOA united location algorithm with theoretical foundation.     

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.