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．     

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.     

改进的时差频差多目标定位算法

提出了改进型约束总体最小二乘多目标定位算法.首先引入辅助变量将非线性定位方程转化为伪线性方程;然后利用两步最小二乘法估计目标的初始位置,依据目标初始位置重新选择参考传感器;最后考虑伪线性方程中所有系数矩阵的噪声,采用拉格朗日乘子技术求解约束条件,利用拟牛顿算法迭代公式得到精确解.仿真结果证明了理论分析的正确性和可行性,所提算法能够达到克拉美罗下界,具有较强的鲁棒性和精确的定位性能.     

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.     

匀速运动目标长时间积累检测中的解距离模糊算法研究

针对匀速运动目标在多脉冲长时间积累检测体制下会出现的距离走动及距离模糊问题,考虑目标运动对解距离模糊的影响,将运动目标的速度参数引入同余方程组,建立了包含目标运动参数的多重脉冲重复周期回波模型,并提出了一种基于距离走动校正的解匀速运动目标距离模糊算法。该算法利用多重脉冲重复周期对运动目标进行参数估计,采用传统解模糊算法重构出带有误差的目标距离,利用脉冲重复周期之间的相互关系,校正由于目标运动而引起的目标距离估计误差,得到目标在每个脉冲重复周期中的真实距离。仿真实验表明,所提算法能够有效计算出目标距离并估计出目标运动速度,在目标模糊距离存在测量误差时也能够较为精确地估计出目标的运动参数。     

一种TOA联合同步与定位的CWLS算法

在基于到达时间定位中,针对目标节点与传感器锚节点之间存在时钟偏差而导致定位性能下降的问题,提出了一种时钟同步与目标定位联合估计算法。该算法通过引入辅助变量将非线性量测方程伪线性化,并建立代价函数;然后利用变量之间的关系构造约束条件,将原定位问题转换为约束加权最小二乘问题;最后利用拉格朗日乘子法得到目标位置和时钟偏差的闭式解。理论分析和仿真实验表明,所提算法的定位性能逼近克拉美罗界,优于现有算法。     

电力系统状态估计的快速正交变换算法

本文分析了电力系统加权最小二乘状态估计(Weighted Least Square=WLS)法方程算法潜在的数值稳定性问题,提出了用正交变换(二乘Givens变换)解WLS状态估计的快速正交变换算法。给出了结点与量测相结合的编号优化方法,以充分利用原问题的稀疏性降低计算量。实际例题表明,快速正交变换算法比法方程算法更加快速和可靠。     

一种新的两步多基地声纳TDOA定位算法

针对水下多基地声纳定位系统中声速先验已知的情况，以到达时间差为系统观测量，提出一种新的两步闭式解定位算法。首先，通过引入辅助变量，将非线性观测方程转化为伪线性方程进行处理，求得一个初始估计解；其次，根据第一步中引入的辅助变量与目标源位置的关系，以初始解中对于目标源的估计误差为待估计量建立伪线性方程并求解；最后，将第一步初始解中对于目标源位置的估计减去第二步的估计解就是最终对目标源位置的估计。推导了算法的估计均方误差，从理论上证明其可以达到相应的克拉美罗界。通过仿真实验验证了估计均方误差的理论分析，并与现有算法进行比较，证明了所提算法与现有算法相比具有优越性。     

物联网目标定位算法的MATLAB仿真

为了解决物联网定位中面临的诸多问题,对经典定位算法进行了仿真研究,并通过对仿真结果进行对比分析得到将最小二乘法、最大似然估计与拉格朗日日乘法结合起来使用的估计目标位置方法,即统一地利用加权最小二乘法/受限制的加权最小二乘法来计算各种算法.根据测量结果得到的非线性方程能够转化为线性方程,而这些线性方程应用加权最小二乘法与拉格朗日乘法来处理,这种方法可以很容易应用到其他算法上.在噪声相对较小时,上述算法性能已经可以达到克拉美罗下界和无偏性.     

瞬时频率估计的水下运动目标参数估计方法

针对水下运动目标的参数估计,建立了目标与水听器相对运动形成的多普勒模型.提出利用互L-Wigner分布(cross L-Wigner distribution,XLWD)作为瞬时频率估计器,精确估计水听器接收到的目标辐射线谱信号的多普勒频移,同时也获得信号的时变幅值,进而通过加权非线性最小二乘法估计得到水下运动目标的参数.海试数据分析表明,相对估计误差在20%以内时,正横距离和速度估计值的概率分别大于0.85和0.96,试验结果验证了方法的有效性.     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

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。     

一种利用MIMO雷达的CWLS目标定位算法

针对分布式多进多出雷达,提出了一种基于时延测量值的约束加权最小二乘定位算法。该方法通过引入目标到参考站的距离这一变量,将目标定位方程进行了伪线性化处理,并构建出代价函数;随后,进一步挖掘出该变量与目标位置的关系,并将其作为约束条件;最后,将非线性的目标定位问题转化为带二次约束的二次规划问题,通过采用拉格朗日乘子算法求得目标定位的闭合解。仿真结果表明,所提出的算法在相对较高噪声的情况下仍然能够达到克拉美罗界,具有较强的抗噪性。     

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．     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.     

一维运动目标的特征估计

为了提取具有强平稳杂波背景和空间距离很近的散射体环境下运动目标的高距离分辨率特征,文中首先建立了强平稳杂波环境下运动目标的数学模型,采用基于松弛算法的非线性最小二乘算法估计了目标特征与杂波;然后对该算法进行了仿真实验,用最小均方误差与克莱美-罗界进行比较验证了该算法的优越性。数字举例证明了该算法在强平稳杂波环境下,对运动目标具有高分辨率和较好的估计性能。     

多边算法在无线传感器网络目标定位中的应用

目标定位是无线传感器网络最基本的功能之一.多边算法是三边算法的改进算法,该算法的目的是减少目标和节点间距离的误差,以提高定位精度.算法采用更多的传感器节点对目标定位,通过最小二乘算法减小了测距误差,进一步通过加权最小二乘算法减小了监测节点位置误差,实现了无线传感器网络对单个目标的定位.最后将三边算法与多边算法进行比较,仿真结果表明,多边算法降低了测距误差和位置误差,定位精度更高.     

合成孔径声纳运动估计的鲁棒Kalman滤波方法

针对存在观测野值影响的合成孔径声纳运动测量难题,提出利用M-估计原理进行参数最优估计,使得估计误差在一类Huber函数下最小,而不像Kalman滤波那样,寻求估计误差在二范数下的最小,并构造了鲁棒Kalman滤波算法,用来处理合成孔径声纳姿态、运动估计问题．由于Huber函数对大的估计误差不敏感,可以有效地克服观测野值的影响,同时计算机仿真结果表明,该方法在系统存在野值的情况下,仍能对合成孔径声纳运动参数进行估计．