一种考虑传感器位置误差的改进源定位算法

在无线传感器网络的定位问题中,通过移动目标与传感器之间的到达时差(TDOA)与到达频差(FDOA)测量量可以估计目标的位置和速度。但是,当传感器自身信息存在误差时,传统的定位方法将失去精确的定位效果。针对带有传感器误差的源定位问题,基于极大似然(ML)法获取一个封闭的近似解。提出了一种改进的近似极大似然(AML)算法,更新带有传感器误差的代价函数,不仅能实现实时定位,而且保证全局收敛。仿真结果表明,本文算法在存在传感器误差场景下依然可以达到克拉美-罗下限(CRLB),比已有的改进两步加权最小二乘(2-step WLS)法更有效。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中，无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解，当减少一个观测站时，这些闭式算法往往无法提供可靠解。针对这一问题，提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间，建立了一组新的等式，并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值；第2步利用泰勒级数展开算法将中间变量线性化，对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外，计算机仿真表明仅使用4个观测站时，该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB；并且还表明使用5个观测站估计时，该算法比TSWLS及其改进算法能更好地适应大的测量噪声。     

传感器位置误差条件下的约束总体最小二乘时差定位算法

 现代定位系统中,传感器往往被安放在运动平台上,其位置无法精确得知,存在估计误差,将严重影响对目标的定位精度。针对这一问题,提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量,将非线性TDOA定位方程转化为伪线性方程,再利用CTLS技术,全面考虑伪线性方程所有系数中的噪声。在此基础上推导了定位方程的目标函数,再根据牛顿迭代方法,进行数值迭代,快速得到精确解。采用一阶小噪声扰动分析方法,对该算法的理论性能进行了分析,证明了算法的无偏性和逼近克拉美-罗下限(CRLB)。仿真实验表明,该算法克服了现有总体最小二乘(TLS)算法不能达到CRLB、两步加权最小二乘(two-step WLS)算法在较高噪声时性能发散的缺陷,在较高噪声时定位精度仍然能达到CRLB。     

无需中间变量的多运动站时差定位新算法

传统时差(TDOA)定位模型通过引入中间变量来得到线性方程,需要两步求解过程且该模型不适合多运动站连续定位。为此,引入无需中间变量的时差定位模型,并在此基础上提出了一种约束加权最小二乘定位算法。首先将基于该模型的时差定位问题转换为加权最小二乘问题,然后推导代入时差测量值后观测矩阵和观测向量的误差项,将其每一列表示为确定矩阵与随机时差测量噪声向量乘积的形式,并基于此推导了关于目标状态的二次约束方程,最终只需通过广义特征值分解来得到目标状态估计,并推导了该估计的解析表达式。仿真结果表明所提算法的连续定位性能逼近克拉美罗-限且所得定位解渐近无偏。     

基于CDMA蜂窝网的飞行器三维定位算法

针对中低空飞行器提出了一种将码分多址(CDMA)蜂窝网导频信号被动定位与惯性导航系统进行组合的导航定位方法。该定位方法是根据CDMA蜂窝网导频信号的到达时差（TDOA）进行两次加权最小二乘解算,并利用飞行器惯性组合的原始信息进行解模糊,从而实现中低空飞行器的三维实时定位。蒙特卡罗仿真证明：在高斯白噪声条件下,该算法运算速度快,精度高,其均方误差逼近克拉美罗下界（CRLB）,为组合导航实时性要求提供了理论参考。     

传感器参数误差下的运动目标TDOA/FDOA无源定位算法

在运动目标无源定位系统中，许多算法的前提是精确已知传感器的位置以及速度，但实际情况下可利用的传感器的参数均会存在一些噪声扰动。针对这一问题，提出一种改进的两步加权最小二乘（TSWLS）时差（TDOA）与频差（FDOA）定位算法。该算法是一种闭式算法并且分为2步。第1步与经典的两步加权最小二乘算法相同，第2步进一步研究了额外变量与目标参数之间的关系并且建立了新的矩阵方程。随后，利用加权最小二乘技术给出了最终解。理论分析证明了在测量噪声较小时该算法能够达到克拉美罗界（CRLB）。所提算法具有计算复杂度低，实时性高的优点；另外，经过适当的维度调整，该算法同样适用于对多非相交源进行定位求解。计算机仿真进一步证明了理论分析的正确性。     

双机协同无源定位算法

相较于有源定位,只能利用到达角(Angle of Arrival,AOA)的双机协同无源定位对目标的观测维度很低,这会导致对目标的定位精度低或迭代收敛速度慢等问题发生。对此,利用有限的测量值研究更优秀的算法以提高定位精度具有实际意义。首先,介绍了普通最小二乘法、加权最小二乘法、总体最小二乘法 3种基于最小二乘算法的定位算法;然后,介绍了高斯-牛顿迭代法(Gauss-Newton iteration method,GNIM)和加权工具变量伪线性估计法 (Weighted Instrumental Variable Pseudolinear Estimation Method,WIVPLE)2种基于最大似然估计的定位算法;最后,使用蒙特卡洛法在不同误差条件和几何构型下对这些算法的定位精度进行仿真实验。     

存在观测站位置误差的转发式时差无源定位

无源定位中,由于观测站安放在运动平台等原因造成的观测站位置误差会影响无源定位精度性能。另外到达时间差(简称时差)(TDOA)的转发式测量需要将不同观测站截获到的辐射源信号都转发到同一位置,如主观测站。针对这两个问题,提出了基于约束总体最小二乘(CTLS)的无源定位算法。首先将转发式时差的非线性定位方程转化为不需要中间变量的直接线性方程,再基于CTLS算法依次转化为约束优化问题和无约束优化问题,最后推导给出定位近似闭式解。仿真实验表明在观测站误差较大时,该算法与其他算法相比定位精度性能较好。     

基于最大似然估计的TDOA/FDOA无源定位偏差补偿算法

在到达时差/到达频差(TDOA/FDOA)无源定位系统中,定位问题的非线性使得定位的结果存在偏差,特别是在噪声较大或者接收站布站不合理的情况下,定位的偏差尤其显著。针对这一问题,提出了一种基于最大似然估计的偏差补偿算法。该方法分为3步:首先,利用最大似然估计器对目标的位置和速度进行求解;其次,通过利用目标定位的估计值和含噪的测量值,对目标的位置和速度偏差值进行理论分析和推导;最后,将最大似然估计解减去理论偏差值,得到经过偏差补偿的新的目标定位解。理论分析和实验仿真证明,在一定噪声的情况下,所推导的目标位置和速度的理论偏差值与实际偏差值相符,并且经过偏差补偿后的定位算法,在保持目标定位的均方根误差(RMSE)与原最大似然算法一致的情况下,目标的位置和速度偏差值远远小于原最大似然算法的偏差值,目标定位精度得到了有效的提高。     

一种多点定位的目标位置精确解算方法

多点定位是民航飞机导航系统的新技术,精确的目标位置解算方法是多点定位的关键.通过设定参考站和变换,将非线性到达时间(TOA)方程组转化为线性到在时间差(TDOA)方程组,提出了一种两步求解目标位置的闭式算法.首先忽略TDOA测量误差,获得了目标位置的粗解,在粗解的基础上做泰勒级数展开,克服了未知量不独立对精度的影响,再...     

基于定位误差修正的运动目标TDOA/FDOA无源定位方法

针对时差(TDOA)、频差(FDOA)无源定位的两步加权最小二乘(TSWLS)方法定位均方根误差(RMSE)和定位偏差适应测量噪声能力差的问题,在分析了影响两步法定位性能的因素基础上提出一种基于一阶泰勒级数展开的定位误差修正方法。该方法的第1步和两步法相同;其第2步避免了两步法第2步中引入估计偏差的平方运算,利用一阶泰勒级数展开得到第1步定位误差的线性最小均方估计,修正第1步定位结果得到目标位置和速度的最终估计,从理论上证明了该方法可以达到定位的克拉美罗下限(CRLB)。计算机仿真对比了新方法和TSWLS方法、基于泰勒级数(TS)展开的迭代极大似然(ML)方法以及约束总体最小二乘(CTLS)方法的定位性能,新算法复杂度和两步法相当,且均方误差和定位偏差低于两步法、泰勒级数法和CTLS方法。     

Approximate Maximum Likelihood Algorithm for Moving Source Localization Using TDOA and FDOA Measurements

 A closed-form approximate maximum likelihood (AML) algorithm for estimating the position and velocity of a moving source is proposed by utilizing the time difference of arrival (TDOA) and frequency difference of arrival (FDOA) measurements of a signal received at a number of receivers. The maximum likelihood (ML) technique is a powerful tool to solve this problem. But a direct approach that uses the ML estimator to solve the localization problem is exhaustive search in the solution space, and it is very computationally expensive, and prohibits real-time processing. On the basis of ML function, a closed-form approximate solution to the ML equations can be obtained, which can allow real-time implementation as well as global convergence. Simulation results show that the proposed estimator achieves better performance than the two-step weighted least squares (WLS) approach, which makes it possible to attain the Cram閞-Rao lower bound (CRLB) at a sufficiently high noise level before the threshold effect occurs.     

Accurate single-observer passive coherent location estimation based on TDOA and DOA

This paper investigates the problem of target position estimation with a single-observer passive coherent location(PCL) system. An approach that combines angle with time difference of arrival(ATDOA) is used to estimate the location of a target. Compared with the TDOA-only method which needs two steps, the proposed method estimates the target position more directly. The constrained total least squares(CTLS) technique is applied in this approach. It achieves the Cramer–Rao lower bound(CRLB) when the parameter measurements are subject to small Gaussian-distributed errors. Performance analysis and the CRLB of this approach are also studied. Theory verifies that the ATDOA method gets a lower CRLB than the TDOA-only method with the same TDOA measuring error. It can also be seen that the position of the target affects estimating precision.At the same time, the locations of transmitters affect the precision and its gradient direction.Compared with the TDOA, the ATDOA method can obtain more precise target position estimation.Furthermore, the proposed method accomplishes target position estimation with a single transmitter,while the TDOA-only method needs at least four transmitters to get the target position. Furthermore,the transmitters' position errors also affect precision of estimation regularly.     

A Linear-correction Least-squares Approach for Geolocation Using FDOA Measurements Only

  A linear-correction least-squares(LCLS) estimation procedure is proposed for geolocation using frequency difference of arrival (FDOA) measurements only. We first analyze the measurements of FDOA, and further derive the Cram閞-Rao lower bound (CRLB) of geolocation using FDOA measurements. For the localization model is a nonlinear least squares(LS) estimator with a nonlinear constrained, a linearizing method is used to convert the model to a linear least squares estimator with a nonlinear constrained. The Gauss-Newton iteration method is developed to conquer the source localization problem. From the analysis of solving Lagrange multiplier, the algorithm is a generalization of linear-correction least squares estimation procedure under the condition of geolocation using FDOA measurements only. The algorithm is compared with common least squares estimation. Comparisons of their estimation accuracy and the CRLB are made, and the proposed method attains the CRLB. Simulation results are included to corroborate the theoretical development.     

一种4站情况下基于TDOA/FDOA的无源定位方法

在基于时频差的三维运动目标无源定位系统中,针对在4个接收站的情况下搜索法实时性低的问题,提出了一种基于改进的加权最小二乘法（MWLS）与萤火虫算法（FA）相结合的无源定位方法（MWLS-FA）。该方法的第1步通过构造一组新的方程来对加权最小二乘（WLS）方法进行改进,使得改进后的WLS方法在4站情况下也能得到目标位置和速度的初始值,第2步利用这个初始值为FA方法提供一个动态的搜索区域,同时在约束条件的添加和参数选择两个方面针对性地对FA方法做出了调整和改进。仿真结果表明,该方法在4站情况下对目标的定位精度可以达到克拉美罗下限（CRLB）,而且在实时性和抗噪性方面优于传统的搜索法,同时该方法在5站情况下的抗噪性能优于两步加权最小二乘法（TSWLS）和约束加权最小二乘（CWLS）法。     

利用重要性采样的时差-频差联合估计算法

针对无源定位中参考信号真实值未知的时差(TDOA)-频差(FDOA)联合估计问题,构建了一种新的时差-频差最大似然(ML)估计模型,并采用重要性采样(IS)方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界(CRLB),并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。