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。