CN100593733C - 使用tdoa分布型天线的目标定位法 - Google Patents

Abstract

本发明是一种用分布型天线探测目标(5)的系统与方法。天线包括位于已知地点的若干接收单元(4、6、6)。诸接收单元中至少一个同时为发射机(4)，向目标(5)发射询问信号(7)。来自目标(5)的返回信号(8)被多个接收单元(4、6、6)接收，并用回答信号(8)的到达时间和询问信号(7)的发射与继后回答信号(8)的接收之间的往返延迟来计算目标位置。

Description

使用TDOA分布型天线的目标定位法

技术领域

本发明涉及基于地面的或空中飞行的空中交通管制系统，尤其涉及应用TDOA(到达时差)分布型天线的方位测定与目标定位法。

背景技术

在现有技术中，有若干系统和方法可对包括飞机场、航空集散区与航线系统的空中交通管制系统内和周围的地面车辆与飞机(如目标)进行定位。

许多机场用逼近雷达系统探测和跟踪机场外的目标，这些雷达系统运用大口径天线发出的窄束获得良好的方位角精度，而用信号从雷达到目标再返回的往返延迟算出距离。通常这些逼近雷达系统要用昂贵的大型旋转天线。另外，这些雷达系统在特性上有一约4.5秒的修正速率，因而雷达的修正速率限制了有关分析设备的响应速度。

第二种目标定位法是多边法。多边系统一般由信标发射机与接收机配备而成。多边法是一种“到达时差(TDOA)”技术，运用飞机应答器发射信息测定精确的目标位置。多边算法起初通常用TDOA信息估算目标在二维或三维坐标系内的近似位置，然后围绕该近似的目标位置作优化处理，得出更准确的目标位置。

多边系统可用于探测跟踪机场地面目标进入跑道的情况，还可探测跟踪相对接近机场和航线空中交通管制系统的临近的飞机。然而，若要求在多边系统周围实现大面积覆盖，则天线基线(接收机之间的距离)与目标距离之比会使“精确度几何淡度(GDOP)”变得相当大，因而难以探测“不确定椭圆”内的目标，而且随着系统与目标距离的增大，多边系统的有效性明显劣化。

一种用现有多边技术解决这一问题的方法是在多边系统边界之外安装外部天线单元，以便增大天线基线的尺寸。然而，这在购置附加的不动产、在系统之外提供安全性、维护外部天线单元、实现外部天线单元与系统的通信方面有难处，而且还有其它后勤方面的问题。

虽然许多空中交通管制系统正在使用上述方法中的一种或组合的方法，但是有些机场目前尚无用于探测临近的飞机或地面车辆进入跑道的本场可靠的方法，而其中有些机场实际上从其临近的装备精良的大型机场获取雷达数据，得出它们区域内的空中交通信息。尽管这一过程有利于得不到这种信息的机场，但是相关机场感兴趣的目标可能被提供信息机场的雷达视线障碍物遮掉了。

因此，要求一种可靠的、成本较低的设置空中交通管制系统的方法，而该系统作为跑道侵入系统的一个元件，能够探测目标航线，探测逼近机场的目标，探测地面目标，改善接近系统与跑道侵入系统之间的转换，并能利用现有的空中交通管制系统扩展目标定位的范围与精度而不必在系统边界之外安装天线单元。

发明内容

本发明的目的是通过利用现有的空中交通管制系统而不要求大型的独立天线口径、机械天线转动或系统边界之外的附加接收机来提供一种方位角测定精度高的系统与方法，以克服原有技术诸问题。

本发明涉及一种能实现若干目标定位法的系统。该系统包括至少一台向目标发送信号的发射机和至少一台接收目标返回信号的接收机，以便计算信号往返延迟(RTD)。该系统还包括至少三台接收目标返回信号的接收机和测定信号在各接收机到达时间(TOA)的机制，而且包括按下面详述的本发明诸方法计算到达时差(TDOA)并作定位计算的中央处理机。

本发明诸方法用从目标应答器信号中获得的TDOA与RTD数据计算目标位置的至少一个估值。当信号被多个接收机单元接收时，通过测量来自目标的应答器信号，算出TDOA。计算RTD的接收机也用作三台计算TDOA的接收机之一。从指定接收机的TOA中扣除各TOA而得出TDOA。将询问信号从发射机发送到目标，并测量询问信号的传输时间与来自目标的回答信号到达接收机的时间之间的延时，测定RTD。然后，用该RTD数据计算目标的精确距离。通过应用TDOA数据和RTD数据提供的距离，解决了与原有多边技术有关的距离GDOP问题，因而显著改善了距离精度和整体位置精度。

本发明一实施例的方法，根据至少三个天线单元(接收单元RU)收到的应答器回答的TDOA数据计算目标的方位角，这些天线单元有效地构成一个天线阵列。当目标距离比基线大得多时，可用简单的线性近似法计算方位角与仰角。若只有距离，或者既有距离也有高度，则可通过以给定的距离与高度作同测量的TDOA最佳匹配的方位角搜索，能大大提高测量精度。

地基RU接收的信号通常由靶机上的应答器产生。当收到的数据与对地基发射机询问的响应有关时，就算出该消息的往返延迟并储存起来供距离计算使用。

收到的数据由RU处理，标有“到达时间”信息(TOA)的时间用于“到达时差(TDOA)”计算并被送至处理单元进一步评估。数据在处理单元被存入不同的组，各组表示来自不同目标的特定传输，经评估而得出方位角的初始近似值。然后围绕该初始方位角执行搜索功能，补偿非线性误差。执行搜索功能时，围绕初绕方位角以RTD数据算出的距离和应答器响应提供的目标位置算出的高度形成一条弧线，其尺度约为天线基线的二倍。沿弧线选出预定数量的点，各点的有关RTD与由应答器回答信号算出的一样。计算弧线上各选择点期望的TDOA并与测得的TDOA比较，得出误差。与误差最小的期望TDOA相关的方位角被选为该目标更精确的方位角，然后用该更精确的方位角与RTD数据算出目标更精确的平面位置。

搜索功能重复一定次数，每次用更小的弧线，每次用更小的弧线，从而提高位置估值精度。若没有距离，该法只能计算近似的方位角与仰角。选出由搜索功能得出最小误差的方位角。最后计算x与y位置，若用飞行高度数据计算，还包括高度(z)。

当应答器信号被前述至少三台接收机收到时，本发明另一实施例方法就用TOA与RTD信息计算目标的二维位置估值。根据本发明该实施例，已知目标高度并把它用作Z坐标来提高目标位置估值。高度可用目标在应答器信号中提供的飞行高度数据算出，或者测定目标在地面上的高度。按照本例，把测得的TOA、目标高度和算出的距离连同RU坐标一起提供给闭合形式的距离辅助算法。本发明的这种方法可计算二维的目标位置估值(x，y)，并把已知的高度用作Z坐标而提供三维位置估值。

接着把位置估值、目标高度与计算的距离提供给搜索功能，进一步提高位置估值、搜索功能接近新的目标位置估值，并计算对应于该新位置估值的TOA。搜索功能还包括一种测量原始(当前)位置估值的TOA与新位置估值的TOA之间误差的成本函数(cost function)。把导致最小误差的位置估值选作新的当前位置估值。重复搜索功能，每次都用误差最小的位置估值作为新的当前位置估值，直到该误差小于或等于预定的最小值。

当应答器信号被至少四台前述接收机接收时，本发明另一实施例的方法用TDA与RTD信息计算三维的目标位置估值。按照本发明该实施例，并不知道目标的高度，因而只对闭合形式的距离辅助算法提供测得的TDA和算出的距离及RU坐标。本发明的该方法将从TDA和RTD数据直接计算三维的目标位置估值(x，y，z)。

然后把三维位置估值和算出的距离供给搜索功能，进一步改善位置估值。搜索功能接近新的目标位置估值，计算对应于该位置估值的TDA。搜索功能还包括测量原始(当前)位置估值的TDA与新位置估值的TDA之间误差的成本函数。导致最小误差的位置估值被选作新的当前位置估值。重复搜索功能，每次将误差最小的位置估值用作新的当前位置估值，直到误差小于或等于预定的最小值。

附图说明

为了更好地理解本发明的诸特征与目的，应参照以下对实施本发明的诸优选模式的详述，并结合附图一起阅读，其中：

图1表示机场内典型的接收单元(RU)安排；

图2表示RU、有关TDA设备与处理单元之间的一般连接；

图3示出本发明两实施例运用往返延迟法提供TDA数据与距离计算的信号流；

图4示出本发明另一实施例对测距的发射与接收功能应用不同RU时的信号流；

图5表示本发明一优选实施例用于测定精确的目标位置的搜索功能；

图6是搜索功能结果的图示；

图7是本发明一实施例测定目标位置的过程流程图；

图8是本发明一实施例用于说明算法的模型的二维表示；

图9是本发明一实施例用于进一步开发该算法的模型的三维表示；

图10是本发明另一实施例测定目标位置的另一过程的流程图；

图11表示本发明另一实施例用往返延迟法提供TDA数据和距离计算的信号流；和

图12是本发明另一实施例用于测定目标位置的另一过程的流程图。

具体实施方式

现参照图1-9描述本发明一实施例。为形成图1的天线阵，在机场范围内若干已知位置安放若干天线单元1(下称“接收单元”(RU))。Sensis公司出售一种典型的RU(型号100-008121-G001)。RU的距离与位置称为天线阵基线或基线。本例中为对机场内与周围目标作三维定位，要求至少一台发射机与三台接收机的任意组合。RU只能接收、只能发射，或者既能发射又能接收。为克服“视线”(LDS)障碍与多径问题，根据机场用内与周围的地形与建筑布局，可能要用多个RU。按照本发明，所有RU都位于机场范围内，选择便于维护与安保，还简化了通信。在一优选实施例中，发射天线单元能发送1030MHz调相上行链路信号，接收天线单元能接收1090MHz调幅下行链路信号，但也可用任何空中信号。

图2示出，各RU1都包括一台精确测量保收自目标的各应答器信号的“到达时间(TDA)”的TDA设备2。诸如局域网(LAN)等通信手段将RU1接至例如作定位计算的处理单元3，也可用诸如Rf链路或电路等其它通信手段，故本发明不受限制。

在某种意义上，图1所示RU布设与图2所示的设备，与传统多边技术用来探测目标的情况相同，但如前所述，由于天线基线(接收机之间的距离)与目标距离之比减小，与目标距离有关的GDOP变得很大。因此，随着多边系统与目标的距离的增大，就变得更难于探测“不确定椭圆”内的目标，多边系统的有效性明显下降。然而，按照本发明，正如下面将详述的那样，可用距离辅助位置算法扩展图1与2所示的RU基础设施的有效距离，精确地探测离系统很远的目标。

图3示出收发机RU4、目标5与两台接收机RU6之间的信号流。收发机RU4发出询问信号7，请求目标5的应答器回答8。收发机RU4记录询问信号7的传输时间，供以后计算目标的距离。如后面将描述的，目标内的应答器在受容限支配的已知时间段(内部延迟)内自动回答。所有的RU4、6、6都接收回答信号，其中数据经详码以其来自TDA设备2的“到达时间(TDA)”作出时间标记。测定TDA可用多种方法，包括但不限于全球定位系统(GPS)数据、定位时钟与内部计数器。应答器回答信号包含供空中交通管理人员使用的大量信息，包括但不限于模S地址、飞行标识号与飞行高度数据，视请求回答的种类而定。然后，各RU通过数据链路将带有时间标记的数据发给处理单元3进一步评估。另外，收发机RU4还通过数据链路向处理单元3提供询问信号7的传输时间。

处理单元组合译码的数据，每一组都包含各RU从特定目标接收的特定传输。组合一般通过目标标识号、模S地址或模3/A代码进行，但也可用其它被证实有效的方法。如下面要详述的，处理单元接着利用RU提供的目标数据和记录的询问信号传输时间作计算，测定精确的目标位置。

已知收发机RU4发到目标的询问的时间是目标应答器的内部延迟和目标返回信号到达收发机RU4的时间，该数据用来计算往返延迟，以测定精确的目标距离。在一优选实施例中，同一具天线用来发射与接收距离计算所用的信号，这样可用下列公式仅凭往返延迟算出靶机的精确距离：

式中R＝距离，RTD＝往返延迟(从询问信号发射到接收回答信号所花的时间)，延迟＝目标应答器的内部延迟，c＝光速。

但在另一实施例中，如图4所示，发射机RU40可能结合三台接收机RU60使用(即信号的发射与接收不通过同一具天线)。若采用该实施例，则精确的目标距离只能在算出了目标方位角之后才知道，即由于往返延迟是从发射机RU40的天线到接收机RU60之一的天线测量的，所以并不知道精确的目标距离，直到也算出了目标的方位角。但在图3和4所示的两种场合中，由于距离按往返延迟数据计算，所以克服了与原有多边技术有关的GDOP问题，距离精度显著提高(如对机场外超过20英里的距离)，而RU基础设施完全不变。

单独用往返延迟(图3)或与目标方位角相结合(图4)计算目标距离，只是过程的一个步骤。下一步要对各自目标应用组合的TDOA数据。具体地说，把来自一个RU的TOA作为参考，计算同组应答器回答之间的TDOA，可有效地消除时间偏差。该组TDOA称为测量的TDOA。然后运用线线近似法，通过结合已知的RU位置评估测量的TDOA，算出方位角的一次近似值。

再通过围绕在测量的距离与高度同测量的TDOA最匹配的方位角一次近似值的方位角搜索，提炼该数据。如本领域所周知，该高度由包含在应答器回答里的飞行高度数据算出。参照图5，在由来自应答器回答(返回信号)的飞行高度数据确定的距离与高度，在方位角一次近似值附近形成弧线9。在本发明该例中(图3)，在距离计算中(基于往返延迟)，由于用同一具天线发射询问和接收应答器回答信号，形成的弧线代表圆的一部分，所以明显简化了搜索。若用不同的天线发射询问和接收回答信号(图4)，则弧线代表椭圆的一部分。虽然这样会使搜索算法复杂一些，但是搜索精度很少或者没有劣化。

举个例而已，该弧线‘选成’约为天线基线尺度(离开最远的两个RU间的距离)的二倍，并沿弧线9取10个独立的点(方位角)10，各点具有按返回信号计算的同样的往返延迟(RTD)。对搜索的每个方位角点，都由下述已知的模型计算TDOA，该组TDOA称为预期的TDOA。然后，算出预期的TDOA与测量的TDOA之间的最小误差。如图6所示，选择与产生最小误差11的预期TDOA有关的方位角。接着，围绕新的方位角较佳地把该弧线缩减至其原尺寸的十分之一，在较小的弧线上取第二组新的10个点。根据系统参数，包括例如天线基线尺度与天线测距精度，将该过程重复预定次数。重复次数对指定系统是特定的，并在系统部署时决定。

由于精确的距离根据往返延迟数据测定，而高度从应答器响应提供的飞行高度数据算出，所以搜索功能以一维进行，与多边型搜索相比，明显减少了复杂度。可以使用其它搜索功能评估法，诸如“急降速率”技术等，得出的精度相似。

然后根据最后计算的方位角和距离以及由应答器返回信号中的飞行高度数据算出的高度确定x、y与z坐标，得出目标精确的三维定位。于是，将该数据送空中交通管理员显示。

图7示出本发明该实施例的步骤流程图。第一步较佳地在机场范围内安置多个天线单元。在一优选实施例中，至少一个天线单元能发射和接收信号(收发机RU)，其余单元可以是只收RU。

收发机RU向目标发信号，目标发射带已知数据(例如飞机标识、飞行高度等)的回答信号。回答信号由收发机RU发射询问信号的天线或者另一具RU天线接收，还被至少另两个RU接收。接收的数据被译码并用TOA信息作时间标记，然后送到处理单元3编组，用于计算目标距离与初始(近似)方位角。

按照图3的优选实施例，回答信号通过发射询问信号的同一天线接收，可用往返延迟得出精确的目标距离。然后计算评估测量的TDOA，确定目标的初始方位角，之后围绕该初始方位执行搜索功能以补偿非线性误差。根据系统参数，搜索功能重复预定的次数。于是，测定了精确的三维目标位置(再用目标回答信号中的飞行高度数据确定目标高度)。

按照本发明该实施例，用特定算法测定目标的初始(近似)方位角，用另一特定算法围绕初始方位角执行搜索功能，得出目标更精确的方位角。下面描述这些算法的研制方法。

图8示出用两个RU接收回答信号的几何表示。利用下列余弦定理，得出测量的TDOA的准确表达：

r1²＝r0²+a²-2·r0·a·cos(φ)

和

$r1=\sqrt{{r0}^2+a^2-2\·r0\·a\·\cos \left(\mathrm{\φ}\right)}$

把它展开成泰勒级数，就对a＜＜r0变成线性表达式：

r1＝r0+a·cos(φ)

和

r1-r0＝a·cos(φ)

注意，r1-r0表示目标与各别RU之间的距离差。根据测量的TDOA，可用简单的代数运算直接算出变量μ：

$u=\frac{\mathrm{tdoa}\·c}{a}$

(式中μ是角φ的余弦，c为光速)。

应用图9的坐标系，把该近似式扩展到下列的三维情况：

$\left(1\right),r1=\sqrt{{(x-x1)}^2+{(y-y1)}^2+{(z-z1)}^2}$

式中r1是目标到RU的真实距离，(x，y，z)是目标坐标，(x1，y1，z1)是接收RU坐标。

把目标离原点的距离记为r0：

$\left(2\right),r0=\sqrt{x^2+y^2+z^2}$

对r0＞＞(x1，y1，z1)，按有关泰勒级数的线性扩展近似式变为：

$\left(3\right),r=r0-\frac{x}{r0}\·x1-\frac{y}{r0}\·y1-\frac{z}{r0}\·z1$

这意味着

$u=\frac{x}{r0}=\cos \left(\mathrm{el}\right)\·\cos \left(\mathrm{az}\right)$

$\left(4\right),v=\frac{y}{r0}=\cos \left(\mathrm{el}\right)\·\sin \left(\mathrm{az}\right)$

$w=\frac{z}{r0}=\sin \left(\mathrm{el}\right)$

(式中az与e1分别是方位角与仰角)

于是，距离表达式变为：

(5)r＝r0-x1·u-y1·v-z1·w

本领域的技术人员都知道，只评估泰勒级数的线性部分会招致非线性误差，不过仍可给出可以接受的方位角一次近似。这些误差的影响可通过下面详述的搜索功能减小。

各接收机(RU)的TOA为：

由于测量的TOA相对于时刻并非绝对，故存在TOA偏差。

应用多台接收机，上式可归一化为矩阵形式：

或简短地记为：

(ru_mat_full含所有接收机的位置)，u_mat是正弦空间的方向矢量)

TOA偏差为所有接收机共有，因而把一个RU取作参考并将其TOA从所有其它RU的TOA里扣除，就能消除该TOA偏差而确定测量的TDOA。通常将提供数据的第一RU选为参考RU，但也可选用任一RU。因此，有关的矩阵表达式为：

$\left(9\right),\left(\begin{array}{c}\mathrm{TDOA}1\\ \mathrm{TDOA}2\\ \·\\ \·\\ \·\\ {\mathrm{TDOA}}_{n-1}\end{array}\right)=\frac{1}{c}\·\left(\begin{array}{ccc}x2-x1& y2-y1& z2-z1\\ & & \\ & & \\ & & \\ & & \\ x_n-x1& \·\·\·\·\·\·\·\·\·\·\·z_n& -z1\end{array}\right)\·\left(\begin{array}{c}u\\ v\\ w\end{array}\right)$

其中(9.1)TDOA1＝TOA2-TOA1，TDOA2＝TOA3-TOA1，……

TDOA_n-1＝TOA_n-TOA1

根据公式(10)，变量W取决于u、v：

(10)u²+v²+w²＝1

因而只求出u、v就行了，而公式(9)还原成：

$\left(11\right),\left(\begin{array}{c}\mathrm{TDOA}1\\ \mathrm{TDOA}2\\ \·\\ \·\\ \·\\ {\mathrm{TDOA}}_{n-1}\end{array}\right)=\frac{1}{c}\·\left(\begin{array}{cc}x2-x1& y2-y1\\ x3-x1& y3-y1\\ & \·\\ & \\ & \\ x_n-x1& \·\·\·y_n-y1\end{array}\right)\·\left(\begin{array}{c}u\\ v\end{array}\right)$

公式(11)可写成更紧凑的形式：

$\left(12\right),\mathrm{TDOA}\_\mathrm{vec}=\frac{1}{c}\·\mathrm{dru}\_\mathrm{mat}\·u\_\mathrm{vec}$

公式(12)的最佳估算值解(MMSE或M1)为

(13)u_vec＝c·[dru_mat^T·dru_mat]^-1·dru_mat^T·TDOA_vec

正弦空间的方向矢量是依赖于RU位置与测量的TDOA矢量的固定矩阵的乘积，给出初始方位角。

应注意，公式(11)忽略了接收机的Z坐标，旨在保持公式的线性度。与x和y的作用相比，z对接收机到目标的距离的作用可予以忽略。还要指出，该算法的后面几步可补偿Z。

方位角的一维优化搜索补偿了非线性误差。搜索方法是围绕方位角一次近似值，以根据前述应答器回答信号中的飞行高度数据算出的距离与高度形成一条弧线。在弧线上选出预定的点数作评估，选出的每一点都具有从应答器回答信号算出的同样的往返延迟(RTD)。假设距离与高度不变，因为它们由应答器回答信号给出。在设有高度时，就把它定为零，算法将在x-y平面上找出坐标投影。

为执行搜索，要按如下方法根据图9的已知模型算出各方位角的预期的TDOA：

1.假设在收发机使用同一天线时是RTD不变的圆，或者在发射机和接收机使用不同天线时为RTD不变的椭圆，直接用三角公式计算弧线上所选点的x、y、z。

2.运用选前在弧线上算出的x、y、z和所选RU已知的x1、y1、z1，算出与各RU的距离。对每个RU重复该步骤。

3.将距离除以光速(c)，算出各RU预期的TDA。

4.从各个RU的TOA中减去参考RU的TDA(参考RU是被选作计算测量的TDOA的同一个RU)。

5.结果就是被用来评估搜索功能的预期的TDOA矢量。

然后，对方位角搜索评估下列成本函数：

$\left(14\right),{\mathrm{\ϵ}}_i=\underset{j=1}{\overset{\mathrm{nru}-1}{\mathrm{\Σ}}}{[\mathrm{tdoa}\_\mathrm{mea}{s}_j-\mathrm{tdoa}\_\mathrm{expected}({\mathrm{az}}_{i,j},R,H)]}^2$

式中tdoa_measj是RU#j中测量的TDOA，tdoa_expected(azij，R，H)为对RU#j预期的第i方位角的TDOA。

距离R和高度H保持不变，等于从应答器回答信号里导出的信息。对i个点(如10点)计算该函数，其中各点具有与根据应答器回答信号如前所述算出的同样的往返延迟(RTD)。在没有高度时，把高度定为零，算法将找出x-y平面上的坐标投影。通过围绕新的方位角(即产生最小误差的方位角)形成更小的新弧线(比如尺度为原来弧线的十分之一)，重复搜索功能。然后对第二批i个点(如10点)重复该成本函数，同样选出与产生最小误差的预期TDOA有关的方位角。如前所述，该搜索功能过程重复预定次数，最后的方位角按成本函数产生最小TDOA误差。

将高度除以由RTD数据算出的距离并对结果取反正弦，得出目标仰角。仰角与优化方位角一确定，则三维坐标计算如下：

      x＝R·cos(az_c)·cos(el)

(15)  y＝R·sin(az_c)·cos(el)

z＝高度

式中R＝测量的距离，az_c＝搜索过程算出的优化方位角，高度＝按应答器回答中的飞行高度数据算出。

若不能从应答器回答算出高度，则将高度定为零，只计算x与y坐标。

若收到的应答器信号来响应RU的询问，就无法从RTD信息测定距离。在有些此类场合中，也得不到高度，因为来自目标的信号不含飞行高度数据。

若高度与距离均没有，则该方法将直接按公式(13)计算近似的方位角与仰角，精度将取决于天线基线与距离之比，而且随着距离增大而有所提高。另一近似值是天线阵的Z尺度，若天线阵的Z尺度相对于基线减小，近似度将可提高。

若一个RU用作雷达发射机，多个RU用作雷达接收机，就可用同等的方法作雷达目标定位。如前所述，距离从往返延迟算出，方位角由TDOA信息算出。

现参照图1-3和10描述本发明的另一实施例。与第一实施例一样，若干RU安置在图1所示机场范围内已知的位置，为在RU只能接收、只能发射或既能发射又能接收的机场里和周围对目标作三维定位，要求任意组合至少三台接收机和一台发射机。

与第一实施例一样，各RU都包括对接收自目标的各应答器信号的“到达时间(TOA)”提供精确时间标记的TOA设备2。RU1通过通信手段接至处理单元3。收发机RU4、目标5和两台接收机BU6之间的信号流如图3所示。收发机RU4发出询问信号7，请求目标5的应答器的回答8。收发机RU4记录询问信号7的传输时间，供以后计算目标的距离。目标内的应答器在受容限支配的已知时段内自动回答，这在后面再谈。回答信号被所有RU4、6、6接收，数据经译码，用其来自TOA设备2的“到达时间(TOA)”作时间标记。然后，各RU通过数据链路将带有其时间标记的数据送到处理单元3进一步评估。另外，收发机RU4通过数据链路向处理单元3提供询问信号7的传输时间。

处理单元对译码的数据分组，每组含有各RU接收自特定目标的特定传输。一般通过目标标识号、模S地址或模3/A代码来分组，但也有其它被证实的方法。如下面将详述的，处理单元接着利用RU提供的目标数据与记录的询问信号传输时间进行计算，测定精确的目标位置。

当目标高度已知时，能算出二维的(x，y)目标位置估值，而高度用作Z坐标以得出三维估值。高度可由目标在应答器回答信号中提供的飞行高度数据算出，或通过测定地面目标而掌握高度。在任一情况下，只要提供的高度用于提供Z坐标，本发明该实施例的距离辅助算法的最后输出都是精确的目标位置x、y、z。

下一步判断目标的距离能否用于位置估值计算。距离用前述的测距公式算出。为判断计算的距离能否使用，要作距离阈值检验。由于目标的应答器提供的询问信号7的信号处理时间有变化，故需要作距离阈值检验。在产生回答信号的应答器中，处理时间受一容限支配，该容限偏离标称值多达±0.5微秒，导致测距误差约为250英尺。这些误差在离机场较远时可以忽略不计，但对较近的目标，鉴于误差与目标距离之比，这些误差就变得大了。因此，当目标在预定的机场范围内时，希望不用由RTD数据算出的距离来计算目标位置。该距离阈值在系统部署时确定并提供给处理单元3。

为了用由RTD数据算出的距离测定目标的二维位置，要对本发明的二维闭合形式距离辅助算法输入接收信号的RU坐标、测量的TOA、提供的高度、计算的距离与从中测量距离的RU。二维闭合形式距离辅助算法把提供的高度当作Z坐标，在笛卡尔坐标系中把目标位置估值提供为x、y、z数据。

该算法首先整理RU坐标及其有关的TOA，在算法中把RU₁定为测距RU。这一点很重要，因为在计算位置估值时，为了计算要用到的“到达时差(TDOA)”，要从RU₁的TDA中减去其余RU的TOA。然后转换RU的坐标，使RU₁位于笛卡尔坐标系原点，算出其余RU到新原点(RU₁)的距离。建立一BU位置值矩阵，计算组合了TDOA与RU距离的新矢量，从中直接得出位置估值。该点的位置估算位于RU₁为原点的笛卡儿坐标系中，因而对于目标以x、y、z形式的最后位置估值，必须转换回坐标系中心为原点的原来的笛卡尔坐标系，提供的高度作Z坐标。

得自二维闭合形式距离辅助算法的位置估值，进一步通过二维MLE(最大似然位置估值)距离辅助算法改进。二维MLE距离辅助算法要求输入目标初始位置估值(高度作为Z坐标)、RU坐标、有关的测量的TOA、距离测量和测距BU(RU₁)，该算法系一种迭代法，连续逼近新的位置估值，计算对应于新位置估值的预期的TDA。该算法还包括一个测量计算的TOA与测量的TOA之间误差误差的成本函数。如后面更具体说明的那样，对于位置估值计算，成本函数被定义为对应于位置估值的预期TOA与也包括距离测量的测量的TOA之间的范数。还可应用其它搜索功能评估法，诸如Newtom-Raphson法与SiniplexDownhill法等，精度相近。

图10示出本发明该实施例的步骤流程图。第一步较佳地在机场范围内安置多个天线单元(RU)，至少一个天线单元必须能发射与接收(收发机RU)，其余单元可以是只收RU。

收发机RU向目标发送询问信号并记录传输时间。目标的应答器发射带已知数据(比如模S地址、飞机标识、飞行高度等)的回答信号，发射询问信号的RU和至少另两个不受视线或多径问题影响的RU接收回答，接收的数据经译码，用TOA信息作出时间标记。然后，把接收的数据、TOA和记录的询问信号传输时间送给处理单元，而后者对目标数据分组，使某一组包含被多个RU接收的同一目标单次传输的信息。

为了计算二维位置估值，首先判断是否用算自RTD数据的距离来提高位置估值精度。若决定在计算中应用该距离，就应用本发明的二维闭合形式距离辅助算法计算二维位置估值，并通过二维MLE距离辅助算法优化该估值，而如前所述，提供的高度用于Z坐标。

下面详细描述二维距离辅助算法。

二维闭合形式距离辅助算法

对二维闭合形式距离辅助算法的输入包括：

·RU坐标

·相关测量的TOA

·目标位置Z’的Z分量

·测量的距离(R)

·测距RU(Rur)

二维闭合形式距离辅助算法的输出是目标位置估值。

第一步是调整算法中的RU坐标及其相关的TOA，使RU₁成为测距RU。下一步把第一TOA(来自RU₁)当作参考，计算TDOA：

d₁＝t₁-t₂

d₂＝t₁-t₃

然后转换RU坐标，使RU₁位于原点：

x₂＝x′₂-x′₁

y₂＝y′₂-y′₁

z₂＝z′₂-z′₁

x₃＝x′₃-x′₁

y₃＝y′₃-y′₁

z₃＝z′₃-z′₁

z＝z′-z′₁

接着在转换的坐标系内计算RU到原点的距离：

$R_2=\sqrt{x_2^2+y_2^2+z_2^2}$

$R_3=\sqrt{x_3^2+y_3^2+z_3^2}$

再建立RU坐标值矩阵：

$A{=\left[\begin{array}{cc}-2x_2& -{2y}_2\\ -2x_3& -2y_3\end{array}\right]}^{-1}$

注意，以后用Aij表示上述矩阵诸元，(i，j)分别是行与列。

然后建立含TDOA与RU距离的新矢量：

$b_1=d_1^2-R_2^2-2d_{1}R+2{\mathrm{zz}}_2$

$b_2=d_2^2-R_3^2-2d_{2}R+2{\mathrm{zz}}_3$

由此算出二维目标位置估值：

xp₁＝A₁₁(b₁-2d₁R)+A₁₂(b₂-2d₂R)

yp₁＝A₂₁(b₁-2d₁R)+A₂₂(b₂-2d₂R)

记住，过程开始时先转换RU坐标，使RU₁位置于原点，因此对最后的位置估值，必须将位置估值转换到原来的坐标系：

x_i＝xp₁+x′₁

y_i＝yp₁+y′₁

z_i＝z

二维闭合形式距离辅助算法的输出为位置估值(Xi、Yi、Zi)。

二维MLE距离辅助算法

对二维MLE距离辅助算法的输入包括：

·RU坐标

·相关测量的TOA

·初始位置估值(Xi、Yi、Zi)

·距离测量值(Rm)

·测距RU二

二维MLE距离辅助算法以x、y、z形式输出精确的目标位置。

第一步同样是整理算法中的RU，使RU₁成为测距RU。二维MLE距离辅助算法是迭代法，为开始连续逼近新的位置估值，要作初步假设(xi、yi、zi位置估算)。对每个新位置估值计算预期的TOA，二维MLE距离辅助算法的成本函数测量计算的TOA与测量的TOA之间的误差。对于最后位置计算，把该成本函数定义为得自当前位置估值(xi、yi、zi)的预期TOA与测量的TOA之差的范数。而且，还包括可提高最后计算的目标位置精度的距离。二维MLE距离辅助算法一直迭代下去，直到后面的估值足够接近，同时成本函数返回等于或小于一预定值的值。

$f(x,y,z,t_1,t_2,\·\·\·,t_N,R_m)=\left[\begin{array}{c}\sqrt{{(x-x_2)}^2+{(y-y_2)}^2+{(z-z_2)}^2}-\sqrt{x^2+y^2+z^2}-c(t_2-t_1)\\ \·\\ \·\\ \·\\ \sqrt{{(x-x_N)}^2+{(y-y_N)}^2+{(z-z_N)}^2}-\sqrt{x^2+y^2+z^2}-c(t_N-t_1)\\ \sqrt{x^2+y^2+z^2}-R_m\end{array}\right]$

$F(x,y,z,t_1,t_2,\·\·\·,t_N)=||\begin{array}{c}\sqrt{{(x-x_2)}^2+{(y-y_2)}^2+{(z-z_2)}^2}-\sqrt{x^2+y^2+z^2}-c(t_2-t_1)\\ \·\\ \·\\ \·\\ \sqrt{{(x-x_N)}^2+{(y-y_N)}^2+{(z-z_N)}^2}-\sqrt{x^2+y^2+z^2}-c(t_N-t_1)\\ \sqrt{x^2+y^2+z^2}-R_m\end{array}||$

$=f_1^2+f_2^2+\·\·\·+f_{N-1}^2+f_N^2$

MLE改变估值(xi、yi、zi)，直到函数f最小化。

现参照图1-2和11-12描述本发明另一实施例。与前面诸实施例一样，在机场范围内已知的位置安置若干RU，如图1所示。但在本例中，为对机场内和周围的目标作三维定位，要求任意组合至少四台接收机和一台发射机。同样地，诸RU可以只接收、只发射或者既发射又接收，还要求能克服视线(LOS)障碍与多径问题的附设RU。

与前述诸实施例一样，各RU都包括对接收自目标的各应答器信号的“到达时间TDA)”提供精确时间标记的TOA设备2。RU1利用通信手段接处理单元3。图11示出收发机RU4、目标5与三台接收机RU6之间的信号流。收发机RU4发出询问信号7，请求目标5的应答器的回答8。收发机RU4记录询问信号7的传输时间，供以后计算目标的距离。如前所述，目标内的应答器在受容限支配的一段已知时间内自动回答。回答信号在所有RU4、6、6、6被接收，数据经译码，用其来自TOA设备2的“到达时间(TOA)”作出时间标记。然后，各RU通过数据链路把带有其时间标记的数据送到处理单元3进一步评估。另外，收发机4也通过数据链路向处理单元3提供询问信号7的传输时间。

处理单元对译码的数据分组，各组包含各RU接收自特定目标的特定传输。分组一般通过目标标识号、模S地址或模3/A代码进行，但也可应用其它被证实的方法。如下面将详述的，处理单元接着运用RU提供的目标数据与记录的询问信号传输时间作计算，确定精确的目标位置。

下一步判断目标的距离能否用于位置估值计算。如前所述，鉴于目标应答器处理时间的变化，要作距离阈值检验。按照本发明该实施例，为了用计算自RTD数据的距离测定目标的三维位置，要对本发明的三维闭合形式距离辅助算法输入接收信号的RU的坐标、测量的TOA、计算的距离和测距的RU。从下面的描述可以看出，三维闭合形式距离辅助算法在笛卡儿坐标系中把目标位置估值提供为x、y、z数据，类似于二维闭合形式距离辅助算法。

该算法首先整理RU坐标及其相关的TOA，以在算法中把RU₁定为测距RU，这对计算用来计算位置估值的“到达时差(TDOA)”很重要，因为接着要将来自其余RU的TOA从RU₁的TOA中减去。然后转换RU坐标，使RU₁处于笛卡儿坐标系原点，度计算其余RU到新原点(RU₁)的距离。把RU位置值构成一矩阵，算出组合了TDOA与RU距离的新矢量，从中直接得出位置估值。该点的位置估值处于RU₁为原点的笛儿坐标系中，因而对于目标以x、y、z形式的最后位置估算，必须转换回坐标系中心为原点的原来的笛卡儿坐标系。

由三维闭合形式距离辅助算法得出的位置估值通过三维MLE(最大似然位置估算)距离辅助算法进一步优化。三维MLE距离辅助算法要求输入初始目标位置估值、RU坐标、有关测量的TOA、距离测量值和测距RU(RU₁)，该法是一种迭代法，可连续逼近新的位置估值，计算对应于新位置估值的预期TOA。该法还包括测量计算的TOA与测量的TOA之间误差的成本函数。对于位置估值计算，把成本函数定义为对应于位置估值的预期TOA与包括距离测量值在内的测量的TOA之间的范数，下面再具体描述。还可应用其它搜索功能评估法，诸如Newton-Raphson法与Simplex Downhill法等，精度相似。

图12示出本发明该实施例的步骤流程图。第一步较佳地在机场范围内安置最少四个天线单元(RU)，至少一个天线单元既能发射又能接收(收发机RU)，其余单元可以是只收RU。

收发机RU向目标发射询问信号并记录传输时间，目标的应答器发射带已知数据(比如模S地址、飞机标识、飞行高度等)的回答信号，发射询问信号的RU和至少另三个不受视线或多径问题困扰的RU接收该回答。收到的数据经译码，用TOA信息作出时间标记，然后将收到的数据、TOA与记录的询问信号传输时间送到处理单元3，而后者对目标数据分组，使某一组包含被多个RU接收的同一目标单次传输的信息。

为计算三维位置，首先判断是否用算自RTD数据的距离来提高位置估值的精度。若决定在计算中应用该距离，就运用本发明的三维闭合形式距离辅助算法计算三维位置估值，而该估值还通过三维MLE距离辅助算法进一步优化。

现在详细描述该三维距离辅助算法。

三维闭合形式距离辅助算法

对三维闭合形式距离辅助算法的输入包括：

·RU坐标

·有关测量的TOA

·测量的距离(R)

·测距RU(Rur)

三维闭合形式距离辅助算法的输出是目标位置估值。

第一步是整理算法中的RU坐标及其有关的TOA，使RU₁成为测距RU。下一步把第一“到达时间”(来自RU₁)当作参考，计算“到达时差(TDOA)”：

d₁＝t₁-t₂

d₂＝t₁-t₃

d₃＝t₁-t₄

然后转换RU坐标，使RU₁位于原点：

x₂＝x′₂-x′₁

y₂＝y′₂-y′₁

z₂＝z′₂-z′₁

x₃＝x′₃-x′₁

y₃＝y′₃-y′₁

z₃＝z′₃-z′₁

x₄＝x′₄-x′₁

y₄＝y′₄-y′₁

z₄＝z′₄-z′₁

接着，在转换的坐标系中计算RU到原点的距离：

$R_2=\sqrt{x_2^2+y_2^2+z_2^2}$

$R_3=\sqrt{x_3^2+y_3^2+z_3^2}$

$R_4=\sqrt{x_4^2+y_4^2+z_4^2}$

于是构成RU坐标值矩阵：

$A={\left[\begin{array}{ccc}-2x_2& -{2y}_2& -2z_2\\ -2x_3& -2y_3& -2z_3\\ -2x_4& -{2y}_4& -2z_4\end{array}\right]}^{-1}$

注意，上述矩阵诸元以后用Aij表示，(i，j)分别是行与列。

然后建立组合TDOA与RU距离的新矢量：

$b_1=d_1^2-R_2^2-2d_{1}R$

$b_2=d_2^2-R_3^2-2d_{2}R$

$b_3=d_3^2-R_4^2-2d_{3}R$

由此算出目标的三维位置估值：

xp₁＝A₁₁(b₁-2d₁R)+A₁₂(b₂-2d₂R)+A₁₃(b₃-2d₃R)

yp₁＝A₂₁(b₁-2d₁R)+A₂₂(b₂-2d₂R)+A₂₃(b₃-2d₃R)

zp₁＝A₃₁(b₁-2d₁R)+A₃₂(b₂-2d₂R)+A₃₃(b₃-2d₃R)

记住，过程开始时转换RU坐标，使RU₁位于原点，因而对最后位置估算，必须将位置估值转换到原来的坐标系：

x_i＝xp₁+x′₁

y_i＝yp₁+y′₁

z_i＝zp₁+z′₁

三维闭合形式距离辅助算法的输出是目标位置估值(xi、yi、zi)。

三维MLE距离辅助算法

对三维MLE距离辅助算法的输入包括：

·RU坐标

·有关测量的TOA

·初始位置估值(xi、yi、zi)

·距离测量值(Rm)

·有关测距RU

三维MLE距离辅助算法的输出是x、y、z形式的精确目标位置。

与三维闭合形式距离辅助算法一样，第一步是整理算法中的RU，使RU₁成为测距RU。三维MLE距离辅助算法是一种选代法，开始连续逼近新的位置估值时要作出初始假设(xi、yi、zi位置估值)。算出各新位置估值的预期的TOA，三维MLE距离辅助算法测量计算的TOA与测量的TOA之间的误差。对最后位置计算，把成本函数定义为得自当前位置估值(xi、yi、zi)预期的TOA与测量的TOA之差的范数。包括的距离可提高最后计算的目标位置的精度。三维MLE距离辅助算法一直迭代下去，直到后面的估值充分接近，而且成本函数返回等于或小于预定最小值的值。

$f(x,y,z,t_1,t_2,\·\·\·,t_N,R_m)=\left[\begin{array}{c}\sqrt{{(x-x_2)}^2+{(y-y_2)}^2+{(z-z_2)}^2}-\sqrt{x^2+y^2+z^2}-c(t_2-t_1)\\ \·\\ \·\\ \·\\ \sqrt{{(x-x_N)}^2+{(y-y_N)}^2+{(z-z_N)}^2}-\sqrt{x^2+y^2+z^2}-c(t_N-t_1)\\ \sqrt{x^2+y^2+z^2}-R_m\end{array}\right]$

$F(x,y,z,t_1,t_2,\·\·\·,t_N)=||\begin{array}{c}\sqrt{{(x-x_2)}^2+{(y-y_2)}^2+{(z-z_2)}^2}-\sqrt{x^2+y^2+z^2}-c(t_2-t_1)\\ \·\\ \·\\ \·\\ \sqrt{{(x-x_N)}^2+{(y-y_N)}^2+{(z-z_N)}^2}-\sqrt{x^2+y^2+z^2}-c(t_N-t_1)\\ \sqrt{x^2+y^2+z^2}-R_m\end{array}||$

$=f_1^2+f_2^2+\·\·\·+f_{N-1}^2+f_N^2$

MLE改变估值(xi、yi、zi)，直到函数f最小化。

可以看出，本发明特别适用于不具备而且不能提高昂贵雷达系统的机场。另外，本发明可用于大大扩展当前空中交通管制系统的有效测距能力而无需附设发射天线或位于系统边界以外的RU。

虽已参照这里包含的附图与表格对本发明作了具体图示与描绘，但本领域的技术人员应该理解，在不违背权项对本发明所限定的精神与范围的情况下，可作出各种细节上的变化。

Claims (50)

1.一种目标定位法，它包括如下步骤：

从单个发射机向目标发送信号；

用至少一台接收机接收来自于所述目标的返回信号以便计算RTD；

计算从发射机到目标再到所述至少一台接收机的RTD；

用至少三台接收机接收来自于所述目标的信号以便计算TDOA；

测定所述信号在所述至少三台接收机中的各接收机处的TOA；

用来自于所述至少三台接收机中的各接收机的TOA计算测量到的TDOA”；并且

用测得的TDOA与RTD数据计算至少一个目标位置估值。

2.如权利要求1所述的目标定位法，其特征在于，所述计算至少一个目标位置估值的步骤还包括如下步骤：

用测得的TDOA数据来计算目标初始方位角；以及

用初始方位角和RTD数据计算至少一个近似的目标平面位置。

3.如权利要求2所述的目标定位法，其特征在于，根据目标返回信号提供的飞行高度数据来计算高度，从而用初始方位角和RTD数据与高度的组合来计算近似的三维目标位置。

4.如权利要求2所述的目标定位法，其特征在于，来自所述发射机的信号的发送以及所述返回信号的接收是通过同一天线进行的，因而RTD数据表示目标与发射机的距离。

5.如权利要求4所述的目标定位法，其特征在于，所述至少一台接收机也用作所述至少三台接收机中的一个或多个。

6.如权利要求1所述的目标定位法，其特征在于，被所述至少三台接收机接收的所述信号是所述返回信号。

7.如权利要求2所述的目标定位法，其特征在于，被所述至少三台接收机接收的所述信号是所述返回信号。

8.如权利要求4所述的目标定位法，还包括如下步骤：

用初始方位角和RTD数据定出一条目标所在的弧线；

沿所述弧线选择预定数目的点；

计算各点预期的TDOA；

将各点预期的TDOA与所述测得的TDOA作比较，以测定各点预期的TDOA与所述测得的TDOA之间的最小误差；以及

把与具有最小误差的预期的TDOA相关联的方位角选作更精确的目标方位角；而且

用更精确的方位角和RTD数据计算更精确的目标平面位置。

9.如权利要求8所述的目标定位法，其特征在于，沿所述弧线排列的各点具有同一RTD。

10.如权利要求8所述的目标定位法，其特征在于，所述发射机和所述接收机排列成有一阵列基线的阵列，并且所述弧线的长度约为所述阵列基线长度的二倍。

11.如权利要求8所述的目标定位法，还包括如下步骤：

用所述更精确的方位角和RTD数据限定所述弧线的一段；

沿所述弧线的所述一段选择第二组预定数目的点；

计算所述第二组内各点预期的TDOA；

把所述第二组内各点预期的TDOA与所述测得的TDOA作比较，以测定所述第二组内各点预期的TDOA与所述测得的TDOA之间的最小误差；以及

把与具有最小误差的预期的TDOA相关联的方位角选为甚至更精确的目标方位角；并且

用所述甚至更精确的方位角和RTD数据来计算甚至更精确的目标平面位置。

12.如权利要求1所述的目标定位法，其特征在于，所述至少一台接收机也用作所述至少三台接收机中的一个或多个。

13.如权利要求1所述的目标定位法，其特征在于，来自所述发射机的信号的发送以及所述返回信号的接收是通过同一天线进行的，因而RTD数据表示目标离发射机的距离。

14.如权利要求1所述的目标定位法，其特征在于，位置估值、所述接收机的坐标、TOA和RTD数据被用来计算更精确的目标位置。

15.如权利要求14所述的目标定位法，其特征在于，所述更精确的位置是通过下列步骤计算的：

a)估算新的目标位置；

b)计算对应于新目标位置的TOA；

c)测量经计算得到的TOA与测得的TOA之间的误差；并且

d)把与具有最小误差的预期的TOA相关联的位置估值选作新的目标位置估值。

16.如权利要求15所述的目标定位法，其特征在于，重复步骤a-d，直到经计算得到的TOA与测得的TOA之差小于或等于预定值。

17.如权利要求15所述的目标定位法，其特征在于，用最大似然算法来计算更精确的位置。

18.如权利要求17所述的目标定位法，其特征在于，最大似然算法是Newton-Raphson法。

19.如权利要求17所述的目标定位法，其特征在于，最大似然算法是SimplexDownhill法。

20.如权利要求1所述的目标定位法，其特征在于，目标高度为已知并与TDOA和RTD数据组合到一起以便计算目标位置估值。

21.如权利要求20所述的目标定位法，其特征在于，根据包含在来自目标的返回信号里的飞行高度数据来计算高度。

22.如权利要求20所述的目标定位法，其特征在于，通过确定目标在地面上而知道其高度。

23.如权利要求20所述的目标定位法，其特征在于，位置估值、接收机的坐标、TOA、目标高度以及RTD数据被用来计算更精确的目标位置。

24.如权利要求23所述的目标定位法，其特征在于，更精确的位置是用下列步骤计算的：

a)估算新的目标位置；

b)计算对应于新目标位置的TOA；

c)测量经计算得到的TOA与测得的TOA之间的误差；并且

d)把与具有最小误差的预期的TOA相关联的位置估值选作新的目标位置估值。

25.如权利要求24所述的目标定位法，其特征在于，重复步骤a-d，直到经计算得到的TOA与测得的TOA之差小于或等于预定值。

26.如权利要求24所述的目标定位法，其特征在于，用最大似然算法计算更精确的位置。

27.如权利要求26所述的目标定位法，其特征在于，最大似然算法是Newton-Raphson法。

28.如权利要求26所述的目标定位法，其特征在于，最大似然算法是SimplexDownhill法。

29.一种目标定位系统，它包括：

用于向目标发送信号的单个发射机；

至少一台用于接收来自于所述目标的返回信号以便计算RTD的接收机；

用于计算从所述发射机到目标再到所述至少一台接收机的RTD的机制；

至少三台用于接收来自于所述目标的信号以便计算TDOA的接收机；

用于测定信号在所述至少三台接收机中的各接收机处的TOA”的机制；

用来自于所述至少三台接收机中的各接收机的TOA来计算测得的TDOA的机制；

用测得的TDOA数据计算目标初始方位角的机制；和

用所述初始方位角和RTD数据计算至少一个近似的目标平面位置的机制。

30.如权利要求29所述的系统，其特征在于，根据目标返回信号提供的飞行高度数据计算高度，从而用初始方位角和RTD数据与高度的组合来计算近似的三维目标位置。

31.如权利要求29所述的系统，其特征在于，来自所述发射机的信号的发送以及所述返回信号的接收是通过同一天线进行的，因而RTD数据表示目标与发射机的距离。

32.如权利要求31所述的系统，其特征在于，所述至少一台接收机也用作所述至少三台接收机中的一个或多个。

33.如权利要求31所述的系统，还包括：

用初始方位角和RTD数据定出一条目标所在弧线的机制；

用于沿所述弧线选择预定数目的点的机制；

用于计算各点预期的TDOA的机制；

将各点预期的TDOA与所述测得的TDOA作比较以便测定各点预期的TDOA与所述测得的TDOA之间的最小误差的机制；以及

把与具有最小误差的预期的TDOA相关联的方位角选作更精确的目标方位角的机制；以及

用所述更精确的方位角和RTD数据来计算更精确的目标平面位置的机制。

34.如权利要求33所述的系统，其特征在于，沿所述弧线选择的所述诸点具有同样的RTD。

35.如权利要求33所述的系统，其特征在于，所述发射机和所述接收机排列成具有一阵列基线的阵列，并且所述弧线的长度约为所述阵列基线长度的二倍。

36.如权利要求33所述的系统，其特征在于，还包括：

用所述更精确的方位角和RTD数据限定所述弧线的一段的机制；

沿所述弧线的所述一段选择第二组预定数目的点的机制；

用于计算所述第二组内各点预期的TDOA的机制；

将所述第二组内各点预期的TDOA与所述测得的TDOA作比较以便测定所述第二组内各点预期的TDOA与所述测得的TDOA之间的最小误差的机制；以及

把与具有最小误差的预期的TDOA相关联的方位角选作甚至更精确的目标方位角的机制；以及

用所述甚至更精确的方位角和RTD数据来计算甚至更精确的目标平面位置的机制。

37.如权利要求29所述的系统，其特征在于，被所述至少三台接收机接收的所述信号是所述返回信号。

38.一种目标定位系统，它包括：

用于向目标发送信号的单个发射机；

至少一台用于接收来自于所述目标的返回信号以便计算RTD的接收机；

计算从所述发射机到目标再到所述接收机的RTD的机制；

至少三台用于接收来自于所述目标的信号以便计算TDOA的接收机；

用于测定信号在所述至少三台接收机中的各接收机处的TOA”的机制；

用来自于所述至少三台接收机中的各接收机的TOA计算测得的TDOA”的机制；以及

用测得的TDOA和RTD数据计算至少一个目标位置估值的机制。

39.如权利要求38所述的系统，其特征在于，所述至少一台接收机也用作所述至少三台接收机中的一个或多个。

40.如权利要求38所述的系统，其特征在于，来自所述发射机的信号的发送以及所述返回信号的接收是通过同一天线进行的，因而RTD数据表示目标离发射机的距离。

41.如权利要求38所述的系统，其特征在于，所述系统还包括用位置估值、所述接收机的坐标、TOA和RTD数据来计算更精确的目标位置的机制。

42.如权利要求41所述的系统，其特征在于，所述系统还包括这样一种机制，它用于：

a)估算新的目标位置；

b)计算对应于新目标位置的TDOA；

c)测量经计算得到的TOA与测得的TOA之间的误差；并且

d)把与具有最小误差的预期的TOA相关联的位置估值选作新的目标位置估值。

43.如权利要求42所述的方法，还包括这样一种机制，它用于重复步骤a-d，直到经计算得到的TOA与测得的TOA之差小于或等于预定值。

44.如权利要求38所述的系统，还包括用于测定目标高度的机制。

45.如权利要求44所述的系统，其特征在于，根据包含在来自目标的返回信号中的飞行高度数据来计算高度。

46.如权利要求44所述的系统，还包括用于确定目标在地面上的机制。

47.如权利要求44所述的系统，还包括用TDOA、目标高度和RTD数据来计算目标位置估值的机制。

48.如权利要求47所述的系统，还包括用位置估值、接收机的坐标、TOA、目标高度和RTD数据来计算更精确的目标位置的机制。

49.如权利要求48所述的系统，还包括这样一种机制，它用于：

a)估算新的目标位置；

b)计算对应于新目标位置的TOA；

c)测量经计算得到的TOA与测得的TOA之间的误差；并且

d)把与具有最小误差的预期的TOA相关联的位置估值选作新的目标位置估值。

50.如权利要求49所述的系统，还包括这样一种机制，它用于重复步骤a-d，直到经计算得到的TOA与测得的TOA之差小于或等于预定值。

Images