CN111551896A - 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 - Google Patents
抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 Download PDFInfo
- Publication number
- CN111551896A CN111551896A CN202010335968.5A CN202010335968A CN111551896A CN 111551896 A CN111551896 A CN 111551896A CN 202010335968 A CN202010335968 A CN 202010335968A CN 111551896 A CN111551896 A CN 111551896A
- Authority
- CN
- China
- Prior art keywords
- matrix
- order
- representing
- foa
- toa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,首先利用多个运动传感器获得多个不相关运动辐射源信号的TOA观测量和FOA观测量;接着针对每个辐射源,利用距离观测量和距离变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程,并将各个辐射源的伪线性方程合并成1个高维度的伪线性方程;随后定量分析TOA/FOA观测误差以及传感器位置和速度先验观测误差对高维伪线性方程的影响,以确定最优加权矩阵,并进而形成用于协同定位的线性最小二乘估计优化模型;最后利用优化理论获得该模型的最优闭式解,由此得到各个辐射源的位置向量和速度向量的估计值。本发明能够提高对每个辐射源的定位精度。
Description
技术领域
本发明属于辐射源定位技术领域,尤其涉及一种针对多个不相关运动辐射源的TOA和FOA定位方法,特别涉及一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法。
背景技术
众所周知,辐射源定位技术在目标监测、导航遥测、地震勘测、射电天文、紧急救助、安全管理等诸多工业和电子信息领域中发挥着重要作用。辐射源定位的基本过程就是从电磁信号中提取出与其位置和速度有关的参数(也称为定位观测量),然后再利用这些参数解算出辐射源的位置向量和速度向量。用于辐射源定位的观测量涉及空、时、频、能量等多域参数,每个域的定位参数都有其特定的应用场景。在实际应用中,为了提高对辐射源的定位精度,可以考虑联合多域观测量进行定位。联合TOA/FOA观测量对运动辐射源进行定位是最常见的一种联合定位体制,其所适用的信号频段宽,并且具有较高的定位精度。
近些年来,国内外学者提出了很多性能优良的辐射源定位方法,其中包括迭代类方法和解析类方法。解析类定位方法可以提供辐射源位置向量和速度向量的闭式解,无需迭代运算,能够有效避免发散和局部收敛等问题,因而得到学者们的广泛青睐。在解析类定位方法中,相关学者提出了基于加权多维标度的定位方法(Wei H W,Wan Q,Chen Z X,Ye SF.A novel weighted multidimensional scaling analysis for time-of-arrival-based mobile location[J].IEEE Transactions on Signal Processing,2008,56(7):3018-3022.)(Wei H W,Peng R,Wan Q,Chen Z X,Ye S F.Multidimensional scalinganalysis for passive moving target localization with TDOA and FDOAmeasurements[J].IEEE Transactions on Signal Processing,2010,58(3):1677-1688.)(Lin LX,So H C,Chan F K W.Multidimensional scaling approach for nodelocalization using received signal strength measurements[J].Digital SignalProcessing,2014,34(11):39-47.)(朱国辉,冯大政,聂卫科.传感器位置误差情况下基于多维标度分析的时差定位算法[J].电子学报,2016,44(1):21-26.),该类方法通过构造标量积矩阵获得了关于辐射源位置向量和速度向量的伪线性方程,并由此给出了辐射源位置向量和速度向量的闭式解,能够取得较好的定位效果。然而,加权多维标度定位方法尚未在基于TOA/FOA观测量的定位场景中得到应用。
众所周知,传感器位置和速度先验观测误差会严重影响定位精度,因此需要在定位方法中将此类误差考虑进来,以期减少其所产生的定位误差。另一方面,如果在定位场景中存在多个待定位辐射源,应该对这些辐射源进行协同定位,从而有效抑制传感器位置和速度先验观测误差所带来的影响。这是因为不同的辐射源会受到相同的传感器位置误差和传感器速度误差的影响,此时即使是在辐射源互不相关的条件下也可以获得协同增益,最终提高每个辐射源的定位精度。本发明公开了一种传感器位置和速度先验观测误差存在场景下,基于加权多维标度的TOA和FOA多不相关运动辐射源协同定位方法。该方法不仅将加权多维标度技术应用于TOA/FOA定位场景中,还通过协同定位的方式减弱了传感器位置和速度先验观测误差对于定位精度的影响,取得了较好的定位效果。
发明内容
本发明针对现有的辐射源定位方法定位精度差的问题,提出一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法。
为了实现上述目的,本发明采用以下技术方案:
一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,包括:
步骤3:依次针对N个不相关运动辐射源,首先利用距离矩阵{Dn}1≤n≤N计算第1组(M+1)×(M+1)阶标量积矩阵{Wn}1≤n≤N,然后利用距离变化率矩阵计算第2组(M+1)×(M+1)阶标量积矩阵
进一步地,所述步骤1包括:
式中εnm1和εnm2分别表示距离观测误差和距离变化率观测误差。
进一步地,所述步骤2包括:
进一步地,所述步骤3包括:
依次针对N个不相关运动辐射源,首先利用距离矩阵{Dn}1≤n≤N计算第1组(M+1)×(M+1)阶标量积矩阵{Wn}1≤n≤N,相应的计算公式为
进一步地,所述步骤4包括:
式中O(M+1)×1表示(M+1)×1阶全0列向量;
进一步地,所述步骤5包括:
式中
进一步地,所述步骤6包括:
式中
其中,O1×M表示1×M阶全0行向量;OM×M表示M×M阶全0矩阵;OM(M+1)×M表示M(M+1)×M阶全0矩阵;表示单位矩阵IM+1中的第1列向量;O3×3表示3×3阶全0矩阵;I3表示3×3阶单位矩阵; 表示(M+1)×(M+1)2阶全0矩阵;IM表示M×M阶单位矩阵;O(M+1)×3M表示(M+1)×3M阶全0矩阵;O1×3表示1×3阶全0行向量;I16表示16×16阶单位矩阵;1(M+1)×M表示(M+1)×M阶全1矩阵;Λ4-4是满足等式的0-1矩阵,A4×4表示任意4×4阶矩阵;Λ(M+1)-3是满足等式的0-1矩阵,A3×(M+1)表示任意3×(M+1)阶矩阵;O(M+1)×16表示(M+1)×16阶全0矩阵;O(M+1)×4(M+1)表示(M+1)×4(M+1)阶全0矩阵;O1×(M+1)表示1×(M+1)阶全0行向量。
进一步地,所述步骤7包括:
进一步地,所述步骤8包括:
式中Et-c=blkdiag{Et1,Et2,…,EtN},Etn表示第n个运动辐射源TOA和FOA观测误差协方差矩阵;Es表示传感器位置和速度先验观测误差协方差矩阵;
进一步地,所述步骤9包括:
式中
进一步地,所述步骤11包括:
与现有技术相比,本发明具有的有益效果:
本发明针对传感器位置和速度先验观测误差的影响,首先利用3维空间中的多个运动传感器获得多个不相关运动辐射源信号的TOA观测量(等价于距离观测量)和FOA观测量(等价于距离变化率观测量)。接着针对每个辐射源,利用距离观测量和距离变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程,并将各个辐射源的伪线性方程合并成1个高维度的伪线性方程,用于实现多辐射源协同定位。随后定量分析TOA/FOA观测误差以及传感器位置和速度先验观测误差对高维伪线性方程的影响,以确定最优加权矩阵,并进而形成用于协同定位的线性最小二乘估计优化模型。最后利用优化理论获得该模型的最优闭式解,由此可以得到各个辐射源的位置向量和速度向量的估计值。相比于已有的基于加权多维标度的定位方法,本发明通过协同定位的方式更好地抑制了传感器位置和速度先验观测误差的影响,能够提高对每个辐射源的定位精度。
附图说明
图1是本发明实施例一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法的基本流程图;
图2是第1个辐射源定位结果散布图与定位误差椭圆曲线(X-Y坐标平面)。
图3是第1个辐射源定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面)。
图4是第2个辐射源定位结果散布图与定位误差椭圆曲线(X-Y坐标平面)。
图5是第2个辐射源定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面)。
图6是第1个辐射源位置估计均方根误差随着标准差σt的变化曲线。
图7是第2个辐射源位置估计均方根误差随着标准差σt的变化曲线。
图8是第3个辐射源位置估计均方根误差随着标准差σt的变化曲线。
图9是第1个辐射源速度估计均方根误差随着标准差σt的变化曲线。
图10是第2个辐射源速度估计均方根误差随着标准差σt的变化曲线。
图11是第3个辐射源速度估计均方根误差随着标准差σt的变化曲线。
图12是第1个辐射源位置估计均方根误差随着标准差σs的变化曲线。
图13是第2个辐射源位置估计均方根误差随着标准差σs的变化曲线。
图14是第3个辐射源位置估计均方根误差随着标准差σs的变化曲线。
图15是第1个辐射源速度估计均方根误差随着标准差σs的变化曲线。
图16是第2个辐射源速度估计均方根误差随着标准差σs的变化曲线。
图17是第3个辐射源速度估计均方根误差随着标准差σs的变化曲线。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
如图1所示,一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,包括:
步骤3:依次针对N个不相关运动辐射源,首先利用距离矩阵{Dn}1≤n≤N计算第1组(M+1)×(M+1)阶标量积矩阵{Wn}1≤n≤N,然后利用距离变化率矩阵计算第2组(M+1)×(M+1)阶标量积矩阵
进一步地,所述步骤1中,在空间中放置M个运动传感器,并利用它们对N个不相关运动辐射源进行TOA/FOA定位。第n个辐射源的位置向量和速度向量分别为和第m个传感器的位置向量和速度向量分别为和其中,分别表示第n个辐射源在x轴、y轴、z轴方向上的坐标;分别表示第n个辐射源在x轴、y轴、z轴方向上的速度;分别表示第m个传感器在x轴、y轴、z轴方向上的坐标;分别表示第m个传感器在x轴、y轴、z轴方向上的速度;利用它们可以获得第n(1≤n≤N)个运动辐射源信号到达第m(1≤m≤M)个传感器的TOA观测量和FOA观测量将TOA观测量乘以信号传播速度即可得到距离观测量将FOA观测量先乘以信号传播速度再除以信号载波频率,然后将结果乘以-1即可得到距离变化率观测量相应的表达式分别为
式中,c为信号传播速度;f0为信号载波频率;εnm1和εnm2分别表示距离观测误差和距离变化率观测误差。
进一步地,所述步骤2中,依次针对N个不相关运动辐射源,利用传感器位置先验观测量和传感器速度先验观测量距离观测量和距离变化率观测量构造(M+1)×(M+1)阶距离矩阵{Dn}1≤n≤N和距离变化率矩阵相应的计算公式为
进一步地,所述步骤3中,依次针对N个不相关运动辐射源,首先利用距离矩阵{Dn}1≤n≤N计算第1组(M+1)×(M+1)阶标量积矩阵{Wn}1≤n≤N,相应的计算公式为
式中O(M+1)×1表示(M+1)×1阶全0列向量;其余表达式为
式中
式中O(M+1)×3表示(M+1)×3阶全0矩阵;向量t1表示矩阵T中的第1列向量;矩阵T2表示矩阵T中的第2至第4列构成的矩阵(即有T=[t1 T2]);向量表示矩阵中的第1列向量;矩阵表示矩阵中的第2至第4列构成的矩阵(即有
式中O1×M表示1×M阶全0行向量;OM×M表示M×M阶全0矩阵;OM(M+1)×M表示M(M+1)×M阶全0矩阵;表示单位矩阵IM+1中的第1列向量;O3×3表示3×3阶全0矩阵;I3表示3×3阶单位矩阵。
式中IM表示M×M阶单位矩阵;Sblk的表达式为
其中O(M+1)×3M表示(M+1)×3M阶全0矩阵;O1×3表示1×3阶全0行向量。
式中
式中
其中I16表示16×16阶单位矩阵;(其中1(M+1)×M表示(M+1)×M阶全1矩阵);Λ4-4是满足等式的0-1矩阵(其中A4×4表示任意4×4阶矩阵);Λ(M+1)-3是满足等式的0-1矩阵(其中A3×(M+1)表示任意3×(M+1)阶矩阵)。
式中O(M+1)×16表示(M+1)×16阶全0矩阵;O(M+1)×4(M+1)表示(M+1)×4(M+1)阶全0矩阵;Js2的表达式为
其中O1×(M+1)表示1×(M+1)阶全0行向量。
式中Et-c=blkdiag{Et1,Et2,…,EtN}(其中Etn表示第n个运动辐射源TOA/FOA观测误差协方差矩阵);Es表示传感器位置和速度先验观测误差协方差矩阵;其余表达式为
式中
为验证本发明效果,进行如下仿真实验:
假设利用6个运动传感器获得的TOA/FOA信息(亦即距离/距离变化率信息)对多个不相关运动辐射源进行定位,传感器的位置坐标和速度如表1所示,针对每个辐射源的距离/距离变化率观测误差向量服从均值为零、协方差矩阵为的高斯分布,传感器位置向量和速度向量无法精确获得,仅能得到其先验观测值,并且先验观测误差服从均值为零、协方差矩阵为
表1传感器3维位置坐标和速度(单位:m和m/s)
首先将辐射源个数设为两个,此时有将第1个辐射源位置向量和速度向量分别设为u1=[-6300 -4500 -5200]T(m)和将第2个辐射源位置向量和速度向量分别设为u2=[-5800 4200 -6400]T(m)和将标准差σt和σs分别设为σt=1和σs=1,图2给出了第1个辐射源定位结果散布图与定位误差椭圆曲线(X-Y坐标平面);图3给出了第1个辐射源定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面);图4给出了第2个辐射源定位结果散布图与定位误差椭圆曲线(X-Y坐标平面);图5给出了第2个辐射源定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面)。
然后将辐射源个数设为3个,此时有将第1个辐射源位置向量和速度向量分别设为u1=[-4300 -4500 5200]T(m)和将第2个辐射源位置向量和速度向量分别设为u2=[4500 -5700-4200]T(m)和将第3个辐射源位置向量和速度向量分别设为u3=[-4800 5200 -4400]T(m)和 将标准差σs设为σs=1.5,改变标准差σt的数值,图6给出了第1个辐射源位置估计均方根误差随着标准差σt的变化曲线;图7给出了第2个辐射源位置估计均方根误差随着标准差σt的变化曲线;图8给出了第3个辐射源位置估计均方根误差随着标准差σt的变化曲线;图9给出了第1个辐射源速度估计均方根误差随着标准差σt的变化曲线;图10给出了第2个辐射源速度估计均方根误差随着标准差σt的变化曲线;图11给出了第3个辐射源速度估计均方根误差随着标准差σt的变化曲线。
最后将标准差σt设为σt=0.8,改变标准差σs的数值,图12给出了第1个辐射源位置估计均方根误差随着标准差σs的变化曲线;图13给出了第2个辐射源位置估计均方根误差随着标准差σs的变化曲线;图14给出了第3个辐射源位置估计均方根误差随着标准差σs的变化曲线;图15给出了第1个辐射源速度估计均方根误差随着标准差σs的变化曲线;图16给出了第2个辐射源速度估计均方根误差随着标准差σs的变化曲线;图17给出了第3个辐射源速度估计均方根误差随着标准差σs的变化曲线。
从图6至图17中可以看出:(1)本专利公开的抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法对各个辐射源的位置和速度估计均方根误差均可以达到克拉美罗界,从而验证了其渐近最优性;(2)本专利公开的抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法的精度要高于已有的非协同定位方法的精度,并且协同增益随着标准差σs的增加而提高,也就是说传感器位置和速度先验观测误差越大,本专利公开的抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法的优势就越明显。
以上所示仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,其特征在于,包括:
步骤3:依次针对N个不相关运动辐射源,首先利用距离矩阵{Dn}1≤n≤N计算第1组(M+1)×(M+1)阶标量积矩阵{Wn}1≤n≤N,然后利用距离变化率矩阵计算第2组(M+1)×(M+1)阶标量积矩阵
7.根据权利要求5所述的抑制传感器位置速度先验误差的加权多维标度TOA和FOA多源协同定位方法,其特征在于,所述步骤6包括:
式中
其中,O1×M表示1×M阶全0行向量;OM×M表示M×M阶全0矩阵;OM(M+1)×M表示M(M+1)×M阶全0矩阵;表示单位矩阵IM+1中的第1列向量;O3×3表示3×3阶全0矩阵;I3表示3×3阶单位矩阵; 表示(M+1)×(M+1)2阶全0矩阵;IM表示M×M阶单位矩阵;O(M+1)×3M表示(M+1)×3M阶全0矩阵;O1×3表示1×3阶全0行向量;I16表示16×16阶单位矩阵;1(M+1)×M表示(M+1)×M阶全1矩阵;Λ4-4是满足等式的0-1矩阵,A4×4表示任意4×4阶矩阵;Λ(M+1)-3是满足等式的0-1矩阵,A3×(M+1)表示任意3×(M+1)阶矩阵;O(M+1)×16表示(M+1)×16阶全0矩阵;O(M+1)×4(M+1)表示(M+1)×4(M+1)阶全0矩阵;O1×(M+1)表示1×(M+1)阶全0行向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335968.5A CN111551896B (zh) | 2020-04-25 | 2020-04-25 | 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335968.5A CN111551896B (zh) | 2020-04-25 | 2020-04-25 | 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551896A true CN111551896A (zh) | 2020-08-18 |
CN111551896B CN111551896B (zh) | 2021-01-26 |
Family
ID=72003182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010335968.5A Active CN111551896B (zh) | 2020-04-25 | 2020-04-25 | 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551896B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333236A (zh) * | 2020-09-26 | 2021-02-05 | 西安电子科技大学 | 一种三维动态集群网络中基于两层滤波的容错协同定位方法 |
CN113485385A (zh) * | 2021-07-13 | 2021-10-08 | 中国人民解放军战略支援部队信息工程大学 | 基于误差椭圆的uuv集群编队构型设计方法 |
CN113835061A (zh) * | 2021-08-13 | 2021-12-24 | 中国人民解放军战略支援部队信息工程大学 | 一种信号载波频率先验误差存在下单平台多普勒两阶段闭式定位方法 |
CN113835064A (zh) * | 2021-08-13 | 2021-12-24 | 中国人民解放军战略支援部队信息工程大学 | 一种协同校正源观测信息的加权多维标度tdoa定位方法 |
CN114910864A (zh) * | 2022-06-14 | 2022-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种信号传播速度未知且存在信号频率漂移的多平台多普勒定位方法 |
CN117110984A (zh) * | 2023-07-25 | 2023-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种收发两端传感器存在时频同步误差条件下的TOAs/FOAs闭式协同定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0649033A2 (en) * | 1993-10-15 | 1995-04-19 | International Business Machines Corporation | Improved TDOA/FDOA technique for locating a transmitter |
CN1360804A (zh) * | 1999-05-06 | 2002-07-24 | 塞-洛克公司 | 无线定位系统 |
CN1529821A (zh) * | 2001-06-25 | 2004-09-15 | ���﹫˾ | 用于校正无线定位系统的方法和系统 |
US20100315290A1 (en) * | 2009-06-16 | 2010-12-16 | L3 Communications Integrated Systems, L.P. | Globally-convergent geo-location algorithm |
CN108445446A (zh) * | 2018-02-06 | 2018-08-24 | 中国人民解放军战略支援部队信息工程大学 | 一种无源测速定位方法及装置 |
CN108957387A (zh) * | 2018-05-21 | 2018-12-07 | 西安电子科技大学 | 一种卫星信号二维到达角估计方法及系统 |
CN109633592A (zh) * | 2019-01-18 | 2019-04-16 | 杭州电子科技大学 | 运动观测站误差下外辐射源雷达时差与频差协同定位方法 |
CN110673196A (zh) * | 2019-09-20 | 2020-01-10 | 中国人民解放军战略支援部队信息工程大学 | 一种基于多维标定和多项式求根的时差定位方法 |
-
2020
- 2020-04-25 CN CN202010335968.5A patent/CN111551896B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0649033A2 (en) * | 1993-10-15 | 1995-04-19 | International Business Machines Corporation | Improved TDOA/FDOA technique for locating a transmitter |
CN1360804A (zh) * | 1999-05-06 | 2002-07-24 | 塞-洛克公司 | 无线定位系统 |
CN1529821A (zh) * | 2001-06-25 | 2004-09-15 | ���﹫˾ | 用于校正无线定位系统的方法和系统 |
US20100315290A1 (en) * | 2009-06-16 | 2010-12-16 | L3 Communications Integrated Systems, L.P. | Globally-convergent geo-location algorithm |
CN108445446A (zh) * | 2018-02-06 | 2018-08-24 | 中国人民解放军战略支援部队信息工程大学 | 一种无源测速定位方法及装置 |
CN108957387A (zh) * | 2018-05-21 | 2018-12-07 | 西安电子科技大学 | 一种卫星信号二维到达角估计方法及系统 |
CN109633592A (zh) * | 2019-01-18 | 2019-04-16 | 杭州电子科技大学 | 运动观测站误差下外辐射源雷达时差与频差协同定位方法 |
CN110673196A (zh) * | 2019-09-20 | 2020-01-10 | 中国人民解放军战略支援部队信息工程大学 | 一种基于多维标定和多项式求根的时差定位方法 |
Non-Patent Citations (5)
Title |
---|
DING WANG ET AL.: "Iterative constrained weighted least squares estimator for TDOA and FDOA positioning of multiple disjoint sources in the presence of sensor position and velocity uncertainties", 《DIGITAL SIGNAL PROCESSING》 * |
RUI-RUI LIU ET AL.: "Passive source localization using importance sampling based on TOA and FOA measurements", 《FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING》 * |
XIN CHEN ET AL.: "Structural total least squares algorithm for locating multiple disjoint sources based on AOA/TOA/FOA in the presence of system error", 《FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING》 * |
张敏 等: "基于高程多假设的地固单站短基线运动辐射源跟踪方法", 《航天电子对抗》 * |
王鼎 等: "一种基于多普勒频率的恒模信号直接定位方法", 《航空学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333236A (zh) * | 2020-09-26 | 2021-02-05 | 西安电子科技大学 | 一种三维动态集群网络中基于两层滤波的容错协同定位方法 |
CN112333236B (zh) * | 2020-09-26 | 2022-02-25 | 西安电子科技大学 | 一种三维动态集群网络中基于两层滤波的容错协同定位方法 |
CN113485385A (zh) * | 2021-07-13 | 2021-10-08 | 中国人民解放军战略支援部队信息工程大学 | 基于误差椭圆的uuv集群编队构型设计方法 |
CN113485385B (zh) * | 2021-07-13 | 2023-11-07 | 中国人民解放军战略支援部队信息工程大学 | 基于误差椭圆的uuv集群编队构型设计方法 |
CN113835061A (zh) * | 2021-08-13 | 2021-12-24 | 中国人民解放军战略支援部队信息工程大学 | 一种信号载波频率先验误差存在下单平台多普勒两阶段闭式定位方法 |
CN113835064A (zh) * | 2021-08-13 | 2021-12-24 | 中国人民解放军战略支援部队信息工程大学 | 一种协同校正源观测信息的加权多维标度tdoa定位方法 |
CN113835061B (zh) * | 2021-08-13 | 2022-07-05 | 中国人民解放军战略支援部队信息工程大学 | 一种信号载波频率先验误差存在下单平台多普勒两阶段闭式定位方法 |
CN114910864A (zh) * | 2022-06-14 | 2022-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种信号传播速度未知且存在信号频率漂移的多平台多普勒定位方法 |
CN114910864B (zh) * | 2022-06-14 | 2023-08-15 | 中国人民解放军战略支援部队信息工程大学 | 一种信号传播速度未知且存在信号频率漂移的多平台多普勒定位方法 |
CN117110984A (zh) * | 2023-07-25 | 2023-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种收发两端传感器存在时频同步误差条件下的TOAs/FOAs闭式协同定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111551896B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551896B (zh) | 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 | |
CN111551895B (zh) | 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 | |
CN107526073B (zh) | 一种运动多站无源时差频差联合定位方法 | |
CN111985093A (zh) | 一种带噪声估计器的自适应无迹卡尔曼滤波状态估计方法 | |
CN108375752B (zh) | 基于全角度搜索的幅相误差单辐射源测向方法 | |
CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
CN111551897B (zh) | 传感器位置误差下基于加权多维标度和多项式求根的tdoa定位方法 | |
CN110673196B (zh) | 一种基于多维标定和多项式求根的时差定位方法 | |
CN110161452B (zh) | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 | |
CN110503071A (zh) | 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
CN106683185B (zh) | 一种基于大数据的高精度曲面建模方法 | |
CN106569172A (zh) | 二维doa估计方法 | |
CN106526529A (zh) | 导向矢量失配情况下基于稀疏表示的波达方向估计方法 | |
CN116224219A (zh) | 一种阵列误差自校正原子范数最小化doa估计方法 | |
CN109212466B (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
CN108614235B (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
CN107797091B (zh) | 一种基于子空间的新型纯方位目标定位方法 | |
Li et al. | Dynamic Time Warping Distance Method for Similarity Test of Multipoint Ground Motion Field. | |
CN109783960A (zh) | 一种基于网格部分细化的波达方向估计方法 | |
CN113835064B (zh) | 一种协同校正源观测信息的加权多维标度tdoa定位方法 | |
CN104270119B (zh) | 基于非线性未知随机偏差的两阶段容积卡尔曼滤波方法 | |
CN114167347B (zh) | 冲击噪声环境下互质阵列的幅相误差校正和测向方法 | |
CN115270579A (zh) | 二阶声波方程有限差分数值模拟参数选取方法 | |
CN112068099B (zh) | 基于误差补偿的多辐射源快速定位测速方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |