CN111781556B - 基于目标信号tdoa滤波的分布式时差定位方法及装置 - Google Patents

基于目标信号tdoa滤波的分布式时差定位方法及装置 Download PDF

Info

Publication number
CN111781556B
CN111781556B CN202010420107.7A CN202010420107A CN111781556B CN 111781556 B CN111781556 B CN 111781556B CN 202010420107 A CN202010420107 A CN 202010420107A CN 111781556 B CN111781556 B CN 111781556B
Authority
CN
China
Prior art keywords
target
tdoa
moment
motion state
time
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.)
Active
Application number
CN202010420107.7A
Other languages
English (en)
Other versions
CN111781556A (zh
Inventor
徐自励
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Research Institute of CAAC
Original Assignee
Second Research Institute of CAAC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Second Research Institute of CAAC filed Critical Second Research Institute of CAAC
Priority to CN202010420107.7A priority Critical patent/CN111781556B/zh
Publication of CN111781556A publication Critical patent/CN111781556A/zh
Application granted granted Critical
Publication of CN111781556B publication Critical patent/CN111781556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S5/0252—Radio frequency fingerprinting
    • 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
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及一种基于目标信号TDOA滤波的分布式时差定位方法及装置，充分考虑到定位目标运动状态对TDOA统计模型的影响，测量目标信号到达各远端接收站的时间；计算目标信号到达相邻两个远端接收站间的时间差TDOA；判断目标运动状态，设定滤波初值；建立与目标运动状态相对应的TDOA统计模型；根据目标运动状态及相应的TDOA统计模型，对TDOA进行Kalman滤波，并利用滤波后的TDOA解算k时刻目标位置；判断目标运动状态是否发生改变并切换与目标运动状态相应的TDOA统计模型；重复上述步骤滤波，利用滤波后的TDOA解算k+1时刻目标位置。本发明在不增加系统复杂度和成本的基础上有效提高了定位精度和定位效果的稳定性。

Description

基于目标信号TDOA滤波的分布式时差定位方法及装置
技术领域
本发明涉及定位控制技术领域，尤其涉及一种基于目标信号TDOA滤波的分布式时差定位方法及装置。
背景技术
分布式定位系统，利用分布于不同位置的远端接收站，接收目标发射的信号，通过测量目标信号到达各远端接收站的时间或站间的时间差，实现对目标的定位。多点定位系统即为典型的分布式定位系统。多点定位系统通过测量目标信号到达各远端接收站间的时间差，采用时差定位体制对目标进行定位，广泛运用于民航领域，实现对航空器及机场场面车辆的定位与监视。
现有多点定位系统在测量出目标信号到达各远端接收站的时间后，即根据测量到的信号到达各远端接收站的时间计算出信号到达不同站间的时间差，然后利用定位方程解算目标位置。然而实际中，多点定位系统远端接收站间的时钟同步误差、各远端接收站时钟的稳定度和准确度、以及远端接收站对信号到达时间的测量误差等，都会影响远端接收站对信号到达时间的测量精度。如果根据测量到的目标信号到达各远端接收站的时间计算出信号到达不同站间的时间差，然后直接利用定位方程解算目标位置，则系统对目标信号到达时间的测量误差将直接影响目标定位精度。对于正常飞行以及起降滑跑的目标，因目标位置改变量远大于定位误差，定位结果尚能呈现出线状的目标轨迹，但是对于如图1所示目标处于转弯或缓行的慢速运动状态或者如图2所示目标处于等待的静止状态，因目标位置改变量与定位误差相当甚至小于定位误差，则慢速运动状态的目标定位结果会呈现出带状，而静止状态的目标定位结果呈现出斑状。带状与斑状的目标定位结果均不能正确体现目标运行轨迹，也不能正确确定目标精确位置，且带的宽度与斑的直径取决于系统对目标信号到达时间的测量精度。如果要使带状的定位结果收缩为线状，斑状的定位结果收缩为点状，则需要进一步提高系统对目标信号到达时间的测量精度。然而，由于物理测量固有的特性，系统对目标信号到达时间的测量达到一定精度后，进一步提高测量精度非常困难，系统复杂度和成本也急剧增加。因此，还需要有其它有效提高目标定位精度的方法。
在本发明人申请号为202010193774.6专利名称为“一种优化分布式定位方法及系统”的专利中，虽然首次提出利用目标信号到达不同远端接收站间时间差序列与目标位置序列间的相关性，通过对时间差序列进行滤波，达到了不需进一步提高系统时间测量精度而有效提高目标定位精度的目的，但是并未考虑到定位目标运动状态对TDOA统计模型的影响，使得定位目标在不同运动状态下定位效果不稳定的问题亟待解决。
发明内容
有鉴于此，为达到提高目标定位精度的目的，本发明提供一种基于目标信号TDOA滤波的分布式时差定位方法及装置，充分考虑到定位目标运动状态对TDOA统计模型的影响，根据定位目标三种典型运动状态建立与其相应的TDOA统计模型，再通过滤波处理优化目标定位位置和滤波参数，在不增加系统复杂度和成本的基础上有效提高了定位精度和定位效果的稳定性。
本发明第一方面保护一种基于目标信号TDOA滤波的分布式时差定位方法，包括：
测量k时刻目标信号到达各远端接收站的时间；
计算目标信号到达相邻两个远端接收站间的时间差TDOA；
根据目标信号到达相邻两个远端接收站间的时间差TDOA解算目标初始位置，并根据远端接收站测量到的时间及目标位置判断目标运动状态，设定滤波初值；
建立与目标运动状态相对应的TDOA统计模型；
根据目标运动状态及相应的TDOA统计模型，对目标信号到达相邻两个远端接收站间的时间差TDOA进行Kalman滤波，并利用滤波后的TDOA解算k时刻目标位置；
根据目标位置解算结果估计并更新滤波参数，判断目标运动状态是否发生改变并切换与目标运动状态相应的TDOA统计模型；
重复上述步骤对k+1时刻目标信号到达相邻两个远端接收站间的时间差TDOA进行Kalman滤波，利用滤波后的TDOA解算k+1时刻目标位置。
本发明第二方面保护一种基于目标信号TDOA滤波的分布式时差定位装置，包括远端接收系统与中央处理系统；远端接收系统包括分布于不同位置的N个远端接收站；中央处理系统包括：
TDOA计算模块：根据远端接收系统N个远端接收站测量到的目标信号到达每个远端接收站的时间，计算信号到达两远端接收站间的时间差；
目标运动状态判断模块：用于根据测量到的目标信号到达第i与i+1个远端接收站间的时间差以及解算出的目标位置，判断目标初始运动状态及运动状态改变，并建立与目标运动状态相对应的TDOA统计模型，设定滤波初值；
TDOA滤波器：与目标运动状态判断模块和TDOA统计分析模块相连，用于根据目标运动状态及相应的TDOA统计模型，对接收到的目标信号TDOA进行Kalman滤波；
目标位置解算模块：用于利用滤波后的TDOA解算目标位置；
滤波参数估计模块：与目标位置解算模块和TDOA滤波器相连，用于根据定位结果估计并更新滤波参数并输出至TDOA滤波器。
本发明第三方面保护一种电子设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行基于目标信号TDOA滤波的分布式时差定位方法。
本发明第四方面保护一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现基于目标信号TDOA滤波的分布式时差定位方法。
本发明的有益效果：
1、本发明的定位方法充分考虑到定位目标运动状态对TDOA统计模型的影响，根据定位目标运动状态建立与其相应的TDOA统计模型，再通过滤波处理优化目标定位位置和滤波参数，在不增加系统复杂度和成本的基础上有效提高了定位精度和定位效果的稳定性。
2、本发明中采用目标位置及目标信号到达时间对目标运动状态进行联合判断，并且采用多个测量值进行判断，有利于提高对目标运动状态的判断准确度。
3、利用本发明的方法，经过TDOA滤波后的目标定位位置相对于未经TDOA滤波的目标定位位置，其定位精度大为改善。TDOA滤波后的目标定位误差比TDOA滤波前的目标定位误差显著降低。在目标静止状态下，目标定位位置由未经TDOA滤波的范围较大的散点，经滤波后集中到目标位置附近较小的区域；在目标匀速运动状态下，目标定位位置由未经TDOA滤波的在滑行道上范围较大的散点，经滤波后集中为一条较为集中的线状轨迹。
附图说明
图1为现有技术中目标处于转弯慢速运动状态的定位结果示意图；
图2为现有技术中目标处于等待静止状态的定位结果示意图；
图3为基于目标信号TDOA滤波的分布式时差定位方法的流程图；
图4为采用三个远端接收站对机场站坪上一架静止状态飞机TDOA滤波方法的定位结果；
图5为对图4对目标区域放大后的定位结果展示；
图6为采用三个远端接收站对机场滑行道上一架匀速运动飞机TDOA滤波方法的定位结果；
图7为对图6为对目标运动部分区域放大后的定位结果展示；
图8为采用三个远端接收站对机场跑道上一架起飞的匀加速运动飞机TDOA滤波方法的定位结果；
图9为对图7目标运动部分区域放大后的定位结果展示；
图10为电子设备的硬件结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
实施例一：
如图3所示，一种基于二维目标信号TDOA滤波的分布式时差定位方法，具体包括：
S1测量目标信号到达各远端接收站的时间(Time of Arrival，TOA)。
S2计算目标信号到达第i与i+1(i＝1,2,…,N-1)个远端接收站间的时间差TDOAi,i+1，
TDOAi,i+1＝TOAi-TOAi+1
S3根据测量到的TDOAi,i+1解算目标初始位置，并根据测量到的时间及目标位置判断目标运动状态，设定滤波初值。
本发明专利中，提出综合目标位置及目标信号到达时间对目标运动状态进行判断的方法，目标运动状态判断方法包括：
S301滤波初始目标运动状态判断
对目标信号TDOA进行滤波并对目标进行定位前，需要判断目标的运动状态并选择相应的模型。采用如下的方法对目标运动状态进行判断：
S30101连续三次测量目标信号TDOA，得到t1,t2,t3，并根据测量到的目标信号TDOA，直接解算出目标的三个位置s1,s2,s3；
S30102根据系统时间测量误差及定位误差设置相应的判断门限Tt及Ts；
S30103根据测量到的目标信号TDOAt1,t2,t3与设定的门限Tt以及解算出的目标位置s1,s2,s3及设定的门限Ts判断目标运动状态：
若|t2-t1|<Tt且|t3-t2|<Tt且|s2-s1|<Ts且|s3-s2|<Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化在一定门限范围内，目标处于静止状态；
若|t2-t1|>Tt且|t3-t2|>Tt且||t3-t2|-|t2-t1||<Tt且|s2-s1|>Ts且|s3-s2|>Ts且||s3-s2|-|s2-s1||<Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标处于运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值在一定门限范围内，说明目标处于匀速运动状态；
若|t2-t1|>Tt且|t3-t2|>Tt且||t3-t2|-|t2-t1||>Tt且|s2-s1|>Ts且|s3-s2|>Ts且||s3-s2|-|s2-s1||>Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标处于运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值也超出一定门限范围，说明目标处于变速运动状态。
S302目标运动状态改变的判断
在对目标信号TDOA进行滤波并对目标进行定位的过程中，需要判断目标的运动状态是否发生改变并切换为相应的模型。与初始目标运动状态判断类似，采用如下的方法对目标运动状态的改变进行判断：
S30201根据系统时间测量误差及定位误差设置相应的判断门限T′t及T′s；
此处因为已经经过滤波，误差降低，所以门限值与上面不一定一样。
S30202根据目标信号TDOA当前时刻的滤波值tk、前两时刻的滤波值tk-1,tk-2及设定的门限T′t以及解算出当前时刻的目标位置sk、前两时刻的目标位置sk-1,sk-2及设定的门限T′s判断目标运动状态：
若|tk-tk-1|<Tt′且|tk-1-tk-2|<Tt′且|sk-sk-1|<Ts′且|sk-1-sk-2|<Ts′，说明至当前时刻，连续测量到的目标信号TDOA变化及对应的目标位置变化在一定门限范围内，目标进入静止状态；
若|tk-tk-1|>Tt′且|tk-1-tk-2|>Tt′且||tk-tk-1|-|tk-1-tk-2||<Tt′且|sk-sk-1|>Ts′且|sk-1-sk-2|>Ts′且||sk-sk-1|-|sk-1-sk-2||<Ts′，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标进入运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值在一定门限范围内，说明目标进入匀速运动状态；
若|tk-tk-1|>Tt′且|tk-1-tk-2|>Tt′且||tk-tk-1|-|tk-1-tk-2||>Tt′且|sk-sk-1|>Ts′且|sk-1-sk-2|>Ts′且||sk-sk-1|-|sk-1-sk-2||>Ts′，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标进入运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值也超出一定门限范围，说明目标进入变速运动状态。
本发明中，既涉及到目标位置又涉及到目标信号到达时间，因此同时采用目标位置及目标信号到达时间对目标运动状态进行判断。由于实际测量到的目标信号到达时间存在误差，解算出的目标位置也存在误差，采用目标位置及目标信号到达时间对目标运动状态进行联合判断，并且采用多个测量值进行判断，有利于提高对目标运动状态的判断准确度。
S4建立与目标运动状态相对应的TDOA统计模型
设k时刻目标位置sk(xk,yk)，k+1时刻目标移动到sk+1(xk+1,yk+1)，在x方向与y方向分别有位置增量Δx＝xk+1-xk与Δy＝yk+1-yk，目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差(Time Difference of Arrival，TDOA)随目标位置改变的关系为：
其中，tk+1为目标位于sk+1(xk+1,yk+1)，目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差；tk为目标位于sk(xk,yk)，目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差；αk,βk分别表示目标位于sk(xk,yk)由接收站指向目标方向的矢量与坐标轴x,y正向间的夹角。令
于是，(1)式所表示的目标位于sk+1(xk+1,yk+1)时，目标信号到达接收站Ri与Rj间的时间差与目标位于sk(xk,yk)时目标信号到达接收站Ri与Rj间的时间差的迭代关系可表为：
tk+1＝tk+akΔx+bkΔy (2)
根据(2)式，目标位于sk+1(xk+1,yk+1)时，目标信号到达接收站Ri与Rj间的时间差tk+1与目标位于sk(xk,yk)时目标信号到达接收站Ri与Rj间的时间差tk、目标sk(xk,yk)与接收站Ri与Rj的相对位置，以及目标由sk(xk,yk)移动到sk+1(xk+1,yk+1)，在x方向与y方向的位置增量Δx＝xk+1-xk与Δy＝yk+1-yk有关。由于位置增量取决于目标的具体运动模型，所以根据目标运动统计模型可以导出对应的目标信号TDOA统计模型。
S401目标处于变速运动状态，对应的目标信号TDOA统计模型
目标处于变速运动状态，目标运动模型为：
其中，x,y为目标坐标分量；为目标速度分量；为目标加速度分量；wx,wy为过程噪声分量；T为测量时间间隔。于是有
代入(2)式得
于是，目标信号TDOA的统计模型为：
状态方程：
改写为矢量-矩阵形式：
Tk+1＝FkTk+GkWk
其中：
测量方程：
zk＝tk+vk
vk为测量噪声，改写为矢量-矩阵形式：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0 0 0]，Vk＝vk。
S402目标处于匀速运动状态，对应的目标信号TDOA统计模型
目标处于匀速运动状态，目标加速度分量为0，同理可得目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：
测量方程：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0],Vk＝vk。
S403目标处于静止状态，对应的目标信号TDOA统计模型
目标处于静止状态，目标加速度分量与速度分量均为0，同理可得目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Fk＝1，Tk＝tk，Gk＝[ak bk]，Wk＝[wx,k wy,k]T。
测量方程：
Zk＝HkTk+Vk
其中：Hk＝1,Vk＝vk。
需要说明的是，以上按基本的目标运动状态物理模型推导出了目标信号TDOA统计模型，根据目标运动状态的其它物理模型，按上述方法也可以推导出相应的目标信号TDOA统计模型。
S5根据目标运动状态及相应的TDOA统计模型，对测量到的目标信号TDOA进行Kalman滤波，利用滤波后的TDOA解算目标位置。
S501建立目标信号TDOA的Kalman滤波模型,获得滤波后的TDOAi,i+1
根据上述推导，目标信号TDOA的统计模型可以统一表示为：
状态方程：
Tk+1＝FkTk+GkWk
其中，Tk为n维状态矢量；Fk为n×n维转移矩阵；Gk为n×r维输入分配矩阵；Wk为r维随机输入矢量，即过程噪声，其协方差矩阵为Qk。根据目标不同运动状态可以具体化为上述相应的矩阵。
测量方程：
Zk＝HkXk+Vk
其中，Zk为m维测量矢量；Hk为m×n维测量矩阵；Vk为m维随机扰动矢量，即测量噪声，其协方差矩阵为Rk。根据目标不同运动状态可以具体化为上述相应的矩阵。
以上的目标信号TDOA统计模型具有标准的Kalman滤波模型形式，因此，可以采用Kalman滤波对目标信号的TDOA进行最佳估计，以滤波后的TDOAi,i+1解算目标位置，提高目标定位精度。
Kalman滤波方程为：
状态更新方程：
测量更新方程：
其中，为k时刻Tk的先验状态估计，为k时刻Tk的后验状态估计，为k时刻先验估计误差方差，为k时刻后验估计误差方差，Kk为k时刻Kalman增益；Tk为k时刻n维状态矢量；Fk为k时刻n×n维转移矩阵；Gk为k时刻n×r维输入分配矩阵；Wk为k时刻r维随机输入矢量即过程噪声，Qk为k时刻过程噪声协方差矩阵；Zk为k时刻m维测量矢量；Hk为k时刻m×n维测量矩阵；Vk为k时刻m维随机扰动矢量即测量噪声，Rk为k时刻测量噪声协方差矩阵。
S502利用滤波后的TDOAi,i+1解算目标位置坐标
利用S501获得滤波后的TDOAi,i+1，建立定位方程为：
‖s(-Ri‖-‖s(-Ri+1‖＝cTDOAi,i+1(i＝1，2，…N-1)
解算出目标位置sk，此处||·||为矢量的长度，c为信号传播速度。
S6根据定位结果估计并更新滤波参数，根据S3判断目标运动状态是否发生改变并切换与目标运动状态相应的TDOA统计模型；此处滤波参数一般涉及模型中的系数矩阵及过程噪声协方差矩阵Qk和测量噪声协方差矩阵Rk。
S7重复S4—S6，实现基于目标信号TDOA滤波的分布式时差定位。
详细机场场面二维目标TDOA滤波定位实例如下：
1、机场场面二维静止目标TDOA滤波定位
图4所示为采用三个远端接收站对机场站坪上一架静止状态飞机，按上述TDOA滤波方法的定位结果，远端接收站及目标位置如图中所示。图5为对目标区域放大后的定位结果展示，图中的“点·”为未经滤波的TDOA解算出的目标位置，“圈○”为经滤波后的TDOA解算出的目标位置。因目标处于静止状态，目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Fk＝1，Tk＝tk，Gk＝[ak bk]，Wk＝[wx,k wy,k]T。
测量方程：
Zk＝HkTk+Vk
其中：Hk＝1,Vk＝vk。
由图5可见，经过TDOA滤波后的目标定位位置相对于未经TDOA滤波的目标定位位置，其定位精度大为改善。目标定位位置由未经TDOA滤波的范围较大的散点，经滤波后集中到目标位置附近较小的区域。
表1所示为远端接收站对信号到达时间测量误差为10-30纳秒(对应距离测量误差3-9米)，未经TDOA滤波的目标定位与TDOA滤波后目标定位误差。由表中给出的定位误差可见，TDOA滤波后的目标定位误差比TDOA滤波前的目标定位误差显著降低。
表1远端接收站对信号到达时间测量误差为10-30纳秒时静止目标定位误差比较
2、机场场面二维匀速运动目标TDOA滤波定位
图6所示为采用三个远端接收站对机场滑行道上一架匀速运动飞机，按上述TDOA滤波方法的定位结果，远端接收站位置及目标运动轨迹如图中所示。图7为对目标运动部分区域放大后的定位结果展示，图中的“点·”为未经滤波的TDOA解算出的目标位置，“圈○”为经滤波后的TDOA解算出的目标位置。因目标处于匀速运动状态，目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：
测量方程：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0],Vk＝vk。
由图7可见，经过TDOA滤波后的目标定位位置相对于未经TDOA滤波的目标定位位置，其定位精度大为改善。目标定位位置由未经TDOA滤波的在滑行道上范围较大的散点，经滤波后集中为一条较为集中的线状轨迹。
表2所示为远端接收站对信号到达时间测量误差为10-30纳秒(对应距离测量误差3-9米)，未经TDOA滤波的目标定位与TDOA滤波后目标定位误差。由表中给出的定位误差可见，TDOA滤波后的目标定位误差比TDOA滤波前的目标定位误差显著降低。
表2远端接收站对信号到达时间测量误差为10-30纳秒时匀速运动目标定位误差比较
3、机场场面二维匀变速运动目标TDOA滤波定位
图8所示为采用三个远端接收站对机场跑道上一架起飞的匀加速运动飞机，按上述TDOA滤波方法的定位结果，远端接收站位置及目标运动轨迹如图中所示。图9为对目标运动部分区域放大后的定位结果展示，图中的“点·”为未经滤波的TDOA解算出的目标位置，“圈○”为经滤波后的TDOA解算出的目标位置。因目标处于匀加速运动状态，目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：
测量方程：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0 0 0]，Vk＝vk。
由图9可见，经过TDOA滤波后的目标定位位置相对于未经TDOA滤波的目标定位位置，其定位精度有一定改善，但不如静止状态与匀速运动状态的改善效果明显。由于目标处于变速运动状态，需要估计的状态参数比静止状态和匀速运动状态多，而且目标在有限的距离逐渐加速，使得目标样点数量较少，滤波器尚未进入稳态，因此定位效果改善不如静止状态与匀速运动状态的效果显著，尤其在起始阶段的情况更明显。
表3所示为远端接收站对信号到达时间测量误差为10-30纳秒(对应距离测量误差3-9米)，未经TDOA滤波的目标定位与TDOA滤波后目标定位误差。由表中给出的定位误差可见，TDOA滤波后的目标定位误差比TDOA滤波前的目标定位误差有一定程度降低，但不如静止状态与匀速运动状态目标效果显著。
表3远端接收站对信号到达时间测量误差为10-30纳秒时匀变速运动目标定位误差比较
实施例二：
一种基于三维目标信号TDOA滤波的分布式时差定位方法，具体包括：
S1测量目标信号到达各远端接收站的时间(Time of Arrival，TOA)。
S2计算目标信号到达第i与i+1(i＝1,2,…,N-1)个远端接收站间的时间差TDOAi,i+1，
TDOAi,i+1＝TOAi-TOAi+1
S3根据测量到的TDOA解算目标初始位置，并根据测量到的时间及目标位置判断目标运动状态，设定滤波初值。所述根据测量到的时间及目标位置判断目标运动状态判断方法同实施例一的目标运动状态判断方法，此处不再赘述。
S4建立相应的三维目标信号TDOA统计模型。
设k时刻目标位置sk(xk,yk,zk)，k+1时刻目标移动到sk+1(xk+1,yk+1,zk+1)，在三坐标方向分别有位置增量Δx＝xk+1-xk、Δy＝yk+1-yk、Δz＝zk+1-zk。目标信号到达两接收站Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差随目标位置改变的关系为：
其中，tk+1为目标位于sk+1(xk+1,yk+1,zk+1)，目标信号到达两接收站Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差；tk为目标位于sk(xk,yk,zk)，目标信号到达两接收Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差；αk,βk,γk分别表示由接收站指向目标方向的矢量与坐标轴正向间的夹角。令
于是，(3)式所表示的目标位于sk+1(xk+1,yk+1,zk+1)时，目标信号到达接收站Ri与Rj间的时间差与目标位于sk(xk,yk,zk)时目标信号到达接收站Ri与Rj间的时间差的迭代关系可表为：
tk+1＝tk+akΔx+bkΔy+ckΔz (4)
根据(4)式，目标位于sk+1(xk+1,yk+1,zk+1)时，目标信号到达接收站Ri与Rj间的时间差tk+1与目标位于sk(xk,yk,zk)时目标信号到达接收站Ri与Rj间的时间差tk、目标sk(xk,yk,zk)与接收站Ri与Rj的相对位置，以及目标由sk(xk,yk,zk)移动到sk+1(xk+1,yk+1,zk+1)，在x、y、z方向的位置增量Δx＝xk+1-xk、Δy＝yk+1-yk、Δz＝zk+1-zk有关。由于位置增量取决于目标的具体运动模型，所以根据目标运动统计模型可以导出对应的目标信号TDOA统计模型。
S401目标处于变速运动状态，对应的目标信号TDOA统计模型
目标处于变速运动状态，目标运动模型为：
其中，x,y,z为目标坐标分量；为目标速度分量；为目标加速度分量；wx,wy,wz为过程噪声分量；T为测量时间间隔。于是有
代入(4)式得
于是，目标信号TDOA的统计模型为：
状态方程：
改写为矢量-矩阵形式：
Tk+1＝FkTk+GkWk
其中：
测量方程：
zk＝tk+vk
vk为测量噪声。改写为矢量-矩阵形式：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0 0 0 0 0]，Vk＝vk。
S402目标处于匀速运动状态，对应的目标信号TDOA统计模型
目标处于匀速运动状态，目标加速度分量为0，同理可得目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：
测量方程：
Zk＝HkTk+Vk
其中：Hk＝[1 0 0 0],Vk＝vk。
S403目标处于静止状态，对应的目标信号TDOA统计模型
目标处于静止状态，目标加速度分量与速度分量均为0，同理可得目标信号TDOA的统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Fk＝1，Tk＝tk，Gk＝[ak bk ck]，Wk＝[wx,k wy,k wz,k]T。
测量方程：
Zk＝HkTk+Vk
其中：Hk＝1，Vk＝vk。
需要说明的是，以上按基本的目标运动状态物理模型推导出了目标信号TDOA统计模型，根据目标运动状态的其它物理模型，按上述方法也可以推导出相应的目标信号TDOA统计模型。
S5根据目标运动状态及相应的TDOA统计模型，对测量到的目标信号TDOA进行Kalman滤波，利用滤波后的TDOA解算目标位置。
S501目标信号TDOA的Kalman滤波模型
根据上述推导，目标信号TDOA的统计模型可以统一表示为：
状态方程：
Tk+1＝FkTk+GkWk
其中，Tk为n维状态矢量；Fk为n×n维转移矩阵；Gk为n×r维输入分配矩阵；Wk为r维随机输入矢量，即过程噪声，其协方差矩阵为Qk。根据目标不同运动状态可以具体化为上述相应的矩阵。
测量方程：
Zk＝HkXk+Vk
其中，Zk为m维测量矢量；Hk为m×n维测量矩阵；Vk为m维随机扰动矢量，即测量噪声，其协方差矩阵为Rk。根据目标不同运动状态可以具体化为上述相应的矩阵。
以上的目标信号TDOA统计模型具有标准的Kalman滤波模型形式，因此，可以采用Kalman滤波对目标信号的TDOA进行最佳估计，以滤波后的TDOA解算目标位置，提高目标定位精度。
Kalman滤波方程为：
状态更新方程：
测量更新方程：
其中，为k时刻Tk的先验状态估计，为k时刻Tk的后验状态估计，为k时刻先验估计误差方差，为k时刻后验估计误差方差，Kk为k时刻Kalman增益；Tk为k时刻n维状态矢量；Fk为k时刻n×n维转移矩阵；Gk为k时刻n×r维输入分配矩阵；Wk为k时刻r维随机输入矢量即过程噪声，Qk为k时刻过程噪声协方差矩阵；Zk为k时刻m维测量矢量；Hk为k时刻m×n维测量矩阵；Vk为k时刻m维随机扰动矢量即测量噪声，Rk为k时刻测量噪声协方差矩阵。
S502利用滤波后的TDOAi,i+1解算目标位置坐标
利用S501获得滤波后的TDOAi,i+1，建立定位方程为：
‖s(-Ri‖-‖s(-Ri+1‖＝cTDOAi,i+1(i＝1，2，…N-1)
解算出目标位置sk，此处||·||为矢量的长度，c为信号传播速度。
S6根据定位结果估计并更新滤波参数，根据S3判断目标运动状态是否发生改变并切换与目标运动状态相应的TDOA统计模型；此处滤波参数一般涉及模型中的系数矩阵及过程噪声协方差矩阵Qk和测量噪声协方差矩阵Rk。
S7重复S4—S6，实现基于目标信号TDOA滤波的分布式时差定位。
实施例三
本发明还提供一种基于目标信号TDOA滤波的分布式时差定位装置，包括远端接收系统与中央处理系统；远端接收系统包括分布于不同位置的N个远端接收站；中央处理系统包括：
TDOA计算模块：根据远端接收系统N个远端接收站测量到的目标信号到达每个远端接收站的时间，计算信号到达两远端接收站间的时间差；
目标运动状态判断模块：用于根据测量到的目标信号到达第i与i+1个远端接收站间的时间差以及解算出的目标位置，判断目标初始运动状态及运动状态改变，并建立与目标运动状态相对应的TDOA统计模型，设定滤波初值；所述目标运动状态判断方法包括：
1、滤波初始目标运动状态判断
对目标信号TDOA进行滤波并对目标进行定位前，需要判断目标的运动状态并选择相应的模型。采用如下的方法对目标运动状态进行判断：
连续三次测量目标信号TDOA，得到t1,t2,t3，并根据测量到的目标信号TDOA，直接解算出目标的三个位置s1,s2,s3；
根据系统时间测量误差及定位误差设置相应的判断门限Tt及Ts；
根据测量到的目标信号TDOAt1,t2,t3与设定的门限Tt以及解算出的目标位置s1,s2,s3及设定的门限Ts判断目标运动状态：
若|t2-t1|<Tt且|t3-t2|<Tt且|s2-s1|<Ts且|s3-s2|<Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化在一定门限范围内，目标处于静止状态；
若|t2-t1|>Tt且|t3-t2|>Tt且||t3-t2|-|t2-t1||<Tt且|s2-s1|>Ts且|s3-s2|>Ts且||s3-s2|-|s2-s1||<Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标处于运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值在一定门限范围内，说明目标处于匀速运动状态；
若|t2-t1|>Tt且|t3-t2|>Tt且||t3-t2|-|t2-t1||>Tt且|s2-s1|>Ts且|s3-s2|>Ts且||s3-s2|-|s2-s1||>Ts，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标处于运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值也超出一定门限范围，说明目标处于变速运动状态。
2、目标运动状态改变的判断
在对目标信号TDOA进行滤波并对目标进行定位的过程中，需要判断目标的运动状态是否发生改变并切换为相应的模型。与初始目标运动状态判断类似，采用如下的方法对目标运动状态的改变进行判断：
根据系统时间测量误差及定位误差设置相应的判断门限T′t及T′s；此处因为已经经过滤波，误差降低，所以门限值与上面不一定一样。
根据目标信号TDOA当前时刻的滤波值tk、前两时刻的滤波值tk-1,tk-2及设定的门限T′t以及解算出当前时刻的目标位置sk、前两时刻的目标位置sk-1,sk-2及设定的门限T′s判断目标运动状态：
若|tk-tk-1|<Tt′且|tk-1-tk-2|<Tt′且|sk-sk-1|<Ts′且|sk-1-sk-2|<Ts′，说明至当前时刻，连续测量到的目标信号TDOA变化及对应的目标位置变化在一定门限范围内，目标进入静止状态；
若|tk-tk-1|>Tt′且|tk-1-tk-2|>Tt′且||tk-tk-1|-|tk-1-tk-2||<Tt′且|sk-sk-1|>Ts′且|sk-1-sk-2|>Ts′且||sk-sk-1|-|sk-1-sk-2||<Ts′，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标进入运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值在一定门限范围内，说明目标进入匀速运动状态；
若|tk-tk-1|>Tt′且|tk-1-tk-2|>Tt′且||tk-tk-1|-|tk-1-tk-2||>Tt′且|sk-sk-1|>Ts′且|sk-1-sk-2|>Ts′且||sk-sk-1|-|sk-1-sk-2||>Ts′，说明连续测量到的目标信号TDOA变化及对应的目标位置变化超出一定门限，目标进入运动状态；而目标信号TDOA的连续两次改变量差值及对应的目标位置的连续两次改变量差值也超出一定门限范围，说明目标进入变速运动状态。
TDOA滤波器：与目标运动状态判断模块相连，用于根据目标运动状态及相应的TDOA统计模型，对接收到的目标信号TDOA进行Kalman滤波；
目标位置解算模块：用于利用滤波后的TDOA解算目标位置；
滤波参数估计模块：与目标位置解算模块和TDOA滤波器相连，用于根据定位结果估计并更新滤波参数并输出至TDOA滤波器。
实施例四
本发明实施例提供的一种电子设备，其硬件结构示意图如图10所示，该电子设备包括：处理器、存储器和计算机程序；其中
存储器，用于存储计算机程序，该存储器还可以是闪存(flash)。计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器，用于执行存储器存储的计算机程序，以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器既可以是独立的，也可以跟处理器集成在一起。
当存储器是独立于处理器之外的器件时，电子设备还可以包括：
总线，用于连接存储器和处理器。
上述电子设备的具体表现形式可以是计算机终端，也可以是服务器，还可以是带有显示屏的计算机系统等。
本发明还提供一种可读存储介质，该可读存储介质中存储有计算机程序，该计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种基于目标信号TDOA滤波的分布式时差定位方法，其特征在于，包括：
测量k时刻目标信号到达各远端接收站的时间；
计算目标信号到达相邻两个远端接收站间的时间差TDOA；
根据目标信号到达相邻两个远端接收站间的时间差TDOA解算目标初始位置，并根据远端接收站测量到的时间及目标位置判断目标运动状态，设定滤波初值；
建立与目标运动状态相对应的TDOA统计模型；
根据目标运动状态及相应的TDOA统计模型，对目标信号到达相邻两个远端接收站间的时间差TDOA进行Kalman滤波，并利用滤波后的TDOA解算k时刻目标位置；
根据目标位置解算结果估计并更新滤波参数，判断目标运动状态是否发生改变并切换与目标运动状态相应的TDOA统计模型；
重复上述步骤对k+1时刻目标信号到达相邻两个远端接收站间的时间差TDOA进行Kalman滤波，利用滤波后的TDOA解算k+1时刻目标位置；
所述根据远端接收站测量到的时间及目标位置判断目标运动状态，包括滤波初始目标运动状态判断，包括如下步骤：
连续三次测量目标信号TDOA，得到t1,t2,t3，并根据测量到的目标信号TDOA，直接解算出目标的三个位置s1,s2,s3；
根据系统时间测量误差及定位误差设置相应的判断门限Tt及Ts；
根据测量到的目标信号TDOAt1,t2,t3与设定的门限Tt以及解算出的目标位置s1,s2,s3及设定的门限Ts判断目标运动状态：
若|t2-t1|＜Tt且|t3-t2|＜Tt且|s2-s1|＜Ts且|s3-s2|＜Ts，则目标处于静止状态；
若|t2-t1|＞Tt且|t3-t2|＞Tt且||t3-t2|-|t2-t1||＜Tt且|s2-s1|＞Ts且
|s3-s2|＞Ts且||s3-s2|-|s2-s1||＜Ts，则目标处于匀速运动状态；
若|t2-t1|＞Tt且|t3-t2|＞Tt且||t3-t2|-|t2-t1||＞Tt且|s2-s1|＞Ts且
|s3-s2|＞Ts且||s3-s2|-|s2-s1||＞Ts，则目标处于变速运动状态；
所述根据远端接收站测量到的时间及目标位置判断目标运动状态，还包括目标运动状态改变的判断，包括如下步骤：
根据目标信号TDOA当前时刻的滤波值tk、前两时刻的滤波值tk-1,tk-2及设定的门限T′t以及解算出当前时刻的目标位置sk、前两时刻的目标位置sk-1,sk-2及设定的门限T′s判断目标运动状态：
若|tk-tk-1|＜T′t且|tk-1-tk-2|＜T′t且|sk-sk-1|＜T′s且|sk-1-sk-2|＜T′s，则目标进入静止状态；
若|tk-tk-1|＞T′t且|tk-1-tk-2|＞T′t且||tk-tk-1|-|tk-1-tk-2||＜T′t且
|sk-sk-1|＞T′s且|sk-1-sk-2|＞T′s且||sk-sk-1|-|sk-1-sk-2||＜T′s，则目标进入匀速运动状态；
若|tk-tk-1|＞T′t且|tk-1-tk-2|＞T′t且||tk-tk-1|-|tk-1-tk-2||＞T′t且
|sk-sk-1|＞T′s且|sk-1-sk-2|＞T′s且||sk-sk-1|-|sk-1-sk-2||＞T′s，则目标进入变速运动状态。
2.根据权利要求1所述的基于目标信号TDOA滤波的分布式时差定位方法，其特征在于，目标处于变速运动状态，二维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Tk为k时刻n维状态矢量，且
Fk为k时刻n×n维转移矩阵，且
Gk为k时刻n×r维输入分配矩阵，且
Wk为k时刻r维随机输入矢量即过程噪声，且
测量方程：
Zk＝HkTk+Vk
其中：Zk为m维测量矢量；
Hk为k时刻m×n维测量矩阵，且Hk＝[10000]
Vk为k时刻m维随机扰动矢量，且Vk＝vk，vk为测量噪声；
tk为k时刻目标位于sk(xk,yk)目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差；
sk(xk,yk)为k时刻目标位置；
αk,βk分别表示k时刻目标位于sk(xk,yk)由接收站指向目标方向的矢量与坐标轴x,y正向间的夹角，且
x,y为目标坐标分量；为目标速度分量；为目标加速度分量；wx,wy为过程噪声分量；T为测量时间间隔；c为信号传播速度；
目标处于变速运动状态，三维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Tk为k时刻n维状态矢量，且
Fk为k时刻n×n维转移矩阵，且Gk为k时刻n×r维输入分配矩阵，且
Wk为k时刻r维随机输入矢量即过程噪声，且
测量方程：
Zk＝HkTk+Vk
其中：Zk为m维测量矢量；
Hk为k时刻m×n维测量矩阵，且Hk＝[1000000]；
Vk为k时刻m维随机扰动矢量，且Vk＝vk，vk为测量噪声；
tk为k时刻目标位于sk(xk,yk,zk)目标信号到达两接收Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差；
sk(xk,yk,zk)为k时刻目标位置，αk,βk,γk分别表示k时刻由接收站指向目标方向的矢量与坐标轴正向间的夹角，且
x,y,z为目标坐标分量；为目标速度分量；为目标加速度分量；wx,wy,wz为过程噪声分量；T为测量时间间隔。
3.根据权利要求1所述的基于目标信号TDOA滤波的分布式时差定位方法，其特征在于，目标处于匀速运动状态，二维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Tk为k时刻n维状态矢量，且
Fk为k时刻n×n维转移矩阵，且
Gk为k时刻n×r维输入分配矩阵，且
Wk为k时刻r维随机输入矢量即过程噪声，且
测量方程：
Zk＝HkTk+Vk
其中：Zk为m维测量矢量；
Hk为k时刻m×n维测量矩阵，且Hk＝[100]
Vk为k时刻m维随机扰动矢量，且Vk＝vk，vk为测量噪声；
tk为k时刻目标位于sk(xk,yk)目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差；
sk(xk,yk)为k时刻目标位置；αk,βk分别表示k时刻目标位于sk(xk,yk)由接收站指向目标方向的矢量与坐标轴x,y正向间的夹角，且
ak＝1c(cosαi,k-cosαj,k)，bk＝1c(cosβi,k-cosβj,k)，
x,y为目标坐标分量；为目标速度分量；wx,wy为过程噪声分量；T为测量时间间隔；
目标处于匀速运动状态，三维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Tk为k时刻n维状态矢量，且
Fk为k时刻n×n维转移矩阵，且
Gk为k时刻n×r维输入分配矩阵，且
Wk为k时刻r维随机输入矢量即过程噪声，且
测量方程：
Zk＝HkTk+Vk
其中：
Zk为m维测量矢量；
Hk为k时刻m×n维测量矩阵，且Hk＝[1000]
Vk为k时刻m维随机扰动矢量，且Vk＝vk，vk为测量噪声；
tk为k时刻目标位于sk(xk,yk,zk)目标信号到达两接收Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差；
sk(xk,yk,zk)为k时刻目标位置，αk,βk,γk分别表示k时刻由接收站指向目标方向的矢量与坐标轴正向间的夹角，且
x,y,z为目标坐标分量；为目标速度分量；wx,wy,wz为过程噪声分量；T为测量时间间隔。
4.根据权利要求1所述的基于目标信号TDOA滤波的分布式时差定位方法，其特征在于，目标处于静止状态，二维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Tk为k时刻n维状态矢量，且Tk＝tk；
Fk为k时刻n×n维转移矩阵，且Fk＝1；
Gk为k时刻n×r维输入分配矩阵，且Gk＝[akbk]；
Wk为k时刻r维随机输入矢量即过程噪声，且Wk＝[wx,kwy,k]T；
测量方程：
Zk＝HkTk+Vk
其中：Hk＝1,Vk＝vk；
tk为k时刻目标位于sk(xk,yk)目标信号到达两接收站Ri(xi,yi)与Rj(xj,yj)间的时间差；
sk(xk,yk)为k时刻目标位置；
αk,βk分别表示k时刻目标位于sk(xk,yk)由接收站指向目标方向的矢量与坐标轴x,y正向间的夹角，且
x,y为目标坐标分量；wx,wy为过程噪声分量；
目标处于静止状态，三维目标对应的目标信号TDOA统计模型为：
状态方程：
Tk+1＝FkTk+GkWk
其中：Fk＝1，Tk＝tk，Gk＝[akbkck]，Wk＝[wx,kwy,kwz,k]T；
测量方程：
Zk＝HkTk+Vk
其中：Hk＝1，Vk＝vk；
Hk为k时刻m×n维测量矩阵，且Hk＝1；
Vk为k时刻m维随机扰动矢量，且Vk＝vk，vk为测量噪声；
tk为k时刻目标位于sk(xk,yk,zk)目标信号到达两接收Ri(xi,yi,zi)与Rj(xj,yj,zj)间的时间差；
sk(xk,yk,zk)为k时刻目标位置，αk,βk,γk分别表示k时刻由接收站指向目标方向的矢量与坐标轴正向间的夹角，且
x,y,z为目标坐标分量；wx,wy,wz为过程噪声分量。
5.根据权利要求1所述基于目标信号TDOA滤波的分布式时差定位方法，其特征在于，所述目标信号TDOA的Kalman滤波方程为：
状态更新方程：
测量更新方程：
其中，为k时刻Tk的先验状态估计，为k时刻Tk的后验状态估计，为k时刻先验估计误差方差，为k时刻后验估计误差方差，Kk为k时刻Kalman增益；Tk为k时刻n维状态矢量；Fk为k时刻n×n维转移矩阵；Gk为k时刻n×r维输入分配矩阵；Qk为k时刻过程噪声协方差矩阵；Zk为k时刻m维测量矢量；Hk为k时刻m×n维测量矩阵，Rk为k时刻测量噪声协方差矩阵。
6.一种基于目标信号TDOA滤波的分布式时差定位装置，其特征在于，包括远端接收系统与中央处理系统；远端接收系统包括分布于不同位置的N个远端接收站；中央处理系统包括：
TDOA计算模块：根据远端接收系统N个远端接收站测量到的目标信号到达每个远端接收站的时间，计算信号到达两远端接收站间的时间差；
目标运动状态判断模块：用于根据测量到的目标信号到达第i与i+1个远端接收站间的时间差以及解算出的目标位置，判断目标初始运动状态及运动状态改变，并建立与目标运动状态相对应的TDOA统计模型，设定滤波初值；
TDOA滤波器：与目标运动状态判断模块相连，用于根据目标运动状态及相应的TDOA统计模型，对接收到的目标信号TDOA进行Kalman滤波；
目标位置解算模块：用于利用滤波后的TDOA解算目标位置；
滤波参数估计模块：与目标位置解算模块和TDOA滤波器相连，用于根据定位结果估计并更新滤波参数并输出至TDOA滤波器；
所述根据远端接收站测量到的时间及目标位置判断目标运动状态，包括滤波初始目标运动状态判断，包括如下步骤：
连续三次测量目标信号TDOA，得到t1,t2,t3，并根据测量到的目标信号TDOA，直接解算出目标的三个位置s1,s2,s3；
根据系统时间测量误差及定位误差设置相应的判断门限Tt及Ts；
根据测量到的目标信号TDOAt1,t2,t3与设定的门限Tt以及解算出的目标位置s1,s2,s3及设定的门限Ts判断目标运动状态：
若|t2-t1|＜Tt且|t3-t2|＜Tt且|s2-s1|＜Ts且|s3-s2|＜Ts，则目标处于静止状态；
若|t2-t1|＞Tt且|t3-t2|＞Tt且||t3-t2|-|t2-t1||＜Tt且|s2-s1|＞Ts且
|s3-s2|＞Ts且||s3-s2|-|s2-s1||＜Ts，则目标处于匀速运动状态；
若|t2-t1|＞Tt且|t3-t2|＞Tt且||t3-t2|-|t2-t1||＞Tt且|s2-s1|＞Ts且
|s3-s2|＞Ts且||s3-s2|-|s2-s1||＞Ts，则目标处于变速运动状态；
所述根据远端接收站测量到的时间及目标位置判断目标运动状态，还包括目标运动状态改变的判断，包括如下步骤：
根据目标信号TDOA当前时刻的滤波值tk、前两时刻的滤波值tk-1,tk-2及设定的门限T′t以及解算出当前时刻的目标位置sk、前两时刻的目标位置sk-1,sk-2及设定的门限T′s判断目标运动状态：
若|tk-tk-1|＜T′t且|tk-1-tk-2|＜T′t且|sk-sk-1|＜T′s且|sk-1-sk-2|＜T′s，则目标进入静止状态；
若|tk-tk-1|＞T′t且|tk-1-tk-2|＞T′t且||tk-tk-1|-|tk-1-tk-2||＜T′t且
|sk-sk-1|＞T′s且|sk-1-sk-2|＞T′s且||sk-sk-1|-|sk-1-sk-2||＜T′s，则目标进入匀速运动状态；
若|tk-tk-1|＞T′t且|tk-1-tk-2|＞T′t且||tk-tk-1|-|tk-1-tk-2||＞T′t且
|sk-sk-1|＞T′s且|sk-1-sk-2|＞T′s且||sk-sk-1|-|sk-1-sk-2||＞T′s，则目标进入变速运动状态。
7.一种电子设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如权利要求1至5中任意一种所述基于目标信号TDOA滤波的分布式时差定位方法。
8.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1至5中任意一种所述基于目标信号TDOA滤波的分布式时差定位方法。
CN202010420107.7A 2020-05-18 2020-05-18 基于目标信号tdoa滤波的分布式时差定位方法及装置 Active CN111781556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010420107.7A CN111781556B (zh) 2020-05-18 2020-05-18 基于目标信号tdoa滤波的分布式时差定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010420107.7A CN111781556B (zh) 2020-05-18 2020-05-18 基于目标信号tdoa滤波的分布式时差定位方法及装置

Publications (2)

Publication Number Publication Date
CN111781556A CN111781556A (zh) 2020-10-16
CN111781556B true CN111781556B (zh) 2023-08-18

Family

ID=72754095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010420107.7A Active CN111781556B (zh) 2020-05-18 2020-05-18 基于目标信号tdoa滤波的分布式时差定位方法及装置

Country Status (1)

Country Link
CN (1) CN111781556B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101925178A (zh) * 2010-09-16 2010-12-22 上海交通大学 异步无线传感器网络的运动目标跟踪方法
CN105044667A (zh) * 2015-07-29 2015-11-11 中国电子科技集团公司第三十六研究所 一种运动目标的双星跟踪方法、装置和系统
CN105676181A (zh) * 2016-01-15 2016-06-15 浙江大学 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法
CN108038868A (zh) * 2017-10-17 2018-05-15 国网河南省电力公司郑州供电公司 基于三维数字模型的变电站复杂环境跨视场目标跟踪方法
RU2660498C1 (ru) * 2017-07-12 2018-07-06 Акционерное общество "Концерн радиостроения "Вега" Способ трассового сопровождения воздушных маневрирующих источников радиоизлучения по пеленговой информации от однопозиционной системы радиотехнической разведки воздушного базирования
KR20180107964A (ko) * 2017-03-23 2018-10-04 국방과학연구소 Tdoa/fdoa 조합을 이용한 위치탐지방법 및 장치
CN108827321A (zh) * 2018-06-14 2018-11-16 上海卫星工程研究所 一种多星协同动目标自适应测向定位与跟踪方法
CN109764865A (zh) * 2019-01-25 2019-05-17 北京交通大学 一种基于mems和uwb的室内定位方法
CN110471029A (zh) * 2019-08-16 2019-11-19 天津大学 一种基于扩展卡尔曼滤波的单站无源定位方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE534644C2 (sv) * 2008-03-27 2011-11-01 Sics Swedish Inst Of Comp Science Ab Förfarande och system för lokalisering av noder
IL227285A0 (en) * 2013-07-01 2013-12-31 Rami Goldreich Multipath interference reduction for geo-location based on time-of-arrival

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101925178A (zh) * 2010-09-16 2010-12-22 上海交通大学 异步无线传感器网络的运动目标跟踪方法
CN105044667A (zh) * 2015-07-29 2015-11-11 中国电子科技集团公司第三十六研究所 一种运动目标的双星跟踪方法、装置和系统
CN105676181A (zh) * 2016-01-15 2016-06-15 浙江大学 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法
KR20180107964A (ko) * 2017-03-23 2018-10-04 국방과학연구소 Tdoa/fdoa 조합을 이용한 위치탐지방법 및 장치
RU2660498C1 (ru) * 2017-07-12 2018-07-06 Акционерное общество "Концерн радиостроения "Вега" Способ трассового сопровождения воздушных маневрирующих источников радиоизлучения по пеленговой информации от однопозиционной системы радиотехнической разведки воздушного базирования
CN108038868A (zh) * 2017-10-17 2018-05-15 国网河南省电力公司郑州供电公司 基于三维数字模型的变电站复杂环境跨视场目标跟踪方法
CN108827321A (zh) * 2018-06-14 2018-11-16 上海卫星工程研究所 一种多星协同动目标自适应测向定位与跟踪方法
CN109764865A (zh) * 2019-01-25 2019-05-17 北京交通大学 一种基于mems和uwb的室内定位方法
CN110471029A (zh) * 2019-08-16 2019-11-19 天津大学 一种基于扩展卡尔曼滤波的单站无源定位方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢宇 ; 刘昌忠 ; 徐自励.《改进的机场分布式多点定位算法及应用》.《计算机工程与应用》.2013, *

Also Published As

Publication number Publication date
CN111781556A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN110375730B (zh) 基于imu和uwb融合的室内定位导航系统
CN107255795B (zh) 基于ekf/efir混合滤波的室内移动机器人定位方法和装置
CN106950562B (zh) 一种基于预测值量测转换的状态融合目标跟踪方法
CN111721289A (zh) 车辆定位方法、装置、设备、存储介质及车辆
IL238877A (en) Kalman filtering with indirect noise measurements
CN108196267B (zh) 一种基于gnss cp技术的不间断时间传递方法
CN109507706B (zh) 一种gps信号丢失的预测定位方法
CN109059907A (zh) 轨迹数据处理方法、装置、计算机设备和存储介质
CN110132281B (zh) 一种基于询问应答模式的水下高速目标高精度自主声学导航方法
CN111007557B (zh) 自适应运动学模型辅助的gnss载波相位与多普勒融合测速方法
CN112229406A (zh) 一种多余度引导全自动着陆信息融合方法及系统
CN110412546A (zh) 一种用于水下目标的定位方法及系统
CN115204212A (zh) 一种基于stm-pmbm滤波算法的多目标跟踪方法
CN111505573B (zh) 一种分布式定位系统的航迹生成方法及装置
CN111781556B (zh) 基于目标信号tdoa滤波的分布式时差定位方法及装置
CN104101861A (zh) 测距定位方法及系统
RU2692837C2 (ru) Способ определения параметров движения шумящего объекта
CN111896946B (zh) 一种基于航迹拟合的连续时间目标跟踪方法
CN110736459B (zh) 惯性量匹配对准的角形变测量误差评估方法
CN106610293B (zh) 一种基于强度差分的室内定位方法及系统
CN109581494B (zh) 叠前偏移方法及装置
CN113689501B (zh) 一种基于收敛点的双机协同目标机定位跟踪控制方法
CN106885567A (zh) 一种惯导协作定位方法及定位设备
CN110716219A (zh) 一种提高定位解算精度的方法
CN114035154A (zh) 一种运动参数辅助的单站射频信号定位方法

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