CN115508774B - 基于两步加权最小二乘的时差定位方法、装置和存储介质 - Google Patents
基于两步加权最小二乘的时差定位方法、装置和存储介质 Download PDFInfo
- Publication number
- CN115508774B CN115508774B CN202211249658.7A CN202211249658A CN115508774B CN 115508774 B CN115508774 B CN 115508774B CN 202211249658 A CN202211249658 A CN 202211249658A CN 115508774 B CN115508774 B CN 115508774B
- Authority
- CN
- China
- Prior art keywords
- radiation source
- target radiation
- weighted
- source position
- time difference
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000005855 radiation Effects 0.000 claims abstract description 59
- 239000013598 vector Substances 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims 3
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical group CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000012795 verification Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于两步加权最小二乘的时差定位方法、装置和存储介质,步骤1,基于目标辐射源的非合作信号到达不同信号接收站的时间差构建基于TDOA的目标辐射源位置方程组,定义辅助向量,将所述目标辐射源位置方程组转化为线性方程组,利用加权最小二乘法计算得到辅助向量估计值,并计算所述辅助向量估计值的协方差矩阵;步骤2,基于所述辅助向量估计值,构建基于TDOA的目标辐射源位置约束方程,利用加权最小二乘法计算得到目标辐射源最终位置。通过仿真验证在较小噪声条件(实际场景中分布式无源定位系统能轻易达到的)下,该方法能达到克拉美罗下界(Cramer‑Rao Lower Bound,CRLB)能够避免最终定位结果对初值选取的依赖,提升分布式电子侦察无源定位系统的定位精度。
Description
研究领域
本发明属于电子侦察技术领域,尤其涉及基于到达时间差的分布式无源定位方法。
背景技术
基于到达时间差(Time Difference of Arrival, TDOA)的分布式无源定位,又称为时差法多站无源定位,是指通过分布在不同地方的多个信号接收站对来自同一目标辐射源的非合作信号进行接收处理,从而获得目标辐射源的非合作信号到达不同信号接收站的时间差,根据时间差信息建立包含辐射源位置的相关定位方程,实现对目标辐射源位置的解算。
对于传统的迭代方法,主要有以梯度下降法、牛顿法、高斯-牛顿迭代法、Levenberg-Marquardt方法等为代表的局部优化算法和以粒子群算法、遗传进化算法等为代表的全局优化算法,其共同的特点为将目标辐射源的位置设置为待求解参数,通过最优化算法对目标函数进行迭代,使其低于设定的阈值或达到最大迭代步数停止迭代,从而得到最终的目标辐射源位置。其中,局部优化算法收敛速度快,但其易受初值影响,对先验信息极度依赖;全局优化算法虽然在一定程度上减少了对初值选取的依赖,但仍受制于先验信息的准确度,且其迭代耗时更长。
因此,对基于到达时间差的分布式无源定位系统,需要一个更加精确的定位方法,对于电子侦察无源分布式定位系统性能的提升非常关键。
发明内容
本发明针对基于到达时间差的分布式无源定位方法展开研究,针对现有技术中遇到的问题,本发明设计一种基于两步加权最小二乘的时差定位方法,能够避免最终定位结果对初值选取的依赖,提升分布式电子侦察无源定位的定位精度。该方法通过定义辅助向量将非线性的基于TDOA的目标辐射源位置方程组转化为线性方程组,利用加权最小二乘法计算得到辅助向量估计值;基于第一步的辅助向量估计值构建基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算得到最终的目标辐射源坐标,从而提升分布式电子侦察无源定位系统的定位精度。
本发明要解决的技术问题可通过以下技术方案实现,一种基于两步加权最小二乘的时差定位方法,其步骤如下:
步骤1:基于目标辐射源的非合作信号到达不同信号接收站的时间差构建基于TDOA的目标辐射源位置方程组,定义辅助向量,将所述目标辐射源位置方程组转化为线性方程组,利用加权最小二乘法计算得到辅助向量估计值,并计算所述辅助向量估计值的协方差矩阵;
优选的步骤1包括:
所述信号接收站为M个(M>=3,M为正整数),假设所述目标辐射源的位置,第/>个所述信号接收站的位置为,所述信号接收站的位置测量误差忽略不计,则,各所述信号接收站与所述目标辐射源之间的真实距离可表示为:
…(1)
选取任意一个信号接收站为主站,其余信号接收站为辅站,则目标辐射源到主站与各辅站之间的真实距离差为:
…(2)
其向量形式为。
步骤1.2:联合步骤1.1中式(1)-(2)得到基于TDOA的目标辐射源位置方程组为:
…(3)
利用实际测量数据得到的距离差向量,其可表示为:
…(4)
式中测量噪声分别为,其中TDOA实际测量的噪声为/>,假设测量噪声服从均值为零且互相独立的高斯分布,则其协方差矩阵为:
…(5)
将代入式(3)中并忽略二阶误差项,可得:
…(6)
步骤1.3:定义辅助向量,式(6)可写成如下矩阵形式:
…(7)
其中,
…(8)
其中;
为了使最小,/>是适当的正定权值矩阵,则式(7)辅助向量的加权最小二乘估计值/>为:
…(9)
误差向量的协方差矩阵为:
…(10)
方差越小的项可靠性越高,令,式(9)中/>为目标辐射源位置的估计值,令/>为/>的估计值,式(9)中的估计误差为:
…(11)
由于式(11)中均值为零,因此第1步的估计值是渐近无偏估计,式(9)估计值的协方差矩阵为:
…(12)。
步骤2:利用第一步得到的辅助向量估计值,构建基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算得到目标辐射源最终位置。
优选的步骤2包括:
步骤2.1:基于所述辅助向量估计值,构建所述基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算得到目标辐射源位置第二估计值;
辅助变量是假设目标辐射源位置参数与额外变量之间相互独立,但是实际上它们之间存在如下的非线性关系:
…(13)
目标真实位置与第1步估计的/>间的误差为:
…(14)
根据式(14)变形可得:
…(15)
与第1步估计的/>之间的误差为:
…(16)
将式(16)代入式(13)中,并将近似地由/>表示,可得:
…(17)
联立式(15)和式(17),并写成矩阵形式:
…(18)
其中,
…(19)
其中,是/>的单位矩阵。为了使/>最小,/>是适当的正定权值矩阵,则式(18)的加权最小二乘估计/>为:
…(20)
误差向量的协方差矩阵为:
…(21)
方差越小的项可靠性越高,令。于是,最终的目标辐射源位置的估计值由下式得到:
…(22)
其中。
步骤2.2:基于目标辐射源位置第二估计值,构建所述基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算最终的目标辐射源位置坐标。
式(20)中的估计误差为:
…(23)
由前可得,因此第2步的估计值是渐近无偏估计。式(20)估计值的协方差矩阵为:
…(24)
目标真实位置与第2步估计的/>间的误差为:
…(25)
根据式(13)变形可得:
…(26)
将式(26)写成矩阵形式:
…(27)
将式(27)写成矩阵形式:
…(28)
其中,
…(29)
为了使最小,/>是适当的正定权值矩阵,则式(28)的加权最小二乘估计/>为:
…(30)
根据式(29)-(30),得到:
…(31)
由前可得,因此/>,最终估计的目标辐射源位置的协方差矩阵为:
…(32)。
基于两步加权最小二乘的时差定位装置,包括一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的基于两步加权最小二乘的时差定位方法。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的基于两步加权最小二乘的时差定位方法。
本发明的有益效果:
本发明技术方案中,完成了两步加权最小二乘的时差定位方法的理论推导与仿真试验验证,证明了在较小的噪声条件(实际场景中分布式无源定位系统能轻易达到的)下,该方法能达到克拉美罗下界(Cramer-Rao Lower Bound, CRLB)。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实例提供的分布式多站时差定位示意图。
图2是本发明实例提供的定位偏差Bias与时差测量值中高斯白噪声方差的关系图。
图3是本发明实例提供的定位均方根误差RMSE、CRLB与时差测量值中高斯白噪声方差的关系图。
图4是本发明方法流程图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
为解决现有技术存在的问题,本实施例提供一种基于两步加权最小二乘的时差定位方法,其流程如图4所示,主要包括以下步骤:
假设在三维空间中利用(M>=3,M为正整数)个信号接收站对目标辐射源进行定位,目标辐射源的位置/>,第/>个信号接收站的位置为,信号接收站的位置测量误差忽略不计,则,各信号接收站与目标辐射源之间的真实距离可表示为:
…(1)
选取任意一个信号接收站为主站,其余信号接收站为辅站,则目标到主站与各辅站之间的真实距离差为:
…(2)
其向量形式为,联合式(1)-(2)可得基于基于TDOA的目标辐射源位置方程为:
…(3)
利用实际测量数据得到的距离差向量,其可表示为:
…(4)
式中测量噪声分别为,其中TDOA实际测量的噪声为/>。假设测量噪声服从均值为零且互相独立的高斯分布,则其协方差矩阵为:
…(5)
算法第1步:将代入式(3)中并忽略二阶误差项,可得:
…(6)
定义辅助向量,式(6)可写成如下矩阵形式:
…(7)
其中,
…(8)
其中。
为了使最小,/>是适当的正定权值矩阵,则式(7)的加权最小二乘估计为:
…(9)
误差向量的协方差矩阵为:
…(10)
方差越小的项可靠性越高,令。式(9)中/>为第1步得到的目标辐射源位置的估计值,令/>为/>的估计值。式(9)中的估计误差为:
…(11)
由于式(11)中均值为零,因此第1步的估计值是渐近无偏估计。式(9)估计值的协方差矩阵为:
…(12)
算法第2步:第1步中引入的辅助变量是假设目标参数与额外变量之间相互独立,但是实际上它们之间存在如下的非线性关系:
…(13)
目标真实位置与第1步估计的/>间的误差为:
…(14)
根据式(14)变形可得:
…(15)
与第1步估计的/>之间的误差为:
…(16)
将式(16)代入式(13)中,并将近似地由/>表示,可得:
…(17)
联立式(15)和式(17),并写成矩阵形式:
…(18)
其中,
…(19)
其中,是/>的单位矩阵。为了使/>最小,/>是适当的正定权值矩阵,则式(18)的加权最小二乘估计/>为:
…(20)
误差向量的协方差矩阵为:
…(21)
方差越小的项可靠性越高,令。于是,最终的目标辐射源位置的估计值由下式得到:
…(22)
其中。式(20)中的估计误差为:
…(23)
由前可得,因此第2步的估计值是渐近无偏估计。式(20)估计值的协方差矩阵为:
…(24)
目标真实位置与第2步估计的/>间的误差为:
…(25)
根据式(13)变形可得:
…(26)
将式(26)写成矩阵形式:
…(27)
将式(27)写成矩阵形式:
…(28)
其中,
…(29)
为了使最小,/>是适当的正定权值矩阵,则式(28)的加权最小二乘估计/>为:
…(30)
根据式(29)-(30),得到:
…(31)
由前可得,因此/>,最终估计的目标辐射源位置的协方差矩阵为:
…(32)
实施例二
下面通过仿真实验对本发明效果作进一步验证说明。
(一)仿真条件
本发明的仿真运行环境为Intel(R) Xeon(R) W-10855M CPU @2.80GHz 2.81GHz,内存64G的Windows 10操作系统,仿真软件采用MATLAB(R2021a)。
(二)仿真内容与结果分析
请参见图1,图1是分布式多站时差定位示意图,假设地面基站1真实坐标,地面基站2真实坐标/>,海面基站3真实坐标,地面基站4真实坐标/>,海面基站5真实坐标,为TDOA时差测量值添加均值为零,方差为/>(标准差为)的高斯白噪声,蒙特卡洛次数为10000次,研究定位偏差Bias和定位均方根误差RMSE与高斯白噪声方差的关系。
请参见图2,图2是定位偏差Bias与时差测量值中高斯白噪声方差的关系图。从图2中可看出,在高斯白噪声方差较小时,定位偏差Bias基本保持均值为零的特性;在高斯白噪声方差较大时,CRLB随着时差测量值中高斯白噪声方差的增大而急剧增大。在实际场景中,分布式无源定位系统的时差测量误差在数十纳秒以内,在该条件下,本发明提出的方法有非常小的定位误差,精度可达数米之内。
请参见图3,图3是定位均方根误差RMSE、CRLB与时差测量值中高斯白噪声方差的关系图。从图3中可看出,定位均方根误差RMSE、CRLB随着时差测量值中高斯白噪声方差增大而增大,在高斯白噪声方差较小时,所提出的两步加权最小二乘算法能达到CRLB。
综上所述,仿真实验验证了本发明的正确性,有效性和可靠性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应该视为本发明的保护范围。
Claims (7)
1.一种基于两步加权最小二乘的时差定位方法,其特征在于步骤如下:
步骤1:基于目标辐射源的非合作信号到达不同信号接收站的时间差构建基于TDOA的目标辐射源位置方程组,定义辅助向量,将所述目标辐射源位置方程组转化为线性方程组,利用加权最小二乘法计算得到辅助向量估计值;
步骤2:基于所述辅助向量估计值,构建基于TDOA的目标辐射源位置约束模型,利用加权最小二乘法计算得到目标辐射源最终位置,包括:
步骤2.1:基于所述辅助向量估计值,构建所述基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算得到目标辐射源位置第二估计值,包括:
辅助向量是目标辐射源位置参数与额外变量之间存在如下的非线性关系:
r1 o2=(uo-s1)T(uo-s1)...(13)
目标真实位置uo与第1步估计的θ1,u间的误差为:
Δu1=θ1,u-uo...(14)
根据式(14)变形可得:
(uo-s1)⊙(uo-s1)
=(θ1,u-s1)⊙(θ1,u-s1)-2(θ1,u-s1)⊙△u1...(15)
r1 o与第1步估计的之间的误差为:
Δr1=r1-r1 o...(16)
将式(16)代入式(13)中,并将r1 o近似地由表示,可得:
联立式(15)和式(17),并写成矩阵形式:
ε2=h2-G2θ2...(18)
其中,
θ2=[(uo-s1)⊙(uo-s1)]...(19)
其中,I是3×3的单位矩阵,为了使最小,W2是适当的正定权值矩阵,则式(18)的加权最小二乘估计/>为:
误差向量ε2的协方差矩阵为:
方差越小的项可靠性越高,令于是,最终的目标辐射源位置的估计值由下式得到:
其中U=diag{sgn(θ1,u-s1)};
步骤2.2:基于目标辐射源位置第二估计值,构建所述基于TDOA的目标辐射源位置约束方程组,利用加权最小二乘法计算最终的目标辐射源位置坐标,包括:
式(20)中的估计误差为:
由前可得E(△θ2)=0,因此第2步的估计值是渐近无偏估计,式(20)估计值的协方差矩阵为:
目标真实位置uo与第2步估计的θ2,u间的误差为:
△u2=θ2,u-uo...(25)
根据式(13)变形可得:
(uo-s1)⊙(uo-s1)
=(θ2,u-s1)⊙(θ2,u-s1)-2(θ2,u-s1)⊙△u2...(26)
将式(26)写成矩阵形式:
2diag{θ2,u-s1}△u2=(θ2,u-s1)⊙(θ2,u-s1)-(uo-s1)⊙(uo-s1)...(27)
将式(27)写成矩阵形式:
ε3=h3-G3θ3...(28)
其中,
ε3=2diag{θ2,u-s1}△u2=B3△θ
h3=(θ2,u-s1)⊙(θ2,u-s1)
G3=I3×3
θ3=(uo-s1)⊙(uo-s1)=θ2...(29)
为了使最小,W3是适当的正定权值矩阵,则式(28)的加权最小二乘估计/>为:
根据式(29)-(30),得到:
由前可得E(△θ2)=0,因此E(△θ)=0,最终估计的目标辐射源位置的协方差矩阵为:
2.根据权利要求1所述的基于两步加权最小二乘的时差定位方法,其特征在于所述步骤1包括:
步骤1.1各信号接收站基于接收到的目标辐射源的非合作信号,获得所述目标辐射源的非合作信号到达不同信号接收站的时间差;设任一所述信号接收站为主站,其他所述信号接收站为辅站,建立各所述信号接收站与所述目标辐射源之间的距离表达式,建立所述主站与所述辅站之间真实距离差表达式;
步骤1.2:基于步骤1.1中建立的两个表达式构建基于TDOA的目标辐射源位置方程组;
步骤1.3:定义辅助向量,将所述目标辐射源位置方程组转化为线性方程组,利用加权最小二乘法计算辅助向量估计值。
3.根据权利要求2所述的基于两步加权最小二乘的时差定位方法,其特征在于所述步骤1.1包括:
所述信号接收站为M个,M>=3,M为正整数,假设所述目标辐射源的位置uo=[xt,yt,zt]T,第i个所述信号接收站的位置为si=[xi,yi,zi]T,i=1,2,...,M,所述信号接收站的位置测量误差忽略不计,则各所述信号接收站与所述目标辐射源之间的真实距离可表示为:
选取任意一个信号接收站为主站S1,其余信号接收站为辅站Si,i=2,3...,M,则目标辐射源到主站与各辅站之间的真实距离差为:
其向量形式为
4.根据权利要求3所述的基于两步加权最小二乘的时差定位方法,其特征在于所述步骤1.2包括:
联合步骤1.1中式(1)-(2)得到基于TDOA的目标辐射源位置方程组为:
利用实际测量数据得到的距离差向量r=[r21,r31,...,rM1]T,其可表示为:
r=ro+Δr=ro+cΔt...(4)
式中测量噪声分别为△r=[△r21,△r31,...,△rM1]T,其中TDOA实际测量的噪声为△t=[△t21,△t31,...,△tM1]T,假设测量噪声服从均值为零且互相独立的高斯分布,则其协方差矩阵为:
E(△r△rT)=Q...(5)
将代入式(3)中并忽略二阶误差项,可得:
5.根据权利要求4所述的基于两步加权最小二乘的时差定位方法,其特征在于所述步骤1.3包括:
定义辅助向量θ1=[uoT,r1 o]T,式(6)可写成如下矩阵形式:
ε1=εt=h1-G1θ1...(7)
其中,
ε1=εt=B1△r
其中
为了使最小,W1是正定权值矩阵,则式(7)辅助向量的加权最小二乘估计值/>为:
误差向量ε1的协方差矩阵为:
方差越小的项可靠性越高,令令/>为r1 o的估计值,式(9)中的估计误差为:
由于式(11)中ε1均值为零,因此第1步的估计值是渐近无偏估计,式(9)估计值的协方差矩阵为:
6.基于两步加权最小二乘的时差定位装置,其特征在于:所述装置包括一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1~5中任一项所述的基于两步加权最小二乘的时差定位方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1~5中任一项所述的基于两步加权最小二乘的时差定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249658.7A CN115508774B (zh) | 2022-10-12 | 2022-10-12 | 基于两步加权最小二乘的时差定位方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211249658.7A CN115508774B (zh) | 2022-10-12 | 2022-10-12 | 基于两步加权最小二乘的时差定位方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115508774A CN115508774A (zh) | 2022-12-23 |
CN115508774B true CN115508774B (zh) | 2023-07-28 |
Family
ID=84510058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211249658.7A Active CN115508774B (zh) | 2022-10-12 | 2022-10-12 | 基于两步加权最小二乘的时差定位方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115508774B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389327A (zh) * | 2019-07-29 | 2019-10-29 | 杭州电子科技大学 | 接收站位置误差下多站多外辐射源雷达双基距定位方法 |
CN113608165A (zh) * | 2021-08-02 | 2021-11-05 | 中国人民解放军国防科技大学 | 一种基于信号到达时间差的多站无源定位方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8059028B2 (en) * | 2008-08-14 | 2011-11-15 | Trueposition, Inc. | Hybrid GNSS and TDOA wireless location system |
US7956808B2 (en) * | 2008-12-30 | 2011-06-07 | Trueposition, Inc. | Method for position estimation using generalized error distributions |
US20140303929A1 (en) * | 2013-04-03 | 2014-10-09 | Umm Al-Qura University | Method to obtain accurate vertical component estimates in 3d positioning |
CN105891773A (zh) * | 2014-12-15 | 2016-08-24 | 江南大学 | 一种存在传感器误差的改进源定位算法 |
CN110133586A (zh) * | 2019-04-26 | 2019-08-16 | 西安电子科技大学 | 基于线性校正的toa联合同步与定位方法 |
CN110174643B (zh) * | 2019-05-16 | 2021-01-05 | 电子科技大学 | 一种无需噪声功率信息的基于到达时间差的定位方法 |
CN110161475A (zh) * | 2019-05-30 | 2019-08-23 | 杭州电子科技大学 | 一种时钟偏差下多发多收外辐射源雷达双基距定位方法 |
CN110308419B (zh) * | 2019-06-27 | 2021-04-06 | 南京大学 | 一种基于静态求解和粒子滤波的鲁棒tdoa定位方法 |
CN111123197A (zh) * | 2019-12-21 | 2020-05-08 | 杭州电子科技大学 | 基于tdoa的目标辐射源定位方法 |
CN111983561A (zh) * | 2020-06-30 | 2020-11-24 | 江西锐迪航空科技发展有限公司 | 接收机位置误差下多无人机目标的tdoa定位方法 |
CN113608203A (zh) * | 2021-06-17 | 2021-11-05 | 中国电子科技集团公司信息科学研究院 | 临近空间目标定位方法、装置及系统 |
-
2022
- 2022-10-12 CN CN202211249658.7A patent/CN115508774B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389327A (zh) * | 2019-07-29 | 2019-10-29 | 杭州电子科技大学 | 接收站位置误差下多站多外辐射源雷达双基距定位方法 |
CN113608165A (zh) * | 2021-08-02 | 2021-11-05 | 中国人民解放军国防科技大学 | 一种基于信号到达时间差的多站无源定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115508774A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761399B (zh) | 一种无源雷达目标定位方法与装置 | |
CN109917333B (zh) | 融合aoa观测量与tdoa观测量的无源定位方法 | |
Reed et al. | Direct joint source localization and propagation speed estimation | |
CN111308418B (zh) | 一种对高度未知的目标进行二维定位的稳健方法 | |
CN115952691A (zh) | 多站无源时差交叉联合定位系统的优化布站方法及装置 | |
Mehralian et al. | EKFPnP: extended Kalman filter for camera pose estimation in a sequence of images | |
Liu et al. | Using weighted total least squares and 3-D conformal coordinate transformation to improve the accuracy of mobile laser scanning | |
CN112822633B (zh) | 一种基于误差补偿的定位方法,系统,终端设备及可读存储介质 | |
CN115508774B (zh) | 基于两步加权最小二乘的时差定位方法、装置和存储介质 | |
CN109975745A (zh) | 一种基于到达时间差的近远场统一定位方法 | |
CN113158387A (zh) | 一种基于激光雷达栅格地图耦合的视觉靶点布置方法 | |
CN108828509B (zh) | 一种多平台多辐射源承载关系判定方法 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN112835020B (zh) | 面向非视距参数估计的刚体定位方法 | |
CN111366921B (zh) | 基于距离加权融合的双站雷达交叉定位方法、系统及介质 | |
CN112782647B (zh) | 信息联合的二次等式约束最小二乘辐射源定位方法 | |
Ji et al. | Localization bias correction in n-dimensional space | |
CN112068099B (zh) | 基于误差补偿的多辐射源快速定位测速方法和装置 | |
CN115079090A (zh) | 基于esprit与加权降维搜索的多阵列非圆源快速定位方法 | |
CN111983561A (zh) | 接收机位置误差下多无人机目标的tdoa定位方法 | |
Koo et al. | Precise Camera–LiDAR extrinsic calibration based on a weighting strategy using analytic plane covariances | |
Crouse | Bearings-only localization using direction cosines | |
CN113804199B (zh) | 一种基于Chan氏算法和牛顿法的组合定位方法与系统 | |
CN111093265B (zh) | 一种基于到达角度测距的协作定位方法及装置 | |
CN115524662B (zh) | 测向时差联合定位方法、系统、电子设备及存储介质 |
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 |