在運動目標的無源定位場景下,閉式算法在低噪聲情況下可以到達克拉美羅下界（CRLB）,但是這些算法往往不能適應較大的測量噪聲環(huán)境。針對目前閉式算法適應大噪聲能力較差這一問題,該文聯(lián)合到達時間差（TDOA）以及到達頻率差（FDOA）,提出一種基于半定松弛（SDR）技術的無源定位算法。該算法首先構建傳統(tǒng)閉式解的偽線性方程,其次利用隨機魯棒最小二乘（SRLS）的思想以及目標參數(shù)與額外變量之間的非線性關系,將無源定位問題轉化為了具有2次等式約束的最小二乘問題;隨后,將半定松弛技術應用到這一問題上,約束最小二乘問題松弛為半定規(guī)劃（SDP）問題,最后,借助優(yōu)化工具箱可以有效地對目標參數(shù)進行求解。該文所提出的算法不需要初始值先驗條件,仿真實驗表明了所提算法的有效性。 

【文章來源】：電子與信息學報. 2020,42(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

近場目標估計均方根誤差對比

圖1 近場目標估計均方根誤差對比在場景3的仿真中，我們對運動目標在不同時間節(jié)點進行參數(shù)估計，目標初始位置為每隔2個單位時間長度進行1次定位，觀測時間總長度為19個單位時間長度，因此目標位置隨時間變化的關系式為測量噪聲方差設置為0 dB，圖3(a)和圖3(b)為在這個過程中不同算法對目標位置以及速度的估計性能的比較。

對于目標位置的估計，從圖3(a)看出本文算法在整個觀測時間內始終有著最小的均方根誤差，比文獻[16]以及文獻[18]中的算法大約能改善0.2 dB，而改進的非完全約束WLS算法雖然與本文算法相對接近，但是從圖3(b)中可以看出該方法對于速度的估計性能較差，本文算法對于速度估計依舊有最小的均方根誤差。另外，圖3仿真情景中值得注意的一點是所提算法的優(yōu)勢隨著采樣時間點的增加而增大，這里給出一種比較合理的解釋：通常而言對于定位問題，當噪聲一定時，不同算法在遠距離目標估計的場景下偏離CRLB的程度會比近距離目標大(除非出現(xiàn)閾值效應)，這一點在文獻[10,18]仿真實驗中均有體現(xiàn)；在本文仿真實驗中，隨著時間的增加，目標與參考觀測站之間的距離逐漸變大，不同算法偏離CRLB的程度也會變大，估計均方根誤差也會變大。而正如前文中所述，所提算法具有較好的魯棒性，因此偏離CRLB的程度與其他算法相比較小，即算法優(yōu)勢逐漸增大(尤其速度估計優(yōu)勢)。

【參考文獻】：
期刊論文
[1]基于雙基地距離的多站多外輻射源無源定位算法[J]. 趙勇勝,趙擁軍,趙闖.  電子學報. 2018(12)
[2]改進的非完全約束加權最小二乘TDOA/FDOA無源定位方法[J]. 周恭謙,楊露菁,劉忠.  系統(tǒng)工程與電子技術. 2018(08)
[3]基于虛擬時差的運動陣列空間無源定位算法[J]. 周龍健,羅景青,孔輝.  電子與信息學報. 2017(07)
[4]傳感器位置誤差情況下基于多維標度分析的時差定位算法[J]. 朱國輝,馮大政,聶衛(wèi)科.  電子學報. 2016(01)
[5]基于定位誤差修正的運動目標TDOA/FDOA無源定位方法[J]. 劉洋,楊樂,郭福成,姜文利.  航空學報. 2015(05)



本文編號：3579177