未知信号传播速度的TDOA测量远近场统一定位方法
发布时间:2020-12-14 05:00
到达时间差(TDOA)测量无法根据测量值判断当前定位过程是处于近场还是远场,因此设计远近场统一解形式的TDOA定位算法对于提高源目标位置参数估计性能具有重要意义。通过建立远近场都适用的统一形式TDOA测量方程,本文提出了一种信号传播速度未知情况下远近场统一解形式的非约束最小二乘(UWLS)定位方法,该方法既适用于近场,又适用于远场。同时利用优化模型中的约束条件,设计了约束最小二乘(CWLS)定位方法,减少了估计误差。对算法的仿真结果分析表明,所设计UWLS及CWLS算法既适用于近场,又适用于远场情况下的位置参数估计问题。随着远场距离的增加,UWLS及CWLS算法的估计误差基本保持不变,并且非常接近于克拉美罗(CRLB)下界值。
【文章来源】:传感技术学报. 2020年07期 北大核心
【文章页数】:7 页
【部分图文】:
三维空间上信标节点及源节点分布示意图
本文所设计的远近场统一解形式的UWLS及CWLS算法既适用于近场,又适用于远场,仿真首先验证了本文算法对于远近场适用的有效性。将时间噪声方差δ2设置为5 m2,并预先设置θ为46.3°,调整远近场距离ρ从10 km到200 km之间变化,图2(a)绘出了参数θ估计误差随远近场距离的变化关系。由图2(a)可以看出,随着远近场距离ρ的增加,衡量参数θ估计误差的克拉美罗下界(CRLB)值基本保持不变,本文所提出的UWLS及CWLS算法的10log[MSE(θ)]估计误差都非常接近于CRLB下界值。比如,当ρ等于10 km时,CWLS算法的10log[MSE(θ)]值为-69.2;当距离值ρ增加到200 km时,CWLS算法的10log[MSE(θ)]值为-68.9。而文献[10]所提出的近场SCWLS算法的估计误差随远近场距离ρ变化较大,尤其当远近场距离ρ增加到80 km后,SCWLS算法的10log[MSE(θ)]估计误差剧烈增加,说明此时近场SCWLS算法已经不适用于远场情况。同样将将时间噪声方差δ2设置为5 m2,θ为46.3°,远近场距离ρ从10 km到200 km之间变化时,图2(b)绘出了参数g估计误差随远近场距离增加下的变化关系。由该图可以看出,随着远近场距离ρ的增加,本文提出的UWLS及CWLS算法下的参数g估计误差10log[MSE(g)] 基本保持稳定,也非常接近于CRLB下界值。在远近场距离ρ小于90 km时,随着远近场距离ρ的增加,SCWLS算法的估计误差稍微有所增加;但当远近场距离ρ大于90 km时,参数g估计误差10log[MSE(g)]急剧上升,说明此时近场SCWLS算法已不适用于远场下的参数g估计。
显然噪声越大,估计误差将越大。将远近场距离ρ设置为100 km,并同样设置θ为46.3°,调整时间噪声方差δ2从12增加到到102,即10log(δ2)从0增加到20,图3(a)绘出了参数θ估计误差随时间测量噪声的变化关系。由该图可以看出,随着时间测量噪声10log(δ2)的增加,CRLB估计误差也相应线性增大。本文提出的UWLS及CWLS算法的10log[MSE(θ)]估计误差曲线基本与CRLB曲线相重合。当δ2等于12时,即10log(δ2)为0时,CWLS算法的估计误差为-101.6;而当δ2上升到102时,即10log(δ2)上升为20时,CWLS算法的估计误差也上升到了-55.5。而仅适用于近场的SCWLS算法估计误差变化较为剧烈,尤其是当δ2增大到52后,即10log(δ2)增大到14.0后,估计误差10log[MSE(θ)]将突然增大,说明此时 SCWLS 算法已经不适用于远场情况。当时间测量噪声方差δ2从12增加到到102,图3(b)绘出了参数g估计误差随时间测量噪声的变化关系。由该图可见,随着时间测量噪声的增加,UWLS以及CWLS算法的参数g估计误差也随之增大。当时间测量噪声δ2为12时,CWLS算法的 10log[MSE(g)]估计误差为-143.5。而当时间测量噪声δ2为102时,CWLS算法的10log[MSE(g)]估计误差增加到了-97.5。当δ2小于52时,即10log(δ2)小于14.0时,观察SCWLS算法下的参数g估计误差随噪声的变化曲线,其增加幅度较为平缓。但当δ2大于等于52时,即10log(δ2)大于等于到14.0时,估计误差10log[MSE(g)]剧烈增大,也说明了近场SCWLS算法已经不适用于远场的参数g估计。
本文编号:2915865
【文章来源】:传感技术学报. 2020年07期 北大核心
【文章页数】:7 页
【部分图文】:
三维空间上信标节点及源节点分布示意图
本文所设计的远近场统一解形式的UWLS及CWLS算法既适用于近场,又适用于远场,仿真首先验证了本文算法对于远近场适用的有效性。将时间噪声方差δ2设置为5 m2,并预先设置θ为46.3°,调整远近场距离ρ从10 km到200 km之间变化,图2(a)绘出了参数θ估计误差随远近场距离的变化关系。由图2(a)可以看出,随着远近场距离ρ的增加,衡量参数θ估计误差的克拉美罗下界(CRLB)值基本保持不变,本文所提出的UWLS及CWLS算法的10log[MSE(θ)]估计误差都非常接近于CRLB下界值。比如,当ρ等于10 km时,CWLS算法的10log[MSE(θ)]值为-69.2;当距离值ρ增加到200 km时,CWLS算法的10log[MSE(θ)]值为-68.9。而文献[10]所提出的近场SCWLS算法的估计误差随远近场距离ρ变化较大,尤其当远近场距离ρ增加到80 km后,SCWLS算法的10log[MSE(θ)]估计误差剧烈增加,说明此时近场SCWLS算法已经不适用于远场情况。同样将将时间噪声方差δ2设置为5 m2,θ为46.3°,远近场距离ρ从10 km到200 km之间变化时,图2(b)绘出了参数g估计误差随远近场距离增加下的变化关系。由该图可以看出,随着远近场距离ρ的增加,本文提出的UWLS及CWLS算法下的参数g估计误差10log[MSE(g)] 基本保持稳定,也非常接近于CRLB下界值。在远近场距离ρ小于90 km时,随着远近场距离ρ的增加,SCWLS算法的估计误差稍微有所增加;但当远近场距离ρ大于90 km时,参数g估计误差10log[MSE(g)]急剧上升,说明此时近场SCWLS算法已不适用于远场下的参数g估计。
显然噪声越大,估计误差将越大。将远近场距离ρ设置为100 km,并同样设置θ为46.3°,调整时间噪声方差δ2从12增加到到102,即10log(δ2)从0增加到20,图3(a)绘出了参数θ估计误差随时间测量噪声的变化关系。由该图可以看出,随着时间测量噪声10log(δ2)的增加,CRLB估计误差也相应线性增大。本文提出的UWLS及CWLS算法的10log[MSE(θ)]估计误差曲线基本与CRLB曲线相重合。当δ2等于12时,即10log(δ2)为0时,CWLS算法的估计误差为-101.6;而当δ2上升到102时,即10log(δ2)上升为20时,CWLS算法的估计误差也上升到了-55.5。而仅适用于近场的SCWLS算法估计误差变化较为剧烈,尤其是当δ2增大到52后,即10log(δ2)增大到14.0后,估计误差10log[MSE(θ)]将突然增大,说明此时 SCWLS 算法已经不适用于远场情况。当时间测量噪声方差δ2从12增加到到102,图3(b)绘出了参数g估计误差随时间测量噪声的变化关系。由该图可见,随着时间测量噪声的增加,UWLS以及CWLS算法的参数g估计误差也随之增大。当时间测量噪声δ2为12时,CWLS算法的 10log[MSE(g)]估计误差为-143.5。而当时间测量噪声δ2为102时,CWLS算法的10log[MSE(g)]估计误差增加到了-97.5。当δ2小于52时,即10log(δ2)小于14.0时,观察SCWLS算法下的参数g估计误差随噪声的变化曲线,其增加幅度较为平缓。但当δ2大于等于52时,即10log(δ2)大于等于到14.0时,估计误差10log[MSE(g)]剧烈增大,也说明了近场SCWLS算法已经不适用于远场的参数g估计。
本文编号:2915865
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2915865.html