一种基于半定松弛技术的TDOA-FDOA无源定位算法

发布时间：2022-01-09 17:52

　　在运动目标的无源定位场景下,闭式算法在低噪声情况下可以到达克拉美罗下界（CRLB）,但是这些算法往往不能适应较大的测量噪声环境。针对目前闭式算法适应大噪声能力较差这一问题,该文联合到达时间差（TDOA）以及到达频率差（FDOA）,提出一种基于半定松弛（SDR）技术的无源定位算法。该算法首先构建传统闭式解的伪线性方程,其次利用随机鲁棒最小二乘（SRLS）的思想以及目标参数与额外变量之间的非线性关系,将无源定位问题转化为了具有2次等式约束的最小二乘问题;随后,将半定松弛技术应用到这一问题上,约束最小二乘问题松弛为半定规划（SDP）问题,最后,借助优化工具箱可以有效地对目标参数进行求解。该文所提出的算法不需要初始值先验条件,仿真实验表明了所提算法的有效性。 

【文章来源】：电子与信息学报. 2020,42(07)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

近场目标估计均方根误差对比

图1 近场目标估计均方根误差对比在场景3的仿真中，我们对运动目标在不同时间节点进行参数估计，目标初始位置为每隔2个单位时间长度进行1次定位，观测时间总长度为19个单位时间长度，因此目标位置随时间变化的关系式为测量噪声方差设置为0 dB，图3(a)和图3(b)为在这个过程中不同算法对目标位置以及速度的估计性能的比较。

对于目标位置的估计，从图3(a)看出本文算法在整个观测时间内始终有着最小的均方根误差，比文献[16]以及文献[18]中的算法大约能改善0.2 dB，而改进的非完全约束WLS算法虽然与本文算法相对接近，但是从图3(b)中可以看出该方法对于速度的估计性能较差，本文算法对于速度估计依旧有最小的均方根误差。另外，图3仿真情景中值得注意的一点是所提算法的优势随着采样时间点的增加而增大，这里给出一种比较合理的解释：通常而言对于定位问题，当噪声一定时，不同算法在远距离目标估计的场景下偏离CRLB的程度会比近距离目标大(除非出现阈值效应)，这一点在文献[10,18]仿真实验中均有体现；在本文仿真实验中，随着时间的增加，目标与参考观测站之间的距离逐渐变大，不同算法偏离CRLB的程度也会变大，估计均方根误差也会变大。而正如前文中所述，所提算法具有较好的鲁棒性，因此偏离CRLB的程度与其他算法相比较小，即算法优势逐渐增大(尤其速度估计优势)。

【参考文献】：
期刊论文
[1]基于双基地距离的多站多外辐射源无源定位算法[J]. 赵勇胜,赵拥军,赵闯.  电子学报. 2018(12)
[2]改进的非完全约束加权最小二乘TDOA/FDOA无源定位方法[J]. 周恭谦,杨露菁,刘忠.  系统工程与电子技术. 2018(08)
[3]基于虚拟时差的运动阵列空间无源定位算法[J]. 周龙健,罗景青,孔辉.  电子与信息学报. 2017(07)
[4]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]. 朱国辉,冯大政,聂卫科.  电子学报. 2016(01)
[5]基于定位误差修正的运动目标TDOA/FDOA无源定位方法[J]. 刘洋,杨乐,郭福成,姜文利.  航空学报. 2015(05)



本文编号：3579177