[发明专利]基于外辐射源TDOA/FDOA误差校正下的定位方法

摘要

本发明公开了一种基于外辐射源TDOA/FDOA误差校正下的定位方法。本发明针对量测存在系统偏差下外辐射源定位问题，根据获得的TDOA和FDOA量测信息，引入辅助变量将非线性方程转化为伪线性方程，建立目标位置、速度和系统偏差的估计模型，并采用迭代加权最小二乘法对其进行估计。并利用辅助变量与目标位置和速度之间的关联性构造关联最小二乘估计模型，采用关联加权最小二乘改进上述估计结果。本发明通过联合估计目标位置，速度和系统偏差，提高目标定位精度。本发明引入辅助变量，合理将非线性量测模型转化为伪线性估计模型，在保证估计性能的前提下降低外辐射源定位的复杂度。

主权项

1.基于外辐射源TDOA/FDOA误差校正下的定位方法，其特征在于：该方法包括以下步骤：步骤1：在多发单收外辐射源雷达网中，包括M个外辐射源和一个接收站，接收站为原点，第m个外辐射源位置为q_m＝[x_m,y_m]^T，第p个目标的坐标位置为则到达时差TDOA和到达频差FDOA量测为式中，和分别为TDOA和FDOA的真实值，c为信号的传播速度c＝3×10⁸m/s，f_m为外辐射源m的频率，||·||为欧几里得距离；Δt_m和Δf_m分别为TDOA和FDOA的系统误差，和分别为TDOA和FDOA的量测误差，服从高斯分布；外辐射源的位置、频率和观测站的位置通常是先验已知,因此TDOA和FDOA可转化为目标到达外辐射源与到达观测站的距离和u_m,p以及距离和变化率ρ_m,p；式中，和分别为距离和真实值、距离和变化率真实值，δ_m、Δρ_m分别为对应的距离和系统误差、距离和变化率系统误差；分别为距离和量测噪声、距离和变化率量测噪声，均服从高斯分布；步骤2：在双基距量测模型中引入辅助变量R_p＝||r_p||，将非线性方程(3)转化为伪线性方程，形式如下式中，步骤3：将式(5)等式两边同时对时间求导，得式中，将和带入式(5)和式(6)可得：步骤4：将目标位置目标速度辅助变量R_p和以及系统偏差δ_m和Δρ_m作为待求变量，联立式(7)和(8)，构造线性估计方程Z＝HX+Be                             (9)式中：H＝[diag{H¹(1) H¹(2) ... H¹(P)},[H²(1) H²(2) ... H²(P)]^T]，B¹¹(p)＝diag{2(δ₁+R_p‑u_1,p),...,2(δ_M+R_p‑u_M,p)}，B²²(p)＝diag{(δ₁+R_p‑u_1,p),...,(δ_M+R_p‑u_M,p)}，步骤5：采用迭代加权最小二乘法获得目标位置，速度与系统误差的估计值，具体如下：步骤5.1.初始化，令迭代次数k＝0，设置初值步骤5.2.将和和带入系数矩阵H和Z，令k＝k+1，计算加权最小二乘估计值其中，权重W＝E[Bee^TB^T]^‑1＝(BQB^T)^‑1，Q为量测噪声协方差矩阵；获得目标位置估计值与目标速度估计值与中间变量与以及偏差估计值和步骤5.3.当迭代停止，得到估计值ε₁和ε₂为阈值；否则，转步骤5.2；步骤6：考虑辅助变量与目标位置和速度之间的关联性，设计关联最小二乘算法对步骤5的估计值进行改进，具体如下：步骤6.1.考虑辅助变量R_p和与目标位置和目标速度的相关性，选择目标位置目标速度距离和率误差Δρ_m和距离和误差δ_m作为变量，构造关联加权最小二乘估计模型如下Z_DLS＝H_DLSX_DLS+B_DLSΔX_WLS                      (10)式中：H_DLS＝blkdiag{H′₁,H′₂,...H′_P,E_M,E_M}，B_DLS＝blkdiag{B′₁,B′₂,...,B′_P,E_M,E_M}，步骤6.2.对式(10)采用加权最小二乘估计求解，得到估计值如下其中，最终，得到目标位置目标速度距离和变化率误差Δρ_m和距离和误差δ_m。