无线定位系统关键算法研究

论文摘要

随着科技的进步,无线定位技术得以飞速发展。其中,辐射源无源定位以其良好的隐蔽性和抗干扰能力,在航海、航空、航天和电子战等领域获得广泛应用,受到各国的高度重视。本文以四星定位系统的组成为基础,主要研究被动辐射源定位、跟踪算法及其性能。本文主要工作如下：(一)为了提高单独定位精度,提出一种基于最大似然估计的时差／频差联合定位算法。仿真结果表明,在有地球约束情况下,提出基于最大似然和选择合并比的时差／频差联合定位算法能达到克拉美罗界,性能优于时差和频差单独定位。(二)为了有效地跟踪被动辐射源的运动轨迹,将扩展卡尔曼滤波器引入到多星无源定位系统中,重点调查了强跟踪扩展卡尔曼滤波算法。仿真结果表明,强跟踪扩展卡尔曼滤波算法对于机动目标具有良好的自适应跟踪能力,其性能明显优于一般的扩展卡尔曼滤波算法。(三)为了提高运动目标的轨迹跟踪精度,提出了一种将到达时差最大似然定位方法与基于统计学习算法相结合的轨迹跟踪算法。该算法利用到达时差最大似然网格搜索法获得目标初始轨迹,然后应用统计学习算法对轨迹进行曲线拟合。仿真结果表明,该方法不仅提供了比卡尔曼滤波器了更高的跟踪精度,而且同单次定位相比取得了定位精度的十倍提升。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的背景和意义
• 1.2 研究历史及现状
• 1.3 本文研究的内容和结构安排
• 2 无源定位原理概述
• 2.1 基本数学模型
• 2.2 基本定位技术
• 2.2.1 角度定位
• 2.2.2 圆周定位
• 2.2.3 时差定位
• 2.2.4 频差定位
• 2.2.5 联合定位
• 2.3 定位性能评价标准
• 2.3.1 常用的定位误差标准
• 2.3.2 克拉美罗界
• 2.4 本章小结
• 3 经典定位算法
• 3.1 引言
• 3.2 TDOA的解析算法
• 3.2.1 Chan-Ho算法
• 3.2.2 最小二乘算法
• 3.3 最大似然算法
• 3.3.1 最大似然估计基本原理
• 3.3.2 最大似然的网格搜索定位
• 3.4 基于ML网格搜索的TDOA/FDOA选择合并算法
• 3.4.1 TDOA/FDOA联合定位算法的CRLB
• 3.4.2 联合定位合并系数的确定
• 3.5 仿真与分析
• 3.6 本章小结
• 4 基于卡尔曼滤波的运动目标轨迹跟踪
• 4.1 引言
• 4.2 卡尔曼滤波器滤波原理
• 4.3 卡尔曼滤波在轨迹跟踪中的应用
• 4.4 仿真分析
• 4.5 本章小结
• 5 基于回归分析的运动目标轨迹跟踪
• 5.1 引言
• 5.2 基于最小二乘的轨迹跟踪
• 5.2.1 最小二乘原理
• 5.2.2 最小二乘回归分析
• 5.3 基于统计学习的轨迹跟踪
• 5.3.1 统计学习原理
• 5.3.2 统计学习回归分析
• 5.4 仿真与分析
• 5.5 本章小结
• 6 结束语
• 6.1 本文工作总结
• 6.2 后续工作展望
• 致谢
• 参考文献
• 附录