[发明专利]基于误差校正的多站多外辐射源雷达运动目标定位方法

权利要求书

1.基于误差校正的多站多外辐射源雷达运动目标定位方法，该方法具体包括以下步骤：

步骤1：在多站多外辐射源雷达网中，包括M个外辐射源、N个接收站和P个目标，定位的维度为D＝3；第m个外辐射源的位置为第n个接收站的位置为目标p的位置速度接收站n接收来自目标p散射的外辐射源m发射的信号，得到双基距量测如下

其中，u_m,n,p为目标p距外辐射源m和接收站n的距离之和；为外辐射源m距目标p的距离，为接收站n距目标p的距离；δ_m,n为双基距量测固定偏差；e_m,n,p为双基距量测噪声，为独立的高斯零均值白噪声；

步骤2：引入辅助变量将非线性方程式(1)转化为伪线性方程；具体形式如下

其中，

步骤3.式(2)等式两边同时对时间求导，得

其中，双基距变化率为双基距变化率的偏差；是双基距变化率的量测误差，为独立的高斯零均值白噪声；辅助变量为目标到接收站距离变化率

步骤3：联立(2)、(3)方程，建立目标状态和偏差的联合估计伪线性模型，其矩阵形式具体如下

h＝Aξ+Be (4)

其中，

步骤4：采用迭代加权最小二乘算法得到目标状态和系统偏差的联合估计值；

步骤4.1：采用最小二乘法粗略估计目标状态和系统偏差，将其代入矩阵B，计算权重W＝(BQB)^-1；

步骤4.2：采用加权最小二乘估计算法得到目标状态和系统偏差的联合估计值

步骤4.3：计算估计误差协方差cov(Δξ)＝(A^TWA)^-1；

步骤5.考虑辅助变量与目标位置和速度之间的关联性，以及步骤4的联合估计值其中Δξ表示ξ的估计误差，设计关联最小二乘算法对步骤4的联合估计值进行改进，具体如下：

步骤5.1.令建立辅助变量与目标位置和目标速度之间的关系

构建关联最小二乘估计模型如下

h₁＝A₁ξ₁+B₁Δξ (6)

其中，

步骤5.2：采用加权最小二乘估计算法得到目标状态和系统偏差的联合估计值其中W₁＝cov(Δξ)＝(A^TWA)^-1；

步骤5.3：计算估计误差协方差cov(Δξ₁)＝(A₁^TW₁A₁)^-1；

步骤6.考虑中间变量ρ_p和与目标位置状态的关联约束，在步骤5的估计结果上构建关联最小二乘估计模型，进一步提高目标状态和系统偏差的估计性能；

步骤6.1：考虑中间变量ρ_p,与目标状态的约束关系以及步骤5估计值误差选择目标位置平方项、目标位置与速度的乘积，以及系统误差作为变量，构建关联估计模型如下

h₂＝A₂ξ₂+B₂Δξ₁ (7)

其中，

步骤6.2：采用加权最小二乘估计算法得到估计值其中W₂＝cov(Δξ₁)＝(A₁^TW₁A₁)^-1；

步骤6.3：根据步骤6.2得到目标p的位置的平方和对其进行开方运算，可得

其中，sgn(·)为符号函数；

根据目标位置计算目标速度估计

步骤7.将系统偏差估计值代入双基距和双基距变化率量测方程,对双基距和双基距变化率量测进行校正；

步骤7.1第i+1次迭代量测信息为

式中，为第i次校正后双基距量测值，为第i次校正后双基距变化率量测值，和为第i次系统偏差估计结果；

步骤7.2基于校正后双基距量测和双基距变化率量测进行目标定位，转步骤2；上述过程迭代进行，直至系统偏差估计满足且ε₁和ε₂为允许误差，算法迭代停止。