[发明专利]基于分布式无源定位技术的定位精度提高方法

说明书

本发明公开了一种基于分布式无源定位技术的定位精度提高方法。该方法基于偏移圆圆心估计实现定位误差校正，首先以两步定位法获得的目标位置估计为初值，然后在极坐标系中将测距残差沿极径方向引入固定偏移量形成偏移圆，最后利用偏移圆圆心的位置矢量估计对目标位置初始估计值进行校正，从而获得更精确的目标位置估计。与经典分布式无源定位算法相比，本发明提供的方法对传感器布局具有更强的适应性，具有更高的精度，在不同的传感器测距精度下均具有较优异的性能，具有很好的工程应用前景。

技术领域

本发明属于信息处理技术领域，特别是涉及一种基于分布式无源定位技术的定位精度提高方法。

背景技术

分布式无源定位是利用分散配置的多个传感器接收目标辐射或反射的信号而进行目标定位。由于分布式传感器网络具有覆盖范围大、遮蔽影响小、容错性高、定位精度高等优点，以及网络构建灵活、方便等特点，因此使其在军事、民用等诸多领域得到广泛应用，如无源雷达定位、手机基站定位、WiFi网络侧被动定位、民航监视领域的场面多点定位和广域多点定位等。

分布式无源定位技术可分为直接定位法与两步定位法两类。直接定位法是利用多个传感器接收的目标信号直接建立代价函数，在目标位置空间进行多维搜索获得目标位置估计，对传感器无时间同步的要求，但计算复杂度极高。两步定位法是各个传感器首先对目标信号分别进行参数估计，在不同类型的分布式传感器网络中，被估计参数可以是到达时间(time of arrival，TOA)、到达时间差(time different of arrival，TDOA)、到达角(angle of arrival，AOA)或接收信号强度指示(received signal strength indication，RSSI)，然后再利用这些参数估计目标位置。常用的两步定位法主要包括最小二乘(leastsquare，LS)、泰勒级数(taylor series，TS)、极大似然估计(maximum likelihood，ML)和多维尺度(multi-dimensional scaling，MDS)等四类。LS及其各种改进算法是利用传感器网络与目标间位置关系构建与参数TOA/TDOA/AOA/RSS等相关的参数化模型，并利用其估计目标位置。LS类算法优点在于计算复杂度低，但易受噪声及非直达波的影响，定位精度与稳定度较差。TS法属于迭代寻优的方法，其定位精度受初值影响严重，甚至会陷入局部最优解。传感器网络的几何布局也会对定位精度产生较大的影响。ML法可以利用半正定规划实现较精确的位置估计，但计算复杂度较大，在工程实践中较少应用。在传感器存在较大测量误差时，MDS法保持较优的性能，具有较好稳健性。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于分布式无源定位技术的定位精度提高方法。

为了达到上述目的，本发明提供的基于分布式无源定位技术的定位精度提高方法包括按顺序进行的下列步骤：

(1)获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的S1阶段；

(2)利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的S2阶段；

(3)利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的S3阶段；

(4)利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的S4阶段；

(5)利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的S5阶段。

在步骤(1)中，所述的获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的方法是利用传感器测量的时间、频率或强度参数获得各传感器与目标间的距离测量值，并利用所有的距离测量值估计出目标位置。