[发明专利]接收机位置误差下多无人机目标的TDOA定位方法

说明书

本发明提供一种接收机位置误差下多无人机目标的TDOA定位方法，每个无人机上预置1个辐射源，S1，利用M个接收机截获N个辐射源的信号，提取对应的TDOA测量信息，构建RD测量方程；S2，引入辅助变量为引入的辅助参数，对RD测量方程进行非线性变换，构建辅助变量θ的线性估计方程；根据辅助变量中，辅助参数和辐射源位置之间的函数关系提出一种新的新的线性化方法对RD测量方程进行非线性变换，构建辐射源位置u的线性估计方程；S3，采用迭代加权最小二乘法获得辐射源目标的定位结果估计值。

技术领域

本发明涉及一种TDOA定位方法，具体的说，涉及了一种接收机位置误差下多无人机目标的TDOA定位方法。

背景技术

近几十年来，利用无人机上的辐射源信号到达不同接收机的时差(TimeDifference of Arrival，TDOA)来对无人机定位的问题得到了广泛的关注。然而，由于TDOA测量关于辐射源位置参数高度非线性，利用TDOA测量对无人机目标进行定位并非易事。

得益于国内外对基于TDOA的辐射源定位问题的持续研究，目前基于TDOA的辐射源定位问题已经发展出了一些有效算法，其中，两步加权最小二乘算法作为处理TDOA定位问题的经典线性方法，一直备受关注。Y.T.Chan等人针对基于TDOA的辐射源定位问题，提出了经典的两步加权最小二乘优化思想，其基本思想是：在第一步加权最小二乘估计中，将辐射源目标到参考接收机的距离作为辅助参数，从而实现TDOA测量方程的伪线性化；然后在第二步加权最小二乘估计中，利用辅助参数与辐射源位置参数之间的函数关系来构造方程，从而进一步提高辐射源位置的估计精度。理论分析和仿真实验表明，在TDOA测量误差较小时，2WLS算法的定位误差可以达到克拉美罗界(Cramér-Rao Lower Bound，CRLB)。Chan的算法建立在接收机位置准确已知的基础上，然而现代定位系统中，接收机通常被布设在卫星、飞机、空中无人机等运动平台上在动态移动平台上，这将导致接收机的位置误差增加。当接收机位置误差增大，从而无法忽略时，将导致Y.T.Chan的算法显著增加，从而无法达到CRLB。K.C.Ho等人定量分析了接收机位置误差对辐射源定位精度的影响，并针对接收机位置存在误差时，提出了适用于接收机位置误差下的2WLS代数解算法。理论推导和仿真结果表明，Ho的算法在接收机位置出现误差时，定位精度依然可以达到CRLB。但是，上述算法均假设场景中仅存在单个辐射源目标。而实际应用中，定位场景中常常会同时出现多个辐射源目标(例如典型的无人机探测场景)。当待监视区域中同时出现多个辐射源目标时，在利用数据关联技术建立起辐射源目标和TDOA测量的关联配对后，可以利用上述针对单辐射源场景设计的定位算法分别对各辐射源进行定位。然而，由于对应于这多个辐射源目标的TDOA测量误差之间的统计相关性，以及多个辐射源目标的TDOA测量方程与接收机位置误差的函数关系，这种利用针对单辐射源场景设计的定位算法分别对各辐射源进行定位的方式，得到的辐射源位置估计理论上并非全局最优。L.Yang等人在文献中提出了一种适用于多辐射源场景的TDOA定位代数解算法，该算法将经典的两步加权最小二乘思想扩展到多辐射源场景，其在第一步加权最小二乘估计中将各辐射源到参考接收机距离作为辅助参数，从而将非线性的RD测量方程转化为伪线性形式，并利用加权最小二乘估计得到各辐射源位置和辅助参数的估计，然后在第二步加权最小二乘估计中利用辅助参数与各辐射源位置参数之间的函数关系来构建一组线性方程，从而提高辐射源位置的估计精度。理论分析和仿真实验表明，Yang的算法在多辐射源场景下定位精度可以达到CRLB，但是，Yang的算法方法具有较高的计算复杂度，因为它需要同时估计辐射源和接收机的位置。为此，M.Sun等人在文献针对多辐射源目标场景，进一步改进了Yang的算法，提出了一种更高效的2WLS代数解算法。Sun的算法无需估计接收机位置，因此计算复杂度更低。理论分析和仿真实验表明，Sun的算法可以达到CRLB。然而，经过分析可知，Sun的算法的第二步加权最小二乘估计结果需要进行开方处理，并且开方后解的符号需要借助第一步加权最小二乘估计得到的并不准确的估计结果来确定。此外，在一些特殊场景下，例如当目标某一坐标与参考接收机的对应坐标重合和接近时，Sun的算法的第二步加权最小二乘估计还会出现缺秩问题，导致算法的定位稳健性和定位精度下降。因此，有必要针对接收机位置误差下的多辐射源场景下的TDOA定位问题进行进一步研究。