[发明专利]一种改进TDOA/FDOA算法的多运动目标定位方法

说明书

本发明涉及一种改进TDOA/FDOA算法的多运动目标定位方法，主要解决传统算法对多个动态目标定位时噪声误差的适应能力较差和定位精度有限的问题。本发明首先在三维空间中设定K个互不重合的移动目标，部署M个传感器，获取目标信息的测量向量；然后构建关于目标和传感器位置信息的TDOA/FDOA定位方程组，以此估计目标的速度与位置；根据目标和附加变量间的关系构建全局约束条件，引入拉格朗日乘子技术，采用拟牛顿的BFGS迭代公式求解定位方程。本发明全面系统的考虑了约束条件，并引入了拉格朗日乘子技术以及拟牛顿的BFGS迭代公式，从而避免了对Hessian矩阵进行计算，极大的缩减了计算量，且提升了定位精度。

技术领域

本发明涉及无线传感器网络技术领域，具体的说是一种改进TDOA/FDOA算法的多运动目标定位方法。

背景技术

在现实生活中，不论是国防军事、医疗救助、智能交通、环境监测、工业或者是农业控制等方面，WSN(无线传感器网络)应用广泛且发挥的作用越发重要，而基于位置的服务是所有应用的关键核心部分，而定位目标一般发生在噪声环境中，测量误差较大，采用单一TDOA测距技术来实现目标定位时误差也较大。为了提高算法的定位精度，通常采用混合定位技术来估算目标的位置信息，针对运动的多目标同时开展位置信息估计时，通常需要运用TDOA同FDOA结合的定位模型去估算目标速度及位置，从而有效提升运动目标其定位精度。但对动态目标实施定位时，传感器位置误差会产生较大定位偏差，故传感器的位置误差成为估算目标位置时，应当重点考虑的重要因素。

在当前技术中，基于TDOA/FDOA联合测量技术，结合传感器的位置误差，通过TSWLS算法来定位多运动目标时，实验结果表明：仅当高信噪比的条件下，位置估计RMSE才可以达到CRLB。因为测量误差同传感器位置误差一并存在，就噪声误差而言，TSWLS算法适应能力较差，故而定位偏差比较大且精度不足。

进一步的，在现有技术中所提出的约束总体最小二乘算法系统考虑了定位方程中全部系数矩阵噪声，并根据牛顿迭代法来求解方程，从而获得目标的位置信息，实验结果表明：该算法相比TSWLS算法拥有较好定位性能，在噪声较大条件下亦可达到CRLB。不足的是该算法是基于TDOA测距技术来估算固定目标其位置信息，因而不适合定位运动目标。进一步的，通过对影响TSWLS算法的定位性能主要因素进行分析，本专利提出了基于TDOA/FDOA的运动目标定位算法来修正定位误差,可以在不增加运算复杂度的情况下，减小定位误差同时提高适应测量噪声的能力。

战略支援部队信息工程大学杨泽宇针对多(群)目标间存在关联信息的定位问题，提出了一种协同目标位置和速度约束的定位算法。根据目标间位置和速度参数存在的关联性信息，在时差(Time Difference of Arrival,TDOA)和频差(Frequency Difference ofArrival,FDOA)联合的观测模型基础上，将目标间距离和速度的关联信息，转化为用于提高定位精度的不等式约束，推导了含约束条件的目标位置和速度的估计性能界。设计了一种基于拉格朗日乘子法和牛顿(Newton)迭代的最大似然定位优化多目标定位算法，相比于无约束的定位算法，所提算法具有更高的定位精度和对噪声的鲁棒性，且算法性能能够逼近含约束的定位性能界。存在的主要问题是研究了协同约束信息的固定多目标定位算法，但是在实际定位场景和应用中，目标位置通常是动态变化的，因此约束条件可能是在特定的范围内动态变化的，最大似然估计算法在动态目标定位中并不具备优势。

因此，在上述现有技术的基础上详细分析传感器位置误差和测量误差，提出了改进型的约束总体最小二乘ICTLS(Improved CTLS，ICTLS)算法估算多个不重合运动目标的位置坐标，算法中引入拉格朗日乘子和利用拟牛顿法的BFGS公式来求解CTLS目标定位问题。实验结果表明，该算法比TSWLS算法具有较好的定位性能，可以较大幅度的减小定位偏差，对测量误差和传感器位置误差均具有较强的适应性，即使在噪声误差较大的情况下也能达到CRLB。