简介:无源定位跟踪是一种非线性系统状态估计问题。为了提高系统定位精度和降低系统复杂度,将无迹卡尔曼滤波(UKF)应用于多移动传感器多目标无源定位跟踪系统。由于多移动传感器多目标交叉定位时会产生大量虚假点,随着传感器和目标数量的增加而大幅增加。因此,提出了一种改进的快速精确定位算法,即首先通过预测点选取传感器-目标测量方程;然后变换该测量方程,排除大量虚假点;再进行基于距离的支持度非等权值融合;最后将UKF子滤波估计值进行融合得到融合估计值。仿真结果表明,UKF和基于距离的融合法相结合对多移动传感器多目标无源定位具有较高的定位精度和较好的跟踪效果。
简介:针对多运动站的到达时间差(TDOA)和到达增益比(GROA)的辐射源定位问题,提出了一种无源定位算法。传统定位模型需要利用中间变量构造线性方程,不适用于多运动站连续定位。针对该问题,本文推导了无需中间变量的TDOA/GROA联合定位模型,然后根据量测模型推导了误差项,并推广到所有历史量测,提出了基于约束加权最小二乘(CWLS)的多运动站辐射源定位算法,最终通过对加权矩阵和约束矩阵进行广义特征值分解得到目标的状态估计。所提算法避免引入中间变量带来冗余的问题,无需初始化过程,性能更加稳健。仿真结果表明该算法性能逼近克拉美罗下界(CRLB)且是渐进无偏的。