基于TDOA和FDOA的多站无源定位关键技术研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:qzccj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多站无源定位技术因其隐蔽性好、作用距离远和成本低等优点在军事领域和民用领域都具有十分广泛的应用。特别是在电子对抗领域,无源定位不主动对外发射电磁波,而是利用目标发射或反射的电磁波,实现对敌方无人机(UAV)、雷达等设施的静默定位,在现代化战争中发挥着愈发重要的作用。目前,无源定位中常用的定位参数有:到达角(AOA)、到达时间差(TDOA)、到达频率差(FDOA)和接收信号强度(RSS)等。本文从几种参数定位的原理出发,对定位系统模型、误差来源、定位精度评价标准等进行了讨论,旨在进一步提高对辐射源定位的精度和解决接收站位置误差对定位性能的影响,提出了TDOA/RSS联合定位方法和接收站位置有误差时移动目标TDOA/FDOA联合定位算法。本文的主要研究内容如下:
  1)介绍了多站无源定位系统和多站无源定位技术的研究现状,详细阐述了不同参数定位方法的基本原理和优缺点,分析了几种常见的定位误差来源,并给出了定位精度评价标准。
  2)阐述了三种经典TDOA定位算法,包含Chart算法、约束加权最小二乘算法和约束总体最小二乘算法,给出了TDOA基本定位模型,并对这三种算法进行了推导和分析,通过仿真实验比较了这几种算法对目标辐射源位置的估计性能,同时研究了接收站数目对目标定位性能的影响。
  3)针对辐射源高精度定位问题,提出基于TDOA和RSS测量值的联合定位算法,利用泰勒级数估计方法,将TDOA和RSS测量信息构建的非线性方程进行线性化处理,进一步提高了定位精度。然后提出了最大似然估计方法作为补充进行对比,并推导了联合估计方法的克拉美罗下界。仿真实验表明,所研究的联合定位算法估计性能优于常规TDOA或RSS估计方法。同时分析了位置目标在接收站中的几何位置对定位性能的影响。
  4)对接收站位置存在误差情况下移动目标的定位问题进行了研究。考虑三维空间定位场景,提出了一种改进的泰勒级数估计方法,利用TDOA和FDOA同时估计目标的位置和速度并更新接收站的位置,降低了接收站位置误差对定位精度的影响。为了减少迭代次数,采用一种基于定位误差修正的两步法来对目标的位置和速度进行初始估计。仿真结果表明,无论是对于近场还是远场辐射源,所提算法比W-MDS算法、CTLS算法和TSWLS算法具有更小的RMSE,该方法在多站无源定位领域有较好的应用价值。
其他文献
人工智能技术的不断发展为智慧监狱的建设提供了很多帮助,给实时监控要求很高的监狱监管部门提供了许多便利。相比于传统的视频监控推荐方案,基于深度学习的智能推荐技术能够在降低监狱管理人员监控视频观看强度的同时为观看人员提供更加合适的监控视频,从而在一定程度上减轻监狱管理人员的工作负担,提高监狱对服刑人员活动监管的效率。目前推荐系统技术主要应用在电子商务领域,技术方案几乎都是根据用户的身份标识和推荐对象的
学位
由于可见光通信(Visible Light Communication,VLC)技术具有频谱资源充裕、功耗低、安全保密性好等优点,近几年来已逐渐发展成为光无线通信领域科研工作者的研究热点。高速亮灭是发光二极管(Light Emitting Diode,LED)的特性,VLC利用其来传输信息,在短距离无线通信中成为射频通信的有力补充。由于商用LED调制带宽有限,导致速率较低,因而在VLC中广泛采用高
与传统的面部宏表情不同,微表情是无意识的、快速的面部表情,可以在测谎、刑事侦查等应用中提供重要的信息。然而,由于微表情的特殊性,微表情研究存在一些难题。在微表情数据库方面,由于微表情的采集工作较为困难、没有统一的数据库建立标准,因此,用于微表情研究的数据库较少,质量参差不齐。在微表情检测方面,传统的检测技术仅仅基于纹理特征或光流特征,检测的效果并不理想。在微表情识别方面,由于微表情数据库的匮乏,训
学位
随着移动互联网等领域的高速发展以及智能设备的普及,无线通信已成为服务人民生活、推动社会发展的重要支撑产业,无线通信5G基站作为国家“新基建”之一,关系到国计民生的方方面面。构建绿色高效的通信网络是无线通信领域的重要目标和热点研究方向,但通信业务需求的时空分布不均性为上述目标提出了巨大挑战,不能随通信需求变化进行及时调整的通信资源分配将会导致服务质量下降以及能源严重浪费。准确的无线流量预测可以直观反
随着互联网的普及以及第五代通信技术的蓬勃发展,基于超高清图像、视频的应用受到了越来越多的青睐。受拍摄设备或者拍摄环境等因素的限制,往往无法直接获取到超高分辨率的图像或视频,进而需要通过超分辨算法进行后期处理。同时,与低分辨率图像、视频相比,超高清图像、视频内容包含的数据量骤增,如何进一步提高其压缩效率也成为当下的迫切需求。  插值滤波方法在图像超分辨任务和视频压缩任务中均有关键作用。图像超分辨是对
随着科技迅速发展,无线通信和信息处理方面的理论应用研究得到了研究人员的广泛关注。面对一些复杂的优化问题,当传统方法不能得到较好的结果时,一些研究人员从自然界法则和生物系统中受到启发,设计出一些启发式智能计算方法——智能优化算法,其中群智能算法是一大类模拟生物种群行为的智能算法。狮子作为食物链顶端的动物,比较擅长合作捕猎,近年来模拟狮群行为的群智能算法得到了许多学者的研究。  狮群优化算法是一种模拟
随着信息技术的蓬勃发展和高效视频编码(High Efficiency Video Coding,HEVC)的普及,HEVC视频在人们生产和生活中的作用更为重要。然而,由于HEVC视频缺乏有效的版权保护措施,盗版视频流通猖獗,各种侵权问题和维权之争层出不穷。因此,针对HEVC视频的版权保护已迫在眉睫。鲁棒视频水印,是目前解决视频版权纠纷的一个重要技术手段。本文研究了两类鲁棒视频水印:原始视频水印和压
学位
计算机辅助诊断(Computer Aided Diagnosis,CAD)研究是一个快速增长的活跃领域,利用CAD技术对人体部位的CT影像进行处理,可以为医生提供实用的参考信息,辅助医生对疾病做出准确的诊断,有效减少漏诊、误诊的情况发生。本文开展基于CT影像肺结节良恶性多种病理类型的云端人工智能辅助诊断系统开发研究,旨在设计一套集CT显示、肺结节提取、肺结节分类诊断等功能的计算机辅助诊断系统,辅助
明确肺结节的良恶性病理类型,对制定精准有效的诊疗方案至关重要。基于深度学习的辅助诊断方法可以减少对医生个体经验和工作状态的依赖,提升诊断效率。然而,现有的公开数据集中鲜有经病理学确认的肺部CT影像数据,无法保证样本标注的准确性和可信度。为更好满足临床需求,依据本课题组从合作医院、研究所采集的经金标准确认的肺部CT影像数据,开展了基于3D多分辨注意力胶囊网络的肺结节良恶性多种病理类型辅助诊断方法研究
医学图像配准是临床医学研究中处理医学图像信息的关键技术,传统方法主要依赖于医生人工标识的特殊标记物作为关键点来指导图像配准,但是该过程复杂而冗长,较为依赖医生经验,容易出现错误。随着数字图像的不断发展,传统方法已经无法应对越来越多的高精度医学图像。因此,使用深度学习(Deep Learning,DL)网络进行医学图像配准逐渐成为研究热点,其中针对高精度数字图像的配准方法研究主要使用端到端的配准方法