[0004] 本发明考虑观测站位置和速度误差的影响,针对多发单收外辐射源雷达网TDOA/FDOA定位问题,提出了一种基于两步迭代加权最小二乘估计算法,通过估计运动目标状态(位置和速度),实现观测站位置误差的校正和运动目标精确定位。
[0005] 本发明方法的具体步骤是:
[0006] 步骤1.外辐射源雷达观测站(观测站)接收来自目标散射第三方辐射源发射的信号,得到目标TDOA和FDOA的量测信息;
[0007] 步骤2.忽略量测噪声和观测站位置以及速度误差的影响,对TDOA量测信息,构造辅助变量RP,将TDOA非线性量测方程转化为伪线性估计方程;
[0008] 步骤3.忽略量测噪声、观测站位置误差和观测站速度误差的影响,对TDOA伪线性方程对时间求导,构造辅助变量RP和 获得FDOA的伪线性估计方程;
[0009] 步骤4.联立TDOA和FDOA伪线性估计方程,选择运动目标状态为估计向量X,构造线性估计方程Z=HX;
[0010] 步骤5.考虑量测误差和观测站位置误差对系数矩阵H和Z的影响,构造线性方程ε1=Z1-H1X1=A1n+B1ΔSr;
[0011] 步骤6.根据观测站位置和速度误差、TDOA和FDOA量测误差设计权重W1,采用加权最小二乘估计算法得到目标位置XWLS=(H1TW1H1)-1H1TW1Z1;
[0012] 步骤7.在上述估计结果的基础上,考虑待求变量之间的关联性,采用关联最小二乘估计算法对步骤6的估计值进行改进。
[0013] 本发明的有益效果:
[0014] 1.考虑观测站位置和速度误差对目标定位性能的影响,根据观测站位置和速度误差以及TDOA和FDOA量测噪声设计优化指标权重,从而降低误差对目标定位性能的影响,提高目标定位精度。
[0015] 2.通过引入中间变量,合理将多基外辐射源雷达强非线性量测模型转化为伪线性估计方程,在保证估计性能的前提下降低外辐射源定位的复杂度。
[0016] 3.考虑辅助变量与待求变量之间的关联性,设计关联最小二乘算法,进一步减小估计误差。具体实施方式:
[0017] 运动观测站误差下外辐射源雷达时差与频差协同定位方法,该方法包括以下步骤:
[0018] 步骤1:在多发单收外辐射源雷达网中,包括M个外辐射源和一个观测站。观测站的真实位置 位于原点,真实速度为 观测站实际位置为Sr=[x0,y0]T,实际速度为 且 ΔSr为观测站的位置误差向
量, 为观测站的速度噪声向量,并假设为独立的高斯零均值白噪声,其协方差分别为E[ΔSrΔSrT]=QS和 第m个发射源的坐标向量为 P个目标,第
p个目标的坐标向量为 速度向量为 则TDOA和FDOA量测
为
[0019]
[0020]
[0021] 式中, 和 分别为TDOA和FDOA的真实值,c为信号的传播速度c=3×108m/s,fm为外辐射源m的频率,
||·||为欧几里得距离; 为目标到观测站位置距离,目标到到观测站位置
距离变化率 为目标到发射源位
置距离, 为目标到发射源位置距离变化率;
为外辐射源到观测站位置距离, 为外辐射源到
观测站位置距离变化率; 和 分别为TDOA和FDOA的量测误差,服从高斯分布。
[0022] 由于外辐射源的位置和频率先验已知,因此TDOA和FDOA转化为距离和差um,p和距离和差变化率ρm,p
[0023]
[0024]
[0025] 式中, 分别为距离和差真实值、距离和差变化率真实值,
[0026] 为距离和差量测噪声,服从均值为零,方差为Qu的高斯分布;为距离和差变化率量测噪声,服从均值为零,方差为Qρ的高斯分布。
[0027] 步骤2:在双基距量测模型中引入中间变量Rp,忽略量测噪声 和ΔSr的影响,将上述非线性方程(3)转化为伪线性方程,形式如下
[0028]
[0029] 其中,
[0030] 步骤3:将式(5)等式两边同时对时间求导,得
[0031]
[0032] 其中,
[0033] 步骤4:将目标位置 目标速度 辅助变量Rp和 作为待求变量,联立式(5)和(6),构造线性估计方程
[0034] Z=HX (7)
[0035] 式中,
[0036]
[0037]
[0038] 采用最小二乘估计值获得目标的估计值
[0039]
[0040] 步骤5:考虑距离和差量测误差 和距离和差变化率 以及观测站位置误差ΔSr和速度误差 对H和Z的影响,将距离和差量测伪线性方程式(5)和距离和差变化率量测伪线性方程(6)中H和Z噪声分量提取出来,构造目标位置伪线性估计方程。将和 带入式(5),展开可得
[0041]
[0042] 其中,
[0043]
[0044] 将 和 带入式(6),展开可得
[0045]
[0046] 其中,
[0047]
[0048] 联立式(9)与式(10)写成矩阵形式:
[0049] ε1=Z1-H1X1=A1n+B1ΔS (11)
[0050] 式中:
[0051]
[0052]
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059] B11=diag(b11(1,1),…,b11(M,P)),
[0060]
[0061] B12=diag(b12(1,1),…,b12(M,P)),
[0062]
[0063] 步骤6:根据距离和差量测误差 和距离和差变化率 以及观测站位置误差ΔSr和速度误差 设计权重,采用加权最小二乘估计算法得到目标位置的估计值。
[0064] 步骤6.1:初始化。令迭代次数k=0,将式(8)获得的最小二乘估计值作为目标初始估计值
[0065] 步骤6.2:由 估计值计算系数矩阵H1,Z1,A1和B1。根据观测站位置和速度误差、距离和差以及距离和差变化率量测噪声设计优化指标权重W1,则为量测噪声协方差矩阵,
为观测站位置和速度误差的协方差矩阵。
[0066] 步骤6.3:令k=k+1,采用加权最小二乘估计 获得目标的位置估计值 与 目标速度估计值 与 以及中间变量 与
[0067] 步骤6.4:判断其中η1,η2,η3,η4为阈值;若满足
条件算法迭代停止,得到目标的位置加权最小二乘估计值 否则,转步骤6.2。
[0068] 步骤7:考虑辅助变量 和 与目标位置和速度关联性,设计关联最小二乘算法对步骤6的估计值XWLS进行改进,具体如下:
[0069] 步骤7.1:构建关联最小二乘估计模型
[0070] ε2=Z2-H2X2=A2ΔX1+B2ΔS (12)
[0071] 其中,
[0072]
[0073]
[0074] ΔX1=[ΔX1(1)T…ΔX1(P)T]T,A2=blkdiag(a2(1),…,a2(P))
[0075]
[0076]
[0077] 步骤7.2:根据观测站位置误差和速度误差,以及目标状态X1的估计误差协方差设计权重W2=E[ε2ε2T]=(A2cov(X1)A2T+B2QβB2T)-1,cov(X1)=(H1TW1H1)T为目标状态X1的估计误差协方差。
[0078] 步骤7.3:采用加权最小二乘法估计得到
[0079] 步骤7.4:X2中变量包含目标位置与观测站位置之差的平方项以及目标速度与观测站速度之差的平方项,要求获得目标的位置需要对X2开根号,目标的位置具体公式如下:
[0080]
[0081] 其中,Π=diag{sgn(X1(3p-2)-x0)sgn(X1(3p-1)-y0)},sgn(·)为符号函数;
[0082] 目标的速度公式为
[0083]
[0084] 获得目标的位置估计值 和目标速度的估计值