2. 哈尔滨工业大学 电子与信息工程学院,黑龙江 哈尔滨 150001
2. School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China
多站无源定位技术在雷达、导航、无线通信等领域存在着广泛的应用[1-3]。常用定位参数主要包括到达角度(angle of arrival,AOA)、到达时间差(time different of arrival,TDOA)、到达频率差(frequency different of arrival,FDOA)等。其中多站时差定位体制通过多个观测站测量辐射源信号到达各站的时间差实现辐射源定位,其定位成本低、定位精度较高并且不需要精确已知辐射源发射信号信息,是一种实时定位体制,因此受到广泛关注。
目前典型的TDOA定位算法包括Chan算法[4-5]、迭代算法[6]以及凸优化算法[7]等。Chan算法通过信号到达两站的时差确定以两观测站为焦点的双曲面,多个双曲面的交点即为辐射源位置,该方法在测量误差较小时能够得到辐射源位置的解析解;但测量误差增大会使双曲面平移,会出现定位模糊或无解的问题,影响算法定位精度。迭代算法需要一个初始位置点进行迭代求解,若初始点与真实位置误差较大,算法往往不能收敛。凸优化算法具有局部最优点即全局最优点的特点[8-9],其首先利用中间变量构造伪线性方程并构造目标函数;然后在此基础上对目标函数进行松弛变换,将非线性的时差定位方程变换为一个凸优化问题,该方法具有良好的收敛特性,不会出现局部收敛或发散的现象。由于时差定位通常是在观测站位置信息精确已知的条件下进行,所以会受到使用条件的限制,当观测站为无人机或高速飞行器等运动平台时,其导航自定位存在误差,位置误差的存在会使时差定位算法的定位精度下降[10-12]。因此,定位算法需要考虑位置误差对定位精度的影响。
本文考虑在观测站存在位置误差的条件下,提出了一种基于凸优化的时差定位算法,并通过仿真本文算法在不同的时差测量误差、位置误差条件下的定位误差,验证了算法的有效性;通过卡尔曼滤波处理多次定位结果进一步提升了辐射源定位精度。
1 时差定位模型如图1所示,假设在三维空间中位于地球表面的辐射源真实位置为
Download:
|
|
由于观测站存在位置误差,实际测量得到的观测站位置为
${{\mathit{\boldsymbol{s}}}} = {{{\mathit{\boldsymbol{s}}}}^o} + \Delta {{\mathit{\boldsymbol{s}}}}$ |
式中:
以第一个观测站为主站,其余为辅站。多站之间采用中心授时法完成时钟同步,主辅站上分别携带有卫星导航接收机,根据卫星导航授时中心的中心授时调整自身时钟来达到相互之间的时钟同步。假设辐射源信号传输过程中不存在多径效应等问题,主辅站截获辐射源信号,通过脉冲配对和信号到达时间估计后得到3个测量时差,乘以电磁波传播速度
$ \begin{array}{l} \;\;\;\;\;\;{{{\mathit{\boldsymbol{r}}}}_{i1}} = c\Delta {{{\mathit{\boldsymbol{t}}}}_{i1}} = {{\mathit{\boldsymbol{r}}}}_{i1}^o + \Delta {{\mathit{\boldsymbol{r}}}}\\ {{\mathit{\boldsymbol{r}}}}_{i1}^o = {{\mathit{\boldsymbol{r}}}}_i^o - {{\mathit{\boldsymbol{r}}}}_1^o = \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_i^o} \right\| - \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_1^o} \right\| \end{array}$ |
式中:
本算法对地球表面高程为零的静止辐射源进行定位,利用这一信息作为辐射源位置求解的约束条件,采用WGS-84地球椭球模型[13]。在WGS-84模型下,辐射源的空间直角坐标与经纬高坐标的关系为
$\left\{ \begin{array}{l} x = (N + H)\cos B\cos L \\ y = (N + H)\cos B\sin L \\ z = [N(1 - {e^2}) + H]\sin B \end{array} \right.$ |
式中:
$\frac{{{x^2}}}{{{{(N + H)}^2}}} + \frac{{{y^2}}}{{{{(N + H)}^2}}} + \frac{{{z^2}}}{{{{[N(1 - {e^2}) + H]}^2}}} = 1$ |
式中:
$\left\{ {\begin{array}{*{20}{l}} {{{\mathit{\boldsymbol{r}}}}_{21}^o = {{\mathit{\boldsymbol{r}}}}_i^o - {{\mathit{\boldsymbol{r}}}}_1^o = \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_2^o} \right\| - \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_1^o} \right\|} \\ \quad\quad\quad\quad\quad\quad\quad\vdots \\ {{{\mathit{\boldsymbol{r}}}}_{i1}^o = {{\mathit{\boldsymbol{r}}}}_i^o - {{\mathit{\boldsymbol{r}}}}_1^o = \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_i^o} \right\| - \left\| {{{{\mathit{\boldsymbol{u}}}}^o} - {{\mathit{\boldsymbol{s}}}}_1^o} \right\|} \\ {\dfrac{{{x^2}}}{{{{(N + H)}^2}}} + \dfrac{{{y^2}}}{{{{(N + H)}^2}}} + \dfrac{{{z^2}}}{{{{[N(1 - {e^2}) + H]}^2}}} = 1} \end{array}} \right.$ |
首先将非线性的时差定位方程伪线性化。将主站与辐射源的距离
$ \begin{array}{c} {\eta _i} = {{\mathit{\boldsymbol{r}}}}_{i1}^2 - {{\mathit{\boldsymbol{s}}}}_i^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_i} + {{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_1} + 2{({{{\mathit{\boldsymbol{s}}}}_i} - {{{\mathit{\boldsymbol{s}}}}_1})^{\rm{T}}}{{{\mathit{\boldsymbol{u}}}}^o} + 2{\hat{{\mathit{\boldsymbol{r}}}}}_1^o{{{\mathit{\boldsymbol{r}}}}_{i1}} =\\ 2{{\mathit{\boldsymbol{r}}}}_i^o\Delta {{{\mathit{\boldsymbol{r}}}}_{i1}} + 2{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_i})^{\rm{T}}}\Delta {{{\mathit{\boldsymbol{s}}}}_i} - 2[{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_1})^{\rm{T}}} + {{{\mathit{\boldsymbol{r}}}}_{i1}}\rho _{{{{\mathit{\boldsymbol{u}}}}^o},{{{\mathit{\boldsymbol{s}}}}_1}}^{\rm{T}}]\Delta {{{\mathit{\boldsymbol{s}}}}_1} \end{array} $ |
式中
$ {{\mathit{\boldsymbol{\eta}}}} = {{\mathit{\boldsymbol{h}}}} - {{\mathit{\boldsymbol{Gy}}}} = {{\mathit{\boldsymbol{B}}}}\Delta {{\mathit{\boldsymbol{r}}}} + {{\mathit{\boldsymbol{D}}}}\Delta {{\mathit{\boldsymbol{s}}}} $ | (1) |
$ \begin{array}{c} {{\mathit{\boldsymbol{h}}}} = \left[ {\begin{array}{*{20}{c}} {{{\mathit{\boldsymbol{r}}}}_{21}^2 - {{\mathit{\boldsymbol{s}}}}_2^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_2} + {{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_1}} \\ {{{\mathit{\boldsymbol{r}}}}_{31}^2 - {{\mathit{\boldsymbol{s}}}}_3^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_3} + {{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_1}} \\ {{{\mathit{\boldsymbol{r}}}}_{41}^2 - {{\mathit{\boldsymbol{s}}}}_4^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_4} + {{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{{\mathit{\boldsymbol{s}}}}_1}} \end{array}} \right]\\ {{\mathit{\boldsymbol{G}}}} = \left[ {\begin{array}{*{20}{c}} {{{({{{\mathit{\boldsymbol{s}}}}_2} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}}}&{{{\mathit{\boldsymbol{r}}}}_{21}^{}} \\ {{{({{{\mathit{\boldsymbol{s}}}}_3} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}}}&{{{\mathit{\boldsymbol{r}}}}_{31}^{}} \\ {{{({{{\mathit{\boldsymbol{s}}}}_4} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}}}&{{{\mathit{\boldsymbol{r}}}}_{41}^{}} \end{array}} \right]\\ {{\mathit{\boldsymbol{B}}}} = 2\left[ {\begin{array}{*{20}{c}} {{{\mathit{\boldsymbol{r}}}}_2^o}&0&0 \\ 0&{{{\mathit{\boldsymbol{r}}}}_3^o}&0 \\ 0&0&{{{\mathit{\boldsymbol{r}}}}_4^o} \end{array}} \right]\\ {{\mathit{\boldsymbol{D}}}} = 2\left[{\begin{array}{*{20}{c}} { - {{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}} - {{{\mathit{\boldsymbol{r}}}}_{21}}{{\mathit{\boldsymbol{\rho }}}}_{{{{\mathit{\boldsymbol{u}}}}^o},{{{\mathit{\boldsymbol{s}}}}_1}}^{\rm{T}}}&{{{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_2})}^{\rm{T}}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}} \\ { - {{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}} - {{{\mathit{\boldsymbol{r}}}}_{21}}{{\mathit{\boldsymbol{\rho }}}}_{{{{\mathit{\boldsymbol{u}}}}^o},{{{\mathit{\boldsymbol{s}}}}_1}}^{\rm{T}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}}&{{{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_3})}^{\rm{T}}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}} \\ { - {{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_1})}^{\rm{T}}} - {{{\mathit{\boldsymbol{r}}}}_{21}}{{\mathit{\boldsymbol{\rho }}}}_{{{{\mathit{\boldsymbol{u}}}}^o},{{{\mathit{\boldsymbol{s}}}}_1}}^{\rm{T}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}}&{{{{\mathit{\boldsymbol{0}}}}^{\rm{T}}}}&{{{({{{\mathit{\boldsymbol{u}}}}^o} - {{{\mathit{\boldsymbol{s}}}}_4})}^{\rm{T}}}} \end{array}}\right] \end{array} $ |
假设
$ \hat \eta = \arg \min {({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}})^{\rm{T}}}{{\mathit{\boldsymbol{W}}}}({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}})= {({{{\mathit{\boldsymbol{G}}}}^{\rm{T}}}{{\mathit{\boldsymbol{WG}}}})^{{\rm{ - }}1}}{{{\mathit{\boldsymbol{G}}}}^{\rm{T}}}{{\mathit{\boldsymbol{Wh}}}} $ |
式中
由于求解过程是在假设
$\begin{array}{*{20}{c}} {\mathop {\min }\limits_{{\mathit{\boldsymbol{y}}}} {{({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}})}^{\rm{T}}}{{\mathit{\boldsymbol{W}}}}({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}})} \\ {{\rm{s}}.{\rm{t}}.\;\;{{\mathit{\boldsymbol{y}}}}(4) = \left\| {{{\mathit{\boldsymbol{y}}}}(1:3) - {{{\mathit{\boldsymbol{s}}}}_1}} \right\|} \end{array}$ |
该函数是非线性等式约束优化问题,其为一个非凸优化问题。对该问题可以通过松弛变换处理,将其转换为一个凸优化问题,利用凸优化局部最优点即为全局最优点的优点可以有效求解。根据矩阵迹的性质
${({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}})^{\rm{T}}}{{\mathit{\boldsymbol{W}}}}({{\mathit{\boldsymbol{Gy}}}} - {{\mathit{\boldsymbol{h}}}}) = {\rm{tr}}\left\{ {\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{Y}}}}&{{\mathit{\boldsymbol{y}}}} \\ {{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}}}&1 \end{array}} \right]{{\mathit{\boldsymbol{F}}}}} \right\}$ |
其中
$ \begin{array}{c} \mathop {\min }\limits_{{{\mathit{\boldsymbol{Y}}}},{{\mathit{\boldsymbol{y}}}}} \;{\rm{tr}}\left\{ {\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{Y}}}}&{{\mathit{\boldsymbol{y}}}} \\ {{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}}}&1 \end{array}} \right]{{\mathit{\boldsymbol{F}}}}} \right\} \\ {\rm{s}}{\rm{.t}}{\rm{.}}\;\;{{\mathit{\boldsymbol{Y}}}}(4,4){\rm{ = tr}}\{ {{\mathit{\boldsymbol{Y}}}}(1:3,1:3)\} - 2{{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{\mathit{\boldsymbol{y}}}}(1:3) + {\left\| {{{{\mathit{\boldsymbol{s}}}}_1}} \right\|^2} \\ \;\;\;\;\;\;{{\mathit{\boldsymbol{Y}}}} = {{\mathit{\boldsymbol{y}}}}{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}} \end{array} $ |
对于形如
${{\mathit{\boldsymbol{Y}}}} = {{\mathit{\boldsymbol{y}}}}{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}} \Leftrightarrow \left\{ {\begin{array}{*{20}{c}} {\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{Y}}}}&{{\mathit{\boldsymbol{y}}}} \\ {{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}}}&1 \end{array}} \right]\underline \succ 0} \\ {{\rm{rank(}}{{\mathit{\boldsymbol{Y}}}}{\rm{) = 1}}} \end{array}} \right.$ |
舍弃式中约束项
$ \begin{array}{c} \mathop {\min }\limits_{{{\mathit{\boldsymbol{Y}}}},{{\mathit{\boldsymbol{y}}}}} \;{\rm{tr}}\left\{ {\left[ {\begin{array}{*{20}{c}} {{\mathit{\boldsymbol{Y}}}}&{{\mathit{\boldsymbol{y}}}} \\ {{{{\mathit{\boldsymbol{y}}}}^{\rm{T}}}}&1 \end{array}} \right]{{\mathit{\boldsymbol{F}}}}} \right\} \\ {\rm{s}}{\rm{.t}}{\rm{.}}\;\;{{\mathit{\boldsymbol{Y}}}}(4,4){\rm{ = tr}}\{ {{\mathit{\boldsymbol{Y}}}}(1:3,1:3)\} - 2{{\mathit{\boldsymbol{s}}}}_1^{\rm{T}}{{\mathit{\boldsymbol{y}}}}(1:3) + {\left\| {{{{\mathit{\boldsymbol{s}}}}_1}} \right\|^2} \\ \;\;\;\;\;\;\dfrac{{{{\mathit{\boldsymbol{Y}}}}(1,1)}}{{{{(N + H)}^2}}} + \dfrac{{{{\mathit{\boldsymbol{Y}}}}(2,2)}}{{{{(N + H)}^2}}} + \dfrac{{{{\mathit{\boldsymbol{Y}}}}(3,3)}}{{{{[N(1 - {e^2}) + H]}^2}}} = 1 \\ \;\;\;\;\;\;\;{{\mathit{\boldsymbol{Y}}}}(5,5) = 1 \end{array} $ |
该问题的求解已经成熟应用于MATLAB内嵌的CVX工具箱中,该方法可以在几十步之内以给定的精度求解凸优化问题[9],当结果满足门限时,求解结束并输出定位结果。根据
${\hat{{\mathit{\boldsymbol{u}}}}} = {\hat{{\mathit{\boldsymbol{y}}}}}(1:3) = (\hat x,\hat y,\hat z)$ |
综上所述,本算法基本流程为:
1)根据时差信息与观测站坐标构建时差定位方程;
2)对定位方程进行变换并结合地球表面约束条件,将其变为一个凸优化问题;
3)利用CVX工具箱求解,若结果满足给定门限,则求解结束,否则继续迭代并更新定位结果。
3 仿真分析 3.1 单次定位误差仿真本文在不同时差测量误差和位置误差情况下仿真各种算法的定位误差。假设辐射源位置为
本文中各种算法的定位精度用均方根误差(root mean square error,RMSE)来表示,其定义为
假设各站绝对位置误差
Download:
|
|
假设主从站时差测量误差
Download:
|
|
为了提升辐射源定位精度,可以对辐射源进行多次定位并对多次定位结果进行滤波处理[14]。设辐射源为
$\begin{array}{*{20}{c}} {{{{\mathit{\boldsymbol{u}}}}_{k + 1}} = {{\mathit{\boldsymbol{\varPhi }}}}{{{\mathit{\boldsymbol{u}}}}_k}} \\ {{{{\mathit{\boldsymbol{Y}}}}_k} = {{{\mathit{\boldsymbol{H}}}}_k}{{{\mathit{\boldsymbol{X}}}}_k} + {{\mathit{\boldsymbol{n}}}}} \end{array}$ |
式中:
${{{\mathit{\boldsymbol{R}}}}_k} = \left[ {{{{\mathit{\boldsymbol{n}}}}_k}{{\mathit{\boldsymbol{n}}}}_k^{\rm{T}}} \right] = \left[ {\begin{array}{*{20}{c}} {{{\mathit{\boldsymbol{\delta }}}}_{\Delta {{{\mathit{\boldsymbol{r}}}}_1}}^2}&0&0 \\ 0&{{{\mathit{\boldsymbol{\delta }}}}_{\Delta {{{\mathit{\boldsymbol{r}}}}_2}}^2}&0 \\ 0&0&{{{\mathit{\boldsymbol{\delta }}}}_{\Delta {{{\mathit{\boldsymbol{r}}}}_3}}^2} \end{array}} \right] + \left[ {\begin{array}{*{20}{c}} {2{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2} \\ {{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{2{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2} \\ {{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2}&{2{{\mathit{\boldsymbol{\delta }}}}_{{\mathit{\boldsymbol{s}}}}^2} \end{array}} \right]$ |
式中:
为了体现多次定位卡尔曼滤波结果,本节仿真参数如下:辐射源为地面固定目标,其位置坐标与上节相同;四站位置如表1所示,运动速度为
从图4中可以看出,对多次定位结果进行卡尔曼滤波后,辐射源定位误差大大减小,到4 s以后,定位误差稳定在10 m以下,滤波处理可以大大提升对辐射源的定位精度。
Download:
|
|
本文以四站时差定位系统为例,考虑观测站位置误差对定位算法精度的影响,提出了一种基于凸优化的时差定位算法。通过将非线性的时差定位方程转换为一个凸优化问题,结合地球表面约束条件得到辐射源位置的最优解。仿真结果表明:本文算法在相同时差测量误差或位置误差条件下定位精度优于传统时差定位算法,在高误差条件下定位误差最小;进一步通过对多次定位结果进行卡尔曼滤波处理减小了辐射源定位误差,大大提升了辐射源定位精度。
[1] | 赵国庆. 雷达对抗原理[M]. 西安: 西安电子科技大学出版社, 2001. (0) |
[2] | 郭福成, 樊昀, 周一宇, 等. 空间电子侦察定位原理[M]. 北京: 国防工业出版社, 2012. (0) |
[3] | HO K C. Bias reduction for an explicit solution of source localization using TDOA[J]. IEEE transactions on signal processing, 2012, 60(5): 2101-2114. DOI:10.1109/TSP.2012.2187283 (0) |
[4] | SUN Ming, HO K C. An asymptotically efficient estimator for TDOA and FDOA positioning of multiple disjoint sources in the presence of sensor location uncertainties[J]. IEEE transactions on signal processing, 2011, 59(7): 3434-3440. DOI:10.1109/TSP.2011.2131135 (0) |
[5] | 王春芸. 基于时差定位信号的方位解算方法[J]. 舰船电子对抗, 2019, 42(2): 89-92, 109. (0) |
[6] | KIM Y H, KIM D G, KIM H N. Two‐step estimator for moving-emitter geolocation using time difference of arrival/frequency-difference of arrival measurements[J]. IET radar, sonar & navigation, 2015, 9(7): 881-887. (0) |
[7] | WAND Gang, LI Youming, ANSARI N. A semidefinite relaxation method for source localization using TDOA and FDOA measurements[J]. IEEE transactions on vehicular technology, 2013, 62(2): 853-862. DOI:10.1109/TVT.2012.2225074 (0) |
[8] | BOYD S, VANDENBERGHE L. 凸优化[M]. 王书宁, 许鋆, 黄晓霖, 译. 北京: 清华大学出版社, 2013. (0) |
[9] | 郑仕力, 董乔忠. 基于高低轨联合的空中目标三维定位侦察技术[J]. 航天电子对抗, 2018, 34(2): 25-28, 60. DOI:10.3969/j.issn.1673-2421.2018.02.007 (0) |
[10] | LUO Zhiquan, MA W K, SO A M, et al. Semidefinite relaxation of quadratic optimization problems[J]. IEEE signal processing magazine, 2010, 27(3): 20-34. DOI:10.1109/MSP.2010.936019 (0) |
[11] | 孙亚钊. 运动多站时差无源高精度定位技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2019. (0) |
[12] | 邹延宾. TOA/TDOA定位的凸优化方法研究[D]. 成都: 电子科技大学, 2018. (0) |
[13] | 李万春, 彭吴可, 彭丽, 等. WGS-84模型下时差频差半定规划定位算法[J]. 航空学报, 2017, 38(7): 320843. (0) |
[14] | 孙琳, 李小波, 周青松, 等. 基于扩展卡尔曼滤波的雷达无源定位方法[J]. 火力与指挥控制, 2016, 41(11): 58-61. DOI:10.3969/j.issn.1002-0640.2016.11.014 (0) |