基于多维分配的多基地声纳目标数据关联

建立了多基地多目标航迹关联的多维分配模型,利用基于辅助量最小二乘方法对目标状态进行位置估计,建立多基地被动目标关联多维分配模型,将位置估计模型的结果结合到求解多维分配问题的拉格朗日松弛算法求解中,提高了多维分配的关联准确率.在不同声纳精度下对多目标关联问题进行了比较,给出算法时间和关联准确率.     

多基地声纳距离信息定位算法研究及精度分析

在双基地声纳系统的定位方法[1]基础上推导了基于距离信息的多基地声纳系统的定位方程及定位误差的表达式,讨论了多基地声纳系统利用距离信息进行定位的定位原理,讨论了站址测量误差和时间测量误差对系统定位精度的影响,并对不同站址布局下,系统的误差分布特点进行了研究,得出了使定位精度达最高的一种站址布局方案.     

双(多)基地雷达体制及其展望

本文综述了双(多)基地雷达的优缺点,着重讨论由于收发分置而产生的双基地特性,分析了这种体制的距离和多卜勒参数,得出了距离分辨力及多卜勒频率和双基地角β之间的关系式,获得了机载双基地雷达中产生杂波调谐效应时各参数间的相互制约关系;文中研究了收发系统间的同步问题,特别讨论了实现空间同步的途径,着重分析用脉冲追赶法实现空间同步的优点及可行性,标出了脉冲追赶时的主要参数。本文最后对双(多)基地雷达的前景作了某些评价。     

基于多普勒频移的双基地声纳目标速度测量

针对单基地声纳仅可获得目标的径向速度以及双基地声纳有大量冗余信息的问题,提出利用单/双基地复合工作的声纳系统求解目标二维速度矢量（速度大小、航向）的方法。为了获得目标的二维速度矢量,在双基地声纳系统中,分析了双基地声纳多普勒频移的特性,并与单基地作了比较;结合单、双基地所获得的多普勒频移特性信息,给出了目标二维速度矢量的两种计算方法;并对目标速度测量误差进行了分析。结果表明,采用单/双基地复合工作的声纳系统,可以完成目标二维速度矢量的测量,而测量误差则与系统的频移分辨力及目标与收、发基地间的相对位置有关。     

多点定位TOA精确估计及同步误差校正算法

提出了S模式信号的数学模型,讨论了脉冲上升沿测量到达时间（time of arrival, TOA）的精度、统计方法估计TOA的最优值和最优估计的实现方法。然后,提出了一种先解码后测量TOA的改进方法,从脉冲积累的角度导出了改进方法的理论精度,与单脉冲测量的精度相比较有明显提高。针对硬件实现的问题,分析了采样对TOA测量的影响和解决方法。最后,讨论了多点定位的同步问题,将TOA的精确估计值应用于多点定位系统多部接收机之间的同步误差校正。     

动基站时差探测系统定位与滤波技术研究

针对传统长基线时差探测系统的缺点,本文提出了全新的动基站时差测量系统,并给出了目标的定位原理。针对此探测系统的特点,提出了一种高度简化的加权最小二乘算法,该算法利用子集选优法分析结果,并忽略各子集位置误差的相关性,从而有效地减小了运算量,同时保证了较高的目标位置测量精度。通过伪线性卡尔曼滤波法和广义卡尔曼滤波法进一步减小了目标位置的探测随机误差,统计仿真结果证明了这一数据处理流程的有效性。     

InSAR定位误差的概率分布计算

对干涉合成孔径雷达的目标定位误差问题进行了研究。通过使用矢量分析方法,给出了目标位置误差概率分布密度的显式表达。通过对该概率分布密度表达式的分析,获得了一些简洁明了的结果,这对干涉合成孔径雷达的设计有意义。这些结果与有关的文献报道相容。最后,通过仿真数据验证了目标位置误差概率分布表达式的正确性。     

多基高频天波超视距定位模型

基于电离层斜向返回探测系统组成的多基地天波超视距定位系统,利用电离层对电波的反射,以有源定位的方式对超视距地面目标进行定位。将用于大地解算的Bowring公式与电波传播特性相结合,提出了一种天波传播模式下的目标定位模型,用以解算目标的地理位置并计算定位精度。利用计算机仿真得出了在采用不同布站类型时,电波在单模式传播情况下的定位误差的几何稀释图和定位分析。仿真结果表明,此模型精度高,并克服了传统定位方法在某些方面的不足。     

基于交叉定位的多传感器多机动目标跟踪

交叉定位的思想可以用来简化数据关联 ,实现状态估计。但在杂波或多目标的环境中 ,定位法会产生大量虚假目标。通过分析传感器数目的选择 ,来限定虚假目标生成的概率。提出了一种基于HMM(HiddenMarkovModel)的全邻似然估计跟踪算法。该算法采用观测 -航迹关联 ,具有相对简单的多项式复杂度。由于传感器量测的融合在状态空间中统一进行 ,该算法可推广到异类传感器组成的系统中。     

存在基站误差的稳健时差定位算法

针对存在基站误差的目标无源定位问题,提出了一种基于修正牛顿算法的时差定位技术。众所周知,牛顿法对初值要求较高,较差初值会导致迭代发散,而且基站位置误差也会导致牛顿算法Hessian矩阵维数扩大和目标函数的缓慢下降,使运算量变大。该算法利用最大似然方法确定目标函数,运用牛顿法对目标位置进行迭代求解,对于计算过程中可能出现的病态Hessian矩阵,引入正则化理论修正病态的Hessian矩阵,使保证迭代收敛,同时简化算法降低Hessian矩阵的维数并且加速目标函数的下降趋势,使目标位置解脱离局部最小值,算法能够稳健高效的运行。实验结果表明:相对于传统牛顿法,此算法在初始值的选取上具有稳健性,对误差选取较大的初始值,仍能够保证算法的收敛性,同时加速了收敛速度,降低了计算量;相对于现有闭合式定位方法,此算法在噪声较大时具有较好的定位精度。     

关于双基地声呐定位及其优化算法的研究

由于一般的双基地系统为T/R-R型双基地声呐,发射和接收站都可以提供测量数据,于是存在冗余信息。所以,双基地声呐定位问题,实质上就是非线性系统的优化问题。为了更充分的利用冗余的观测信息,提出一种基于加权最小二乘的双基地声呐定位优化算法(WLS算法),并与传统的基于波达时间定位算法(TOL算法)进行了比较。     

双基地声纳定位精度和算法研究

根据双基地声纳定位的特点，提出了一种单纯基于声波到达时间(TOL)的双基地声纳定位算法，给出了算法的原理和误差分布。通过数值仿真，研究了基线长度、时间测量误差对算法定位性能的影响。仿真结果表明，TOL算法的定位精度与基线长度有关，随着基线长度的增加，定位精度提高。时间测量误差对算法的定位精度影响较小。与同等条件下单基地声纳定位相比，双基地TOL算法具有更高的定位精度。该研究为多基地声纳新体制的建立，提供了理论依据。     

一种快速近似无偏的双基阵纯方位目标定位方法

纯方位目标运动分析(TMA)是一种非线性估计问题，对测量方程进行线性化处理后对其运动要素的估计可能会出现发散或偏置现象。利用双基阵所提供的方位量测信息，在测量方程伪线性化后使得均方等效误差期望最小来实现目标运动要素无偏估计，通过仿真说明了利用该方法所得到的位置、速度跟踪误差曲线能很好快速地逼近CRLB，比双基阵EKF滤波器有着更好的收敛速度和跟踪精度，证明了该方法的有效性。     

传感器网络中基于最小覆盖重叠的移动部署

为了优化随机部署的传感器网络的覆盖率,提出了基于最小覆盖重叠(MCO,Minimum Coverage Overlap)的分布式移动部署算法.算法执行时,每个节点根据获得的邻居节点位置信息,计算节点覆盖圆周上覆盖重叠的分布情况,并沿着最大程度减小覆盖重叠的方向移动.通过算法的迭代运行,使网络覆盖重叠程度尽量减小,从而最大限度的优化了网络的覆盖率.仿真结果表明,与基于Voronoi图的算法相比,MCO算法在覆盖率、移动效率、移动距离和部署时间等方面具有更高的性能.     

基于差分修正的传感器网络加权质心定位算法

节点定位是无线传感器网络应用的关键技术。针对加权质心定位算法存在的测距误差影响,提出了一种基于差分校正的加权质心定位算法DWCLA。算法先进行信标节点之间的测距,并用其实际位置求得测距的误差因子。节点利用最近信标节点的误差因子修正测距,从而对权值进行修正。仿真结果表明,DWCLA算法降低了测距误差对定位的影响,提高了算法的定位精度。     

基于SOM的WSN节点定位算法与仿真实现

结合自组织神经网络（Self Organizing Maps,SOM）算法无监督学习特征和WSN自组织特点,提出了一种分布式的基于自组织神经网络的节点定位算法（Distributed Self-Organizing-Map and Received Signal Strength Indication,DSOM-RSSI）。DSOM-RSSI使WSN中的节点自组织为多个交叠的簇,通过多个簇头的并行计算,实现分布式的节点定位。DSOM-RSSI直接利用无线信号强度指示值进行定位,减少了以往把无线信号强度转化为距离后再来进行定位带来的误差和计算量。试验结果验证了该方法在定位精度和算法复杂度方面性能优于集中式的基于测距的自组织节点定位算法。     

基于星型配置策略的协同定位算法

为了改善无线传感器网络整体连通性,避免监控区域出现黑洞现象,提出了无线传感器网络节点的星型配置策略。通过RSSI和AOA相结合的协同定位算法实现了节点定位,算法中采用影射机制建立了传感器节点的平面坐标计算新方法。计算机仿真结果表明该算法能够明显提高节点的定位精度,定位精度小于1米。     

求解流量监测点最优部署问题的混合遗传算法

针对网络流量监测点最优部署(Optimal Deployment of Flow Monitors,ODFM)问题,提出了ODFM问题的通用模型。将遗传算法和模拟退火算法相结合,给出了求解ODFM问题的遗传模拟退火算法(GA-SA)。通过仿真实验,将GA-SA和标准遗传算法(Standard Genetic Algorithm,SGA)以及Suh等人提出的两步近似算法(Two-Stage Approximation Algorithm,TSAA)的求解性能进行了比较。实验结果表明,与SGA和TSAA相比,GA-SA可获得15%以上的求解性能提升。