买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波大学

摘要：本发明公开了一种基于混合AOA和TDOA的单接收机移动源定位方法，其在移动源以恒定速度线性轨迹运动时，AOA和TDOA测量信息由单个静止接收机在多个时间间隔内观测到，由此构建融合AOA和TDOA测量信息的参数模型，进而构建适用于二维和三维空间的非凸约束加权最小二乘问题，用于估计移动源的初始位置和恒定速度；优点是，所提出的融合AOA和TDOA测量信息的参数模型能够简化原非线性的距离测量模型，减少耦合变量；广义信任区域子问题方法能够保证非凸约束加权最小二乘问题的全局解，而无需考虑局部收敛或发散问题；在二维和三维空间中能够在小高斯噪声下达到克拉美‑罗下界精度；单个接收机的管理成本相比于多接收机有优势。

主权项：1.一种基于混合AOA和TDOA的单接收机移动源定位方法，其特征在于包括以下步骤：步骤1：设定一个无源定位系统由一个接收机和一个以恒定速度线性轨迹运动的移动源组成，在该无源定位系统中建立一个二维坐标系作为参考坐标系，将移动源在参考坐标系中的初始位置真实值记为将移动源的恒定速度真实值记为vo，将在时刻k时移动源在参考坐标系中的位置真实值记为将接收机在参考坐标系中的位置设于参考坐标系的原点；在无源定位系统中，移动源在以恒定速度线性轨迹运动期间发射信号，接收机从其观测到的信号中获取每个时刻的AOA和TDOA测量数据；其中，K表示接收机采样的样本数，表示接收机的采样周期，上标“T”表示向量或矩阵的转置；步骤2：通过获取在时刻k时的方位角信息来构建未知位置的移动源发射的信号到已知位置的接收机的直射路径的AOA测量模型，描述为：然后将所有时刻的方位角信息整理成向量形式，描述为：θ＝[θ0,...,θK-1]T＝θo+nθ；其中，θk表示在时刻k时的方位角测量值，表示在时刻k时的方位角真实值，弧度，表示在时刻k时的方位角测量噪声，θ表示所有时刻的方位角测量值构成的向量，θo表示所有时刻的方位角真实值构成的向量，nθ表示所有时刻的方位角测量噪声构成的向量，nθ服从均值为零且协方差矩阵为的高斯分布，表示方位角测量噪声功率，IK表示K阶单位矩阵；将在时刻0时的飞行时间作为参考，构建未知位置的移动源发射的信号到已知位置的接收机的直射路径的TDOA测量模型，描述为：然后将等号两边同乘c，得到：再令d＝[d1,...,dK-1]T，其中，τk表示在时刻k时与时刻0时移动源发射的信号到达接收机的时间差测量值，c表示已知的信号传播速度，表示在时刻k时的TDOA的测量噪声，表示在时刻k时的距离差测量噪声，符号“||||”为二范数符号，dk表示在时刻k时与时刻0时移动源与接收机的距离差测量值，表示在时刻k时与时刻0时移动源与接收机的距离差真实值，d表示所有时刻对应的距离差测量值构成的向量，do表示所有时刻对应的距离差真实值构成的向量，nd表示所有时刻的距离差测量噪声构成的向量，nd服从均值为零且协方差矩阵为的高斯分布，表示距离差测量噪声功率，IK-1表示K-1阶单位矩阵，1K-1×1表示维度为K-1×1的全1列向量；步骤3：构建融合AOA和TDOA测量信息的参数模型，描述为：然后令且因将式3.1转化为：其中，表示在时刻0时移动源与接收机之间的距离真实值，表示在时刻k时移动源与接收机之间的距离真实值，表示在时刻k时移动源位置真实值的方向向量，0N×1表示维度为N×1的全0列向量，N表示参考坐标系的维度，N＝2；步骤4：对式2.1和式3.2进行预处理，具体如下：1将式2.1中的表达式等价转化为然后对进行一阶泰勒展开，并当噪声足够小时忽略高阶噪声项，得到：再基于和得到：最后将和代入中，得到等价转化式作为式2.1的预处理结果，描述为：2将以及和代入式3.2中，并忽略二阶噪声项，得到：然后将两边各自的二维相加，得到式3.2的预处理结果，描述为：其中，将中的替换为θk得到ρk，ρk＝[cosθk,sinθk]T；步骤5：将式4.2包含的K-1个方程和式4.1包含的K个方程上下堆成矩阵形式，构建约束加权最小二乘问题，描述为：然后因约束加权最小二乘问题的约束与v无关，令将约束加权最小二乘问题等价转化为约束与v无关的问题，描述为：再将约束与v无关的问题转化为只与y1有关的问题，描述为：其中，y为优化变量，y的维度为2N+1×1，u0表示对应的变量，v表示vo对应的变量，W表示权重矩阵，为期望求取符号，12×1表示维度为2×1的全1列向量，和通过得到，ρ1o表示在时刻1时移动源位置真实值的方向向量，表示在时刻K-1时移动源位置真实值的方向向量，diag表示进行对角化，0K×K-1表示维度为K×K-1的全0矩阵，ε＝[nθT,ndT]T，Qε表示ε的协方差矩阵，Qε＝blkdiagQθ,Qd，blkdiag表示进行分块对角化，C＝blkdiagIN,-1,0N×N，IN表示N阶单位矩阵，0N×N表示维度为N×N的全0矩阵，A为系数矩阵，11×2表示维度为1×2的全1行向量，中的替换为θk得到ρk，ρk＝[cosθk,sinθk]T，中的替换为θk得到αk，αk＝[sinθk,-cosθk]T，0K×1表示维度为K×1的全0列向量，yN+1表示y中的第N+1个元素，y1的维度为N+1×1，v的维度为N×1，A1＝AT1,A2＝AT2,T1＝[IN+1,0N+1×N]T，T2＝[0N×N+1,IN]T，IN+1表示N+1阶单位矩阵，0N+1×N表示维度为N+1×N的全0矩阵，0N×N+1表示维度为N×N+1的全0矩阵，y1N+1表示y1中的第N+1个元素，步骤6：使用广义信任区域子问题方法求解只与y1有关的问题，得到y1的全局最优解，作为y1的估计值，记为或然后根据得到u0的估计值，记为再将代入中，得到v的估计值，记为其中，λ为广义信任区域子问题方法中的系数，表示中的第1个至第N个元素构成的向量。

全文数据：

权利要求：

百度查询： 宁波大学 基于混合AOA和TDOA的单接收机移动源的定位方法