CN106842118A - 用于分布式多点定位监视***的时差定位方法 - Google Patents

Abstract

本发明属于分布式多点定位监视***的实时定位技术领域，特别涉及一种用于分布式多点定位监视***的时差定位方法。本发明根据GDOP时差定位精度选择定位方法；依据定位方法确定接收站主站，建立观测模型；利用半正定松弛的时差定位算法解算出目标的位置信息，并将定位结果通过终端显示监控***呈现给用户，从而提高机场管制员对机场场面飞机和引导车监控管制能力。本发明的所有计算分析过程都是自发的，最大限度的减少了人为的因素对飞机和引导车定位结果的影响，而且所有的数据处理过程都是并行的，极大地提高了数据处理的效率，使用户执行操作时能最快的获得分析的结果。本发明定位准确，在测量误差较大时仍能对信号源的位置进行较好的估计。

Description

用于分布式多点定位监视***的时差定位方法

技术领域

本发明属于分布式多点定位监视***的实时定位技术领域，特别涉及一种用于分布式多点定位监视***的时差定位方法。

背景技术

随着我国经济的飞速发展，航班量也在飞速增长，对空管***管制员的指挥和设施设备的维护提出了更高的要求，机场场面监视雷达是一次雷达，主要用于监视机场场面的飞机及车辆，利用目标对电磁波的自身辐射或反射特性发现目标。设备维护人员在维护机场场面监视雷达的过程中包括如下三方面问题：飞机目标***、存在一定的盲区、容易出现假目标。这些问题的存在扰乱了管制员正常的指挥工作，因此，分布式多点定位***的引入必要而且必须，这项技术是机场场面监视雷达的升级和补充，并且能够通过增加接收站或者改变接收站的布局实现***的扩展。

传统的时差定位方法在进行定位精度解算时，考虑到各个目标接收站误差元素之间是相关的，降低了定位精度解算的效率，提高了定位精度解算复杂程度，而且通常使用泰勒级数算法、Chan算法、MDS算法来确定目标的位置信息，使用泰勒级数算法对迭代初始值的选取有要求，会出现局部收敛或者发散的现象；Chan算法和MDS算法在测量误差较大时导致对信号源的位置判断不准确，从而导致时差定位方法经常出现高度非线性的问题，使得定位不准确。

发明内容

本发明为了克服上述现有技术的不足，提供了用于分布式多点定位监视***的时差定位方法，本时差定位方法极大地降低了定位精度解算方法的复杂性，提高了定位精度解算的效率，而且对迭代初始值的选取没有要求，能够收敛到全局极小点，不会出现局部收敛或者发散的现象；在测量误差较大时仍能对信号源的位置进行较好的估计，定位准确。

为实现上述目的，本发明采用了以下技术措施：

用于分布式多点定位监视***的时差定位方法，包括以下步骤：

S1、分布式多点定位监视***中目标接收站主站和接收站辅站获取目标应答信号，对所述目标应答信号经过该分布式多点定位监视***处理得到解析后的测量参数数据；

S2、根据所述目标接收站主站和接收站辅站获取所述测量参数数据，对测量参数数据中相同目标应答码和大于50％的置信度进行配对处理，获取目标在同一时刻发出的测量参数数据；

S3、对配对处理后的测量参数数据进行主站位置选择，得到待定位区域的定位精度；

S4、根据目标的测量参数数据以及待定位区域的定位精度，选择目标的接收站主站，确定时差定位模型；

S5、利用接收站主站和接收站辅站位置信息测量参数数据，通过半正定松弛的时差定位算法解算出目标的位置信息；

S6、将所述目标的位置信息送至终端显示。

优选的，所述测量参数数据包括目标应答码、置信度、目标应答方式、目标应答时间、目标的幅度值。

优选的，步骤S3的具体步骤包括：

S31、确定目标的接收站主站的位置信息；

获取配对处理后的目标的接收站的测量数据，选取其中一个接收站作为目标的接收站主站位置，建立观测模型计算该观测模型条件下定位区域的GDOP值，实现对目标的接收站主站的位置信息确定；通过选取不同的接收站作为目标的接收站主站，分别计算不同观测模型条件下定位区域的GDOP；通过选取不同观测模型条件下GDOP最小值即为时差定位精度最小值，实现对分布式多点定位监视***时差定位模型的构建；

S32、对待定位区域的位置信息求微分；

通过目标的接收站主站的区域覆盖图、目标的接收站辅站的区域覆盖图，获取可定位区域的位置信息，利用所述可定位区域的位置信息以及到达目标的第i个接收站辅站与目标的接收站主站之间的时间差，通过时差定位方程，对待定位区域的位置信息求微分：

c·Δt_i＝c·(t_i-t₀)＝r_i-r₀(i＝1,2)

其中，c为光速、Δt_i为到达目标的第i个接收站辅站与目标的接收站主站之间时间差、t_i为到达目标的第i个接收站辅站的时间、t₀为到达目标的接收站主站时间、r_i为到达目标的第i个接收站辅站的距离、r₀为到达目标的接收站主站距离、i为到达目标的接收站辅站的编号；

S33、求出所述待定位区域内目标与目标的接收站主站位置、目标与目标的接收站辅站位置的相关系数矩阵；

通过所述待定位区域内目标到目标的各接收站辅站与目标到目标的接收站主站的位置差，得出待定位区域内目标与站址位置的相关系数矩阵：

x，y均为目标的位置信息、x₀，y₀均为目标的接收站主站位置信息、x_i、y_i均为目标的第i个接收站辅站位置信息、r₀为目标到目标的接收站主站距离、r_i为目标到目标的第i个接收站辅站距离，

S34、利用伪逆法计算所述待定位区域的误差估计值；

定位误差方程式为：

其中，为定位误差在x方向上定位方差、为定位误差在y方向上定位方差、i为目标的第i个接收站辅站、j为目标的第j个接收站辅站，其中，η_ij为Δt_i与Δt_j之间的相关系数，为第i站的时间测量误差的标准差，为第j站的时间测量误差的标准差，σ_s为站址测量误差的标准差；

S35、求出待定位区域的定位精度；

根据时间测量误差的相关系数η_ij，各站址测量误差的标准差σ_s，利用线性组合求出σ_ij，然后求得x方向上定位方差y方向上定位方差通过公式，计算得到待定位区域的定位精度GDOP。

优选的，步骤S5的具体步骤包括：

S51、构建时差定位方程；

利用接收站主站位置信息测量参数数据建立相应的观测模型，确定的接收站主站的站址信息，利用目标到接收站主站的距离、目标到接收站辅站的距离差构建距离差定位方程：

其中，为到达接收站主站和接收站辅站时间差的测量值，c为光速，r_i,k-r_1,k为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差，n_i1,k为测量误差，i为接收站辅站的索引，k为目标索引；

S52、对信号源位置即待定位的目标位置进行最大似然估计；

利用目标到接收站主站和第i个接收站辅站的距离差测量误差的协方差矩阵表示目标位置的最大似然估计：

其中，J(u)为信号源位置u的高度非线性、非凸代价函数，为所构成的距离差估计组成的向量，f(u)为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差组成的向量，Q为测量误差n_i1,k服从均值为零的协方差矩阵，T为矩阵的转置，为使得代价函数J(u)最小时所需信号源位置u的值；

S53、引入辅助矢量，将距离差定位方程转化为约束最小二乘问题；

引入辅助矢量即为目标与接收站主站的位置和距离，转化为约束最小二乘问题，并在此基础上转换为凸的半正定规划问题，将原代价函数整理得到的矩阵如下：

其中，η_k＝B_kn_k，B_k＝diag{r_2,k,...,r_N,k}，k＝1,2，R＝[s₂-s₁,...,s_N-s₁]^T，O_(N-1)×3为(N-1)×3的0矩阵，0_N-1为N-1的0行向量，为目标1的到达接收站主站和接收站辅站距离差估计组成的向量，为目标2的到达接收站主站和接收站辅站距离差估计组成的向量；

S54、对所述辅助矢量进行加权最小二乘求解；

对原代价函数整理得到的矩阵进行加权最小二乘求解，得到的辅助矢量估计值如下：

其中，加权矩阵W＝E[ηη^T]^-1＝(BQB^T)^-1，B＝diag{B₁,B₂}表示以B₁和B₂为对角块的矩阵，Q＝E[nn^T]为噪声协方差矩阵，n为到达接收站主站和接收站辅站距离差测量误差的矩阵形式， Gy-h＝η；

S55、利用加权最小二乘解算的辅助矢量初始估计松弛等式约束，构造新的代价函数；

根据约束条件，构造新的代价函数：

s.t y(6+k)＝||y(3(k-1)+1:3k)||₂,k＝1,2

将(Gy-h)^TW(Gy-h)转化为

其中，Y＝yy^T，

由此可知，Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}，其中，k＝1,2；由Y＝yy^T，其中y＝[(u₁-s₁)^T,(u₂-s₁)^T,r_1,1,r_1,2]^T，可知Y(7,8)＝r_1,1r_1,2；

S56、利用凸半正定规划优化求解辅助矢量和辅助矢量转置的变量的值，并通过特征值分解得到辅助矢量的值；

利用已构造的新的代价函数进行优化求解时，把相应的等式约束转化凸半正定规划优化问题，

待求解的公式为：其约束条件为：

s.t Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}

S57、根据求得的辅助矢量的值与目标位置之间的关系获取目标的位置信息；

对Y进行特征值分解可得：

其中，λ_i为Y的特征值，i＝1,...,r，q_i为相应的特征向量，设i＝1,...,r已按从大到小排列，即λ₁≥λ₂≥...≥λ_r＞0，根据Y的定义可得信号源位置估计为：

本发明的有益效果在于：

1)、本发明根据GDOP时差定位精度选择定位方法；依据定位方法确定接收站主站，建立观测模型；利用半正定松弛的时差定位算法解算出目标的位置信息，并将定位结果通过终端显示监控***呈现给用户，从而提高机场管制员对机场场面飞机和引导车监控管制能力。本发明的所有计算分析过程都是自发的，最大限度的减少了人为的因素对飞机和引导车定位结果的影响，而且所有的数据处理过程都是并行的，极大地提高了数据处理的效率，使用户执行操作时能最快的获得分析的结果。

2)、确定待定位区域的定位精度是利用多个目标的接收站的位置信息和内部噪声、环境噪声和时间测量的量化噪声信息对目标的定位估计值进行定位精度解算，通过不同的组合和不同的布站方式，得到测量目标区域覆盖的定位精度GDOP，从而与不同布站方式下的GDOP比对，选择最优布站方式，为后续时差定位解算模型的构建提供依据。

3)、本发明将高度非线性的时差定位问题转化为约束加权最小二乘估计问题，然后在此基础上通过半正定松弛转化为凸的半正定规划问题，进行优化求解，避免了传统迭代算法中出现的局部收敛和求解发散的问题，大大地提高了定位的精度。

附图说明

图1为本发明的流程图；

图2为本发明的步骤S3的工作流程图；

图3为本发明的步骤S5的工作流程图；

图4为本发明的Y形布站仿真图；

图5为本发明的倒三角形布站仿真图；

图6为本发明的菱形布站仿真图；

图7为利用本半正定松弛时差定位方法、Chan算法、泰勒级数法对信号源u₁和u₂位置估计随变化时的均方根误差的统计结果示意图；

图8为利用本半正定松弛时差定位方法、Chan算法、MDS算法、泰勒级数法对信号源u₃位置估计随变化时的均方根误差的统计结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，用于分布式多点定位监视***的时差定位方法，包括以下步骤：

S1、分布式多点定位监视***中目标接收站主站和接收站辅站获取目标应答信号，对所述目标应答信号经过该分布式多点定位监视***处理得到解析后的测量参数数据；

S2、根据所述目标接收站主站和接收站辅站获取所述测量参数数据，对测量参数数据中相同目标应答码和大于50％的置信度进行配对处理，获取目标在同一时刻发出的测量参数数据；

S3、对配对处理后的测量参数数据进行主站位置选择，得到待定位区域的定位精度；

S4、根据目标的测量参数数据以及待定位区域的定位精度，选择目标的接收站主站，确定时差定位模型；

S5、利用接收站主站和接收站辅站位置信息测量参数数据，通过半正定松弛的时差定位算法解算出目标的位置信息；

S6、将所述目标的位置信息送至终端显示。

所述目标即为待定位目标。

所述测量参数数据包括目标应答码、置信度、目标应答方式、目标应答时间、目标的幅度值。

如图2所示，对配对处理后的测量参数数据进行主站位置选择，得到待定位区域的定位精度的具体操作步骤包括：

S31、确定目标的接收站主站的位置信息；

获取配对处理后的目标的接收站的测量数据，选取其中一个接收站作为目标的接收站主站位置，建立观测模型计算该观测模型条件下定位区域的GDOP值，实现对目标的接收站主站的位置信息确定；通过选取不同的接收站作为目标的接收站主站，分别计算不同观测模型条件下定位区域的GDOP；通过选取不同观测模型条件下GDOP最小值即为时差定位精度最小值，实现对分布式多点定位监视***时差定位模型的构建；

S32、对待定位区域的位置信息求微分；

通过目标的接收站主站的区域覆盖图、目标的接收站辅站的区域覆盖图，获取可定位区域的位置信息，利用所述可定位区域的位置信息以及到达目标的第i个接收站辅站与目标的接收站主站之间的时间差，通过时差定位方程，对待定位区域的位置信息求微分：

c·Δt_i＝c·(t_i-t₀)＝r_i-r₀(i＝1,2)

其中，c为光速、Δt_i为到达目标的第i个接收站辅站与目标的接收站主站之间时间差、t_i为到达目标的第i个接收站辅站的时间、t₀为到达目标的接收站主站时间、r_i为到达目标的第i个接收站辅站的距离、r₀为到达目标的接收站主站距离、i为到达目标的接收站辅站的编号；

S33、求出所述待定位区域内目标与目标的接收站主站位置、目标与目标的接收站辅站位置的相关系数矩阵；

通过所述待定位区域内目标到目标的各接收站辅站与目标到目标的接收站主站的位置差，得出待定位区域内目标与站址位置的相关系数矩阵：

x，y均为目标的位置信息、x₀，y₀均为目标的接收站主站位置信息、x_i、y_i均为目标的第i个接收站辅站位置信息、r₀为目标到目标的接收站主站距离、r_i为目标到目标的第i个接收站辅站距离，

S34、利用伪逆法计算所述待定位区域的误差估计值；

定位误差方程式为：

其中，为定位误差在x方向上定位方差、为定位误差在y方向上定位方差、i为目标的第i个接收站辅站、j为目标的第j个接收站辅站，其中，η_ij为Δt_i与Δt_j之间的相关系数，为第i站的时间测量误差的标准差，为第j站的时间测量误差的标准差，σ_s为站址测量误差的标准差；

S35、求出待定位区域的定位精度；

根据时间测量误差的相关系数η_ij，各站址测量误差的标准差σ_s，利用线性组合求出σ_ij，然后求得x方向上定位方差y方向上定位方差通过公式，计算得到待定位区域的定位精度GDOP。

当主站的坐标取(0，0)时，三个辅站的坐标分别取不同的值时，如表1所示，形成的仿真图分别为Y形布站、倒三角布站、菱形布站。

表1：

从图4～图6可知，对于同一种布站形式来说，定位精度GDOP随着目标和接收站的分布区域之间的距离的增加而降低，对于不同的布站方式，全方位内定位误差有所不同，用于分布式多点定位监视***的定位精度方法，可以充分考虑Y形、倒三角形、菱形布站方法对不同区域定位精度的不同，来进行目标的接收站主站和辅站位置的选择。力求目标在不同的区域里，选择最优布站方案，实现目标的高精度定位。

如图3所示，利用接收站主站和接收站辅站位置信息测量参数数据，通过半正定松弛的时差定位算法解算出目标的位置信息的具体操作步骤为：

S51、构建时差定位方程；

利用接收站主站位置信息测量参数数据建立相应的观测模型，确定的接收站主站的站址信息，利用目标到接收站主站的距离、目标到接收站辅站的距离差构建距离差定位方程：

其中，为到达接收站主站和接收站辅站时间差的测量值，c为光速，r_i,k-r_1,k为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差，n_i1,k为测量误差，i为接收站辅站的索引，k为目标索引。

S52、对信号源位置即待定位的目标位置进行最大似然估计；

利用目标到接收站主站和第i个接收站辅站的距离差测量误差的协方差矩阵表示目标位置的最大似然估计：

其中，J(u)为信号源位置u的高度非线性、非凸代价函数，为所构成的距离差估计组成的向量，f(u)为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差组成的向量，Q为测量误差n_i1,k服从均值为零的协方差矩阵，T为矩阵的转置，为使得代价函数J(u)最小时所需信号源位置u的值；

S53、引入辅助矢量，将距离差定位方程转化为约束最小二乘问题；

引入辅助矢量即为目标与接收站主站的位置和距离，转化为约束最小二乘问题，并在此基础上转换为凸的半正定规划问题，将原代价函数整理得到的矩阵如下：

其中，η_k＝B_kn_k，B_k＝diag{r_2,k,…,r_N,k}，k＝1,2，R＝[s₂-s₁,...,s_N-s₁]^T，O_(N-1)×3为(N-1)×3的0矩阵，0_N-1为N-1的0行向量，为目标1的到达接收站主站和接收站辅站距离差估计组成的向量，为目标2的到达接收站主站和接收站辅站距离差估计组成的向量；

S54、对所述辅助矢量进行加权最小二乘求解；

对原代价函数整理得到的矩阵进行加权最小二乘求解，得到的辅助矢量估计值如下：

其中，加权矩阵W＝E[ηη^T]^-1＝(BQB^T)^-1，B＝diag{B₁,B₂}表示以B₁和B₂为对角块的矩阵，Q＝E[nn^T]为噪声协方差矩阵，n为到达接收站主站和接收站辅站距离差测量误差的矩阵形式， Gy-h＝η，y为辅助矢量；

S55、利用加权最小二乘解算的辅助矢量初始估计松弛等式约束，构造新的代价函数；

根据约束条件，构造新的代价函数：

s.t y(6+k)＝||y(3(k-1)+1:3k)||₂,k＝1,2

将(Gy-h)^TW(Gy-h)转化为

其中，Y＝yy^T，

由此可知，Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}，其中，k＝1,2；由Y＝yy^T，其中y＝[(u₁-s₁)^T,(u₂-s₁)^T,r_1,1,r_1,2]^T，可知Y(7,8)＝r_1,1r_1,2；

S56、利用凸半正定规划优化求解辅助矢量和辅助矢量转置的变量的值，并通过特征值分解得到辅助矢量的值；

利用已构造的新的代价函数进行优化求解时，把相应的等式约束转化凸半正定规划优化问题，

待求解的公式为：其约束条件为：

s.t Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}

S57、根据求得的辅助矢量的值与目标位置之间的关系获取目标的位置信息；

对Y进行特征值分解可得：

其中，λ_i为Y的特征值，i＝1,...,r，q_i为相应的特征向量，设i＝1,...,r已按从大到小排列，即λ₁≥λ₂≥...≥λ_r＞0，根据Y的定义可得信号源位置估计为：

为了检验本半正定松弛时差定位方法对信号源位置估计的性能，我们将本半正定松弛时差定位方法同传统的Chan算法、泰勒级数法、MDS算法及克拉美罗界的仿真结果进行比较，5个接收站位置坐标分别为：s₁＝[300,100,150]^T，s₂＝[400,150,100]^T，s₃＝[300,500,200]^T，s₄＝[350,200,100]^T，s₅＝[-100,-100,-100]^T，信号源坐标单位均为米。假设各个信号源的TDOA测量值服从均值为零、方差为的高斯分布，则Q_k满足对角线元素为非对角线元素为为了对比的公平，利用对所述辅助矢量进行加权最小二乘求解的具体步骤中的所得初始定位结果计算利用加权最小二乘解算的辅助矢量初始估计松弛等式约束，构造新的代价函数的具体步骤中的F和Chan算法、MDS算法的权值以及作为泰勒级数法的迭代初始值。三个信号源位置坐标分别为u₁＝[314,483,209]^T，u₂＝[600,650,550]^T和u₃＝[285,325,275]^T。

如图7所示，分别给出了本半正定松弛时差定位方法、Chan算法及泰勒级数法对信号源u₁和u₂位置估计随变化时的均方根误差的统计结果，较低的一组曲线对应信号源u₁，较高的一组对应u₂。可以看出，在噪声功率较小时，三种方法对两信号源位置的估计均方根误差均十分接近克拉美罗界。随着测量误差的增大，各算法的均方根误差均有所增加；其中泰勒级数法最先偏离克拉美罗界，这是因为在测量误差较大时，由步骤S4求得的初始值偏离真实值较远，泰勒级数法在进行迭代求解时，很容易陷入局部极小点或者发散；而本半正定松弛时差定位方法对两信号源位置的估计均方根误差均明显小于Chan算法，具有更为准确的定位性能。

如图8所示，分别给出了本半正定松弛时差定位方法、Chan算法、MDS算法及泰勒级数法对信号源u₃位置估计随变化时的均方根误差的统计结果。可以看出，在噪声功率较小时，几种方法对信号源位置估计的均方根误差均十分接近克拉美罗界。随着噪声功率的增加，各算法的估计均方根误差都会有所增加。在测量误差较大时，泰勒级数法的估计均方根误差出现急剧增加的现象；MDS算法偏离克拉美罗界要明显晚于Chan算法，但是在测量误差较大时，出现MDS算法的均方根误差大于Chan算法的现象；而本半正定松弛时差定位方法的估计均方根误差一直保持最小。

本发明将定位结果通过终端显示监控***呈现给用户，从而提高机场管制员对机场场面飞机和引导车监控管制能力。本发明的所有计算分析过程都是自发的，最大限度的减少了人为的因素对飞机和引导车定位结果的影响，而且所有的数据处理过程都是并行的，极大地提高了数据处理的效率，使用户执行操作时能最快的获得分析的结果，本发明定位准确，在测量误差较大时仍能对信号源的位置进行较好的估计。

Claims (4)

1.用于分布式多点定位监视***的时差定位方法，其特征在于，包括以下步骤：

S1、分布式多点定位监视***中目标接收站主站和接收站辅站获取目标应答信号，对所述目标应答信号经过该分布式多点定位监视***处理得到解析后的测量参数数据；

S2、根据所述目标接收站主站和接收站辅站获取所述测量参数数据，对测量参数数据中相同目标应答码和大于50％的置信度进行配对处理，获取目标在同一时刻发出的测量参数数据；

S3、对配对处理后的测量参数数据进行主站位置选择，得到待定位区域的定位精度；

S4、根据目标的测量参数数据以及待定位区域的定位精度，选择目标的接收站主站，确定时差定位模型；

S5、利用接收站主站和接收站辅站位置信息测量参数数据，通过半正定松弛的时差定位算法解算出目标的位置信息；

S6、将所述目标的位置信息送至终端显示。

2.如权利要求1所述的用于分布式多点定位监视***的时差定位方法，其特征在于：所述测量参数数据包括目标应答码、置信度、目标应答方式、目标应答时间、目标的幅度值。

3.如权利要求1所述的用于分布式多点定位监视***的时差定位方法，其特征在于，步骤S3的具体步骤包括：

S31、确定目标的接收站主站的位置信息；

获取配对处理后的目标的接收站的测量数据，选取其中一个接收站作为目标的接收站主站位置，建立观测模型计算该观测模型条件下定位区域的GDOP值，实现对目标的接收站主站的位置信息确定；通过选取不同的接收站作为目标的接收站主站，分别计算不同观测模型条件下定位区域的GDOP；通过选取不同观测模型条件下GDOP最小值即为时差定位精度最小值，实现对分布式多点定位监视***时差定位模型的构建；

S32、对待定位区域的位置信息求微分；

通过目标的接收站主站的区域覆盖图、目标的接收站辅站的区域覆盖图，获取可定位区域的位置信息，利用所述可定位区域的位置信息以及到达目标的第i个接收站辅站与目标的接收站主站之间的时间差，通过时差定位方程，对待定位区域的位置信息求微分：

c·Δt_i＝c·(t_i-t₀)＝r_i-r₀(i＝1,2)

其中，c为光速、Δt_i为到达目标的第i个接收站辅站与目标的接收站主站之间时间差、t_i为到达目标的第i个接收站辅站的时间、t₀为到达目标的接收站主站时间、r_i为到达目标的第i个接收站辅站的距离、r₀为到达目标的接收站主站距离、i为到达目标的接收站辅站的编号；

S33、求出所述待定位区域内目标与目标的接收站主站位置、目标与目标的接收站辅站位置的相关系数矩阵；

通过所述待定位区域内目标到目标的各接收站辅站与目标到目标的接收站主站的位置差，得出待定位区域内目标与站址位置的相关系数矩阵：

x，y均为目标的位置信息、x₀，y₀均为目标的接收站主站位置信息、x_i、y_i均为目标的第i个接收站辅站位置信息、r₀为目标到目标的接收站主站距离、r_i为目标到目标的第i个接收站辅站距离，

S34、利用伪逆法计算所述待定位区域的误差估计值；

定位误差方程式为：

其中，为定位误差在x方向上定位方差、为定位误差在y方向上定位方差、i为目标的第i个接收站辅站、j为目标的第j个接收站辅站，其中，η_ij为Δt_i与Δt_j之间的相关系数，为第i站的时间测量误差的标准差，为第j站的时间测量误差的标准差，σ_s为站址测量误差的标准差；

S35、求出待定位区域的定位精度；

根据时间测量误差的相关系数η_ij，各站址测量误差的标准差σ_s，利用线性组合求出σ_ij，然后求得x方向上定位方差y方向上定位方差通过公式，计算得到待定位区域的定位精度GDOP。

4.如权利要求3所述的用于分布式多点定位监视***的时差定位方法，其特征在于，步骤S5的具体步骤包括：

S51、构建时差定位方程；

利用接收站主站位置信息测量参数数据建立相应的观测模型，确定的接收站主站的站址信息，利用目标到接收站主站的距离、目标到接收站辅站的距离差构建距离差定位方程：

其中，为到达接收站主站和接收站辅站时间差的测量值，c为光速，r_i,k-r_1,k为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差，n_i1,k为测量误差，i为接收站辅站的索引，k为目标索引；

S52、对信号源位置即待定位的目标位置进行最大似然估计；

利用目标到接收站主站和第i个接收站辅站的距离差测量误差的协方差矩阵表示目标位置的最大似然估计：

其中，J(u)为信号源位置u的高度非线性、非凸代价函数，为所构成的距离差估计组成的向量，f(u)为信号源发射的应答信号从第k个目标位置u_k到接收站s_i和接收站主站s₁之间的真实时间差组成的向量，Q为测量误差n_i1,k服从均值为零的协方差矩阵，T为矩阵的转置，为使得代价函数J(u)最小时所需信号源位置u的值；

S53、引入辅助矢量，将距离差定位方程转化为约束最小二乘问题；

引入辅助矢量即为目标与接收站主站的位置和距离，转化为约束最小二乘问题，并在此基础上转换为凸的半正定规划问题，将原代价函数整理得到的矩阵如下：

其中，η_k＝B_kn_k，B_k＝diag{r_2,k,...,r_N,k}，k＝1,2，R＝[s₂-s₁,...,s_N-s₁]^T，O_(N-1)×3为(N-1)×3的0矩阵，0_N-1为N-1的0行向量，为目标1的到达接收站主站和接收站辅站距离差估计组成的向量，为目标2的到达接收站主站和接收站辅站距离差估计组成的向量；

S54、对所述辅助矢量进行加权最小二乘求解；

对原代价函数整理得到的矩阵进行加权最小二乘求解，得到的辅助矢量估计值如下：

其中，加权矩阵W＝E[ηη^T]^-1＝(BQB^T)^-1，B＝diag{B₁,B₂}表示以B₁和B₂为对角块的矩阵，Q＝E[nn^T]为噪声协方差矩阵，n为到达接收站主站和接收站辅站距离差测量误差的矩阵形式， Gy-h＝η；

S55、利用加权最小二乘解算的辅助矢量初始估计松弛等式约束，构造新的代价函数；

根据约束条件，构造新的代价函数：

s.t y(6+k)＝||y(3(k-1)+1:3k)||₂,k＝1,2

将(Gy-h)^TW(Gy-h)转化为

其中，Y＝yy^T，

由此可知，Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}，其中，k＝1,2；由Y＝yy^T，其中y＝[(u₁-s₁)^T,(u₂-s₁)^T,r_1,1,r_1,2]^T，可知Y(7,8)＝r_1,1r_1,2；

S56、利用凸半正定规划优化求解辅助矢量和辅助矢量转置的变量的值，并通过特征值分解得到辅助矢量的值；

利用已构造的新的代价函数进行优化求解时，把相应的等式约束转化凸半正定规划优化问题，

待求解的公式为：其约束条件为：

s.t Y(6+k,6+k)＝trace{Y(3k-2:3k,3k-2:3k)}

S57、根据求得的辅助矢量的值与目标位置之间的关系获取目标的位置信息；

对Y进行特征值分解可得：

其中，λ_i为Y的特征值，i＝1,...,r，q_i为相应的特征向量，设i＝1,...,r已按从大到小排列，即λ₁≥λ₂≥...≥λ_r＞0，根据Y的定义可得信号源位置估计为：