CN108061877A - 一种基于角度信息的无源多站多目标测向交叉定位方法 - Google Patents
一种基于角度信息的无源多站多目标测向交叉定位方法 Download PDFInfo
- Publication number
- CN108061877A CN108061877A CN201711337488.7A CN201711337488A CN108061877A CN 108061877 A CN108061877 A CN 108061877A CN 201711337488 A CN201711337488 A CN 201711337488A CN 108061877 A CN108061877 A CN 108061877A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- data
- observation station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于电子对抗技术领域,具体的说是涉及一种基于角度信息的无源多站多目标测向交叉定位方法。本发明的方法首先采用多辐射源数据关联算法,将多个观测站的观测数据进行关联得到代价矩阵C(p,q),再根据获得的代价矩阵C(p,q),采用k‑均值++聚类算法估计出目标坐标。本发明的有益效果为,本发明可以准确对多站数据完成关联,并最终准确估计出目标的位置,方法简单,效果良好。
Description
技术领域
本发明属于电子对抗技术领域,具体的说是涉及一种基于角度信息的无源多站多目标测向交叉定位方法。
背景技术
在电子侦察过程中,准确估计目标辐射源位置有助于获取辐射源信息,是做好高层次上的态势估计和威胁估计的关键和主要依据,也是对目标实现精准打击的重要保证。随着电磁环境不断复杂化,定位的要求也不断提高,国内外学者对测向交叉定位的研究也在不断深入。在无源定位***中,测向交叉定位是伴随着电子对抗活动而产生的,是无源定位中运用最广泛、研究时间最长的一种定位方法。目前,多站多目标测向交叉定位面临如下问题:1)采用多站协同定位时,如何分清各个被动站的测量数据中哪些是来源于同一目标的,并把属于同一目标的测量数据组合起来(即完成测量数据关联),然后才能进行目标定位;如果关联不正确就会出现虚假目标;2)随着目标数量的增加,多个无源观测站会产生大量的虚假交叉点,如何快速高效的剔除虚假交叉点。诸如此类的问题,使得获得的目标数目估计和位置的估计之间存在较大的偏差,因此需要有新的方法,针对性的解决这类问题。
k-均值++算法是一种针对基于划分的聚类问题的初始化方法,能有效地解决关于聚类初始值的选取问题,是改进的k-均值算法。由于利用k-均值算法进行数据聚类需要知道聚类个数和初始聚类中心点,而在实际情况中,聚类个数和初始聚类中心点往往是不能提前知道的,所以提出了k-均值++的算法来解决关于初始中心的问题,目前已经成为一种硬聚类算法的标准,但以k-均值++聚类方法为代表的聚类算法在无源定位中的研究目前还很少,是值得研究的一个方向。
发明内容
针对上述问题,本发明提出了一种结合多辐射源数据关联和k-均值++聚类两种算法来实现多站多目标测向交叉定位。
本发明采用的技术方案是:
一种结合多辐射源数据关联和k-均值++聚类两种算法来实现多站多目标定位的方法,所述的是在利用多站测向交叉定位中,针对的是虚假目标和真实目标交叉点。测向交叉法中多站多目标定位模型如图1所示。
已知观测站1、观测站2和观测站3的坐标分别为:(x1,y1)、(x2,y2)、(x3,y3),辐射源1和辐射源2的坐标未知。假设3个观测站分别观测到辐射源1的方位角为θ1,1,θ2,1,θ3,1,设辐射源1的坐标为(xp,yq),那么由公式:
即可求出辐射源1的坐标,这里ni为第i个观测站的角度测量误差。
但是这是单个目标的定位问题,当空间出现多个目标时,每个观测站观测到多个方位角,这时就涉及到每个观测站方位角关联问题,即哪几个方位角是观测的同一个目标,如果数据关联错误,就会出现如图1所示的虚假目标,造成定位错误。对于这种情况,本发明采用以下方法:
一种基于角度信息的无源多站多目标测向交叉定位方法,其特征在于,包括以下步骤:
a、采用多辐射源数据关联算法,将多个观测站的观测数据进行关联,具体包括:
S1、假设辐射源和观测站都位于XY平面上,已知观测站的位置坐标(xk,yk),k=1,2,...K,其中K是观测站总数,各观测站所有的有测量误差的观测方位角为其中J是辐射源总数;
S2、将目标平面划分为P×Q范围的网格,每个网格点代表目标平面中一个位置坐标(xp,yq),其中p=1,2,...,P,q=1,2,...,Q,遍历网格平面中每个网格点,计算点(xp,yq)相对于每个观测站的方位角:
其中:k=1,2,...K,K是观测站总数;
S3、计算每个搜索点(xp,yq)相对于观测站的方位角αk (p,q)与观测站所观测得到的方位角之间的误差ek (p,q):
其中:k=1,2,...K,j=1,2,...J;
S4、计算由每次搜索得到的总误差组成的代价矩阵C(p,q):
其中:k=1,2,...K,p=1,2,...,P,q=1,2,...,Q;
b、根据获得的代价矩阵C(p,q),采用k-均值++聚类算法估计出目标坐标,具体包括:
S6、数据预处理:将代价矩阵中大于阈值的数据剔除,把剩下所有数据在矩阵中所对应的索引作为元素组成新的数据集X;
S7、把新的数据集X当作算法输入集合,从中随机选择一个点x作为第一个聚类中心;
S8、对于数据集中的其他每一个点,计算它与最近聚类中心的距离D(x);
S9、选择一个新的数据点作为新的聚类中心,选择的原则是:较大D(x)对应的点,被选取作为聚类中心的概率较大;
S10、重复S7-S9直到J个聚类中心被选出来,可知这J个中心即为目标的估计位置。
进一步的,所述步骤S8的具体方法为:
S81、对于计算的每个距离D(x),保存在一个数组里,然后把这些距离加起来得到sum(D(x));
S82、取一个能落在sum(D(x))中的随机值Random,当算法取值sum(D(x))*Random时,该值会以较大的概率落入D(x)较大的区间中,此时D(x)对应的点会以较大的概率被选中作为新的聚类中心。
本发明的有益效果为,本发明可以准确对多站数据完成关联,并最终准确估计出目标的位置,方法简单,效果良好。
附图说明
图1为多站时差定位模型图;
图2为多辐射源数据关联算法流程图;
图3为k-均值++算法流程图
图4为多目标伪谱峰图;
图5为定位结果图;
图6为定位正确率随门限变化曲线图;
图7为定位正确率随测距误差变化曲线图。
具体实施方式
下面结合实施例对本发明进行详细的描述:
实施例
本例利用matlab对上述无源多站多目标测向交叉定位算法方案进行验证,为简化起见,对算法模型作如下假设:
1.所有观测站和目标都在XY平面内;
2.所有观测站具有相同的测向精度;
3.所有的工程误差都叠加到测向误差中;
4.假设目标静止或运动速度极低;
设目标区域为200km×200km的方形区域,分布6个辐射源,坐标分别为:(135,148.8),(173,191),(74.01,193.99),(84,131),(23,126.9),(119,59.71),单位为km。使用3个固定观测站对上述目标进行定位,3个观测站的坐标分别为(10,10),(100,30),(190,10),单位为km,观测站的测角误差服从均值为零的高斯分布,且3个观测站的测角误差之间相互独立。
多站多目标数据关联效果:
如图4所示,对多个站所观测到的关于各个目标的方位角信息进行关联后,从图中可以看出有6个目标的伪谱峰图,图4即证明6个目标的数据关联正确。
k-均值聚类效果:
k-均值聚类实现目标定位,在测角误差非常小几乎可以忽略不计的前提下,进行1000次Monte Carlo仿真。
由于在观测过程中始终存在测量误差,且误差服从均值为零、方差为的高斯分布,因此位置应分布在真实位置附近。最终获得的目标根据定位正确率几乎达到100%时所对应的正确定位门限,当获得目标位置与真实位置之间的距离小于门限时,可以认为已经获得正确的定位结果。
为更直观的展现算法的定位效果,图5给出了第500次的定位效果。图中,圆形区域代表认定的正确的定位区域,估计位置位于圆形区域内则认定已经进行了正确的定位,从图5中可以看出,该算法可以实现正确的定位。
同时,由图6可以看出,定位正确率随着门限的增大而逐渐提升,当真实位置和测量位置误差仅有5km时就有很高的关联正确率由此可以确定一个满足条件的正确定位门限。
在正确定位门限的条件下,增加观测站的测角误差,可以得到测角误差对该算法定位正确率的影响,由图7可以看出,当测向误差逐渐增大时,定位正确率也逐渐下降。说明在误差允许的范围内,测向交叉法联合k-均值++算法对实现多站多目标测量数据关联以及定位可行。
Claims (2)
1.一种基于角度信息的无源多站多目标测向交叉定位方法,其特征在于,包括以下步骤:
a、采用多辐射源数据关联算法,将多个观测站的观测数据进行关联,具体包括:
S1、假设辐射源和观测站都位于XY平面上,已知观测站的位置坐标(xk,yk),k=1,2,...K,其中K是观测站总数,各观测站所有的有测量误差的观测方位角为其中J是辐射源总数;
S2、将目标平面划分为P×Q范围的网格,每个网格点代表目标平面中一个位置坐标(xp,yq),其中p=1,2,...,P,q=1,2,...,Q,遍历网格平面中每个网格点,计算点(xp,yq)相对于每个观测站的方位角:
<mrow>
<msup>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mi>q</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mi>p</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
S3、计算每个搜索点(xp,yq)相对于观测站的方位角αk (p,q)与观测站所观测得到的方位角之间的误差ek (p,q):
<mrow>
<msup>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<munder>
<mrow>
<mi>arg</mi>
<mi>min</mi>
</mrow>
<mi>j</mi>
</munder>
<mrow>
<mo>|</mo>
<mrow>
<msup>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>;</mo>
</mrow>
S4、计算由每次搜索得到的总误差组成的代价矩阵C(p,q):
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
b、根据获得的代价矩阵C(p,q),采用k-均值++聚类算法估计出目标坐标,具体包括:
S6、数据预处理:将代价矩阵中大于阈值的数据剔除,把剩下所有数据在矩阵中所对应的索引作为元素组成新的数据集X;
S7、把新的数据集X当作算法输入集合,从中随机选择一个点x作为第一个聚类中心;
S8、对于数据集中的其他每一个点,计算它与最近聚类中心的距离D(x);
S9、选择一个新的数据点作为新的聚类中心,选择的原则是:较大D(x)对应的点,被选取作为聚类中心的概率较大;
S10、重复S7-S9直到J个聚类中心被选出来,可知这J个中心即为目标的估计位置。
2.根据权利要求1所述的一种基于角度信息的无源多站多目标测向交叉定位方法,其特征在于,所述步骤S8的具体方法为:
S81、对于计算的每个距离D(x),保存在一个数组里,然后把这些距离加起来得到sum(D(x));
S82、取一个能落在sum(D(x))中的随机值Random,当算法取值sum(D(x))*Random时,该值会以较大的概率落入D(x)较大的区间中,此时D(x)对应的点会以较大的概率被选中作为新的聚类中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711337488.7A CN108061877B (zh) | 2017-12-14 | 2017-12-14 | 一种基于角度信息的无源多站多目标测向交叉定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711337488.7A CN108061877B (zh) | 2017-12-14 | 2017-12-14 | 一种基于角度信息的无源多站多目标测向交叉定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108061877A true CN108061877A (zh) | 2018-05-22 |
CN108061877B CN108061877B (zh) | 2019-10-18 |
Family
ID=62138766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711337488.7A Active CN108061877B (zh) | 2017-12-14 | 2017-12-14 | 一种基于角度信息的无源多站多目标测向交叉定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108061877B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919211A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种面向三站协同定位的定位精度评估方法 |
CN109188417A (zh) * | 2018-09-04 | 2019-01-11 | 同方电子科技有限公司 | 采用无人机平台对扫描式辐射源进行单站被动定位的方法 |
CN110412504A (zh) * | 2019-08-12 | 2019-11-05 | 电子科技大学 | 基于角度与时差信息的无源多站多目标关联与定位方法 |
RU2717231C1 (ru) * | 2019-10-08 | 2020-03-19 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Разностно-дальномерный способ определения координат источника радиоизлучения |
CN111079859A (zh) * | 2019-12-31 | 2020-04-28 | 哈尔滨工程大学 | 一种无源多站多目标测向交叉定位与虚假点去除方法 |
CN111273228A (zh) * | 2019-05-09 | 2020-06-12 | 哈尔滨工程大学 | 一种基于遍历搜索策略的多相干源定位方法 |
CN111669698A (zh) * | 2019-03-07 | 2020-09-15 | 广州慧睿思通信息科技有限公司 | 定位方法、设备、***及存储介质 |
CN111999696A (zh) * | 2020-08-02 | 2020-11-27 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN113009414A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
CN113390406A (zh) * | 2021-06-16 | 2021-09-14 | 电子科技大学 | 基于被动多传感器***的多目标数据关联与定位方法 |
CN115524662A (zh) * | 2022-10-27 | 2022-12-27 | 中国电子科技集团公司信息科学研究院 | 测向时差联合定位方法、***、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10043055A1 (de) * | 2000-08-29 | 2002-03-14 | Univ Ilmenau Tech | Verfahren und Anordnung zur passiven Schallortung |
CN102156992A (zh) * | 2011-04-14 | 2011-08-17 | 中国人民解放军海军航空工程学院 | 两站多目标无源定位与跟踪的智能仿生方法 |
CN103678949A (zh) * | 2014-01-09 | 2014-03-26 | 江南大学 | 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法 |
CN106709662A (zh) * | 2016-12-30 | 2017-05-24 | 山东鲁能软件技术有限公司 | 一种电力设备运行工况划分方法 |
CN106802406A (zh) * | 2017-01-17 | 2017-06-06 | 电子科技大学 | 一种用于无源雷达的辐射源关联方法 |
-
2017
- 2017-12-14 CN CN201711337488.7A patent/CN108061877B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10043055A1 (de) * | 2000-08-29 | 2002-03-14 | Univ Ilmenau Tech | Verfahren und Anordnung zur passiven Schallortung |
CN102156992A (zh) * | 2011-04-14 | 2011-08-17 | 中国人民解放军海军航空工程学院 | 两站多目标无源定位与跟踪的智能仿生方法 |
CN103678949A (zh) * | 2014-01-09 | 2014-03-26 | 江南大学 | 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法 |
CN106709662A (zh) * | 2016-12-30 | 2017-05-24 | 山东鲁能软件技术有限公司 | 一种电力设备运行工况划分方法 |
CN106802406A (zh) * | 2017-01-17 | 2017-06-06 | 电子科技大学 | 一种用于无源雷达的辐射源关联方法 |
Non-Patent Citations (1)
Title |
---|
孙鹏等: "测向交叉定位***中的 K-means 聚类融合算法", 《电光与控制》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919211B (zh) * | 2018-07-12 | 2022-03-11 | 中国船舶重工集团公司第七二四研究所 | 一种面向三站协同定位的定位精度评估方法 |
CN108919211A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种面向三站协同定位的定位精度评估方法 |
CN109188417A (zh) * | 2018-09-04 | 2019-01-11 | 同方电子科技有限公司 | 采用无人机平台对扫描式辐射源进行单站被动定位的方法 |
CN109188417B (zh) * | 2018-09-04 | 2022-11-15 | 同方电子科技有限公司 | 采用无人机平台对扫描式辐射源进行单站被动定位的方法 |
CN111669698A (zh) * | 2019-03-07 | 2020-09-15 | 广州慧睿思通信息科技有限公司 | 定位方法、设备、***及存储介质 |
CN111669698B (zh) * | 2019-03-07 | 2022-06-21 | 广州慧睿思通科技股份有限公司 | 定位方法、设备、***及存储介质 |
CN111273228A (zh) * | 2019-05-09 | 2020-06-12 | 哈尔滨工程大学 | 一种基于遍历搜索策略的多相干源定位方法 |
CN110412504A (zh) * | 2019-08-12 | 2019-11-05 | 电子科技大学 | 基于角度与时差信息的无源多站多目标关联与定位方法 |
RU2717231C1 (ru) * | 2019-10-08 | 2020-03-19 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Разностно-дальномерный способ определения координат источника радиоизлучения |
CN113009414B (zh) * | 2019-12-20 | 2024-03-19 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
CN113009414A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 信号源位置确定方法、装置、电子设备及计算机存储介质 |
CN111079859B (zh) * | 2019-12-31 | 2020-12-04 | 哈尔滨工程大学 | 一种无源多站多目标测向交叉定位与虚假点去除方法 |
CN111079859A (zh) * | 2019-12-31 | 2020-04-28 | 哈尔滨工程大学 | 一种无源多站多目标测向交叉定位与虚假点去除方法 |
CN111999696A (zh) * | 2020-08-02 | 2020-11-27 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN111999696B (zh) * | 2020-08-02 | 2023-07-04 | 中国人民解放军海军工程大学 | 一种多平台测向交叉定位优化方法 |
CN113390406B (zh) * | 2021-06-16 | 2022-05-24 | 电子科技大学 | 基于被动多传感器***的多目标数据关联与定位方法 |
CN113390406A (zh) * | 2021-06-16 | 2021-09-14 | 电子科技大学 | 基于被动多传感器***的多目标数据关联与定位方法 |
CN115524662A (zh) * | 2022-10-27 | 2022-12-27 | 中国电子科技集团公司信息科学研究院 | 测向时差联合定位方法、***、电子设备及存储介质 |
CN115524662B (zh) * | 2022-10-27 | 2023-09-19 | 中国电子科技集团公司信息科学研究院 | 测向时差联合定位方法、***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108061877B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108061877B (zh) | 一种基于角度信息的无源多站多目标测向交叉定位方法 | |
CN108089148B (zh) | 一种基于时差信息的无源多站多目标测向交叉定位方法 | |
CN111079859B (zh) | 一种无源多站多目标测向交叉定位与虚假点去除方法 | |
CN108152789B (zh) | 利用rss信息的无源多站多目标数据关联与定位方法 | |
CN102707726B (zh) | 一种无人机目标定位方法 | |
CN107770859A (zh) | 一种考虑基站位置误差的tdoa‑aoa定位方法 | |
Yu et al. | Geometry and motion-based positioning algorithms for mobile tracking in NLOS environments | |
CN108061889A (zh) | Ais与雷达角度***偏差的关联方法 | |
CN106446422B (zh) | 一种基于对数似然估计的无源定位跟踪新方法 | |
CN102325370A (zh) | 一种高精度的无线传感器网络节点的三维*** | |
CN107621263A (zh) | 一种基于道路磁场特征的地磁定位方法 | |
CN108882149B (zh) | 距离相关概率的nlos补偿定位方法 | |
CN102288938B (zh) | 一种有效的无线传感器网络节点的三维定位方法 | |
CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
CN110673090A (zh) | 基于dbscan的无源多站多目标定位方法 | |
CN103826298A (zh) | 一种协作式迭代优化的无线传感器网络定位计算方法 | |
CN110412504A (zh) | 基于角度与时差信息的无源多站多目标关联与定位方法 | |
CN110531782A (zh) | 用于社区配送的无人机航迹路径规划方法 | |
CN101308206B (zh) | 一种白噪声背景下的圆周轨迹机动目标跟踪方法 | |
CN104793177A (zh) | 基于最小二乘法的麦克风阵列测向方法 | |
Yu et al. | AI based location tracking in WiFi indoor positioning application | |
CN103499809B (zh) | 一种纯方位双机协同目标跟踪定位路径规划方法 | |
CN107238835A (zh) | 一种编队目标点航抗叉关联方法 | |
Tu et al. | 3-D TDOA/AOA location based on Extended Kalman Filter | |
Malanowski et al. | Estimation of transmitter position based on known target trajectory in passive radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |