CN111551895B - 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 - Google Patents
基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 Download PDFInfo
- Publication number
- CN111551895B CN111551895B CN202010335953.9A CN202010335953A CN111551895B CN 111551895 B CN111551895 B CN 111551895B CN 202010335953 A CN202010335953 A CN 202010335953A CN 111551895 B CN111551895 B CN 111551895B
- Authority
- CN
- China
- Prior art keywords
- matrix
- order
- radiation source
- tdoa
- fdoa
- 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.)
- Active
Links
Images
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
- G01S5/06—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)
- Position Fixing By Use Of Radio Waves (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,首先利用多个运动传感器同时获得运动辐射源信号的TDOA观测量和FDOA观测量,并利用距离差观测量和距离差变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程;然后定量分析TDOA/FDOA观测误差对伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造两个二次等式约束,并结合伪线性方程构建双二次等式约束加权最小二乘优化模型;最后利用拉格朗日乘子技术对此模型进行数值优化,其中利用牛顿迭代获得拉格朗日乘子的最优解,并进而得到辐射源位置向量和速度向量的估计值。本发明能够进一步提升对运动辐射源的定位精度。
Description
技术领域
本发明属于辐射源定位技术领域,尤其涉及一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法。
背景技术
众所周知,辐射源定位技术在目标监测、导航遥测、地震勘测、射电天文、紧急救助、安全管理等诸多工业和电子信息领域中发挥着重要作用。辐射源定位的基本过程就是从电磁信号中提取出与其位置和速度有关的参数(也称为定位观测量),然后再利用这些参数解算出辐射源位置向量和速度向量。用于辐射源定位的观测量涉及到空、时、频、能量等多域参数,每个域的定位参数都有其特定的应用场景。在实际应用中,为了提高对辐射源的定位精度,可以考虑联合多域观测量进行定位。联合TDOA/FDOA观测量对运动辐射源进行定位是最常见的一种联合定位体制,其所适用的信号频段宽,并且具有较高的定位精度。
基于TDOA/FDOA观测方程的代数特征,国内外学者提出了很多性能优良的定位方法,其中包括迭代类方法和解析类方法。解析类定位方法可以提供辐射源位置向量和速度向量的闭式解,无需迭代运算,能够有效避免发散和局部收敛等问题,因而得到了学者们的广泛青睐。近年来,在解析类定位方法中,相关学者提出了一种基于加权多维标度的TDOA/FDOA定位方法(Wei H W,Peng R,Wan Q,Chen Z X,Ye S F.Multidimensional scalinganalysis for passive moving target localization with TDOA and FDOAmeasurements[J].IEEE Transactions on Signal Processing,2010,58(3):1677-1688.),该方法通过构造标量积矩阵获得了关于辐射源位置向量和速度向量的伪线性方程,并由此给出了辐射源位置向量和速度向量的闭式解,能够取得较好的定位效果。然而,该方法未利用增广未知向量所满足的二次等式约束,因此其定位精度并不是渐近最优的。基于目前的研究现状,本发明公开了一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA/FDOA定位方法。新方法充分考虑了增广未知向量服从的两个二次等式约束,将定位问题转化成含有双二次等式约束的优化问题,并且利用拉格朗日乘子技术进行优化求解,由此获得辐射源位置向量和速度向量的估计值。相比于已有的基于加权多维标度的TDOA/FDOA定位方法,本专利公开的方法可以进一步提升对运动辐射源的定位精度。
发明内容
本发明针对现有的基于加权多维标度的TDOA/FDOA定位方法存在的定位精度差的问题,提供了一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,其能够充分利用增广未知向量所服从的两个二次等式约束,从而进一步提升对运动辐射源的定位精度。
为了实现上述目的,本发明采用以下技术方案:
一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,包括:
步骤1:利用空间中放置的M个运动传感器同时获得运动辐射源信号到达第m个传感器与到达第1个传感器的TDOA和FDOA观测量,并利用TDOA观测量进一步得到距离差观测量利用FDOA观测量进一步获得距离差变化率观测量
进一步地,所述步骤1包括:
式中εm1和εm2分别表示距离差观测误差和距离差变化率观测误差。
进一步地,所述步骤2包括:
进一步地,所述步骤3包括:
首先利用距离矩阵D计算第1个(M+1)×(M+1)阶标量积矩阵W,相应的计算公式为
进一步地,所述步骤4包括:
式中1(M+1)×1表示(M+1)×1阶全1列向量;
式中O(M+1)×1表示(M+1)×1阶全0列向量;
进一步地,所述步骤5包括:
式中
进一步地,所述步骤6包括:
式中O(M+1)×M表示(M+1)×M阶全0矩阵;其余表达式为
式中
其中IM-1表示(M-1)×(M-1)阶单位矩阵;IM表示M×M阶单位矩阵;I4表示4×4阶单位矩阵;1M×1表示M×1阶全1列向量;O4×4表示4×4阶全0矩阵;O1×M表示1×M阶全0行向量;O1×(M-1)表示1×(M-1)阶全0行向量;表示(M+1)×(M+1)2阶全0矩阵;O(M-1)×(M-1)表示(M-1)×(M-1)阶全0矩阵;1(M+1)×(M-1)表示(M+1)×(M-1)阶全1矩阵;1(M+1)×M表示(M+1)×M阶全1矩阵;1(M-1)×(M-1)表示(M-1)×(M-1)阶全1矩阵;12×(M-1)表示2×(M-1)阶全1矩阵;O4(M+1)×(M-1)表示4(M+1)×(M-1)阶全0矩阵;O2×(M-1)表示2×(M-1)阶全0矩阵;O(M+1)×(M-1)表示(M+1)×(M-1)阶全0矩阵;O(M+1)×9表示(M+1)×9阶全0矩阵。
进一步地,所述步骤7包括:
进一步地,所述步骤8包括:
首先计算加权矩阵(Ω(k))-1,其中矩阵Ω(k)的计算公式为
Ω(k)=Σ(k)V(k)TEV(k)Σ(k)T
进一步地,所述步骤9包括:
其中
式中I3表示3×3阶单位矩阵;O3×1表示3×1阶全0列向量;O1×3表示1×3阶全0行向量;O4×1表示4×1阶全0列向量;O1×4表示1×4阶全0行向量;O3×3表示3×3阶全0矩阵;O3×4表示3×4阶全0矩阵;O4×3表示4×3阶全0矩阵;O5×1表示5×1阶全0列向量。
进一步地,所述步骤10包括:
进一步地,所述步骤11包括:
与现有技术相比,本发明具有的有益效果:
本发明首先利用3维空间中的多个运动传感器同时获得运动辐射源信号的TDOA观测量(等价于距离差观测量)和FDOA观测量(等价于距离差变化率观测量),并利用距离差观测量和距离差变化率观测量构造两个标量积矩阵,由此形成多维标度伪线性方程;然后定量分析TDOA/FDOA观测误差对伪线性方程的影响,从而确定最优加权矩阵;接着利用增广未知向量的代数特征构造两个二次等式约束,并结合伪线性方程构建1个双二次等式约束加权最小二乘优化模型。最后利用拉格朗日乘子技术对此模型进行数值优化,其中利用牛顿迭代获得拉格朗日乘子的最优解,并进而得到辐射源位置向量和速度向量的估计值。本发明基于加权多维标度原理,并在充分利用增广未知向量所满足的两个二次等式约束的基础上,将TDOA/FDOA定位问题转化成含有双二次等式约束的优化模型,并且通过拉格朗日乘子技术对该模型进行优化求解,相比已有的基于加权多维标度的TDOA/FDOA定位方法,本发明利用了增广未知向量所满足的两个二次等式约束,能够进一步提升对运动辐射源的定位精度。
附图说明
图1是本发明实施例一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法的基本流程图;
图2是定位结果散布图与定位误差椭圆曲线(X-Y坐标平面);
图3是定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面);
图4是辐射源位置估计均方根误差随着标准差σ的变化曲线;
图5是辐射源速度估计均方根误差随着标准差σ的变化曲线;
图6是辐射源位置估计均方根误差随着参数c的变化曲线;
图7是辐射源速度估计均方根误差随着参数c的变化曲线;
图8是辐射源位置估计均方根误差随着参数c的变化曲线(σ=1);
图9是辐射源速度估计均方根误差随着参数c的变化曲线(σ=1)。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
如图1所示,一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,包括:
步骤1:在空间中放置M个运动传感器,利用它们同时获得运动辐射源信号到达第m(2≤m≤M)个传感器与到达第1个传感器的TDOA/FDOA观测量,并利用TDOA观测量进一步得到距离差观测量利用FDOA观测量进一步获得距离差变化率观测量
进一步地,所述步骤1中,在空间中放置M个运动传感器,并利用它们对运动辐射源进行TDOA/FDOA定位。辐射源位置向量和速度向量分别为u和第m个传感器的位置向量和速度向量分别为和 分别表示第m个传感器在x轴、y轴、z轴方向上的坐标;分别表示第m个传感器在x轴、y轴、z轴方向上的速度;利用它们可以同时获得运动辐射源信号到达第m(2≤m≤M)个传感器与到达第1个传感器的TDOA观测量和FDOA观测量将TDOA观测量乘以信号传播速度即可得到距离差观测量将FDOA观测量先乘以信号传播速度再除以信号载波频率,然后将结果乘以-1即可得到距离差变化率观测量相应的表达式分别为
式中,c为信号传播速度;f0为信号载波频率;εm1和εm2分别表示距离差观测误差和距离差变化率观测误差。
进一步地,所述步骤3中,首先利用距离矩阵D计算第1个(M+1)×(M+1)阶标量积矩阵W,相应的计算公式为
式中1(M+1)×1表示(M+1)×1阶全1列向量;
式中O(M+1)×1表示(M+1)×1阶全0列向量;
式中
其中O(M+1)×4表示(M+1)×4阶全0矩阵;向量t1表示矩阵T中的第1列向量;矩阵T2表示矩阵T中的第2至第5列构成的矩阵(即有T=[t1 T2]);向量表示矩阵中的第1列向量;矩阵表示矩阵中的第2至第5列构成的矩阵(即有)。
式中O(M+1)×M表示(M+1)×M阶全0矩阵;其余表达式为
其中IM-1表示(M-1)×(M-1)阶单位矩阵;IM表示M×M阶单位矩阵;I4表示4×4阶单位矩阵;1M×1表示M×1阶全1列向量;O4×4表示4×4阶全0矩阵;O1×M表示1×M阶全0行向量;O1×(M-1)表示1×(M-1)阶全0行向量;
式中O(M-1)×(M-1)表示(M-1)×(M-1)阶全0矩阵;其余表达式为
其中1(M+1)×(M-1)表示(M+1)×(M-1)阶全1矩阵;1(M+1)×M表示(M+1)×M阶全1矩阵;1(M-1)×(M-1)表示(M-1)×(M-1)阶全1矩阵;12×(M-1)表示2×(M-1)阶全1矩阵;O4(M+1)×(M-1)表示4(M+1)×(M-1)阶全0矩阵;O2×(M-1)表示2×(M-1)阶全0矩阵;
式中O(M+1)×(M-1)表示(M+1)×(M-1)阶全0矩阵;其余表达式为
其中O(M+1)×9表示(M+1)×9阶全0矩阵。
进一步地,所述步骤8中,首先计算加权矩阵(Ω(k))-1,其中矩阵Ω(k)的计算公式为
Ω(k)=Σ(k)V(k)TEV(k)Σ(k)T
进一步地,所述步骤9中,利用牛顿法对拉格朗日乘子λ1和λ2进行数值迭代,它们的初始值均设为0,相应的迭代公式为
其中
式中I3表示3×3阶单位矩阵;O3×1表示3×1阶全0列向量;O1×3表示1×3阶全0行向量;O4×1表示4×1阶全0列向量;O1×4表示1×4阶全0行向量;O3×3表示3×3阶全0矩阵;O3×4表示3×4阶全0矩阵;O4×3表示4×3阶全0矩阵;O5×1表示5×1阶全0列向量。
为验证本发明效果,进行如下仿真实验:
假设利用7个运动传感器获得的TDOA/FDOA信息(亦即距离差/距离差变化率信息)对某个运动辐射源进行定位,传感器的位置坐标和速度分别如表1所示,距离差/距离差变化率观测误差向量服从均值为零、协方差矩阵为其中σ为标准差。
表1传感器3维位置坐标和速度(单位:m和m/s)
首先将辐射源位置向量和速度向量分别设为u=[-4900 -4800 5700]T(m)和将标准差σ设为σ=1,图2给出了定位结果散布图与定位误差椭圆曲线(X-Y坐标平面);图3给出了定位结果散布图与定位误差椭圆曲线(Y-Z坐标平面)。
然后将辐射源坐标设为两种情形:第1种是近场源,其位置向量和速度向量分别为u=[2900 2800 2700]T(m)和第2种是远场源,其位置向量和速度向量分别为u=[8700 8200 7500]T(m)和 改变标准差σ的数值,图4给出了辐射源位置估计均方根误差随着标准差σ的变化曲线;图5给出了辐射源速度估计均方根误差随着标准差σ的变化曲线。
接着将标准差σ设为两种情形:第1种是σ=1;第2种是σ=2,将辐射源位置向量和速度向量分别设为u=[2400 2500 2600]T+[220 220 220]Tc(m)和改变参数c的数值,图6给出了辐射源位置估计均方根误差随着参数c的变化曲线;图7给出了辐射源速度估计均方根误差随着参数c的变化曲线。
从图4至图7中可以看出,本专利公开的定位方法对运动辐射源的位置和速度估计均方根误差均可以达到相应的克拉美罗界(即理论下界)。此外,从图中还可以看出,随着辐射源与传感器距离的增加,其定位精度会逐渐降低,其对近场源的定位精度要高于对远场源的定位精度。
下面将本专利公开的定位方法与已有的加权多维标度的定位方法进行比较,注意到已有的基于加权多维标度的定位方法并未利用增广未知向量所满足的双二次等式约束。仿真参数同图6和图7,只是固定标准差为σ=1,图8给出了辐射源位置估计均方根误差随着参数c的变化曲线;图9给出了辐射源速度估计均方根误差随着参数c的变化曲线。从图8和图9中可以看出,由于本专利公开的定位方法利用了增广未知向量所服从的双二次等式约束,因此其定位精度能够得到显著提升,并且其性能增益与辐射源和传感器之间的相对位置有关。
以上所示仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,其特征在于,包括:
步骤1:利用空间中放置的M个运动传感器同时获得运动辐射源信号到达第m个传感器与到达第1个传感器的TDOA和FDOA观测量,并利用TDOA观测量进一步得到距离差观测量利用FDOA观测量进一步获得距离差变化率观测量
7.根据权利要求4所述的基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,其特征在于,所述步骤6包括:
式中O(M+1)×M表示(M+1)×M阶全0矩阵;其余表达式为
式中
其中IM-1表示(M-1)×(M-1)阶单位矩阵;IM表示M×M阶单位矩阵;I4表示4×4阶单位矩阵;1M×1表示M×1阶全1列向量;O4×4表示4×4阶全0矩阵;O1×M表示1×M阶全0行向量;O1×(M-1)表示1×(M-1)阶全0行向量;表示(M+1)×(M+1)2阶全0矩阵;O(M-1)×(M-1)表示(M-1)×(M-1)阶全0矩阵;1(M+1)×(M-1)表示(M+1)×(M-1)阶全1矩阵;1(M+1)×M表示(M+1)×M阶全1矩阵;1(M-1)×(M-1)表示(M-1)×(M-1)阶全1矩阵;12×(M-1)表示2×(M-1)阶全1矩阵;O4(M+1)×(M-1)表示4(M+1)×(M-1)阶全0矩阵;O2×(M-1)表示2×(M-1)阶全0矩阵;O(M+1)×(M-1)表示(M+1)×(M-1)阶全0矩阵;O(M+1)×9表示(M+1)×9阶全0矩阵。
10.根据权利要求1所述的基于加权多维标度和拉格朗日乘子技术的运动辐射源TDOA和FDOA定位方法,其特征在于,所述步骤9包括:
其中
式中I3表示3×3阶单位矩阵;O3×1表示3×1阶全0列向量;O1×3表示1×3阶全0行向量;O4×1表示4×1阶全0列向量;O1×4表示1×4阶全0行向量;O3×3表示3×3阶全0矩阵;O3×4表示3×4阶全0矩阵;O4×3表示4×3阶全0矩阵;O5×1表示5×1阶全0列向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335953.9A CN111551895B (zh) | 2020-04-25 | 2020-04-25 | 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335953.9A CN111551895B (zh) | 2020-04-25 | 2020-04-25 | 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551895A CN111551895A (zh) | 2020-08-18 |
CN111551895B true CN111551895B (zh) | 2021-01-26 |
Family
ID=72007706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010335953.9A Active CN111551895B (zh) | 2020-04-25 | 2020-04-25 | 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551895B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333236B (zh) * | 2020-09-26 | 2022-02-25 | 西安电子科技大学 | 一种三维动态集群网络中基于两层滤波的容错协同定位方法 |
CN112540343B (zh) * | 2020-11-19 | 2024-06-18 | 安徽大学 | 基于移动接收器协同分析的移动目标源定位方法 |
CN112782647B (zh) * | 2020-12-15 | 2023-05-16 | 中国人民解放军战略支援部队信息工程大学 | 信息联合的二次等式约束最小二乘辐射源定位方法 |
CN112904274A (zh) * | 2021-01-21 | 2021-06-04 | 中国人民解放军海军工程大学 | 一种改进tdoa/fdoa算法的多运动目标定位方法 |
CN113835061B (zh) * | 2021-08-13 | 2022-07-05 | 中国人民解放军战略支援部队信息工程大学 | 一种信号载波频率先验误差存在下单平台多普勒两阶段闭式定位方法 |
CN114859114B (zh) * | 2022-07-06 | 2022-09-09 | 成都戎星科技有限公司 | 基于低轨监视卫星监视低轨空间目标的信号目标关联方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5183246B2 (ja) * | 2008-02-25 | 2013-04-17 | 三菱電機株式会社 | 未知送信局の測位装置及び測位方法 |
US9733338B1 (en) * | 2012-10-08 | 2017-08-15 | The Boeing Company | Single satellite geolocation systems and methods |
KR102136333B1 (ko) * | 2018-10-11 | 2020-07-21 | 국방과학연구소 | 표적의 위치 추정을 위한 장치 및 방법 |
CN109633581B (zh) * | 2018-12-26 | 2020-11-06 | 杭州电子科技大学 | 基于外辐射源tdoa/fdoa误差校正下的定位方法 |
CN109975754A (zh) * | 2019-02-26 | 2019-07-05 | 中国人民解放军战略支援部队信息工程大学 | 联合角度、时延与多普勒信息的运动多站直接定位方法 |
CN110673196B (zh) * | 2019-09-20 | 2021-01-22 | 中国人民解放军战略支援部队信息工程大学 | 一种基于多维标定和多项式求根的时差定位方法 |
-
2020
- 2020-04-25 CN CN202010335953.9A patent/CN111551895B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111551895A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551895B (zh) | 基于加权多维标度和拉格朗日乘子的运动源tdoa和fdoa定位方法 | |
CN111551896B (zh) | 抑制传感器位置速度先验误差的加权多维标度toa和foa多源协同定位方法 | |
CN111985093B (zh) | 一种带噪声估计器的自适应无迹卡尔曼滤波状态估计方法 | |
CN110673196B (zh) | 一种基于多维标定和多项式求根的时差定位方法 | |
CN107526073B (zh) | 一种运动多站无源时差频差联合定位方法 | |
CN103969622B (zh) | 一种基于多运动接收站的时差定位方法 | |
CN104567871B (zh) | 一种基于地磁梯度张量的四元数卡尔曼滤波姿态估计方法 | |
CN111551897B (zh) | 传感器位置误差下基于加权多维标度和多项式求根的tdoa定位方法 | |
CN108375752B (zh) | 基于全角度搜索的幅相误差单辐射源测向方法 | |
CN109782238B (zh) | 一种传感器阵列阵元幅相响应和阵元位置的联合校准方法 | |
CN106569172A (zh) | 二维doa估计方法 | |
CN106353720A (zh) | 基于tdoa/groa的多站连续定位模型 | |
CN113155973B (zh) | 一种基于自适应奇异值分解的梁损伤识别方法 | |
CN107797091B (zh) | 一种基于子空间的新型纯方位目标定位方法 | |
CN111830465B (zh) | 二维牛顿正交匹配追踪压缩波束形成方法 | |
CN113835064B (zh) | 一种协同校正源观测信息的加权多维标度tdoa定位方法 | |
CN102446242B (zh) | 航天器磁性的仿真方法 | |
CN113050027B (zh) | 一种幅相误差情况下基于稀疏重构的波达方向估计方法 | |
CN112068099B (zh) | 基于误差补偿的多辐射源快速定位测速方法和装置 | |
CN114648041A (zh) | 一种基于平行稀疏阵列的二维欠定doa估计算法 | |
CN109100679B (zh) | 基于多输出支持向量回归机的近场声源参数估计方法 | |
CN112579972A (zh) | 方向性电磁耦合效应下空域信息联合估计方法 | |
Li et al. | An Underwater Source Localization Method Using Bearing Measurements | |
CN116883469B (zh) | 平面特征约束下基于eiv模型描述的点云配准方法 | |
CN113325406B (zh) | 一种基于正则化约束加权最小二乘的无源定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |