专利名称：一种基于最大似然估计的目标被动定位方法
一种基于最大似然估计的目标被动定位方法技术领域
本发明属于目标跟踪与目标定位技术领域，涉及一种目标被动定位方法，具体涉及一种基于最大似然估计的目标被动定位方法，该方法可以用于被动雷达和红外等传感器对目标的定位。
背景技术：
被动传感器定位技术使用较为广泛，与主动定位技术相比，它具有隐蔽性强、不易被发现等特点，其典型的测量量包括偏转角和俯仰角等。
多个被动传感器获得不同的方位角，这些方位角所指示直线相互交汇于一点，该点就是目标的位置。由于在角度测量过程中存在误差，计算出的交汇点往往不止一个，为了获得更加精确的目标位置，在过去的研究过程中，人们提出了多种算法，并对这些算法进 亍分析对比。Gavish 等人在“Gavish Μ. , Weiss A. J. Performance of analysis of bearing-only target location algorithms. IEEE Trans, on Aerospace and Electronic Systems, 1992，28 (3) :817-827. ” 一文中对最大似然估计算法(Maximum Likelihood Estimate, MLE)和Mansfield算法性能进行了分析对比，指出Mansfield算法是有偏估计，最大似然估计算法优于Mansfield算法。Nardone等人在文献“Nardone S. C.， Lindgren A. G. , Gong K. F. Fundamental properties and performance of conventional bearings-only target motion analysis. IEEE Trans, on Automatic Control,1984, 29(9) :775-787. ”中针对伪线性估计(Pseudolinear Estimate, PLE)、修正辅助变量估计(ModifiecWnstrumental Variable estimate，MIV)和最大似然估计算法进行了分析对比° 作者 Dogangay 等人在文献"Dogangay K., Ibal G. Instrumental variable estimator for 3D bearings-only emitter localization. In Proceedings of the 2nd International Conference on Intelligent Sensors,Sensor Networks and Information Processing(ISSNIP), Melbourne, Australia, 2005,63-68. ” 中提出了一种基于辅助变量估计算法instrumental Variable Estimate, IVE)的加权辅助变量估计算法(Weighted Instrumental Variable estimate, WIV)，该算法和最大似然估计算法性能相近，比正交向量估计算法(Orthogonal Vector Estimate, 0VE)和伪线性估计算法性能好。在这些算法中，最大似然估计算法性能最好，然而该算法需要给出目标位置初值，如果给定的初值误差较大或计算过程中出现奇异矩阵，使得某些矩阵的逆矩阵不存在，算法就会发散。此时，不能获得有效的目标定位结果。为了能够获得不需要设定目标位置初值的目标定位算法’ Bishop ^Λ Κ "Bishop Α. N. ，Anderson B. D. 0. ，Fidan B. ，Pathirana P. N. ，Mao G.Q. Bearing-only localization using geometrically constrained optimization, IEEE Trans, on Aerospace and Electronic Systems, 2009,45 (1) :308-320. ”中提出了一种基于多被动传感器几何约束的估计算法，算法误差性能介于加权辅助变量估计和最大似然估计算法之间。然而，该算法时间复杂度很高，而且算法精度在现有算法中也不是最好的。陈金广等人在“陈金广，李洁，高新波.改进的基于几何约束的加权被动定位算法.光电工程，
权利要求
1. 一种基于最大似然估计的目标被动目标定位方法，其特征在于，具体按照以下步骤实施步骤1 假设在三维空间中，P表示目标的位置，有3个被动传感器对目标位置进行测量，传感器的位置是sk，k= 1，2，3，下标k表示传感器的编号，被动传感器获得目标的角度测量信息，即偏转角Q1^n俯仰角(K，根据几何和三角关系，有如下关系
2.根据权利要求1所述的基于最大似然估计的目标被动目标定位方法，其特征在于， 所述的步骤2对目标位置进行初始估计，具体按照以下步骤实施a:首先考虑二维空间中的被动定位情况，计算目标初始位置估计，利用最小二乘法有
3.根据权利要求1所述的基于最大似然估计的目标被动目标定位方法，其特征在于， 所述的步骤3对目标位置进行精确估计，具体按照以下步骤实施a:构造基于最大似然准则的被动定位目标函数，根据被动定位算法中最优的最大似然估计方法，目标位置通过最大化角度测量值( 的联合概率密度函数来获得，如果给定β{ρ) = [^-θι{ρ\ι, ^-θμΜ^ΦΑρ)^ Μ-ΦΛρ) ， κ = diag([al ,L , , σ,L , σ^ ])，其中彩表示第k个传感器的偏转角测量值；θ k(p)表示第k个传感器与目标之间的偏转角真值；彩表示第k个传感器的俯仰角测量值；CK(P)表示第k个传感器与目标之间的俯仰角真值；表示第k个传感器的偏转角测量方差；《表示第k个传感器的俯仰角测量方差，则构造目标函数为 arg min eT {p)K le{p)，Pb 迭代优化，获得估计结果，通过高斯-牛顿法求解，迭代公式为
全文摘要
本发明公开了一种基于最大似然的被动定位方法，以提高被动定位传感器的定位精度。本发明目的在于克服已有目标被动定位方法的不足，即无需设定目标初值和目标定位精度不高两者不能兼得的缺点。该方法实施步骤是首先考虑二维空间中的被动定位情况，计算目标初始位置估计；计算辅助变量G1；构造二维空间中新的目标位置估计公式；估计目标在三维空间中z坐标值；构造基于最大似然准则的被动定位目标函数；迭代优化，获得估计结果。本发明定位方法，不需要目标初始位置，且定位结果的精度和传统的最大似然被动方法相同。
文档编号G01S5/00GK102508198SQ201110385938
公开日2012年6月20日 申请日期2011年11月29日 优先权日2011年11月29日
发明者朱欣娟, 王会燃, 陈亮, 陈金广, 马丽丽 申请人:西安工程大学