科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对最大似然估计(ML)方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术(MCIS)高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样(IS)技术构建符合高斯分布概率密度(PDF)的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。
-
单位空军工程大学
