李建春 劉方正 章四兵

（電子工程學(xué)院 合肥 230037）

1 引言

分布式多傳感器無(wú)源定位可分為分布式多傳感器輻射源定位和分布式多傳感器外輻射源定位。分布式多傳感器輻射源定位主要是多個(gè)傳感器利用目標(biāo)自身所輻射的信號(hào)進(jìn)行定位。如圖1所示，其基本原理是多個(gè)接收傳感器分散配置，接收輻射源目標(biāo)發(fā)射的電磁信號(hào)，接收傳感器通過分析、處理，提取目標(biāo)的方位、時(shí)差、頻差等參數(shù)，實(shí)現(xiàn)對(duì)輻射源目標(biāo)的定位和跟蹤。該定位體制接收傳感器分散部署，可提取方位、時(shí)差、頻差等多類參數(shù)，同時(shí)不輻射電磁波，因而其定位精度較高，同時(shí)具有“四抗”（抗干擾、抗反輻射導(dǎo)彈、抗低空突防和反隱身）能力。分布式多傳感器外輻射源定位則是多個(gè)傳感器利用第三方輻射源的信號(hào)（如民用的電視、廣播、通信、衛(wèi)星，以及手機(jī)基站等民用輻射源等）照射到目標(biāo)后的反射信號(hào)進(jìn)行定位。該定位體制可看作特殊的多基地雷達(dá)系統(tǒng)，如圖2所示，基本原理是利用目標(biāo)反射第三方輻射源的發(fā)射信號(hào)實(shí)現(xiàn)對(duì)目標(biāo)的定位及跟蹤。該定位體制收發(fā)分置，故它具有定位精度較高及“四抗”能力等優(yōu)點(diǎn)。

2 分布式多傳感器無(wú)源定位的特點(diǎn)

分布式多傳感器無(wú)源定位的特點(diǎn)主要表現(xiàn)在：1）不主動(dòng)輻射電磁波信號(hào)，具有非常強(qiáng)的隱蔽性，生存能力強(qiáng)；2）系統(tǒng)成本較低，整個(gè)系統(tǒng)沒有發(fā)射模塊，只有接收裝置，故可以節(jié)省大量經(jīng)費(fèi)；3）多個(gè)接收傳感器可以大范圍分散部署，通過拉大站間基線長(zhǎng)度，既可以提高定位精度，又可以擴(kuò)大探測(cè)覆蓋區(qū)域；4）多個(gè)接收傳感器可以采用不同的搜索頻段，可以大大提高發(fā)現(xiàn)目標(biāo)的概率，包括隱身目標(biāo)；5）對(duì)于采取電磁靜默措施的目標(biāo)，分布式多傳感器外輻射源定位體制可以利用第三方輻射源的機(jī)會(huì)照射，實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)、參數(shù)測(cè)量、定位及跟蹤。

圖1 分布式多傳感器輻射源定位示意圖

3 相關(guān)研究現(xiàn)狀

3.1 分布式多傳感器輻射源定位的研究狀況

分布式多傳感器輻射源定位在民用和軍事應(yīng)用方面都得到了迅猛的發(fā)展。大多數(shù)國(guó)家都對(duì)尤其是西方發(fā)達(dá)國(guó)家的跨國(guó)公司，比如Motorola、Nokia、Ericsson等積極地開展對(duì)基于GSM、IS-95和第三代移動(dòng)通信系統(tǒng)的定位技術(shù)的研究，并且制定了相應(yīng)的實(shí)施方案及行業(yè)標(biāo)準(zhǔn)（如GSM系統(tǒng)中選用的增強(qiáng)觀測(cè)時(shí)差（E-OTD）定位法；WCDMA 系統(tǒng)中選用OTDOA-IPDL定位法［1］。）同時(shí)分布式多傳感器輻射源定位在軍事應(yīng)用上也已研制出了許多裝備［2］。俄羅斯的“MCS-90系統(tǒng)”是一個(gè)由三接收站構(gòu)成的無(wú)源探測(cè)系統(tǒng)，利用時(shí)差定位原理實(shí)現(xiàn)對(duì)目標(biāo)的定位及跟蹤。烏克蘭的“卡拉秋塔”系統(tǒng)，它有單站、三站兩種結(jié)構(gòu)形式，單站系統(tǒng)主要用來探測(cè)對(duì)方無(wú)線電信號(hào)，對(duì)所截獲的信號(hào)進(jìn)行分析、識(shí)別，在其構(gòu)建的防空體系中擔(dān)負(fù)早期預(yù)警任務(wù)，三站系統(tǒng)可對(duì)600km 內(nèi)的低空目標(biāo)進(jìn)行定位并且可標(biāo)繪其航跡。捷克的“TAMANA”系統(tǒng)是三站時(shí)差定位系統(tǒng)，可對(duì)空中、地面和海面目標(biāo)進(jìn)行定位、識(shí)別與跟蹤，并可以實(shí)時(shí)提供目標(biāo)點(diǎn)跡、航跡。其各站的基線長(zhǎng)度為10km～35km，探測(cè)距離大于400km。捷克的“VERA-E”系統(tǒng)，在較寬的頻帶范圍內(nèi)處理各種輻射源電磁波信號(hào)，“VERA-E”系統(tǒng)由適當(dāng)部署的三接收站或四接收站組成，采用時(shí)差定位技術(shù)來確定目標(biāo)的位置，是目前比較成熟和實(shí)用的分布式無(wú)源定位系統(tǒng)。以色列的“EL／L-8388”對(duì)空早期預(yù)警系統(tǒng)，采用短基線時(shí)差定位體制，工作頻段0.5GHz～18GHz，其時(shí)差估計(jì)精度最高可達(dá)1ns。

圖2 分布式多傳感器外輻射源定位示意圖

3.2 分布式多傳感器外輻射源定位的研究狀況

分布式多傳感器外輻射源定位系統(tǒng)主要有［3］：法國(guó)國(guó)家航空研究局以巴黎的埃菲爾電視臺(tái)廣播信號(hào)作為外輻射源信號(hào)，構(gòu)建了非合作無(wú)源雷達(dá)試驗(yàn)系統(tǒng)；德國(guó)西門子公司利用民用電臺(tái)信號(hào)作為外輻射源信號(hào)，構(gòu)建了無(wú)源雷達(dá)試驗(yàn)系統(tǒng)；英國(guó)防御研究局利用電視音頻調(diào)幅載波信號(hào)作為外輻射源信號(hào)，構(gòu)建了無(wú)源雷達(dá)試驗(yàn)系統(tǒng)；較為成熟的系統(tǒng)是美國(guó)洛克希德·馬丁公司利用調(diào)頻廣播信號(hào)和電視信號(hào)作為第三方輻射源信號(hào)的“沉默哨兵”分布式無(wú)源探測(cè)定位系統(tǒng)。“沉默哨兵”系統(tǒng)的工作原理［4］：利用商業(yè)調(diào)頻電臺(tái)和電視臺(tái)發(fā)射的50MHz～800MHz連續(xù)波信號(hào)，檢測(cè)、跟蹤、監(jiān)視任務(wù)區(qū)內(nèi)的運(yùn)動(dòng)目標(biāo)。該系統(tǒng)由大動(dòng)態(tài)范圍數(shù)字接收機(jī)、相控陣接收天線、高性能并行處理器及相關(guān)軟件組成。該系統(tǒng)能夠跟蹤到180km～220km 的反射面積為10m2的目標(biāo)，并且能同時(shí)跟蹤200個(gè)以上目標(biāo)，分辨率為15m。該系統(tǒng)有120°的觀察范圍，采用數(shù)字波束形成技術(shù)實(shí)現(xiàn)整個(gè)扇區(qū)覆蓋，可跟蹤固定翼飛機(jī)、旋翼機(jī)、巡航導(dǎo)彈和彈道導(dǎo)彈。系統(tǒng)的核心是“無(wú)源相控定位技術(shù)”，系統(tǒng)自身不輻射電磁波，這種靜默的工作模式使得系統(tǒng)可以躲避對(duì)方的偵察裝備和反輻射導(dǎo)彈，保證了自身安全。

4 分布式多傳感器無(wú)源定位的關(guān)鍵技術(shù)

4.1 分布式無(wú)源定位技術(shù)

在分布式無(wú)源定位技術(shù)中，直接根據(jù)接收的輻射源目標(biāo)信號(hào)（無(wú)需參數(shù)估計(jì)）得出目標(biāo)位置，該方法稱為直接定位法［5］，也可首先對(duì)輻射源目標(biāo)信號(hào)進(jìn)行參數(shù)估計(jì)，然后利用相關(guān)參數(shù)（到達(dá)時(shí)間、頻率等）對(duì)目標(biāo)位置進(jìn)行估計(jì)，該方法稱為兩步定位法［6］。

基于參數(shù)估計(jì)的兩步定位技術(shù)可以分為種，一種是基于數(shù)據(jù)庫(kù)的映射方法，該類算法需在定位之前的訓(xùn)練階段建立所需要的數(shù)據(jù)庫(kù)［7］；另一種是基于幾何或統(tǒng)計(jì)的方法。其中基于數(shù)據(jù)庫(kù)定位技術(shù)的計(jì)算量比較大，不具備實(shí)時(shí)性。一般工程上都采用基于幾何或統(tǒng)計(jì)的定位方法。幾何定位方法先利用單一或多個(gè)測(cè)量參數(shù)確定出定位曲線或曲面，再通過計(jì)算多條定位曲線或曲面的交點(diǎn)來確定目標(biāo)的坐標(biāo)。例如，由TOA 參數(shù)得出的距離信息，可以確定的定位線為一個(gè)圓或球。對(duì)于TDOA 參數(shù)而言，每個(gè)測(cè)量參數(shù)對(duì)應(yīng)一條雙曲線或雙曲面，確定雙曲線或雙曲面的交點(diǎn)即完成目標(biāo)位置的估計(jì)。幾何定位方法可以應(yīng)用于混合系統(tǒng)，如TDOA／AOA［8］和TOA／TDOA［9］等。但是在幾何定位方法中認(rèn)為所有測(cè)量參數(shù)均為真實(shí)值，因此多條定位線或面才會(huì)相交于一點(diǎn)。然而在實(shí)際情況下，所有的量測(cè)參數(shù)均疊加了噪聲，噪聲屬于隨機(jī)誤差，因此多條定位線或面實(shí)際上相交于某一個(gè)區(qū)域。相比較而言，統(tǒng)計(jì)定位方法則具有更廣的適用范圍［10］。所謂統(tǒng)計(jì)定位方法，即根據(jù)量測(cè)參數(shù)、誤差的先驗(yàn)誤差模型建立代價(jià)函數(shù)，如測(cè)量方程或似然函數(shù)，然后利用貝葉斯或最大似然進(jìn)行處理［11］。

直接定位是一種通過建立代價(jià)函數(shù)，采用二維平面搜索直接解算出信號(hào)中包含的目標(biāo)位置信息的方法。該方法避免了傳統(tǒng)定位法兩步定位的缺陷，且不要求傳感器間的時(shí)間同步，但現(xiàn)有工作在研究時(shí)僅考慮了目標(biāo)傳送信號(hào)到傳感器的信道衰減及干擾，而忽視了由傳感器傳送信號(hào)到另一傳感器（或定位中心）這一過程的影響，且直接定位算法的計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)高于兩步定位技術(shù)。

4.1.1 AOA（Angle Of Arrival）技術(shù)

AOA 是使用陣列天線來估計(jì)信號(hào)到達(dá)方向?qū)δ繕?biāo)位置進(jìn)行估計(jì)。一個(gè)AOA 測(cè)量值可以確定目標(biāo)輻射源的一個(gè)角度方向，如果至少有兩次不同地點(diǎn)的有效測(cè)量，則輻射源的位置就可以利用兩個(gè)角度方向相交確定出來。通常，可以利用多個(gè)地點(diǎn)的AOA 測(cè)量值來提高測(cè)量的精度。AOA 方法雖然原理簡(jiǎn)單，但它存在一定的缺陷，為了得到精確的AOA 估計(jì)，關(guān)鍵的一點(diǎn)就是信號(hào)從發(fā)射點(diǎn)到天線需是LOS（Line Of Sight）傳播，因此對(duì)于非視距NLOS（Non Line Of Sight）信道存在一定困難。AOA 的測(cè)量設(shè)備都是多天線系統(tǒng)，各通道之間的一致性要求很高，設(shè)備不但昂貴而且笨重。而且AOA 估計(jì)算法的復(fù)雜度較高，用于測(cè)量、儲(chǔ)存、處理等會(huì)占用過多的軟硬件資源。

4.1.2 TOA（Time Of Arrival）技術(shù)

TOA 是通過測(cè)量輻射源目標(biāo)和接收機(jī)之間的絕對(duì)到達(dá)時(shí)間實(shí)現(xiàn)對(duì)目標(biāo)的定位。將信號(hào)的時(shí)延乘以光速得到輻射源目標(biāo)與接收機(jī)之間的距離，測(cè)量該輻射源目標(biāo)和多個(gè)接收機(jī)之間的距離得到定位方程組，則輻射源目標(biāo)位于以接收機(jī)為圓心，目標(biāo)與接收機(jī)之間的距離為半徑的圓上。TOA 定位的實(shí)現(xiàn)要求輻射源與接收站之間嚴(yán)格時(shí)間同步，以求得輻射源信號(hào)的絕對(duì)到達(dá)時(shí)間。

4.1.3 TDOA（Time Difference of Arrival）技術(shù)

TDOA 是測(cè)量輻射源目標(biāo)到不同接收站之間的到達(dá)時(shí)間差而進(jìn)行定位的。為了測(cè)量信號(hào)的到達(dá)時(shí)差，各接收站之間必須精確同步。TDOA 值可以定義一條以兩個(gè)基站為焦點(diǎn)的雙曲線，目標(biāo)輻射源就位于雙曲線上。在TDOA 定位算法研究方面，目前已提出多種具有不同精度和計(jì)算復(fù)雜性的定位算法［1］，如Fang算法、SX 和SI算法、Friedlander算法、分類征服、DAC 算法、采用兩步WLS 的Chan 算法、泰勒級(jí)數(shù)展開法、近似最大似然估計(jì)（AML）算法［12］等，其中以Chan算法、泰勒級(jí)數(shù)展開法和AML 算法精度最高。Chan算法是一種具有解析表達(dá)式解的非遞歸的雙曲線方程組解法，該算法的特點(diǎn)是計(jì)算量小，適合于三傳感器及多傳感器，在噪聲較小且服從高斯分布的情況下，定位精度高。但在TDOA 測(cè)量誤差較大或在一定的幾何布局下，Chan算法的定位精度會(huì)顯著下降。泰勒級(jí)數(shù)展開法是一種需要初始位置的遞歸算法，該算法的特點(diǎn)是能適用于各種信道環(huán)境，在初始估計(jì)位置與實(shí)際目標(biāo)位置接近的情況下，定位精度高，但是在初始位置選擇不好或者一定的幾何布局下，算法有可能不收斂。結(jié)合Chan算法和泰勒級(jí)數(shù)展開法各自的長(zhǎng)處，將它們?nèi)诤显谝黄?，先用Chan算法求取目標(biāo)輻射源初始位置，然后在此初始位置基礎(chǔ)上通過泰勒級(jí)數(shù)展開法得到精確估計(jì)位置［13］。Y.T.Chan最新提出了AML定位算法，其文中的仿真結(jié)果驗(yàn)證了此算法接近最優(yōu)，在不同幾何布局條件下定位精度能達(dá)到克拉美羅下限，但由于也需要多次計(jì)算，所以計(jì)算量也較大。

4.1.4 FDOA（Frequency Difference of Arrival）技術(shù)

FDOA 技術(shù)是通過測(cè)量各接收機(jī)之間所接收信號(hào)的多普勒頻率差來進(jìn)行定位的。其常應(yīng)用于衛(wèi)星對(duì)地觀測(cè)定位上，因?yàn)槌说厍蛲叫l(wèi)星以外，其它的衛(wèi)星相對(duì)地球上的物體是有相對(duì)運(yùn)動(dòng)的，這樣輻射源信號(hào)到達(dá)各顆衛(wèi)星時(shí)就會(huì)產(chǎn)生多普勒頻移，又由于衛(wèi)星位置不一樣所以這些多普勒頻移是不一樣的，則形成了FDOA。每一個(gè)FDOA 在三維空間將對(duì)應(yīng)于一個(gè)曲面，各個(gè)FDOA 曲面的交點(diǎn)就是目標(biāo)輻射源的定位位置。

4.1.5 混合定位技術(shù)

這種方法是利用上述兩種或者多種不同類型的信號(hào)特征測(cè)量值來實(shí)現(xiàn)定位，如TOA／AOA、TDOA／AOA、TDOA／TOA 等組合進(jìn)行定位估計(jì)。

4.1.6 概率定位技術(shù)

從概率的角度出發(fā)，將4.1.1節(jié)到4.1.5節(jié)的參數(shù)量測(cè)方程，看作求解輻射源位置落在空間中概率最大的點(diǎn)或區(qū)域。在三維空間中，每一個(gè)方位角或俯仰角測(cè)量值確定一個(gè)平面，每一個(gè)TDOA 測(cè)量值確定空間中一對(duì)以兩站為焦點(diǎn)的雙曲面。由于現(xiàn)實(shí)中存在測(cè)量誤差，可以將定位問題視為位置估計(jì)問題。既然是位置估計(jì)問題，那么就要考慮概率分布。顯然，輻射源的位置估計(jì)的概率分布不為均勻分布，如果測(cè)量值是方位角或者俯仰角，那么目標(biāo)位置估計(jì)落在一個(gè)平面上的可能性比落在其它區(qū)域的可能性要大一些，如果測(cè)量值是TDOA，那么目標(biāo)估計(jì)值落在一個(gè)雙曲面上的可能性比落在其它區(qū)域的可能性要大一些。多個(gè)角度（方位角、俯仰角）、TDOA 測(cè)量形成了多個(gè)子集，假定多次測(cè)量相互獨(dú)立，那么目標(biāo)可能從某個(gè)位置輻射信號(hào)的概率為多次測(cè)量所對(duì)應(yīng)的概率之積。結(jié)合輻射源高度信息，那么概率之積最大所對(duì)應(yīng)的位置就是目標(biāo)的位置估計(jì)。

4.1.7 直接定位技術(shù)

傳統(tǒng)的定位技術(shù)（4.1.1節(jié)到4.1.6節(jié)）要先估計(jì)TOA、AOA 和TDOA 等測(cè)量參數(shù)，然后利用幾何關(guān)系計(jì)算輻射源目標(biāo)的位置，其定位精度取決于第一步參數(shù)測(cè)量的精度和第二步位置解算算法的性能，在測(cè)量TOA 時(shí)還須保證多傳感器間的時(shí)間同步。為克服傳統(tǒng)兩步定位方法的困難，近年來Anthony J Weiss提出了無(wú)需測(cè)量參數(shù)估計(jì)的直接定位方法［14～15］。直接定位是一種通過建立代價(jià)函數(shù)（cost function），采用二維平面搜索直接解算出信號(hào)中包含的輻射源目標(biāo)位置信息的方法。該方法避免了傳統(tǒng)定位法兩步定位的缺陷，且不要求傳感器間的時(shí)間同步，但現(xiàn)有工作在研究時(shí)僅考慮了輻射源目標(biāo)傳送信號(hào)到傳感器的信道衰減及干擾，而忽視了由一個(gè)傳感器傳送信號(hào)到另一個(gè)傳感器（或定位中心）這一過程的影響，因而直接定位技術(shù)的計(jì)算復(fù)雜度要遠(yuǎn)高于傳統(tǒng)定位技術(shù)。

4.2 非線性濾波技術(shù)

單純利用分布式多傳感器無(wú)源定位技術(shù)不足以獲取運(yùn)動(dòng)目標(biāo)連續(xù)的位置信息，對(duì)于運(yùn)動(dòng)目標(biāo)而言需要進(jìn)行有效的跟蹤濾波。大多數(shù)無(wú)線傳感器的測(cè)量數(shù)據(jù)與目標(biāo)狀態(tài)間常呈非線性關(guān)系。如果利用觀測(cè)數(shù)據(jù)完成目標(biāo)狀態(tài)的更新，必須解決非線性濾波問題。解決非線性濾波問題的方法主要分為兩類，一類是將非線性問題線性化，即對(duì)高階項(xiàng)采用截?cái)嗷虮平姆椒?；另一類則是利用采樣的方法來近似非線性分布。

Anderson和Moore就利用上述思想將Kalman濾波推廣到非線性濾波的場(chǎng)合，提出了擴(kuò)展卡爾曼濾波（EKF），并得到了廣泛的應(yīng)用。EKF 算法不再是按照某個(gè)指標(biāo)去進(jìn)行優(yōu)化的優(yōu)化算法，其性能很大程度上取決于非線性的復(fù)雜程度。因此，若非線性函數(shù)的泰勒級(jí)數(shù)展開式的高階項(xiàng)較大，無(wú)法忽略的時(shí)候，線性化所導(dǎo)致的誤差會(huì)很大，從而影響濾波的性能。針對(duì)上述存在的問題，有學(xué)者改進(jìn)了EKF算法（如高階截?cái)郋KF、迭代EKF［16］等）。相比較非線性函數(shù)的線性化近似非線性函數(shù)的概率分布要更加容易，其中UKF 和PF 是兩種最具有代表性的方法。Juher等人提出的無(wú)跡卡爾曼濾波（UKF）算法［17］以UT 變換為基礎(chǔ)，以Kalman濾波為框架，使用確定性采樣獲取非線性函數(shù)的概率分布。相比較EKF算法，UKF具有如下優(yōu)點(diǎn)：對(duì)非線性函數(shù)的概率密度進(jìn)行近似，而不是非線性函數(shù)的近似；非線性分布統(tǒng)計(jì)量的計(jì)算精度至少達(dá)到2階；不需要計(jì)算雅可比行列式，且運(yùn)算量與EKF 同階；可以處理非加性的噪聲以及離散的系統(tǒng)。目前，UKF被廣泛應(yīng)用于機(jī)器人自主定位、地面車輛導(dǎo)航和跟蹤等。粒子濾波算法（PF）［18］是近年來興起的最優(yōu)非線性濾波方法，其通過隨機(jī)采樣策略，對(duì)狀態(tài)空間直接進(jìn)行采樣，獲取相互獨(dú)立的隨機(jī)粒子來表征后驗(yàn)概率密度，繼而利用新的觀測(cè)對(duì)后驗(yàn)概率密度進(jìn)行更新。為了進(jìn)一步提高粒子濾波算法的性能，一系列的改進(jìn)算法被相繼提出，如序貫重點(diǎn)采樣算法、重點(diǎn)采樣重采樣算法SIR 和SIR-MCMC［19］等。

4.3 數(shù)據(jù)關(guān)聯(lián)技術(shù)

分布式多傳感器無(wú)源定位技術(shù)為實(shí)現(xiàn)多目標(biāo)的可靠跟蹤，則需要首先完成數(shù)據(jù)的可靠關(guān)聯(lián)。多維分配算法是實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)的一類重要手段。多維分配算法主要包括2-D 分配算法和S-D分配算法［20］。其中2-D分配算法用于解決“觀測(cè)值一航跡”間關(guān)聯(lián)的問題；而S-D 分配算法則處理多傳感器觀測(cè)數(shù)據(jù)間的“觀測(cè)值一觀測(cè)值”關(guān)聯(lián)問題。對(duì)于2-D 分配問題而言，常用的解法包括拍賣算法，JVC算法，以及用于網(wǎng)絡(luò)流量的Relax方法。其中，拍賣算法在目標(biāo)稀疏的場(chǎng)景下速度比JVC算法快，但是在目標(biāo)較為密集的場(chǎng)景中，JVC算法的性能則要優(yōu)于拍賣算法。與2-D分配問題相類似，SD分配問題是一個(gè)NP-Hard問題。利用其它NP-Hard問題次優(yōu)解的方法，如貪婪消源法，模擬退火法等，求解S-D分配問題的次優(yōu)解，會(huì)存在大量錯(cuò)誤的關(guān)聯(lián)結(jié)果。Deb［21］，Poore［22］以及Pattipati［23］提出了一種具有可量化精度的快速多層拉格朗日解法。該方法將S-D 分配問題化簡(jiǎn)為一系列的2-D分配問題進(jìn)行求解，將多維優(yōu)化問題引入S-D分配算法中，提出了多傳感器廣義S-D 分配算法，該方法利用最大似然的方法，避免了窮舉搜索，提高了分配算法的運(yùn)算效率。

另外，可應(yīng)用后驗(yàn)概率貝葉斯方法解決“觀測(cè)值—航跡”間關(guān)聯(lián)的問題，如聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法（JPDA）［24］、多假設(shè)跟蹤（MHT）和概率多假設(shè)跟蹤（PMHT）［25］等，上述方法具有計(jì)算量小、性能好等優(yōu)點(diǎn)，且易于工程實(shí)現(xiàn)，因而備受研究人員的親睞。近些年來，越來越多的研究將其它數(shù)學(xué)工具應(yīng)用于數(shù)據(jù)的關(guān)聯(lián)，從而產(chǎn)生新的配對(duì)算法，如聚類方法［26］，Viterbi數(shù)據(jù)關(guān)聯(lián)算法（VDA）等。對(duì)于數(shù)據(jù)分配算法而言，計(jì)算的瓶頸不在獲得次優(yōu)數(shù)據(jù)關(guān)聯(lián)的計(jì)算，而在于關(guān)聯(lián)算法的運(yùn)算量，因此對(duì)于數(shù)據(jù)關(guān)聯(lián)算法的研究主要表現(xiàn)在兩方面，一方面是將新的數(shù)學(xué)理論引入數(shù)據(jù)關(guān)聯(lián)中，如證據(jù)理論和隨機(jī)集理論等［28］，從而擺脫傳統(tǒng)的貝葉斯理論框架；另一方面則是提高數(shù)據(jù)分配算法的計(jì)算效率，降低算法的復(fù)雜程度。

5 結(jié)語(yǔ)

分布式多傳感器無(wú)源定位不僅可以有效地抗擊電子干擾、隱身技術(shù)、反輻射武器等威脅，而且具有精度高、覆蓋空域廣、能對(duì)付寬帶低譜密度信號(hào)等優(yōu)點(diǎn)，使其在軍事、為移動(dòng)臺(tái)提供定位服務(wù)、無(wú)線電監(jiān)測(cè)定位上都具有巨大應(yīng)用潛力。因此，在未來的戰(zhàn)爭(zhēng)或復(fù)雜條件下的目標(biāo)定位跟蹤及識(shí)別中，分布式多傳感器無(wú)源定位技術(shù)將會(huì)得到越來越廣泛的發(fā)展和應(yīng)用。

［1］范平志，鄧平，劉林.蜂窩網(wǎng)無(wú)線定位［M］.北京：電子工業(yè)出版社，2002.

［2］劉月華.時(shí)差定位無(wú)源雷達(dá)的系統(tǒng)設(shè)計(jì)［D］.南京：南京理工大學(xué)，2003.

［3］唐小明，何友.基于機(jī)會(huì)發(fā)射的無(wú)源雷達(dá)系統(tǒng)發(fā)展評(píng)述［J］.現(xiàn)代雷達(dá)，2002，24（2）：1-6.

［4］溫中武，宋闊益.電子對(duì)抗中無(wú)源雷達(dá)的地位和發(fā)展前景［J］.國(guó)防科技，2007，1（9）：14-18.

［5］A.J.Weiss.Direct position determination of narrow band radio frequency transmitters［J］.IEEE Sig.Processing Lett，2004，（11）：672-681.

［6］J.J.Caffew.Wireless Location in CDMA Cellular Radio Systems［M］.Boston：Kluwer Academic Publisher，2000.

［7］C.Nerguizian，C.Despins and S.Affes.Geo-location in mines with an impulse response fingerprinting technique and neural networks［J］.IEEE Trans.Wireless Commun，2006（5）：603-611.

［8］L.Cong and W.Zhang.Hybrid TOA／AOA mobile user location for wideband CDMA cellular systems［J］.IEEE Trans.Wireless Commun，2002，（1）：439-447.

［9］R.I.Reza.Data fusion for improved TOA／TDOA position determination in wireless systems［D］.Ph.D.Dissertation，Virginia Tech，2000.

［10］H.V.Poor.An Introduction to signal detection and estimation［M］.New York：Springer-Verlag，1994.

［11］S.Al-Jazzar and J.J Caffery.ML and Bayesian TOA location estimators for NLOS environments［C］／／in Proc.IEEE Ini.Conf.Veh.Technol，Vancouver，BC，2002：1178-1181.

［12］Y.T Chan，Herman Yau Chin Hang，Pak-chung Ching.Exact and approximate maximum likelihood localization algorithms［J］.IEEE Trans on VTC，2006，55（1）：10-16.

［13］劉林，鄧平，范平志.基于Chan氏算法和Taylor級(jí)數(shù)展開法的協(xié)同定位方法［J］.電子與信息學(xué)報(bào)，2004，26（1）：41-46.

［14］Oispuu M，Nickel U.Direct detection and position determination of multiple sources with intermittent emission［J］.Signal Processing，2010，90（12）：3056-3064.

［15］Weiss A J.Direct position determination of narrowband radio frequency transmitters［J］.IEEE Signal Processing Letters，2004，11（5）：513-516.

［16］A.Gernlani，C.Manes and P.Palunlbo.Polynomial extended Kalman filter［J］.IEEE Trans.AES，2005，（29）：1015-1022.

［17］K.Xiong，H.Y.Zhang and C.W.Chan.Performance evaluation of UKF-based nonlinear filtering［J］.Automatica，2006，（42）：261-270.

［18］C.Kwork，D.Fox and M.Meila.Real-time particle filters［J］.Proceedings of IEEE，2004，（92）：496-484.

［19］F.Gustafsson，F(xiàn).Gunnarsson and N.bergman.Particle filters for positioning，navigation，and tracking［J］.IEEE Trans.SP，2002，（50）：425-426.

［20］Y.Bar-Shalom and W.D.Blair.Multitarget-multisensor tracking application and advances［M］.Boston：Artech House，2000.

［21］S.Deb.A generalized S-D assignment algorithm for multisensor-multitarget state estimation［J］.IEEE Trans.AES，1997，（33）：523-538.

［22］A.Poore and A.J.Robertson.A new class of lagrangian relaxation based algorithms for a class of multidimensional assignment problems［J］.Computational optimization and application，1997，（3）：544-563.

［23］K.R.Pattipati，S.Deb and Y.Bar-Shalom.A new relaxation algorithm and passive sensor data association［J］.IEEE Trans.Automatic Control，1992，（37）：198-212.

［24］T.K.Y.Bar-Shalom，X.Lin.Probabilistic data association techniques for target tracking with application to sonar，radar and EO sensors［J］.IEEE Journal of Oceanic Engineering，2005，（20）：37-55.

［25］尹成友.基于多傳感器的近程目標(biāo)高精度定位與跟蹤的研究［D］.中國(guó)科學(xué)技術(shù)大學(xué)博士學(xué)位論文，2003.

［26］S.Theodoridis and K.Koutroumbas.模式識(shí)別［M］.北京：電子工業(yè)出版社，2006.

［27］戴邵武，馬長(zhǎng)里，代海霞.北斗雙星／SINS組合導(dǎo)航中的捷聯(lián)慣導(dǎo)算法研究［J］.計(jì)算機(jī)與數(shù)字工程，2010，38（2）.

［28］韓崇昭，朱洪艷，段戰(zhàn)勝.多源信息融合［M］.北京：清華大學(xué)出版社，2006.