针对两步加权最小二乘(two stage weighted least squares,TSWLS)算法在复杂场景下对运动辐射源定位不精确、观测站位置和目标位置的几何关系与精度相关的问题,提出一种基于泰勒展开与两步加权最小二乘联合的运动目标被动雷达质心无源定位算法。该方法首先利用两步加权最小二乘算法求解目标的位置与速度;再将所获得的目标参数作为泰勒展开的初始值构造定位误差方程,并通过迭代对目标寻优求解;最后利用联合算法和两步加权最小二乘算法分别获得估计值,对两次估计值进行质心定位得到最终结果。仿真实验表明,无论目标处于高速还是低速状态下,相较于传统的两步加权最小二乘算法和加权最小二乘(weighted least squares,WLS)算法,本文所提算法在鲁棒性和定位精度方面均有较大提高,且降低了观测站位置和目标位置几何关系对定位精度的影响。
在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。
