机载单站无源定位：递推总体最小二乘算法(RTLS)

"这篇论文是空军工程大学学报(自然科学版)2013年第1期的一篇文章，作者包括吴吴、陈树新和张衡阳，主要探讨了基于递推总体最小二乘（RTLS）的机载单站无源定位算法。在机载无源测向定位中，由于观测向量和系数矩阵都存在噪声，传统的最小二乘（LS）算法不能提供准确无偏的估计，而批处理算法的高计算量又无法满足实时定位的需求。因此，作者提出了RTLS算法作为解决方案。通过构建增广矩阵并利用矩阵分解的特性，他们推导出了一种递推方法，用于计算自相关逆矩阵和最右奇异向量，从而实现更快速、更精确的定位。仿真结果证明，RTLS算法在收敛速度和定位精度上优于RLS和TWDRLS算法，且能实时估计目标位置。" 本文研究的核心是针对机载单站无源定位问题，这是一种无需发射信号，仅通过接收目标辐射的无线电信号来确定目标位置的技术。在实际应用中，由于测量数据的噪声影响，传统的最小二乘法可能会导致定位误差。为解决这一问题，作者提出了一种递推总体最小二乘估计方法，即RTLS算法。 RTLS算法首先基于机载无源测向定位模型建立，这个模型通常涉及多频或多通道信号接收，通过分析信号到达角度（DOA）来估算目标位置。接着，引入增广矩阵，该矩阵结合了系数矩阵和观测向量，这有助于将噪声的影响纳入考虑。通过利用矩阵的奇异值分解（SVD）性质，他们设计了一套递推方程，以计算增广自相关逆矩阵和最右奇异向量。这些递推公式使得算法能够在每次新的观测数据到来时更新位置估计，从而实现在线、实时的定位能力。 对比实验展示了RTLS算法的优越性能，它不仅在收敛速度上超过递归最小二乘（RLS）和时间窗口递归最小二乘（TWDRLS）算法，而且在定位精度方面也表现出色。这样的提升对于实时性要求高的军事或航空航天应用至关重要，能够提高对移动目标的追踪和定位能力。 总结来说，这篇论文提出的RTLS算法为机载单站无源定位提供了新的解决方案，尤其是在噪声环境下的高精度和实时性要求。通过优化的矩阵运算，它成功地克服了传统LS方法的不足，为未来类似领域的研究提供了有价值的参考。