...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Target localization in a multi-static passive radar system through convex optimization
【24h】

Target localization in a multi-static passive radar system through convex optimization

机译：通过凸优化在多静态无源雷达系统中进行目标定位

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose efficient target localization methods for a passive radar system using time-of-arrival (TOA) information of the signals received from multiple illuminators, where the position of the receiver is subject to random errors. Since the maximum likelihood (ML) formulation of this target localization problem is a non-convex optimization problem, semi-definite relaxation (SDR)-based optimization methods in general do not provide satisfactory performance. As a result, approximated ML optimization problems are proposed and solved with SDR plus bisection methods. For the case without position error, it is shown that the relaxation guarantees a rank-one solution. The optimization problem for the case with position error involves only a relaxation of a scalar quadratic term. Simulation results show that the proposed algorithms outperform existing methods and provide root mean-square error performance very close to the Cramer-Rao lower bound.
机译：我们使用从多个照明器接收的信号的到达时间（TOA）信息，为无源雷达系统提出有效的目标定位方法，其中接收器的位置易受随机误差的影响。由于此目标定位问题的最大似然（ML）公式是一个非凸优化问题，因此，基于半确定松弛（SDR）的优化方法通常无法提供令人满意的性能。结果，提出了近似的机器学习优化问题，并用SDR加二等分方法解决了。对于没有位置误差的情况，表明松弛保证了一阶解。具有位置误差的情况的优化问题仅涉及标量二次项的松弛。仿真结果表明，所提出的算法优于现有方法，并提供了均方根误差性能，非常接近Cramer-Rao下限。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号