基于kalman滤波的TDOA定位算法.docVIP

基于kalman和chan的TDOA定位算法

1.算法流程及总体框架

Kalman滤波是通过基于运动模型的状态预测和基于TDOA测量的观测值的线性组合，共同完成k时刻系统状态的估计，实现流程如图1所示。这里，仅取决于k时刻的观测量，而与运动模型无关。

图1基于kalman滤波的TDOA定位算法实现流程

图1中列出了主要的输入参数和输出参数：其中Q和R分别为系统的过程噪声和观测噪声的协方差，即，。表示k-1时刻的目标位置信息，表示经过kalman一步预测得到的目标位置坐标，表示经过kalman位置更新后的最佳滤波值。为更新后的k时刻的协方差矩阵。上图中关于kalman位置预测和位置更新的详细流程（图2）、部分参数的来源和特性会在后边进行详细的介绍。

2.算法详解

2.1kalman状态方程的建立

Kalman状态方程的主要功能：根据k-1时刻目标的运动状态预测出k时刻目标的运动状态，其关系式为。它的建立可以根据目标的运动模型来确定。这里，我们假设目标在水平x方向和Y方向上均使用匀速运动（CV）模型，假设这两个方向上的运动互不影响。

设目标的状态向量为：，表示目标的位置坐标，分别表示目标在x和y方向上的速度。

这里，参数，T为观测周期，过程噪声W为零均值，方差为的高斯白噪声。

对应的过程噪声协方差矩阵

由此，kalman的状态方程已确定。

根据CV模型得到的kalman状态