摘要
在现代战场上，电子侦察在电子战中发挥着重要作用。无源定位系统具有良好的隐蔽性，在定位辐射源时不容易被敌人发现，这是电子侦察的一个重要功能。随着无人机成为电子侦察的新宠，特别是在目标侦察方面，其应用也越来越广泛。因此，考虑到无人机的高机动性，本文主要研究在有站址误差的情况下，提高目标定位精度的方法。该研究分别从时差定位理论基础、定位精度影响因素、时差定位算法和神经网络在时差定位中的应用几个方面进行: 首先，探究利用时差对目标定位的原理，并对时差的测量和时间同步等理论与技术进行了研究，针对多无人机协同的目标定位，研究了常用的坐标系及其之间的转化关系，并给出了大地坐标系与站心坐标系之间的转换关系方程。 其次，建立了三维空间的时差定位模型，并详细研究了时差定位系统中影响定位精度的因素。通过仿真实验分析了无人机数量、基线长度、站址误差、时差测量误差、目标源位置和无人机阵型结构对目标定位性能的影响。 再次，在时差定位模型的基础上，推导了克拉美罗界和几何精度因子。总结了经典的定位算法，包括Chan算法，Taylor算法。在存在无人机站址误差的情况下，对上述算法进行改进，并提出一种改进的Chan-Taylor加权联合算法。仿真验证该算法在站址误差较小时能够达到克拉美罗界，同时在站址误差较大时，该算法的定位精度表现良好。 最后，本文描述了多无人机协同目标定位场景，用于定位特定区域内的辐射源目标。在存在站址误差的情况下，探究了BP神经网络在时差定位中的应用。为了避免BP神经网络因初始网络权重非常敏感和收敛速度慢而对定位性能产生影响，提出了遗传算法优化BP神经网络的定位算法。通过仿真分析了该算法实现目标定位的可行性和有效性，且算法的均方根误差受站址误差影响小，几乎能够达到克拉美罗界。在多个无人机和多个目标的场景下，该算法还表现出鲁棒性强和定位时间短的特点。
NETL