买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于短基线统一模型的目标测向方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115774235B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211424566.8，技术领域涉及：G01S3/14；该发明授权一种基于短基线统一模型的目标测向方法是由郝本建;李思文;李赞;赵越;陈小军;司江勃;张佳雯;黎若瑶;王瑞仪;刘子君设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种基于短基线统一模型的目标测向方法在说明书摘要公布了：一种基于短基线统一模型的目标测向方法，基于计算机实现，先进行改进的极坐标表示MPR统一模型构建，再进行MPR模型下测向闭式初解，然后运用基于MPR下改进的逐次非约束最小化方法求解二次约束优化问题得到目标源的角度；再进行测向初解引导源部署；然后进行时空基准系统误差计算；最后进行目标源TDOA测量与时空基准系统误差消除及终解求解；本发明基于修正极坐标的远近场测向统一模型有效避免了短基线定位系统门限效应，使得基于到达时间差测量的无人机群远场目标测向方法成为可能；充分利用了标校源与目标源联合监测时具有相同时空基准系统误差的有利条件，通过标校源时差测量来消除目标源时差测量值中时空基准误差，从而达到提升测向精度效果。

本发明授权一种基于短基线统一模型的目标测向方法在权利要求书中公布了：1.一种基于短基线统一模型的目标测向方法，基于计算机实现，其特征在于，包括以下步骤： 步骤1，改进的极坐标表示modifiedpolarrepresentation,MPR统一模型构建； 所述的步骤1具体为： 将近场定位模型和远场测向模型中无人机和被定位目标间几何关系统一进行数学描述，采用MPR修正极坐标系表示目标位置； 被定位目标的位置用MPR坐标表示为： 其中，θo和φo分别为目标相对极坐标系中参考无人机的方位角和俯仰角，go为逆距离，定义为： 其中，uo和分别为被定位目标和参考无人机在笛卡尔坐标系中的位置坐标，表示为：uo＝[xo,yo,zo]T，为目标相对参考无人机的欧式距离； 步骤2，MPR模型下测向闭式初解； 所述的步骤2具体为： 2.1被定位目标相对机群内无人机si与无人机s1之间的到达距离差RangeDifferenceofArrival，RDOA测量值表示为： 其中，M为机群内参与定位的无人机个数，uo为被定位目标位置，sio＝si-Δsi为未知的无人机真实位置，si为测量已知的无人机位置，Δsi为无人机位置测量误差，为被定位目标的RDOA真实值，ni1为被定位目标的RDOA测量误差，nt,i1为无人机之间时间同步误差引起的到达距离差误差； 无人机si与被定位目标uo之间欧式距离真实值表示为： 其中，将所有M-1个RDOA测量值收集后得到矩阵形式： r＝ro+n+nt 其中，r＝[r21,r31,...,rM1]T，n＝[n21,n31,...,nM1]T为均值为零的RDOA测量误差矢量，满足高斯随机分布，其协方差矩阵为Qn，nt＝[nt,21,nt,31,...,nt,M1]T为均值为零的无人机群时间同步误差引起的RDOA误差矢量，满足高斯随机分布，其协方差矩阵为Qt； 2.2将坐标原点设为无人机s1的位置，即并将无人机si与被定位目标的距离关系式展开得到： 其中，为被定位目标uo到坐标原点的真实距离，ri1为被定位目标uo到无人机si的距离与被定位目标uo到无人机s1的距离差，ni1为ri1的测量误差，nt,i1为被定位目标uo到无人机si与无人机s1的时钟同步误差引起的距离误差； 用MPR坐标表示上式，将sio＝si-Δsi和代入上式并左右同除2ro，忽略高次噪声项，得到包含测量值ri1的与MPR变量相关的基本方程： 其中，为噪声矢量n、nt和Δsi导致的误差总和，为坐标原点指向被定位目标的单位向量，与目标信号的到达方向DOA有关，2-D和3-D情况下分别为和 2.3通过定义目标位置向量为将步骤2.2中的基本方程伪线性化，将M-1个RDOA测量值收集后将基本方程写为矩阵形式： 其中，包含被定位目标RDOA测量误差n和时钟同步误差nt的联合影响，为无人机自身位置误差，h1＝-r， 2.4引入加权矩阵W1平衡时钟同步误差nt与无人机自身位置误差Δs联合构成的时空基准误差，略去∈1中的二阶噪声得到W1＝B1Qn+QtB1+ΓQsΓT-1，由于未知量在矩阵方程中是线性的并用线性最小二乘准则求解，此时求解即为求解一个带二次约束的二次优化问题，描述为： 其中，h1为RDOA测量矩阵，G1为回归矩阵，W1为加权矩阵，ψ1为待求解量； 步骤3，运用基于MPR下改进的逐次非约束最小化ImprovedSuccessiveUnconstrainedMinimizationBasedonMPR,ImprovedSUM-MPR方法求解二次约束优化问题得到目标源的角度； 所述的步骤3具体为： 运用改进权值的SUM-MPR方法求解步骤2.4所述的约束优化问题，得到被定位目标源在MPR坐标系的初始估计值3.1基于MPR下改进的逐次非约束最小化ImprovedSuccessiveUnconstrainedMinimizationBasedonMPR,ImprovedSUM-MPR方法： 步骤3.1.1：忽略二次优化问题中的约束条件并假设中的元素相互独立得到假设G1中的误差足够小以及偏差忽略不计，则此时目标位置的2-DMPR和3-DMPR分别为:和 其中，tan-1为反正切函数，ψ11为步骤3.1.1中的解； 步骤3.1.2：步骤3.1.1中的解表示为Δψ11为估计误差，将等式两边的前N个元素平方得： 考虑到约束条件，将ψ11的最后一个元素加入得到： 其中，为Δψ11引入的误差，未知量通过构建如下优化问题： 求解；加权矩阵则WLS估计为： 其协方差矩阵为： 通过ψ12得到目标的2-DMPR和3-DMPR坐标分别为： 其中，sgn为符号函数，定义为：ψ12为步骤3.1.2中的解； 步骤4，测向初解引导校准源部署； 步骤5，时空基准系统误差计算； 步骤6，目标源TDOA测量与时空基准系统误差消除及终解求解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。