基于LPNN的无源ML-TDOA估计

摘要

针对无源时差定位（TDOA）领域的非线性方程求解问题，提出了一种基于最大似然估计的改进型拉格朗日规划神经网络迭代求解算法。该算法利用最大似然估计构建代价函数，结合时空约束条件，建立TDOA方程的一般约束优化问题，并通过迭代求解算法对网络的收敛性和渐近稳定性进行了证明。针对两种常见的阵列排布方式进行了仿真验证与性能分析。仿真实验结果表明，该算法能够提供精确的坐标估计，误差小于1.414×10^-3。与传统算法相比，该方法在各类噪声环境下表现出更优的性能，尤其在0 dB噪声环境下，其均方误差为0.786 6。

关键词

无源定位 / 时差定位 / 到达时间差 / 最大似然估计 / 拉格朗日规划神经网络 / 模拟神经网络 / 一般约束优化问题 / 代价函数