以到達(dá)角為依據(jù)的目標(biāo)定位簡(jiǎn)述根據(jù)到達(dá)角的精確定位模式，要求兩個(gè)及其以上的參照點(diǎn)才可以高效的對(duì)所求目標(biāo)點(diǎn)展開精確定位。測(cè)向作業(yè)精確定位也就是經(jīng)過參照點(diǎn)分布坐標(biāo)實(shí)際位置與獲取出自所求目標(biāo)點(diǎn)的測(cè)向作用角的數(shù)據(jù)信息，來完成對(duì)所求目標(biāo)點(diǎn)的實(shí)際位置估測(cè)。通過數(shù)十年的專業(yè)技術(shù)累積發(fā)展進(jìn)步，根據(jù)測(cè)向作用角的目標(biāo)精確定位專業(yè)技術(shù)獲取了深入、全面發(fā)展進(jìn)步。在本節(jié)里，將會(huì)詳細(xì)論述根據(jù)測(cè)向作業(yè)線的目標(biāo)精確定位里典型的算法?！?.1以測(cè)向線為依據(jù)的定位方法假定想象二維平面分布空間1×1里有N個(gè)參照點(diǎn)、單個(gè)待精確定位所求目標(biāo)點(diǎn)的測(cè)向作業(yè)精確定位工作任務(wù)，參照點(diǎn)分布坐標(biāo)依次記錄為Xi=xi,yiT,在這其中 βi=β分布向量和水平橫向之間的夾角。觀察測(cè)量運(yùn)算函數(shù)β(t,§1.1.1以最小二乘法為依據(jù)基于最小二乘法[4]Ax1,y1、Bx2,y2和Cx3,y3。在這其中，每一個(gè)觀察測(cè)量工作站，是以xx xtanβ2x把運(yùn)算方程式書寫分布矩陣計(jì)算表達(dá)公式，可以表示為： AX=B 在這其中A，B，X依次可以表示為： A=tan(β1),?1tan(圖1.1B J(X)=AX?B22經(jīng)過對(duì)運(yùn)算函數(shù)求導(dǎo)，獲取待定所求目標(biāo)點(diǎn)D實(shí)際 X=argminJ(X)=argmin(AX?B)T(AX?B)=經(jīng)過運(yùn)算方程式(2-6)便得出基于最小二乘法的目標(biāo)定位算法解的方程。假設(shè)到通常情況，當(dāng)有N個(gè)參照點(diǎn)的時(shí)候，這個(gè)時(shí)候的A,B依次是: A=tan(β1)?1依然可經(jīng)過運(yùn)算方程式(2-6)就可以求解出所求目標(biāo)點(diǎn)的具體位置。在最小二乘法的算法里，默認(rèn)每一個(gè)參照點(diǎn)的預(yù)計(jì)數(shù)值和實(shí)際數(shù)值之間的有效誤差都是同等的?！?.1.2以加權(quán)最小二乘法為依據(jù)加權(quán)最小二乘法[7]是在最小二乘法上加以改善的。我們提出不相同測(cè)向作業(yè)線獲取的有效誤差是不相同的，其導(dǎo)致的有效誤差針對(duì)發(fā)展目標(biāo)預(yù)計(jì)的有效誤差同時(shí)也是不相同的。所以應(yīng)用對(duì)有效誤差加權(quán)的模式來優(yōu)化提高損失運(yùn)算函數(shù)J(X)。假定比例權(quán)重參數(shù)分布矩陣為W，因此，加權(quán)最小二乘法優(yōu)化提高的損失運(yùn)算函數(shù)可由如下運(yùn)算方程式表示： B=AX+EJ(X)E在這其中，函數(shù)最低，因此獲取加權(quán)最小二乘法的估測(cè)： X=argmin(AX?B)T在這其中，比例權(quán)重參數(shù)W可由如下獲?。?W=Cw在這其中，CW的主對(duì)角線的比例權(quán)重參數(shù)為e12,?,e§1.1.3以凸包的到達(dá)角為依據(jù)因?yàn)槌鲎詡鲗?dǎo)接收設(shè)備的噪音測(cè)量與非線性關(guān)聯(lián)逆三角運(yùn)算函數(shù)，根據(jù)AoA的精確定位會(huì)造成很難處理和解決的非凸優(yōu)化矛盾。為了完成迅速與精確的算法，王昶[9]教授等人指出根據(jù)凸排列組合的精確定位模式來處理和解決AOA精確定位里的非凸矛盾問題。凸排列組合的中心理論思想是結(jié)構(gòu)環(huán)繞實(shí)際所求目標(biāo)點(diǎn)的一組虛擬構(gòu)造參照點(diǎn)的排列組合。在本文中，我們里，把這個(gè)算法作為單目標(biāo)精確定位工作任務(wù)的基本依據(jù)。CCAL算法的重要操作應(yīng)用步驟劃分為4步。接下來將會(huì)詳細(xì)論述介紹。圖1.2以凸包優(yōu)化算法為依據(jù)的虛擬點(diǎn)展示圖（1）明確地區(qū)與自動(dòng)生成虛擬構(gòu)造參照點(diǎn)V：把每一個(gè)的參照點(diǎn)根據(jù)圖里的模式展開兩兩相交，獲取交叉分布點(diǎn)分布坐標(biāo)數(shù)學(xué)集合。在圖里α為超系數(shù)為4，σ為觀察測(cè)量角的噪音水平。交叉分布點(diǎn)分布坐標(biāo)數(shù)學(xué)集合所組成的地區(qū)也就是為地區(qū)Ω對(duì)交叉分布點(diǎn)分布坐標(biāo)數(shù)學(xué)集合計(jì)算求解凸包，獲取的也就是虛擬構(gòu)造參照點(diǎn)V=v1,v2,?,vM的分布集合。從數(shù)學(xué)幾何分布空間而言實(shí)際的所求目標(biāo)點(diǎn)t一定在由參照點(diǎn)V（2）獲取虛擬構(gòu)造參照點(diǎn)和實(shí)際參照點(diǎn)相互之間的層面分布矩陣 ?=(在計(jì)算公式（2-11)里，?v1,a1為參照點(diǎn)a1獲取出自于虛擬構(gòu)造參照點(diǎn)v1計(jì)算求解虛擬構(gòu)造參照點(diǎn)V的比例權(quán)重參數(shù)w在經(jīng)過計(jì)算公式（2-11)獲取角度分布矩陣?之后，因此凸包點(diǎn)的虛擬構(gòu)造參照點(diǎn)V的比例權(quán)重參數(shù)w。因此w可可由如下運(yùn)算方程式獲取 w=argmin?（4）自動(dòng)生成預(yù)計(jì)所求目標(biāo)點(diǎn)t經(jīng)過優(yōu)化提高運(yùn)算方程式(2-12)可獲取比例權(quán)重參數(shù)w，也就是CCAL算法的預(yù)計(jì)所求目標(biāo)點(diǎn)，可以更具如下等式獲?。?t=Vw §1.1.4以交叉點(diǎn)聚類為依據(jù)的算法論文[8]里指出了一類簡(jiǎn)易的精確定位算法，其具備迅速、簡(jiǎn)單、容易使用等特征。和最小二乘法、加權(quán)最小二乘法等不相同的是，這個(gè)算法使用數(shù)學(xué)幾何特征來完成目標(biāo)精確定位。在單目標(biāo)精確定位工作任務(wù)里，經(jīng)過兩兩測(cè)向作業(yè)線相交獲取交叉分布點(diǎn)。由分布空間數(shù)學(xué)幾何特征可以得知，實(shí)際的所求目標(biāo)點(diǎn)會(huì)產(chǎn)生很多稠密的交叉分布點(diǎn)。因?yàn)閰⒄拯c(diǎn)獲取的測(cè)向作用角具備有效誤差噪音，常常會(huì)導(dǎo)致野數(shù)值交叉分布點(diǎn)。這個(gè)算法第一步經(jīng)過對(duì)交叉分布點(diǎn)完成極限值挑選。去除異常不同的野數(shù)值點(diǎn)(其對(duì)發(fā)展目標(biāo)的影響作用是強(qiáng)大的)，之后減少所求目標(biāo)點(diǎn)所在的地區(qū)，最終計(jì)算求解所求目標(biāo)點(diǎn)的具體位置。主要操作應(yīng)用步驟劃分為4步：獲取交叉分布點(diǎn)數(shù)學(xué)集合P與聚類核心點(diǎn)P(Px,Py)。把參照點(diǎn)分布坐標(biāo)獲取的測(cè)向作業(yè)線展開兩兩相交獲取交叉分布點(diǎn)分布坐標(biāo)數(shù)學(xué)集合得到P=P1,?,PH，在這其中為交叉分布點(diǎn)數(shù)學(xué)集合的數(shù)目，在這其中，P1=P1x,P P=1H極限值挑選：把獲取交叉分布點(diǎn)核心分布坐標(biāo)和交叉分布點(diǎn)分布坐標(biāo)數(shù)學(xué)集合P，分別運(yùn)算交叉分布點(diǎn)核心分布坐標(biāo)和交叉分布點(diǎn)的有效誤差E。在這其中，E可由下面運(yùn)算方程式獲?。?Ei=P把符合Ei小于等于max(E)?的交叉分布點(diǎn)歸于數(shù)學(xué)集合S=S1,?,SK。在這其中，K為交叉分布點(diǎn)數(shù)學(xué)集合S的數(shù)目，自動(dòng)生成預(yù)計(jì)所求目標(biāo)點(diǎn)t t=1K§1.1.5以克拉美羅下界為依據(jù)進(jìn)行預(yù)測(cè)克拉美羅下界[10](CRLB)通常都是用于估測(cè)系數(shù)在原理里CRLB(2-4)可獲取B，A，X，精確定位工作任務(wù)的分布矩陣計(jì)算表達(dá)公式B，A，X， B=AX+e,e~N(0,C在這其中，e，協(xié)方差分布矩陣為Ce可表示為 p(B;X)=exp(?12針對(duì)似然運(yùn)算函數(shù)p(B;X)里的統(tǒng)計(jì)測(cè)量X符合無偏性、高效性。因此根據(jù)最小二乘法實(shí)驗(yàn)?zāi)Ｐ偷腃RLB運(yùn)算方程式可表示為：CRLB(X)=?Eσ2§1.2單目標(biāo)定位132u記、性能評(píng)價(jià)指標(biāo)為了高效的評(píng)測(cè)不相同算法的精確定位作用功能，運(yùn)用有效實(shí)際距離有效誤差δm作為單個(gè)精