下载掌阅APP，畅读海量书库
立即打开
与纯方位及TDOA定位方法已取得相对丰富的理论研究成果不同 [9-13] ，目前关于纯距离目标运动分析的理论成果很少，尚未形成系统的理论体系。
纯距离系统的可观测性条件研究是纯距离目标运动分析理论研究的基础，只有在满足系统可观测的前提下，进一步研究目标定位与跟踪算法、单观测站的机动航路优化、多观测站的站址布局优化等问题才有意义，而且系统对目标实现定位与跟踪的精度、收敛速度及稳定性，在很大程度上受系统本身可观测性的影响。
国外关于可观测性分析的研究始于1981年，最初是S.C.Nordone和V.J.Aidala在二维平面内通过对观测方程进行伪线性化的方法，得出了纯方位系统中关于匀速直线运动目标的可观测性结论 [14] ，1985年，S.E.Hammel和V.J.Aidala在此结论的基础上进行了三维空间的扩展 [15] ，但是利用伪线性方法得到的目标状态估计是有偏的。1988年，E.Fogel和M.Gavish在三维平面内，通过建立 N 阶目标运动方程，在连续时间域内得到了系统可观测性的充分必要条件，同时也指出利用微分方程得到的可观测性条件是必要的，非充分的。但是该方法具有一定的局限性，面对较为复杂的运动模型，如 Singer 模型时，就不能再使用多项式方程的形式描述目标运动状态 [16] 。1996年，T.L.Song在三维平面内，通过建立伪测量方程，得到了在一般条件下系统可观测的充分必要条件 [17] ，克服了上述方法的不足。同时该文献也指出，由于是在直角坐标系下建立数学模型，所得结论缺少状态变量和系统可观测性之间的直接关系，很难评估在系统可观测性条件不满足时，哪个状态变量是不能观测的，因此通过观测站机动提高系统的可观测性也变得十分困难。同年，T.L.Song在修正极坐标系下分析了系统的可观测性，并且在修正极坐标下得到的目标状态估计器是渐进无偏的 [18] 。此后，研究学者进一步深入研究分析各类系统可观测性条件的方法，丰富和完善了系统的可观测性理论成果 [19-26] 。
国内学者对于系统可观测性的研究始于1977年，且主要是针对纯方位系统展开研究。刘忠对匀速直线运动单观测站纯方位系统的可观测性进行了研究，得出了目标部分状态参数（相对航向、相对速度与初距之比）可观的结论 [27] ，此后又对纯方位系统不可观测的情形进行了详细的研究分析，形成了比较完整的关于纯方位系统不可观测性的结论 [10] 。李洪瑞对观测方程进行线性化近似，通过推导Grammer矩阵行列式的解析表达式，得到纯方位系统可观测性的充要条件 [28] ，并详细分析了连续纯方位系统不可观测时，观测站可能的运动轨迹有哪些，为约束条件下观测站的机动提供了依据 [29] 。国内学者石章松、许兆鹏、吕文亭等又陆续对多站纯方位系统、三维空间内纯方位系统的可观测性条件进行了研究 [30-33] ，目前关于纯方位系统的可观测性研究已形成比较丰富的理论成果。
但是，上述有关系统可观测性研究分析的相关方法和结论，主要针对纯方位系统或利用多源测量信息（如频率、时延）的无源定位系统，可公开参阅的关于纯距离系统可观测性的文献很少。
纯距离系统的目标定位与跟踪问题属于非线性滤波问题，而非线性滤波理论的发展可以划分为线性化近似和非线性化近似两个阶段。在线性化近似的发展阶段，扩展卡尔曼滤波算法（Extended Kalman Filter，EKF） [34] 及其各类改进算法 [35-42] 是学者研究的重点。而后，非线性滤波理论的发展进入了非线性化近似的发展阶段，提出了无迹卡尔曼滤波（Unscented Kalman Filter，UKF） [43-61] 、粒子滤波（Particle Filter，PF） [62-71] 等算法。
其中，UKF 算法采用确定性采样策略，通过无迹变换来近似高斯随机变量在非线性系统中的传递 [45] ，可以更好地近似随机变量经过非线性变化后的均值和方差，其估计性能优于EKF算法。然而，在实际应用中，UKF算法仍然存在滤波收敛速度、精度等问题 [58] 。针对这些问题，各种改进UKF算法陆续提出。R.Meiwe在2001年提出了平方根无迹卡尔曼滤波算法 [72] ，在递推计算中将协方差替换为协方差的平方根，有效地解决了由于协方差负定导致的滤波发散的问题。R.Zhan在2007年提出了迭代无迹卡尔曼滤波算法（Iterated Unscented Kalman Filter，IUKF） [73] ，通过迭代重新采样提高非线性近似程度，进一步改善了滤波效果。国内学者石勇在2011年提出了自适应UKF算法，为了得到未知系统噪声的统计特性，提出了改进的Sage-Husa估计器，在满足在线估计系统噪声统计特性的同时，判断并抑制了滤波发散的情况，因而有效地提高了滤波算法的精度和稳定性 [74] 。
与UKF算法的确定性采样不同，PF算法采用随机采样策略，通过产生大量表示系统状态变量的附带权值的粒子，利用特定的统计策略组合估计关于状态变量的概率密度函数。但是PF算法存在权值退化和粒子集匮乏的问题，因此关于PF 的改进策略一直是研究学者的热点，出现了如 Unscented 粒子滤波算法 [75] 、高斯和粒子滤波算法 [76] 、辅助粒子滤波算法 [77] 、Marginalized 粒子滤波方法 [78] 等方法。薛锋提出了约束条件下的粒子滤波算法 [79] ，并将其成功应用于纯方位目标定位与跟踪中；梁玥提出了基于遗传算法的改进粒子滤波算法，通过使用选择算子、交叉算子及变异算子，改进了算法的性能 [80] ；宁小磊提出了加权逼近粒子滤波算法 [81] ，通过对预测粒子集样本进行预处理，增加了有效样本数，有效解决了粒子多样性退化的问题。
但是，上述非线性滤波算法大多应用于纯方位系统，并未在纯距离系统中得到应用。
从20世纪90年代开始，国内外学者在研究纯方位系统可观测性条件及目标定位与跟踪算法时发现，观测站机动航路与系统可观测性、目标定位与跟踪精度之间有很大的关系，选择合适或优化的机动航路不仅可以改变系统的可观测性，而且可以提高目标定位与跟踪算法的性能 [82-96] 。
从1989年开始，国外学者S.E.Hammel、P.T.Liu和J.P.Helferty等人对观测站的机动航路优化问题进行了深入研究，先后提出了定位误差的椭圆面积最大和最小化定位误差的下界的评价性能指标，得出了匀速运动的单观测站对静止目标的优化航路是前置追击曲线的结论，其中，定位误差的椭圆面积可用Fisher信息矩阵（Fisher Information Matrix，FIM）行列式的值来表示，最小化定位误差的下界可用克拉美罗下限（Cramer-Rao Low Bound，CRLB）的迹来表示。1998年，J.M.Passerieux 和 D.V.Cappel 提出了两种优化性能指标：最优化全局精度-ln[det{ FIM ）]和距离精度 h ′· （ FIM ） -1 · h ，通过构造 Hamilton 函数，得到了二维平面内利用测向信息对匀速运动目标定位与跟踪的最优运动轨迹是曲折臂（Multi-leg）曲线的结论 [87] 。1999年O.Tremois和L.J.Cadre [88，89] 采用外代数理论，通过分解 FIM 矩阵，得出观测站机动航路的最优速度应该是观测站具备最大速度的结论。
国内开展观测站机动航路优化问题研究主要经历了两个阶段 [27，28，97，98] ，一是定性阶段，主要是根据经验制定观测站航路的机动方案；二是定量阶段，开始定量地计算目标定位精度与机动航路优化之间的关系问题。董志荣提出了纯方位系统定位与跟踪的本载体最优轨线方程 [97] ；石章松基于目标定位跟踪精度下限CRLB，提出使用定位精度的几何解释（Geometrical Dilution of precision，GDOP）作为优化性能指标，采用数值寻优计算的方法，对纯方位目标跟踪中的观测器航路机动优化进行了研究 [99，100] ；张武基于最优控制理论建立最优观测者轨迹的优化模型 [101] ，运用解析法得到全局精度指标下常速率观测者最优航向的必要条件。
但是，以上研究都是针对纯方位系统展开的，并未涉及对纯距离系统航路优化的研究。
多观测站协同定位可以利用多个静止观测站，从不同方向同时探测目标，从而提高目标定位与跟踪的精度和速度。但是观测站与目标、观测站与观测站之间构成的几何关系不同，对同一位置的目标定位精度有很大差异 [102-107] ，即多站站址布局是影响定位精度或定位误差 [108，109] 的一个重要因素。目前常用的衡量定位精度或定位误差的表示方法有：均方误差（Mean Square Error，MSE）与均方根误差（Root of Mean Square Error，RMSE） [110] 、平均定位误差 [111] 、定位精度的几何解释GDOP [112] 和等概率误差椭圆 [113] 等。
目前国内主要研究方向是对纯方位系统和时差系统的多站站址布局进行优化，取得了一些成果 [114-120] 。刘若辰针对T-R n 型多基地声呐系统，利用发射站和接收站到目标的“距离和”信息，通过定位精度的几何解释对站址布局展开讨论 [121] ；朱伟强提出了“站间构型测度”的概念 [122] ，研究时差系统中三站构成三角形的面积与定位精度之间的关系；顾晓东分析了纯方位系统的测向线交会角大小与定位精度之间的关系 [123] ；牛超提出联合GDOP值和监控区域大小为复合指标，研究了多基地雷达布站优化模型 [124] 。
关于纯距离系统多站站址布局的研究，仅孙仲康研究了只用距离信息进行定位的T-R n 型多基地定位系统的站址布局对定位精度的影响 [9] ，但也只涉及了三站的部分情况，并未对静止多站的站址布局优化进行研究。
按照传感器是否具有测距能力，可将节点自定位算法分为基于距离的定位算法和估计距离的定位算法。前者需要测量节点之间的实际距离，主要的测距技术包括TOA、TDOA [125] 、AOA [126] 和RSSI [127] ，代表性算法包括Generic算法 [128] 、Cooperative算法 [129] 、N-Hop算法 [130] 、DV-Distance算法 [131] 、Euclidean算法及DV-Coordinate 算法等。后者利用节点之间的估计距离来计算节点的位置，其主要的定位算法包括Centroid算法 [132] 、DV-Hop算法、Amorphous定位算法 [133] 、APIT算法 [134] 及MDS-MAP算法 [135] 等。同时，有研究表明基于距离信息的定位算法比基于估计距离信息的定位算法具有更高的精度 [136] 。
上述所列的定位算法是无线传感器网络中典型的定位算法，目前大多数水下声学传感器网络的节点定位算法是基于对上述算法的改进，并未就水下环境的特点如锚节点稀疏、误差累积效应明显、通信带宽有限和时延严重以及数据传播过程冲突严重 [137] 等特点进行深入的研究。因此，对水下声学传感器网络的节点定位算法有待于进一步的研究。
在无线传感器网络的许多实际应用场景中，跟踪目标是一项基本需求。按照信息的处理方式，可以将基于无线传感器的定位跟踪算法分为集中式和分布式；按照跟踪节点的位置是否已知，可以将跟踪算法分为以节点为中心的跟踪算法和以位置为中心的跟踪算法。就已公开的文献和技术资料，国外对于基于无线传感器网络的跟踪算法的研究，主要包含如下5个重要方面 [138] ：基于二元探测的目标跟踪算法，如 CTBD [139] 和 BPS [140] ；基于精确定位的跟踪算法，如 DSLT [141] 和DCATT [142] ；时空组合定位算法，如DSTC [143] 、BB [144] 、Beamforming 组合算法 [145] 、自适应目标跟踪算法 [146] 及基于粒子滤波的跟踪算法 [147] 等。
国内基于无线传感器网络的目标跟踪算法方面的研究主要集中在节点优化部署和数据融合方面，从掌握的文献情况来看，南京理工大学 [148，149] 、华南理工大学 [150] 、国防科技大学和海军工程大学 [151] 等几家研究机构在目标跟踪算法方面做了一定的研究工作，而且多集中在分布式粒子滤波算法方面，对于有限资源条件下，特别是有限带宽条件下的水下目标跟踪算法还需进一步的深入研究。