测向交叉定位

测向交叉定位实验报告一、实验目的1、通过实验进一步加深对二维平面内测向交叉定位原理的理解；2、通过实验掌握利用最小二乘法提高二维平面内测向交叉定位精度的方法；3、提高Matlab编程能力。二、实验原理已知两个侦察站的位置(X1,y1)和(x2,y2)，由于它们对辐射源E测向，测得的方位角分别为1与2并得到两条位置线即等方位线，利用两条位置线相交所得的交点即可确定辐射源的坐标位置(xe,ye)，如图1。从图可知：1111yeeytgmxx2222yeeytgmxx由于(x1,y1)和(x2,y2)的两个坐标是已知的，而1与2是测得的，即m1和m2是可以测得到。现把已知量和未知量左右分开可得：11111eeymxymxb22222eeymxymxb则得112211eexmbymb即1112211eexmbymb12112221eyymxmxxmm211212112221emymymmxmmxymm三、定位误差分析上式是不考虑测向误差和侦察站的位置误差情况下求得的辐射源位置，实际上测向和测量侦察站的位置都是有误差的，由于这些误差的存在，将影响定位精度，下面分析园概率误差，研究辐射源的定位精度与测向误差及侦察站位置配置的关系。由于测量误差是随机的，因此辐射源的位置也是随机的，它一般符合二维正态分布，当测量误差服从正态分布时，常用中间误差E的大小来表示测度精度。中间误差E可由误差落在-E与E范围的概率为1/2时求得：即22()211()22xaEEEEfxdxedx则0.476922E其中E称为中间误差，又称分算误差，E愈小表示测量精度愈高。当定位误差服从二维正态分布且x和y彼此独立时，其二维概率密度函数为：22221()()21(,)2xyxxyyxyfxye其中x和y分别为随机变量x、y的均值，2x和2y分别为随机变量x、y的方差。为了讨论方便，设x=y=0，并把x、y坐标换为极坐标系，则cossinxryrdxdyJdrd其中cossinsincosxxrarJryyrr即dxdyrdrd2222221cossin21(,)2xyrrxyfre则园概率误差CEP可由下式求得：2222221cossin220011(,)(,)22xyrrCEPxySSfxydxdyfrdrderdrd根据上式求解CEP是比较困难的。由于CEP是x、y的复杂函数，因此一般都按经验进行计算。在误差不大于10%的情况下，CEP可近似表示为：220.75xyCEPCEP越小表示精度越高。四、实验内容设定两个测向站，设置其位置坐标参数，对辐射源的测向角度。分别给定出真实值和测量值（包含误差），并且分别计算出辐射源的理论位置和测量位置，二者进行比较并且计算出圆概率误差CEP和定位模糊区大小和位置误差。五、实验结果本实验设定两观测站位置分别为（0，0）和（800，0），两测向角度分别为55o和125o并且都服从方差为1o的正态分布。如下图所有测量得到的辐射源位置为：其中蓝色的‘+’为两个观察站位置和辐射源的真实位置（被绿色遮挡，放大可见），绿色的‘.’为所有交叉定位的结果。放大可以看到所有的测量结果都是以真实位置为中心分布。分布的分散程度和测角时的角度大小以及它的方差有关。二、附录clc;clearall;closeall;%设定仿真参数x1=0;y1=0;%设定的观测站的坐标x2=800;y2=0;%设定的观测站的坐标sita1_true=55;%观测站1测得的角度值sita2_true=125;%观测站2测得的角度值sita1_true=deg2rad(sita1_true);%转化为弧度sita2_true=deg2rad(sita2_true);%得到辐射源真实坐标x30=(x1*tan(sita1_true)-x2*tan(sita2_true))/(tan(sita1_true)-tan(sita2_true));%目标测量的横坐标y30=(x30-x1).*tan(sita1_true);sigma1=(1/180*pi)^2;%sita1观测值的方差为1度sigma2=(1/180*pi).^2;%sita2观测值的方差为1度N=1000;sita1_ce=mvnrnd(sita1_true,sigma1,N);sita2_ce=mvnrnd(sita2_true,sigma2,N);[xt1,yt1]=ksdensity(sita1_ce);[xt2,yt2]=ksdensity(sita2_ce);plot(rad2deg(yt1),xt1,'r',rad2deg(yt2),xt2,'g');title('两个角度测量的随机值分布函数');xlabel('角度');legend('sita1','sita2');%模拟定位过程form=1:Nx3_ce(m)=(x1*tan(sita1_ce(m))-x2*tan(sita2_ce(m)))/(tan(sita1_ce(m))-tan(sita2_ce(m)));%目标测量的横坐标y3_ce(m)=(x3_ce(m)-x1).*tan(sita1_ce(m));%目标测量的纵坐标dsigma_dx(m)=(x3_ce(m)-x30).^2;dsigma_dy(m)=(y3_ce(m)-y30).^2;endyy=[y1y2y30];xx=[x1x2x30];figure(2);plot(xx,yy,'b+');holdon;plot(x3_ce,y3_ce,'g.');axis([-10810-10720]);dsigma_dx=dsigma_dx/N;dsigma_dy=dsigma_dy/N;CEP=0.75*sqrt(dsigma_dx+dsigma_dy);[CEPMin,k]=min(CEP);%找出CEP最小时所对的是第几个的测量值CEPMin%园概率误差sita1_zuijia=radtodeg(sita1_ce(k))%观测站1与目标站之间的夹角sita2_zuijia=rad2deg(sita2_ce(k))%观测站2与目标站之间的夹角