随着现代科学技术的不断发展,测试系统越来越趋向网络化,而在网络化定位测试系统中,目标位置信息的获取又至关重要。本文主要开展基于地面基站的目标定位技术研究,重点突破基站布局、时差测量、定位算法和轨迹预测等核心技术,实现目标的精确定位和轨迹预测,解决目标定位试验中布站难、时差测量精度受噪声影响大、定位精度低和轨迹预测难等问题,达到提高试验有效性、减少试验次数和节约研究经费的目的。根据时差定位原理,本文设计了包括无线电信标、地面基站、远距离数据转发和中心处理平台的目标定位系统,并从信号传播、基站测量、定位参数估计和定位算法等方面进行了系统误差源分析,指出了基站布局、时差测量、定位算法等是影响定位精度的重要因素,说明了论文重点研究的内容。首先,针对目标定位中布站难的问题,在研究星型、菱形、倒三角等布站方式的基础上,提出了一种斜置平行四边形的基站布局方案,并开展了基于自适应遗传算法的基站布局技术初步研究。实验结果表明,新提出的斜置平行四边形基站布局方案在几何精度因子和克拉美-罗下界两个定位精度技术指标上性能优越。其次,针对目标定位中时差测量受噪声影响大的问题,通过建立时差测量模型,重点研究了包括互相关法、Roth脉冲冲击响应法、平滑相关变换法、相位变换法、HB加权法和最大似然法等6种广义互相关的时差测量方法,和基于Sigmoid函数、概率曲线、箕舌线、双曲正切函数等变步长自适应滤波的时差测量方法,并提出了基于反正切的变步长自适应滤波时差测量方法。仿真结果表明:在无噪声、高斯噪声和有色噪声条件下,六种自适应滤波算法都能较准确地完成时差测量;而直接相关法只能在无噪声和高斯噪声条件下准确测量时差,广义相关法只能在无噪声和有色噪声条件下准确测量时差。再次,针对目标定位算法精度低的问题,在分析Chan、Taylor和Newton等传统定位算法的基础上,提出了基于粒子群优化及其改进的目标定位方法,并针对Taylor和Newton定位算法对初始值敏感的缺点,相继提出了Chan-Taylor、Chan-Newton等混合定位算法。实验结果表明:Chan及其同Taylor和Newton的混合算法具有较快的定位速度,而提出的基于多样性反馈的分组粒子群目标定位算法具有较高的定位精度。最后,针对目标定位中预测难的问题,通过Taylor级数展开及线性化处理,实现了扩展Kalman滤波算法。同时,在建立目标飞行轨迹模型的基础上,完成了基于扩展Kalman滤波的目标飞行轨迹修复和落点预测。实验结果表明,轨迹修复和落点预测精度均小于100m。