运动目标定位问题是信号处理领域的一项重要研究内容,在雷达、无线通信和传感器网络等领域有着广泛的应用。运动目标定位的主要思想是先从接收信号中获取所需的定位参数,再利用这些定位参数构建定位方程组计算目标的位置和速度。然而,由于定位方程组是非线性的且获取的定位参数中含有噪声,求解定位方程组是一项困难的工作。目前,目标定位问题仅在低噪声强度下得到了有效的解决,高噪声及复杂电磁环境下的高精度定位算法研究仍十分欠缺。定位问题在数学上属于二次约束二次规划问题,而半正定规划是求解这类问题的一种有效手段,但直接将半正定规划用于定位问题不能在高噪声下取得良好的定位精度。针对上述问题,本文结合凸优化理论的近期研究成果分别就无源定位模型和分布式MIMO雷达定位模型提出了四种增强半正定规划算法,有效地解决了高噪声强度下的运动目标定位问题。本文的主要工作和创新点如下:(1)提出一种同时结合半正定规划与线性化重构技术的运动目标定位算法。针对定位问题中半正定规划算法精度不足的缺点,该算法先利用线性化重构技术将非凸定位问题转化为凸问题,再引入半正定松弛条件缩小问题的可行域,实现了高噪声强度下对运动目标位置和速度的精确估计。(2)提出一种基于可行域几何分析的增强半正定规划算法。该算法先根据定位模型的特点引入有界约束,再构造新的有效约束缩小半正定规划问题的收敛域,有效地提升了高噪声下运动目标定位的精度。(3)提出一种不需要噪声功率信息的运动目标定位算法。针对绝大多数现有定位算法都需要精确的噪声功率估计作为先验信息的缺点,该算法先将时差和频差的定位方程组分离,再利用噪声协方差矩阵的结构将噪声功率项分离,最后使用半正定规划算法依次获取目标的位置和速度估计,实现了在缺少噪声功率估计的条件下对运动目标的精确定位。(4)提出一种分布式MIMO雷达系统中基于极大似然估计的半正定规划算法。针对分布式MIMO雷达定位模型的特点,该算法先对定位问题的极大似然估计模型进行半正定松弛并求解得到目标的初始估计,再结合观测数据模型对初始估计进行修正得到对目标运动状态的精确估计。相较于现有算法,该算法能达到更高的定位精度。