论文部分内容阅读
在定位方法的实际应用中,噪声信号往往含有复杂的乘性噪声信号。在信噪比低或者初始值选取不恰当的情况下,传统的ML估计算法的结果易发散。为此,提出一种结合ML估计的半定松弛优化算法。首先将位置估计问题进行重构,使之转化为一个基于ML算法的优化问题,再对优化问题进行半定松弛求出最优解,从而得到目标的位置估计。通过多基站到达时间定位仿真实验验证了算法的有效性。