本发明涉及tdoa定位，特别是涉及基于nrznd模型的tdoa移动目标定位方法。
背景技术：
1、在tdoa定位估计中，主要利用声发射源信号到达不同声发射传感器之间时间差来进行定位。若多个接收机位于一条直线上，有许多优化处理方法。但如果接收机在空间随机分布则情况较为复杂，在求解双曲线方程组时会遇到了非线性问题。有文献给出了测量参数个数与源信号坐标个数相同时的精确解。然而，当测量参数个数有冗余时，这种方式不能充分利用多余的测量参数给出的统计信息来改进定位精度。针对测量参数有冗余的情况，相关文献给出了一些闭合解，然而这些解都不是最优的。也有文献给出了采用傅里叶级数的迭代算法，这种迭代需要一个较好的初始值，否则容易落入局部最小点，而且不能保证收敛，常常没有有效的全局峰值，收敛于几个局部最大值，且对初始搜索值极度敏感。为了解决这个问题，现有技术文献提出了一种两步加权ls方法。在测量参数误差很小的情况下，性能逼近最优值，但是这种方法由于引入了测量参数的平方项，当测量误差较大时，噪声的二次项不可忽视，其性能会恶化。同时，计算成本的增加与噪声极大的干扰，导致很难实时求解。
技术实现思路
1、针对上述现有技术，本发明在于提供基于nrznd模型的tdoa移动目标定位方法，主要解决上述背景技术中存在的技术问题。
2、为达到上述目的，本发明实施例的技术方案是这样实现的：基于nrznd模型的tdoa移动目标定位方法，所述方法包括下列步骤：
3、设定声信号源的轨迹方程，并基于所述轨迹方程构建声传感器坐标方程；
4、将所述声传感器坐标方程转换为线性方程；
5、根据原始oznd模型，构建nrznd模型；
6、采用nrznd模型求解所述线性方程，获得移动目标位置。
7、可选的，所构建的声信号源的轨迹方程如下：
8、
9、其中，为声源的理论轨迹，t为时间值，为三行一列的实数。
10、可选的，构建声传感器坐标方程的具体步骤如下：
11、将用于接收声信号的n个声传感器的坐标赋值为：
12、
13、设定每个子传感器的到达时间与主传感器的到达时间之间的时间差为，并且每个子传感器到虚拟三维坐标系原点的距离为，因此n个传感器的方程表达式为：
14、
15、其中为第1个传感器到虚拟三维坐标系原点的距离相关的计算参数，为第n个传感器到虚拟三维坐标系原点的距离相关的计算参数，表示第n个子传感器的x轴坐标，表示主传感器的x轴坐标，表示第n个子传感器的y轴坐标，表示主传感器的y轴坐标，表示第n个子传感器的z轴坐标，表示主传感器的z轴坐标,表示每个子传感器的x轴坐标，表示每个子传感器的y轴坐标,表示每个子传感器的z轴坐标，表示子传感器与主传感器之间距离相关的计算参数，r0表示主传感器的坐标（x0,y0,z0），（,,）表示移动目标位置。
16、可选的，将所述声传感器坐标方程转换为线性方程，具体包括：
17、将表示为，将表示为，将表示为，因此所形成为线性方程为：，其所形成的误差函数为：，其中表示前述线性方程的误差函数。
18、可选的，根据原始oznd模型，构建nrznd模型，所构建的nrznd模型中除了原有的积分项外，还包含了新的激活函数和自适应系数，其中新的激活函数的表达式为：
19、
20、其中，κ、δ、ζ均为固定实参数，表示为nrznd模型中第j个误差函数e(j)，exp表示e的幂运算，e为自然常数，(t)为变参数分段函数；
21、所述自适应系数的表达式为：
22、
23、其中，是预定义的参数，e(t)为nrznd模型中的误差函数，表示基于时间和误差构成的自适应系数。
24、可选的，所构建的nrznd模型为：
25、
26、其中，是用来抑制噪声的积分项，是控制收敛速度的尺度参数，表示e(t)的一阶导数，表示关于e(t)的新的激活函数，表示时间t的换元。
27、可选的，使用nrznd模型对线性方程的误差函数进行重构为：
28、
29、其中，是x(t)的一阶导数，是s(t)的一阶导数，是d(t)的一阶导数。
30、可选的，采用nrznd模型求解所述线性方程，获得目标位置的解为：
31、
32、其中，表示s(t)的广义逆矩阵。
33、本发明的有益效果在于：本申请所提出的基于nrznd模型的tdoa移动目标定位方法，其在nrznd模型中设计和采用新的非线性激活函数，使模型具有更快的收敛速度和更高的精度，同时，设计的自适应系数与积分项相结合，使模型在求解时变qr分解问题，特别是在tdoa场景中的时变噪声环境下，nrznd模型的收敛特性得到了改善，同时保持了较高的收敛精度，具有高精度、低时延的优点，nrznd模型在不同情况下都实现了全局收敛，并且在收敛速度、精度和鲁棒性方面都优于现有的解决方案。
1.基于nrznd模型的tdoa移动目标定位方法，其特征在于，所述方法包括下列步骤：
2.根据权利要求1所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，所构建的声信号源的轨迹方程如下：
3.根据权利要求2所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，构建声传感器坐标方程的具体步骤如下：
4.根据权利要求3所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，将所述声传感器坐标方程转换为线性方程，具体包括：
5.根据权利要求4所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，根据原始oznd模型，构建nrznd模型，所构建的nrznd模型中除了原有的积分项外，还包含了新的激活函数和自适应系数，其中新的激活函数的表达式为：
6.根据权利要求5所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，所构建的nrznd模型为：
7.根据权利要求6所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，使用nrznd模型对线性方程的误差函数进行重构为：
8.根据权利要求7所述的基于nrznd模型的tdoa移动目标定位方法，其特征在于，采用nrznd模型求解所述线性方程，获得目标位置的解为：
