修正容积卡尔曼滤波数据域直接定位算法

为解决数据域直接定位(DPD)算法面临的计算压力,提高算法效率,提出一种基于修正的容积卡尔曼滤波(MCKF)的DPD算法.首先,融合各观测信号波达方向信息,利用子空间数据融合方法建立一种基于间接观测量的DPD滤波模型;然后,根据模型特点设计MCKF算法进行求解,解决间接观测量带来的噪声累积问题;最后,对算法计算量进行分析和对比,说明计算效率的提升.仿真结果表明,所提算法与基于最大似然遍历搜索和遗传算法的DPD算法相比,在相同的估计性能下,计算量下降明显,时效性显著提升,增加了算法实用价值.