简介：Agoodmodelcanextractusefulinformationaboutthetarget'sstatefromobservationseffectively.Therearemanymodelsusedtotrackinga,maneuveringtargetsuchasconstant-velocity(CV)model,Singeraccelerationmodel(zero-meanfirst-orderMarkovmodel)andcurrentmodel(mean-adaptiveaccelerationmodel),etc.Whileduetothecomplexityofmaneuveringtarget,toseekthetargetmodelwhichcangetbetterperformanceisstillasubjectworthyofstudy.BasedonstatisticsrelationbetweentheautocorrelationfunctionandthecovarianceofMarkovrandomprocessing,thispaperdevelopsamodelwhichcanadaptivelyadjustsystemparametersonline.Simulationsshowthegoodestimationperformancegetbythemodeldevelopedhere,andcomparingCV,Singerandcurrentmodels,themodelcanadaptivelygetthemodelparameterwhiletrackingthetrajectoryandneedn'tdoingseveralteststoobtainaprioriparameter.

简介：定位一个目标的一个有效解决方案被建议，由使用到达(TDOA)的时差，大小它面对随机的传感器放错误增加评价的精确性。在二阶段的加权的最少的广场(TSWLS)的位置评价错误的原因方法被分析为改进本地化表演开发一个简单、有效的方法。明确地，参考传感器再被选择，坐标系统被使用TSWLS方法，和目标的最后的位置评价根据初步的估计的目标位置旋转被使用加权的最少的广场(WLS)获得。建议途径展览一靠近形式并且象TSWLS一样有效方法。模拟结果证明建议途径与增加传感器位置错误产出低评价偏爱和改进坚韧性并且能容易因此容易完成Cramer-Rao更低的界限(CRLB)并且有效地改进本地化精确性。