순시(instantaneous) TDOA (time difference of arrival)와 FDOA (frequency difference of arrival)를 이용한 위치추정 방법은 추가적인 측정값 획득을 통해 정확도 향상을 도모할 수 있으며, 이를 위해서는 동시에 운용되는 수신단의 수를 증가하여야 한다. 하지만 전자전 환경에서 수신단 수의 증가는 아군의 피탐확률(probability of intercept) 상승으로 인한 전력 손실을 야기할 수 있고, 수신단 간의 데이터 링크 및 시각동기화와 같은 과정에 대한 추가적인 고려가 필요하다. 따라서 본 논문에서는 이격된 2개의 이동 수신단만을 운용하여 연속적으로 다수의 TDOA와 FDOA 정보를 측정하고, 이를 이용하여 고정 신호원의 위치를 추정하는 방법을 제안한다. 이 경우 매 측정 순간마다 독립된 수신단 쌍(pair)이 추가되므로 각 수신단 조합은 서로 다른 기준 수신단을 가지게 된다. 그러므로 모든 수신단 쌍이 동일한 기준 수신단을 공유해야하는 QCLS (quadratic correction least squares) 방법을 적용할 수 없다. 이러한 이유로 본 논문에서는 비선형 LS 최적해를 반복계산을 통해 얻어내는 Gauss-Newton 기법을 적용한다. 또한 모의실험을 통해 획득된 TDOA와 FDOA의 수가 증가함에 따른 위치추정 결과의 RMSE (root mean square error)값과 CRLB (Cramer-Rao lower bound)를 비교하고, CEP (circular error probable) 평면을 도시하여 2차원 공간상에서의 기대 추정 성능을 분석한다.
In the passive emitter localization using instantaneous TDOA (time difference of arrival) and FDOA (frequency difference of arrival) measurements, the estimation accuracy can be improved by collecting additional measurements. To achieve this goal, it is required to increase the number of the sensors. However, in electronic warfare environment, a large number of sensors cause the loss of military strength due to high probability of intercept. Also, the additional processes should be considered such as the data link and the clock synchronization between the sensors. Hence, in this paper, the passive localization of a stationary emitter is presented by using the successive TDOA and FDOA measurements from two moving sensors. In this case, since an independent pair of sensors is added in the data set at every instant of measurement, each pair of sensors does not share the common reference sensor. Therefore, the QCLS (quadratic correction least squares) methods cannot be applied, in which all pairs of sensor should include the common reference sensor. For this reason, a Gauss-Newton algorithm is adopted to solve the non-linear least square problem. In addition, to show the performance of the proposed method, we compare the RMSE (root mean square error) of the estimates with CRLB (Cramer-Rao lower bound) and derived the CEP (circular error probable) planes to analyze the expected estimation performance on the 2-dimensional space.
