摘要：针对无源定位中参考信号真实值未知的时差（TDOA）-频差（FDOA）联合估计问题,构建了一种新的时差-频差最大似然（ML）估计模型,并采用重要性采样（IS）方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数（CAF）算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化（EM）等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界（CRLB）,并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社