关于单站无源定位的比较不错的论文。可以作为学习参考的资料。内容叙述详细，有助于初学者了解单站无源定位相关的研究。

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况，采用经典的最小二乘(LS)算法会导致估计结果有偏，而一般的批处理算法运算量大，不满足定位的实时性要求。为此提出一种递推总体最小二乘定位(RTLS)算法。在建立机载无源测向定位模型的基础上，引入由系数矩阵和观测向量构成的增广矩阵，利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程，从而推导出RTLS定位算法。仿真结果表明，RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法，并且实现了TLS算法对目标位置的实时估计，能够定位

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理，并引入一种新的基于平方根（UKF）算法.通过仿真与扩展卡尔曼滤波(EKF)和不敏卡尔曼滤波（UKF）算法进行了比较.结果表明，新算法比EKF算法精度高，与UKF算法相比，新算法的方根形式增加了数字稳定性和状态协方差的半正定性，同时具有更快的收敛速度.

为了加快无源定位的速度，提高定位精度，针对标准粒子滤波中的重要性函数和重采样所导致的样本枯竭问题，本文结合遗传算法和粒子滤波算法，提出一种改进的的粒子滤波算法，该算法优化了粒子在状态空间的分布特性，增加了样本的多样性，克服了重采样过程中的粒子退化问题，并针对二维平面机动模型进行仿真。仿真实验表明，本文算法能够适用于机载无源定位系统，能够有效的提高滤波精度，跟踪性能优于经典的粒子滤波算法。