1.基于信息论的预测快速协方差交互融合无源协同定位方法,其特征在于包括以下步骤：步骤(1)：构建两个接收站、一个外辐射源的无源协同定位系统的数学模型；

假定R1和R2分别表示接收站1和接收站2，T表示外辐射源，O表示目标，rOR1表示O与R1间的距离，rOR2表示O与R2间的距离，rOT表示O与T间的距离，rR1T表示R1与T间的距离，rR2T表示R2与T间的距离；

首先建立目标运动模型，记目标在第k帧的状态可以为：其中[x(k),y(k)]和 分别表示第k帧目标在x,y方向的位置和速度；假设目标运动模型如下：X(k)＝FX(k-1)+V(k)                           (1)式中 为目标的状态转移矩阵,t表示采样间隔，V(k)～N(0,Q(k))为目标过程噪声，Q(k)为目标过程噪声协方差；

PCL系统中两个接收站的量测模型分别为：其中：

式中，[xR1(k),yR1(k)]，[xR2(k),yR2(k)]和[xT(k),yT(k)]分别表示R1，R2和T在第k帧的位置；量测噪声w1(k),w2(k)分别服从协方差为 和的零均值高斯分布；

步骤(2)：两个接收站分别通过扩展卡尔曼滤波算法对目标状态进行预测更新，具体是：

2.1状态一步预测方程：

其中 表示接收站R1在第k-1帧对目标的状态一步预测， 表示接收站R1在第k-1帧对目标的状态估计；

2.2量测一步预测方程：

其中 表示在第k-1帧接收站R1对目标状态一步预测的量测一步预测，

2.3新息和误差协方差预测：

其中Ψ(k)表示在第k帧的新息， 表示在第k-1帧的预测误差协方差，表示在第k-1帧的误差协方差；FT表示状态转移矩阵F的转置，G表示噪声输入T分布矩阵，G表示噪声输入分布矩阵G的转置；

2.4雅可比矩阵：

其中H(k)表示在第k帧的雅可比矩阵， 表示当 时，h1(k)对X(k)的微分；

2.5新息协方差：

其中S(k)表示在第k帧的新息协方差，H(k)T表示雅可比矩阵H(k)的转置；

2.6滤波增益：

其中W(k)表示在第k帧的滤波增益；

2.7状态更新：

其中 表示在第k帧接收站R1对目标状态更新后的状态估计值；

2.8误差协方差更新：

其中 表示在第k帧更新后的误差协方差值；W(k)T表示滤波增益W(k)的转置；

根据步骤2.1-2.2获得接收站R1每一帧的状态估计值和误差协方差值；

接收站R2的扩展卡尔曼滤波参考上述接收站R1计算过程，最终得到两个接收站分别对目标的状态估计 和误差协方差步骤(3)：考虑原先融合航迹的状态估计和误差协方差，根据信息理论优化准则，得到各个误差协方差之间的K-L散度，从而得到预测快速协方差交互融合算法权值的闭式解；

由步骤(2)得到的两个接收站在第k帧的状态估计分别为 误差协方差分别为 假设 为第k-1帧融合航迹的预测状态，PFCI(k|k-1)为第k-1帧融合航迹的预测误差协方差；当进行航迹融合时，考虑前一帧融合航迹的状态估计和误差协方差，则接收站1和2在第k帧的权值ω1(k|k),ω2(k|k)以及在第k-1帧融合航迹的预测权值ωF(k|k-1)分别如下：其中：

式中D(PA,PB)表示两个误差协方差PA,PB之间的K-L散度：其中：tr(·)表示求秩, 表示PB的逆， 表示PB行列式与PA行列式之比的自然对数，C1为常数；两个状态估计 和 之间的状态估计误差 定义如下：而：

其中 表示状态估计误差 的转置；

步骤(4)：通过预测协方差交互融合算法得到目标的状态，具体是：将融合航迹中预测融合状态估计和预测误差协方差考虑在内，得到融合状态估计和误差协方差矩阵估计PFCI(k|k)如下：ω1(k)+ω2(k)+ωF(k|k-1)＝1                 (27)。