二维鲁棒目标定位：一种风险价值方法

本文考虑从含有离群值的测距测量中定位二维目标的问题。假设离群值数量已知，我们 formulate 了在忽略离群值的同时最小化内点损失的问题。这导致一个涉及百分位函数的组合、非凸、非光滑问题。利用 Rockafellar 等人的风险分析框架，我们首先将该表述解释为来自投资组合优化的风险价值（VaR）问题。据我们所知，这是首次使用风险分析理论来表述定位问题。为研究VaR表述，我们首先设计一个包含一般百分位问题任意解的主化集。该集是有用的，因为当应用于二维定位场景时，它允许用单点、圆周、椭圆和双曲线来主化解集。利用这些曲线的已知参数化，我们为原始非凸问题提出一种网格方法。因此，我们将优化VaR目标的任务简化为高效采样所提出的主化集。我们将算法与四种目标定位基准进行比较。数值模拟表明，我们的方法速度快，且在1 Km$^2$区域内平均将最佳基准的精度提高至少100m。