针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题，提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先，根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在；其次，采用 k-means无监督学习对定位点进行聚类，由于 k-means算法的最优簇数难以确定，因此提出了一种基于波束分辨率的 k值裂变算法来确定 k值，并确定聚类中心；最后，为了提高接收信号的信噪比，通过各聚类中心确定波束方向，再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号，分别对各目标源进行到达时间差定位。仿真结果表明，对于解决多目标定位问题，相对于时延估计算法和概率假设密度（PHD）滤波器算法，所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比，对应的时延估计误差的克拉美罗下界能够下降约67%，定位精度相对误差可提高10个百分点以上，而且算法简洁有效，各次定位相对独立，具有较高的效率和较好的稳定性。

对几种单点登录模型进行了分析与比较，提出了一种基于经纪人和代理模型的Kerberos单点登录与统一资源管理框架，以简化网络登录和资源访问过程中的用户身份认证和管理环节。介绍了该系统的体系结构以及系统中关键部分的工作原理。