一种改进的无线定位算法

Taylor级数展开法和Chan算法是两种性能优良的利用电波到达时间差(TDOA)的定位算法,前者简单实用,但是其缺点是对初值比较敏感；后者在视距(LOS)传播环境下有较高的定位精度,二者结合可以大大提高定位的精度。但是在非视距(NLOS)传播环境下Chan算法精度会受到较大的影响,从而影响到Taylor级数展开法的定位精度。本文根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行估计,对TDOA测量值进行修正,采用Chan算法计算初值,再利用Taylor级数展开法进行定位,并与其它两种基于Taylor级数展开法的定位方法结果进行了比较。仿真结果表明,该算法能够提高NLOS传播环境下的定位精度,性能优于另外两种基于Taylor级数展开法的定位方法。     

LTE定位中非视距误差的鉴别方法

非视距(NLOS)误差是影响长期演进技术(LTE)终端定位精度的一个主要因素。鉴别NLOS误差的主要目的是判断观测到达时间差(OTDOA)测量数据是否受到NLOS误差的影响,以便对OTDOA测量数据进行下一步处理。分析了非视距误差的模型以及非视距误差对LTE用户终端定位精度的影响,并用简化的非视距误差鉴别法来对NLOS误差进行鉴别。仿真结果表明,简化的非视距误差鉴别算法实现简单,且能准确地鉴别出非视距误差。     

一种非视距环境下的椭圆-双曲线混合被动定位技术

在WCDMA网络环境下,提出一种基于单定位台的新型被动式定位技术—椭圆-双曲线混合定位,它利用信号到达时间和(TSOA)与到达时间差(TDOA)完成对目标的定位。在非视距(NLOS)环境下,利用Chan算法估计的目标位置作为迭代初始值,再通过Taylor级数展开法求解定位方程组。仿真结果表明,在NLOS下,该算法性能明显优于Chan算法,近似于采用真实目标位置的Taylor级数展开算法的性能,有较高的实用价值。     

一种在NLOS环境下应用于NB-IoT系统的组合定位算法

传统非视距(NLOS)误差下无线定位的TDOA算法通常是减弱NLOS误差影响或直接提取LOS测量值,对于窄带物联网(NB-IoT)需要解决LOS与NLOS传输并存下的定位精度问题。文中采用最小二乘法对NLOS和LOS传播进行鉴别,然后对NLOS下的TDOA值进行优化处理。在此前提下,提出一种组合定位的算法,采用Taylor级数展开法计算LOS传输情况,用CHAN算法计算NLOS传输情况,再通过组合定位得到定位结果。仿真结果表明,改进后算法在NLOS的信道环境下的定位性能明显提高。     

室内环境下NLOS误差的鉴别及其抑制算法

室内定位技术中,现有抗非视距误差的算法需要利用NLOS先验信息或统计特性.为了克服这一缺点,提出了一种低复杂度的几何面积判决鉴别算法.通过利用几何面积判决鉴别算法的判决结果,推导出一种Taylor级数抑制NLOS误差的室内定位算法.仿真试验表明,与传统室内定位抗非视距误差的算法相比,该算法定位精度高,收敛速度快,有较好的抗NLOS性能.     

基于Chan氏算法和Taylor级数展开法的协同定位方法

该文分析讨论了Chan和泰勒两种TDOA定位算法的优缺点,并在此基础上提出了基于 Chan氏算法(1994)和Taylor级数展开法(1976)的协同定位方法。通过在不同信道环境下对协同定位 方法进行仿真,表明该方法在信道环境恶劣时能够有效地提高定位精度。     

LTE网络基于观测到达时间差的加权定位算法

通过对LTE(长期演进)无线定位理论的分析,研究OTDOA(观测到达时间差)的实现原理和实际应用中存在的不足,提出一种定位精度更高的Weighted-OTDOA(加权化观测到达时间差)算法。本算法考虑到,当移动终端距离基站越远测得的误差越大的实际,在建立数学模型时根据终端到各个基站的估计距离的大小动态地决定模型中的参考距离,再通过Taylor(泰勒)级数的展开将数学模型的多元非线性的方程组转化为线性方程,对该方程进行求解得到移动终端的估计位置。仿真实验表明其具有良好准确性和可行性。     

基于混沌优化的无线定位算法研究

本文提出一种抗NLOS干扰的TDOA定位算法。基于混沌优化算法对TDOA算法做了改进,采用混沌优化算法计算初值,再利用Taylor级数展开法进行定位。根据产生混沌序列的两种映射Logistic映射和Kent映射的特点,提出了Kent-Logistic模型修正Logistic映射用于定位。在移动台距服务基站较近时,直接采用该模型进行定位。通过和传统蜂窝定位算法的仿真结果进行比较,表明提出的算法能够提高NLOS传播环境下的定位精度。     

一种NLOS环境下的TOA/AOA定位算法

为了减小NLOS传播的影响,基于几何结构的单次反射统计信道模型,该文提出一种NLOS环境下的TOA/AOA定位算法。利用RBF神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正以减小NLOS传播的影响,再利用最小二乘(LS)算法进行定位,从而提高系统的定位精度。仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于Chan算法,Taylor算法和LS算法。     

码分多址定位中时延配对及非视距误差抑制

在利用码分多址(CDMA)蜂窝网信号对运动目标进行定位的过程中,存在各基站与时延参数不能准确配对及非视距(NLOS)误差严重影响定位性能的问题。针对时延参数配对问题,利用CDMA各基站导频序列与其他基站相差64个码片的整数倍这一特性,提出了一种基于移位配准的配对办法;针对非视距误差问题,提出了一种基于假定非视距基站的方差函数,并以此作为权值,利用加权平均的办法实现对目标的定位。仿真分析表明:所提出的方案可以有效地实现各基站与时延的配对,并减小非视距误差的影响。另外,当根据所提方差函数检测出的非视距基站数量较少时,结合Taylor级数展开算法,可以进一步提高对目标的定位精度。     

无源定位观测站站址误差自校正算法

无源定位中观测站的站址误差会对定位精度产生不良影响。本文提出了一种基于观测站站址误差自校正的定位算法,推导了高斯噪声模型下定位误差的克拉美罗下界（CRLB）,通过泰勒级数展开建立了关于站址误差的线性方程并得到了误差的线性最小均方误差（LMMSE）估计,改善了观测站的位置,使用Chan算法得到了定位结果,仿真验证了算法的定位精度在高斯噪声模型下能够达到CRLB。      

Taylor polynomial expansion based waveform correlation cancellation for bistatic MIMO radar localization

A Taylor polynomial expansion (TPE) based waveform decorrelation algorithm with low complexity is proposed to cancel the effects of auto-correlation and cross-correlation of transmit waveform of multiple-input multiple-output (MIMO) radar in the receiver. Cayley-Hamilton theorem is first used to expand the direct matrix inversion to the form of polynomial matrix. And then, Taylor series is used to simplify the calculation of the polynomial matrix. Furthermore, a simplified method is proposed to select the normalized factor by exploiting the special properties of signal correlation matrix, where the convergence performance for the approximation error of the TPE decorrelator is also analyzed. Finally, the performance of waveform correlation cancellation is verified by applying it to bistatic MIMO radar multi-target localization. Simulation results demonstrate the effectiveness of the proposed algorithm.     

一种基于TDOA重构的蜂窝网定位服务NLOS误差消除方法

在非视距传播(NLOS)环境中，到达时间差(TDOA)测量值受NLOS误差的影响而产生偏差^[1]，使得Chan算法^[2]的定位性能显著下降。基于NLOS误差的先验信息，利用平均超量时延和均方根时延扩展之间的关系，本文为基于移动台(MS)的定位方案提出了一种建立在TDOA测量值重构和Chan算法基础上的改进算法，使得平均超量时延的影响显著下降。分析和仿真结果表明，与Chan算法相比，该算法的定位性能显著提高。     

TOA-Based NLOS Error Mitigation Algorithm for 3D Indoor Localization

In the process of indoor localization,the existence of the non-line of sight(NLOS)error will greatly reduce the localization accuracy.To reduce the impact of this error,a 3 dimensional(3D)indoor localization algorithm named LMR(LLS-Minimum-Residual)is proposed in this paper.We first estimate the NLOS error and use it to correct the measurement distances,and then calculate the target location with linear least squares(LLS)solution.The final nodes location can be obtained accurately by NLOS error mitigation.Our algorithm can work efficiently in both indoor 2D and 3D environments.The simulation results show that the proposed algorithm has better performance than traditional algorithms and it can significantly improve the localization accuracy.     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。     

一种在非视距环境中的TDOA/AOA混合定位方法

提出了一种在非视距环境中的到达时间差/到达角混合定位方法。该方法使用了两步卡尔曼滤波。先用卡尔曼滤波器对到达时间测量值进行预处理,以消除TOA测量值中的NLOS误差。再把经过预处理的TOA测量值输入到用卡尔曼滤波器实现的TDOA/AOA混合定位器中进行定位。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法及静态定位方法中泰勒级数展开法的误差性能。     

基于泰勒级数展开的蜂窝TDOA定位算法

基于用户位置的应用已经成为移动数据业务的重要组成部分,使得蜂窝系统用户定位技术成为蜂窝移动通信领域的研究热点。泰勒级数展开算法因为具有精度高和顽健性强等特点而在求解非线性定位方程组中得到了广泛的应用,但它对初始值有很强的依赖性。本文使用最小二乘方法估计用户位置的初始值并使用泰勒级数展开算法确定用户坐标。通过对算法的仿真分析,结果表明本算法具有近似于基于真实值的泰勒级数展开算法的性能。     

A Nonline-of-Sight Error-Mitigation Method for TOA Measurements

In wireless location, nonline-of-sight (NLOS) errors are a major error source. To improve positional performance, these errors should be identified and mitigated before measurements are used in position computations. A novel NLOS mitigation algorithm is proposed in this paper. Employing system redundancy, the algorithm derives from the distribution function of hyperbolic intersections, which is an intermediate mobile location. Cost functions based on the intermediate position are then created for each time-of-arrival measurement. NLOS errors are detected and mitigated via hypothesis tests performed on the cost functions. Simulation tests are presented in this paper, and the results verify the effectiveness of this NLOS-error-mitigation method. This paper also demonstrates that algorithm performance depends closely on receiver noise. Reducing receiver noise or providing the intermediate mobile location via external aiding can improve performance