无线网络中TOA定位算法的误差分析

利用误差分析的方法探讨了影响无线网络定位精度的有关因素。其定位误差主要取决于网络中各信标台的几何分布,及各测量值的大小。仿真显示:不同的信标组合其定位误差不同,通过TOA定位算法的分析、仿真及总结,给出了影响定位精度因素及提高定位精度的方法,为移动台的定位方案的选取提供理论依据。     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。     

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。     

蜂窝无线网中的写作定位算法研究

在蜂窝无线网络中,单基站定位是最简单易行的定位方法,其需要利用基站测量移动终端信号的到达时间(TOA,time of arrival)和到达角(AOA,Angle of Arrival)信息.但是非视距(NLOS,Non Line of Sight)误差是影响定位精度的主要原因,为了抑制NLOS对定位精度的影响,提出了一种利用移动终端和中继节点之间的协作信息来提高定位精度的算法.该算法通过处理基站测量的TOA/AOA信息,以及移动终端到中继节点的TOA信息,利用中继节点与MS间的协作信息对估计的位置进行修正.仿真分析结果表明,在单基站蜂窝网中,提出的算法不仅整体提高了系统定位性能,而且在MS距离基站比较远的情况下,提出的协作定位算法的定位精度比现有的算法有明显提高.     

基于CHAN的改进卡尔曼滤波室内定位算法

由于现在室内环境的复杂度越来越高，室内非视距情况下定位误差的影响逐渐增大，如何降低其影响显得尤其重要。定位技术选用的是UWB室内定位技术，其中，卡尔曼滤波在降低室内非视距定位误差方面有着广泛的应用，针对其在视线线路与非视距场景转换过程中会产生新的误差的问题，提出了一种基于CHAN的改进卡尔曼滤波定位算法。采用5个或以上基站的测距结果构建定位解算方程组，选取在非视距情况下定位误差敏感的CHAN算法进行解算，将解算结果与各基站的位置进行残差处理，并划分出不同的置信区域。对于不同置信区域，预先设定匹配的卡尔曼滤波增益系数K，提高视线线路和非视距场景转换的定位结果稳定性，降低转换过程中的定位误差。实验结果表明，在仿真环境中，所提算法可将误差降低至80 cm左右；在实际应用中，可将复杂场景下的定位误差降低至60 cm，比正常复杂室内定位精度提高60%。     

基于TOA的置信因子移动定位算法

移动台的精确定位面临的一个主要问题就是信号的非视距(NLOs)传输。小文在TOA测量距离的基础上,利用基站和测量值之间的几何关系、信号的损耗模型和信号强度信息,提出了置信因子定位算法(BFA)。研究了BFA算法在不同类型NLOS误差下的表现,结果表明该算法能够有效地降低NLOS误差的影响,定位精度比其它算法有显著提高,而且在不同分布的NLOS误差下表现稳定。     

时差定位模型与定位精度分析

讨论目标的定位精度通常只关心接收站的几何配置,而忽略定位求解模型的选择;通过对定位模型与定位精度之间依赖关系的深入研究,具体分析较少接收站情况下不同定位求解模型对目标定位误差的影响,给出了时差定位体制下几种不同的定位求解模型,并指出多点定位工程应用中模型选择应注意的问题以及解决这一问题的可行性思路。     

一种基于散射体模型的NLOS误差抑制方法

在无线定位中,非视距（NLOS）传播成为高精度定位的主要障碍,它严重约束了无线移动台的定位精度。提出了一种新颖的减小非视距误差的方法。该基于到达时间（TOA）分布的定位算法是以多径散射为测量模型的。通过匹配由散射体模型产生的若干多径信号的TOA测量值的统计方法,可以获得视距（LOS）条件下基站与移动台之间的TOA估计值。由此,获得的LOS的TOA估计值可以用于任何传统的TOA定位算法。在NLOS环境中,该算法表明TOAA统的定位精度得到显著的提高。     

基于神经网络的超宽带视距传播时间重构

在室内环境下,针对传统的基于到达时间、到达时间差和信号强度的定位算法受多径和非视距的影响不能满足定位精度需要的问题,提出了一种利用超宽带信号,由神经网络重构出视距传播距离,再利用Taylor算法进行目标定位的方法。结果表明对于训练数据和非训练数据,该方法的定位均方根误差都在1 m以下,能有效提高定位精度。     

CAPS卫星导航系统定位精度分析方法研究

卫星导航系统的定位精度主要受伪距测量的精度和卫星的空间几何分布两方面的影响.GPs等相同轨道分布的卫星导航系统一般采用DOP(几何精度因子)来分析定位精度.我国的转发式卫星导航定位系统CAPS是由GEO商用通信卫星以及一定数量的倾斜轨道通信卫星(IGSO)组成的混合星座导航系统,转发地面控制站信号,实现导航定位等功能.由于不同轨道卫星轨道误差不同,用户得到的卫星轨位精度和测量伪距精度也不相同,因此定位精度计算时必须考虑这种差异.本文引入加权几何精度因子(WDOP)的概念,对CAPS的定位精度进行了分析.通过仿真实验可以看出,由加权几何精度因子计算所得的定位精度能更真实地描述定位精度状况.     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

一种特殊GDOP场景下的NLOS传播识别算法

在地面无线定位中,影响定位精度的最大因素是电波的非视距( NLOS )传播误差,定位估计前识别收发信机之间电波是视距( LOS )还是NLOS传播是提升定位精度需要研究的重要课题。为此,先对一种基于交叉面积的NLOS 识别算法进行改进,然后提出了一种针对特殊几何精度因子( GDOP)场景下的NLOS识别算法———分步检验算法。该算法采用两步进行识别,先用数据检验筛选出测量样本中的LOS测量值,再用改进的交叉面积算法进行识别。仿真结果表明,分步检验算法在特殊GDOP场景下具有良好的识别性能。     

短基线多点定位系统的性能及优化

在机场场面监视系统中,常用多点定位系统对机场上空的目标进行定位,传统多点定位系统有基线长,时间标准差大,在中小型或偏远机场架设困难程度较大的缺点。为了解决上述问题,本文设计了短基线时差定位系统。通过分析几何精度衰减因子的影响因素,确定了在提高时延估计误差精度的基础上,通过增加系统基站数目和改变基站布设规则来进一步提高短基线系统定位精确度,扩大定位系统有效覆盖范围。通过仿真实验说明此种方法在一些中小型机场能够得到有效应用。     

小波分析法解决无线定位跟踪问题

无线定位中,信号的非视距传播（NLoS）很大程度上决定了移动台的定位精度,而小波分析理论在信号处理中有较为明显的优点,提出了一种在蜂窝网络中非视距环境下对移动台（MS）的定位及跟踪算法。利用小波变换对信号的分解和重构,实现了对TDOA测量值误差的修正,再利用经典Chan算法对移动台位置进行估计,配合相应的距离门限值对移动台的位置进行跟踪定位。仿真结果表明,该算法能够有效地实现对移动台位置的静态定位和动态跟踪,并明显优于同等环境下经典算法的仿真结果,有效提高了定位精度。     

多无人机协同定位下的路径优化

利用无人机携带定位设备在空中进行辐射源目标的时差定位,可有效避免因地面布站几何因子和非视距传播带来的误差。在此场景下,针对具有定位精度保证的飞行路径最小化问题,本文推导了定位误差期望的下界,构建了最小化该下界的飞行路径优化模型,并针对该模型提出两种数值近似优化算法。在多种场景下,仿真实验对两种算法的路径优化性能进行了对比;在飞行距离受限条件下,仿真实验研究了两种算法的定位精度差异。      

对固定辐射源的单站无源定位技术

介绍了对固定辐射源目标的单站无源定位技术,利用观测站与目标相对切向运动的方位角变化率和俯仰角变化率实现快速测距及定位,分析了各测量参数、定位参数对定位精度的影响,绘制了定位精度几何分布图(GDOP),对该定位方法给出了算法仿真分析。仿真证明,单次定位测距相对误差距离增大而增大,通过多次观测得到多个时间瞬时定位结果后,对其统计处理,以改善定位和跟踪条件,减少定位误差。     

Adapting the Ranging Algorithm to the Positioning Technique in UWB Sensor Networks

Ultra-Wideband (UWB) is an emerging technology for short-range wireless communications. Due to the high bandwidth of UWB signals, accurate ranging and positioning is possible, which is one of many reasons why UWB is a candidate physical layer for another emerging research area, that of wireless sensor networks (WSNs). In this work, we argue that the ranging algorithm design should be made with the characteristics of the positioning algorithm in mind. In considering ranging and positioning in parallel, we are able to construct a range estimator that is tailored to the positioning algorithm, thereby achieving robustness to non-line-of-sight (NLOS) effects, reasonable overall complexity, and good performance in terms of positioning error. The analysis and simulations in this work are based on the channel models adopted by the IEEE 802.15.4a working group, and highlight the benefits and drawbacks of the proposed approach.     

非视距环境下基于RSS-TOA的定位算法

在无线传感器网络定位系统中,尤其是在室内定位中,非视距（NLOS）误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对非视距环境下联合接收信号强度（RSS）和到达时间（TOA）的定位算法。该方法首先通过 RSS和 TOA的测量结果建立关于目标位置的非凸优化问题,然后通过二阶锥松弛理论,将原始的非凸优化问题转换为一种凸优化问题,由此能够快速得到原问题的一个次优解。通过计算机模拟仿真验证,新方法的估计精度更高,性能更好。     

一种基于TOA的定位优化算法

提出了一种在非视距环境下,当基站处于不良布站情况,即基站不能如蜂窝状包围住移动台时,测电波到达时间(TOA)定位算法的一种优化方法。其主要思想为先利用三基站相交线定位方法测得一个移动台的初始值坐标,再通过初始值坐标,确定基站选择和坐标优化机制,选择两两基站最优搭配,利用最优基站的圆周线相交定位方法,经过多次测量,消除NLOS误差对测量值的影响,最终确定出移动台坐标。此方法计算量小,结构简单,经验证,此方法比原来方法有更高的测量精度。