基于时间差和角度的数据融合定位算法研究

定位系统中大部分现在存在的算法通常没有考虑综合利用空域、时域信息,而只选择了少量的测量信息.为了克服这个缺陷,提出了一种新的TDOA/AOA数据融合定位算法,这种算法充分利用了来自多个传感器的冗长信息,其中包括到达时间、到达方向.仿真实验结果表明与传统的算法相比,这种算法具有更好的定位精度和收敛速度,进一步改进了系统的可靠性,是一种有效、可行的定位算法.     

基于G-N迭代的双星时频差定位融合算法

双星时差（Time Difference of Arrival,TDOA）频差（Frequency Difference of Arrival,FDOA）定位系统在过顶期间可多次截获到辐射源信号并进行定位,将不同时刻观测的多组时差频差和高程信息融合可以提高定位精度。本文算法将辐射源高程信息建模为双星时差频差定位融合的观测量之一,并提出了一种基于高斯-牛顿（Gauss-Newton,G-N）迭代的双星时差频差定位融合算法。最后通过实验仿真将本文所提算法与理论最优单次定位结果、直接平均和加权平均等位置合批处理方法进行比较,实验结果表明本文算法相较于其他位置合批处理方法具有更优越的性能。     

无线定位估计的信息融合模型研究

近年来基于蜂窝网络对移动台进行定位估计的无线定位技术受到广泛的关注,目前的几种基于网络的定位方法在不同的信道和网络环境中表现出的性能各不相同,还没有一种技术能在各种不同信道和网络环境中都能表现出最佳性能,满足对蜂窝网络移动台定位的精度要求。数据融合是一种对不同类型数据进行融合,以取得比单一方法和技术更佳的数据输出的技术。论文将信息融合应用于无线定位之中,对无线定位的信息融合模型进行了深入的研究。     

移动台定位估计数据融合增强模型及其仿真研究

为了提高蜂窝网中对移动台(MS)的定位精度，在文献[1]中，Kleine-Ostmann提出了一种对电波到达时间(TOA)和到达时间差(TDOA)测量值进行融合的模型。本文对该模型进行了改进，增加了AOA测量值的使用，提出了融合度更高的增强型数据融合模型。分析和仿真结果表明，只要AOA测量值达到一定精度要求，该模型就能取得更好的定位性能。     

一种基于智能优化粒子滤波的决策级融合定位算法研究

针对多目标融合定位,将信息融合技术应用于智能终端的定位信息处理、位置估计等过程,提出了智能终端信息融合定位的系统性架构。将传感器测量定位信息、地理环境信息和先验位置信息融合在一个反馈型的决策融合框架下,对定位信息的实时控制和及时反馈,并用PSO-PF算法对决策融合定位信息进行更新和修正。经仿真分析,本算法降低了融合计算量和CPU占用时间,从而验证了该算法在精度和时间上的优势。     

IMU辅助的TDOA室内定位

室内环境下,当无线信号受到多径和非视距干扰时,传统的基于到达时间差（Time Difference of Arrival,TDOA）的测距模型定位精度不满足室内定位精度要求。为此,提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit,IMU）相结合的定位方法。在视距情况下,只有TDOA系统工作,但在信号受到干扰时,利用IMU能够在短时间内提供一个准确的相对位置信息的特性,采用TDOA算法对其进行辅助定位,并利用卡尔曼滤波器对它们的数据进行预处理,最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明,提出的算法比传统的TDOA定位具有更高的精度。     

基于TOA/TDOA的一致性正交容积卡尔曼跟踪算法

针对异构网络环境下目标跟踪系统中面临的非线性估计问题,提出了一种基于正交容积卡尔曼滤波的目标跟踪算法.文中算法首先引入一个附加变量来表示状态变量中的非线性项,设定自适应加权因子来调整不同信号输入系统的比重,然后利用数学手段融合两种信号为单一的状态变量,最后通过正交容积卡尔曼滤波来实现目标状态量的更新,从而实现对目标的定位与跟踪.仿真结果表明了文中算法的有效性,能够得到更高的定位与跟踪精度.     

基于多层卷积特征的自适应决策融合目标跟踪算法

针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题,该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征,避免网络单层特征表征目标信息不全面的缺陷,增强算法的泛化能力;使用多层特征计算帧图像相关性响应,提高算法的跟踪精度;最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标,融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息,以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比,结果表明该文算法具有更加优秀的跟踪性能。     

数据融合室内定位的研究

通信领域中的定位是一个热点研究问题,我们可以通过一定方法对目标进行位置定位。定位领域分为室内定位和室外定位,在室内定位领域中,定位算法的优劣直接关系到定位性能。除了定位算法影响到定位性能外,数据融合也会影响到定位性能,尤其影响定位精度。针对此问题,本文对数据融合定位进行深入研究,本文主要是针对TOA和TDOA的数据融合,融合方法为最佳线性数据融合。     

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。     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

短基线时差定位技术研究

由于当前的长基线时差定位系统不能对窄波束辐射源目标定位,提出了短基线时差定位技术。首先推导了短基线时差定位算法;然后分别对长、短基线时差定位系统的定位精度分布进行了仿真,根据定位精度需求对时差测量精度提出了要求,通过仿真分析得出两路信号相关算法已经不能满足该时差精度需求,需要研究新的时差测量算法;最后提出了利用信号载频相位信息求时差的研究思路,为高精度时差测量精度的研究提供了参考,也为短基线时差定位系统的实现提供了技术基础。     

无线电定位技术及其在CDMA中的应用

首先回顾了无线电定位的基本技术及其应用范围,重点讨论了基于ＡＯＡ和ＴＯＡ（ＴＤＯＡ）的各定位算法并分析了各乍的优缺点。从ＣＤＭＡ通信网中实现定位的实际情况出发,分析了定位算法、定位信号的选择及实现精确定位的关键技术。     

短基线时差无源定位方法研究

由于短基线时差无源定位受到辐射源目标到达时间测量精度和多站间定位精度的影响,使得短基线时差无源定位精度比长基线情况要差。本文研究了短基线时差无源定位的滤波算法,推导了时差定位的推广Kalman滤波算法公式。仿真结果表明,该算法可有效提高短基线情况下的时差无源定位精度。     

三机时差频差联合定位算法

针对平面三机对辐射源定位的场景,提出2种基于牛顿迭代法的定位方程组求解算法:平均处理算法和最小二乘迭代算法。通过仿真数据验证2种算法的有效性,并比较2种算法的优劣,发现平均处理算法更有利于解决定位模糊,最小二乘迭代算法更有利于提高定位精度,提出2种算法联合的解算思路。提供仿真数据,说明定位精度随三机布局方式的变化,得出结论:在保持副机到主机距离不变的情况下,三机在同一直线航迹上时具有全局最高定位精度。     

基于外辐射源的单站无源定位改进算法

针对外辐射源无源定位系统实现快速和高精度定位的要求,提出了一种在测量到达角及时差信息的基础上,增加方位角变化率信息的单站无源定位算法。同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。计算机仿真结果也表明了此定位方法具有较好的定位跟踪精度和速度。     

误差校正下外辐射雷达无源定位算法

针对多基外辐射源雷达定位中存在系统误差的问题,提出了一种基于到达角度(DOA)与到达时差(TDOA)的外辐射源雷达无源定位和系统误差校正算法。首先,该方法引入辅助变量对非线性的DOA 和TDOA 量测方程进行线性化,利用迭代加权最小二乘算法得到对目标位置和系统误差的联合估计;然后,利用辅助变量与目标位置的关联性,设计了一种关联最小二乘算法对初始估计值进行改进;最后,通过后验迭代估计进一步提高目标定位精度。仿真结果表明该算法能够有效地估计系统误差和目标状态。     

Non-line-of-sight error mitigating algorithm based on scattering models via multi-antenna system

In urban environment with serious blocking of direct paths, the non-line-of-sight （NLOS） propagation influences the location estimation accuracy. In this article, a novel algorithm is developed, which can mitigate the NLOS errors in location estimation significantly. Utilizing multiantenna array, the information of scatterers that cause the NLOS propagation is obtained. Then, we combine the information with TOA/TDOA based location algorithm to estimate the location of mobile station （MS）. The simulation results show that our method can mitigate NLOS errors and enhance the location accuracy greatly.