基于无线通信TOA值对终端定位问题的研究

基于到达时间的定位算法中,Chan算法在视距环境下有较高的定位精度及较快的收敛速度,但是在非视距环境下算法定位性能明显下降。通过比较各定位算法,采用Taylor级数结合最小二乘法来进行定位,引入定位精度、连接能力来改善算法性能。最后通过建模和数学仿真进行定位精度分析,结果表明改进后的算法有较好的定位精度。     

基于Elman神经网络的TDOA定位算法

针对Chan定位算法在非视距(NLOS)环境下定位性能差的缺点,提出一种基于Elman神经网络的Chan定位算法,利用Elman神经网络的动态递归特性以及强大的非线性映射逼近能力,对NLOS误差进行修正,再利用Chan算法定位。仿真结果表明,在NLOS误差较大的环境下该算法仍具有良好的定位精度,性能优于Chan算法和泰勒级数展开法。     

非视距环境下基于到达时间差的一种定位算法

由于对无线定位日益增长的业务需求,无线定位近些年成为人们关注的焦点.针对实际环境中TDOA测量值时常受到非视距的影响而造成定位精度显著下降的问题,在Chan算法基础上,提出一种减小非视距影响的算法,该算法采用加入校正因子的方法,通过逐步迭代,以增加较小的运算量为代价减小非视距的影响,从而达到提高定位精度的目的.仿真表明,在各种环境下,特别是非视距环境下,该算法能够显著提高定位的精度,且运算量较小,因而具有一定的实用意义.     

基于RBF神经网络的泰勒级数展开定位算法

泰勒序列展开定位算法在视距（LOS）环境下有着较好的定位精度,但是在非视距（NLOS）环境下,泰勒序列展开定位算法的定位精度大大下降。为了减小NLOS传播的影响,提出了基于RBF神经网络的泰勒序列展开定位算法。利用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,再利用泰勒序列展开定位算法进行定位。仿真结果表明,该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于泰勒序列展开定位算法、Chan算法和LS算法。     

NLOS环境下TDOA/AOA混合定位算法研究

在CDMA的网络环境下，TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降，定位精度逐渐下降，甚至低于Chan算法的定位精度。本文在传统的TDOA/AOA混合定位算法加入校正因子，通过逐步迭代的方法，逐渐消除NLOS对TDOA测量值的影响，从而获得比传统TDOA/AOA混合定位算法更高的定位精度。仿真表明：在各种环境下，特别是非视距环境下该方法能够显著提高定位的精度，并且运算量增加较少。     

基于阈值筛选的室内定位优化算法

针对室内超宽带（Ultra-Wide Band, UWB）的定位技术在复杂遮挡的环境下定位效果不好、定位不精确的缺陷,本文提出一种在Chan算法的基础上对粒子群算法进行优化的混合算法定位方法。首先利用Chan算法求出定位标签初始估计位置坐标,并在非视距（NLOS）环境下通过设置阈值θ以对Chan算法计算出的位置坐标进行筛选;将已知的基站接收到的距离差与用Chan算法求出的标签位置信息求出的不同基站间的距离差做差值和,若差值和小于该阈值则直接输出位置坐标,反之则将位置坐标作为粒子群算法的初始值,通过迭代优化不断追踪个体极值和局部极值,更新个体的位置和速度,寻找到全局最优解再进行输出。仿真结果与实际场地实验结果表明,与单一算法相比,本文提出的混合定位算法在非视距环境下的定位精度可提高27%~31%;收敛速度快,算法复杂度低,满足室内定位的要求。     

一种抑制非视距传播误差的混合定位算法

为减小蜂窝网定位中影响定位精度的非视距(NLOS)传播误差,提出一种基于两步卡尔曼滤波到达时间差/到达角度的混合定位算法.利用卡尔曼滤波器的估计值计算非视距数据的方差,调节卡尔曼滤波器的参数,减小测量值的NLOS误差,并将经过预处理的测量值输入到扩展卡尔曼滤波器,实现混合定位.实验结果表明,该算法能有效消除NLOS误差,与Chan算法相比,其定位精度更高.     

非视距环境下改进的到达时间差定位算法

经典的定位算法都是基于无线环境为视距环境(LOS),但在实际信道环境中,由于存在反射、折射等从而导致传播环境为非视距的情况,因此经典定位算法应用于实际信道环境中必然会导致较大的定位误差。提出一种消除非视距影响的TDOA算法,本算法采用校正因子的方法,通过逐步的迭代,从而消除非视距的影响,仿真表明,在非视距环境下,该算法的确比常规算法能够提高定位精度,且运算量较小。     

一种非视距环境下具有鲁棒特性TOA无线传感网络定位算法

针对无线传感网络定位中影响定位精度的非视距传播问题,在综合考虑传感网络应用环境,节点的能量消耗,算法的计算量和通信量以及定位精度等因素的基础上,提出一种基于信号到达时间的优选残差加权定位算法.该算法通过用对残差优选获得距离测量集合的优选子集,再加权平均的方法,有效的融合了多个距离测量值的信息.在距离测量值个数大于4时,该算法比残差加权方法节省了计算量.仿真结果表明,该算法对非视距误差具有一定的鲁棒性,获得了较高的定位精度.     

一种基于Taylor和Kalman的室内协同定位方法

结合Chan算法、Taylor算法及Kalman算法三种TDOA算法的优点,提出一种能应用于室内实时定位的协同方法。首先基于Chan与Taylor的协同定位方法估算位置信息,并通过对估计结果的残差设置阈值来鉴别NLOS,从而抛弃受到NLOS污染严重的测量数据。其次,再对符合条件的测量数据,利用Kalman方法计算定位结果,与Taylor方法的定位结果通过设置判别条件进行比较,以此进一步抑制NLOS干扰。对符合判别条件的定位结果,进行残差加权及移动平均加权处理,从而完成最终定位结果的更新。最后,利用室内实时定位实验,证明该方法能有效过滤受到NLOS污染严重的测距数据,提高定位精度,并且具有良好的稳定性。     

基于数据融合的定位解算算法

为了获得更加准确的估计位置,对一种基于数据融合的定位解算算法进行了研究,在将模拟退火算法与经典的泰勒级数展开法和Chan氏算法进行性能比较的基础上,将模拟退火算法与上述两种经典的位置解算算法相结合,通过构造多算法协同定位模型,并基于该模型设计了融合定位算法,对传统定位解算算法进行改进,提出了一种基于数据融合的定位解算算法.仿真结果表明,融合算法的定位精度优于非融合算法且运算量较小.     

OFDM系统中基于BP神经网络的定位算法

为了减小正交频分复用(OFDM)系统中多径干扰对定位精度的影响,提出一种基于后向传播(BP)神经网络的定位算法。该算法采用多重信号分类(MUSIC)算法估计OFDM信号首径的到达时间(TOA),再计算出到达时间差(TDOA),然后利用BP神经网络对其进行修正,最后使用Chan算法确定移动台的位置。在多径环境下对算法进行仿真,仿真结果表明该算法能够有效地降低多径干扰的影响,性能优于最小二乘(LS)算法、Chan算法和泰勒算法。     

基于免疫算法的TDOA定位技术研究

为了解决TDOA定位估计中遇到的非线性最优化问题，提出了一种联合使用Chan算法和免疫算法的混合定位算法．针对TDOA方式进行最佳坐标搜索的问题，所设计的基于浮点数编码的免疫算法利用混沌方程产生初始种群、改进了免疫算子，提高了算法的收敛速度和性能．仿真结果表明，在保证种群数量的情况下，该算法性能稳定，能找到逼近全局最优点的解，相对于Chan算法精度更高，相对于遗传算法在保证收敛性能的前提下有更快的收敛速度．     

移动台抗NLOS定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。提出了一种既能继承原算法的优良性能,又可充分利用AOA测量值信息提高定位性能的TDOA/AOA混合定位算法。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法。     

一种非视距传播环境下的TDOA定位算法

在基于时差定位的各种算法中,Chan氏算法应用普遍。但在非视线传播环境(NLOS,Non-Line Of Sight)下,其定位性能显著下降。在分析基于视线传播的Chan氏算法基础上,给出了一种改进算法,利用TDOA残差对Chan结果进行加权,研究了当NLOS为确定性和随机性误差两种情况下该算法的性能。仿真结果表明,该算法在不同场合和环境下,都能有效地抑制NLOS误差,定位精度明显提高。     

水下传感器网络移动节点定位问题研究

针对水下传感网中研究较少的移动节点定位问题,基于传统定位中常用的Chan算法,提出了一种改进的M-Chan算法。该算法通过曲线拟合进行运动轨迹预测,并利用节点的移动特性修正估计位置,从而提高了水下移动节点的定位精度。仿真结果表明,在不同的移动速度、通信半径、锚节点密度情况下,改进算法与传统的Chan算法相比,精度提高5%～10%。     

基于一种改进的无源目标定位算法在WSN中的研究

无源定位作为无线传感中的一种新的定位技术,具有抗干扰能力强,隐蔽性强的特点,本文针对无源定位中的DTOA算法具有能量消耗大,时间消耗长的特点,对TDOA中的Chan算法进行改进,对算法自身的存在多解的情况,采用极限学习机的从解集中选出最优解,并针对最优解采用并采用了近似最小似然估计的方法对定位结果进行了修正,能够有效的提高节点定位的精度,减少误差。仿真实验从定位精度与更新次数,TDOA测量噪声方差,节点之间的距离,协作节点数量等4个方面来进行比较,本文的算法相比与传统的Chan无源算法能够有效的提高定位精度,具有很好的参考价值。