非视距传播环境下的一种TDOA定位算法

各种基于移动台位置的服务急剧增加,导致提供定位业务成为无线网络发展的必然趋势。针对实际定位应用时常出现的非视距(NLOS)传输问题改进TDOA定位算法,其基本思路是将TDOA估计转化为两步最大似然线性估计,并加入松弛因子表示NLOS的影响,通过迭代方式逐步消除NLOS对定位的影响。该算法结构简单,计算量不大,仿真结果证实了其有效性。     

基于TDOA的一种简化的非视距误差抑制算法

在蜂窝网络无线定位中,NLOS是影响定位精度的一个重要因素.如何更好的抑制NLOS误差是提高定位精度的关键.为此,考虑普遍存在NLOS的情况,即假定NLOS的概率为1,则得到的TDOA测量值均含有NLOS误差.这样根据信道的先验信息和Greenstein模型就可以估计出NLOS误差的均值,从而可以修正TDOA测量值,即重构TDOA测量值.把重构后的TDOA测量数据,应用到LCLS算法就可以完成对移动台的位置估计.仿真结果表明,在普遍存在NLOS的情况下,该算法能有效抑制NLOS误差,取得较精确的估计位置.     

一种基于移动广播网的TOA／TDOA无线定位算法

针对Chart定位算法在非视距（NLOS）环境下定位性能较差的缺点,提出一种基于多基站TOA区域质心修正的Chart定位算法,该算法利用Chan算法初始定位,再通过TOA区域质心校正,以提高定位精度。仿真结果表明,该算法有效减小了NLOS误差对定位估计的影响,在NLOS误差较大的环境下仍具有良好的定位精度,性能优于Chart算法和Chan-Taylor协调定位算法。     

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法.该算法具有计算量小,能有效降低定位误...     

TDOA定位技术的基本原理和算法

重点研究基于时间测量值的蜂窝无线定位算法。在分析现有无线定位技术和定位算法的基础上,本文选择了以到达时间差(TDOA)定位算法为研究重点。首先,介绍了两种比较典型的TDOA定位算法:CHAN算法和Taylor级数展开法。并在多种信道环境下对这两种基本定位算法进行了仿真比较。为了详细评价这两种算法的定位性能,本文在理想的信道环境和典型的实际信道模型(COST259和T1P1)下,研究了多种对算法定位性具有影响作用的参数,其中包括:蜂窝小区大小、参与定位基站的个数、测量设备的误差、信道中的NLOS误差等。     

分布式多天线系统中的TDOA估计

在分布式多天线系统架构下提出一种估计到达时间差(TDOA)的新方法。利用分布式多天线系统的特性，通过构造具有良好自相关性的正交训练序列，将传统的TDOA测量问题转化为多径信号中首先到达径(FAP)的时延估计。数值仿真表明，与传统基于定时同步的TDOA估计方法相比，此方法能在无线多径传播环境中将非视距(NLOS)误差降低65%左右，从而显著提高TDOA的估计精度。     

一种NLOS量测平滑算法在MAUVs协同定位中的应用

在基于双领航者的MAUVs协同定位过程中,为了减轻NLOS量测误差的影响,在假设NLOS修正偏差先验已知的前提下,以4状态Markov链描述了4种LOS/NLOS量测模型间相互独立转换过程,继而利用交互多模和Kalman滤波理论设计了一种AUVs间相对距离量测平滑算法,并将其距离量测估计结果应用于MAUVs协同定位系统中。仿真结果对比表明,该算法可以有效提高AUVs间的相对距离量测估计精度,获得了更好的协同定位性能。     

基于TDOA的手机定位技术

分析了TDOA的数学模型,通过Chan氏算法来实现基于TDOA的手机定位,最终得到可视化的仿真结果。应用组合式的TDOA估计方法进行测距定位,该系统可以解决测距精度、测距量程、测距实时性之间存在的矛盾。使得在进行通信的同时完成高精度的定位任务。     

基于信息分组的TDOA安全定位算法

将信息分组的方法应用于定位过程中,以方差的无偏估计是否符合误差假设作为定位参照集选取依据,提出一种能抵抗轻量级攻击的AR-TDOA定位算法。将该算法与基于TDOA测距的定位算法和SeRLoc安全定位算法在定位误差、计算开销与稳定性方面进行比较。结果表明,相同攻击强度下三者定位误差大小顺序依次为TDOA〉SeRLoc〉AR-TDOA。虚假锚节点数量越大,基于TDOA测距和SeRLoc的定位误差也越大,而基于AR-TDOA算法的定位误差则能保持在较小程度内。因此在增加少量计算复杂度的情况下,AR-TDOA算法能够改善定位的稳定性。     

TDOA参数估计算法

对基于广义互相关法（GCC）的波束到达时间差（TDOA）估计算法的捕获概率进行了分析，推导了计算捕获概率的数值算法，并在此基础上，对2种常用TDOA估计方法的算法效率进行比较．这2种方法分别是直接对2个接收信号做互相关运算来估计TDOA的方法，以及将2个接收信号分别与1个无噪声的m-序列做互相关运算来估计TDOA的方法．仿真结果表明，后者有较高的算法效率．     

UWB室内信道下一种低复杂度的TOA估计新算法

针对室内信道,提出一种基于UWB多径信号中最强路径检测的TOA估计算法．通过卷积运算进行最强路径搜索,进而完成TOA估计．TOA估计过程不依赖视距路径(line-of-sight path)检测,适合于NLOS(non line-of-sight)情形,且最强路径搜索避免了阈值设置过程,相比LP搜索计算复杂度低．通过对IEEE.802.15.4a标准下NLOS信道模型的仿真实验,讨论了各参数估计偏差对定位性能的影响,验证了本定位算法在室内多径信道下的适用性．     

NLOS环境下基于自适应遗传算法的TOA/AOA定位算法

在视距传播(LOS)环境下,波达时间/电波到达角(TOA/AOA)定位算法比TOA算法的定位精度有了进一步的提高,但是在非视距传播(NLOS)环境下,这些定位算法的精度会受到较大影响。为了减小NLOS传播的影响,提出了一种NLOS环境下的TOA/AOA定位算法。利用自适应遗传算法对TOA/AOA混合定位算法中的非线性优化问题进行求解,从而提高系统的定位精度。仿真结果表明,提出的算法在NLOS环境下有较高的定位精度,性能优于Chan算法和LS算法。     

基于NLOS环境下的TOA/AOA混合定位算法

非视距传播(NLOS)误差是影响各种蜂窝网络定位精度的主要原因.通过计算波达时间(TOA)和波达角(AOA)相对于移动台(MS)参考位置的残差来对NLOS误差进行鉴别,找出含有NLOS的基站.然后利用所得到的关于NLOS的信息,对算法进行加权处理.仿真实验表明,该算法有效的降低了NLOS的影响,可以得到更好的位置估计结果.     

稳健非线性LMS非视距定位算法

在蜂窝移动定位中,非视距波(NLOS)是影响定位精度的主要因素,NLOS的传播会给距离测量值增加较大的正性误差。传统的线性滤波器主要是针对高斯分布的误差,并不能有效地处理NLOS误差。该文提出一种非线性LMS算法TOA测量结果进行重构来消除NLOS的影响。该算法将NLOS误差视作冲激性噪声,通过对LMS算法中的代价函数的非线性化来抑制TOA测量值中的NLOS误差,仿真结果证明了该算法的有效性。     

无线网络中基于到达时间和的球面相交定位算法

低复杂度的可靠无线定位算法是未来物联网的重要应用技术,获得了持续的关注.其中基于到达时间差(TDOA)的两次最大似然算法性能可靠但复杂度较高,因此这里研究了一种新的无线定位算法以解决这一矛盾.该算法采用球面相交(SX)原理,基于到达时间和(TSOA)展开推导,所获得的定位方法具有较低复杂度并可提供可靠的位置估计.算法验证采用门特卡罗仿真,结果表明:笔者所提出算法在不同移动台位置处均具有较高估计精度,且性能逼近甚至超越复杂度较高的TDOA最大似然算法.     

一种LOS环境下的TDOA/AOA数据融合定位算法

提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在视距(LOS)环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

智能文化算法在移动台定位技术中的应用研究

非线性优化问题一直是无线定位技术研究的难点.而文化算法作为一种新型的智能算法在解决非线性优化问题方面有其独特的优势.针对定位系统和文化算法的特点,提出一种将Chan算法与文化算法相结合的算法.利用该算法解决TDOA定位估计中遇到的非线性最优化问题.仿真结果表明:该算法性能稳定,与传统算法以及其他智能算法相比,定位精确度较高,收敛速度较快.     

一种基于改进卡尔曼滤波的NLOS误差抑制算法

在蜂窝网络中,非视距（NLOS）传播是影响定位精度的主要因素.针对LOS与NLOS的混合环境,提出了一种基于到达时间（TOA）测量值进行NLOS误差消除的算法.该算法首先利用TOA测量值的统计特征建立新的判决机制,鉴别当前时刻的测量值是否存在NLOS误差,然后对包含NLOS误差的测量值,通过构建测量误差模型估计NLOS误差,并以此修正卡尔曼滤波器的新息,实现LOS重构.仿真结果表明,与已知算法相比,文章提出的算法能够更好地抑制NLOS误差,并且适应于不同的LOS与NLOS混合环境.     

基于多分布式天线阵列的移动台定位算法

在无线定位环境中尤其是闹市区,为了减少非视距(NLOS)误差对定位精度的影响,研究了一种基于多分布式天线阵列的移动台定位算法在不同基站数目下的性能.多分布式天线阵列定位算法是在散射体信道中,利用NLOS附加误差的相关性分析,提取散射体位置信息,进而得到移动台坐标.利用计算机仿真,改变参与定位的基站数目,比较该算法在3～7个基站时的定位精度.结果表明,该算法在基站数目为3时性能较好,能有效抑制NLOS误差影响,提高定位精度,具有一定的实用性.     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。