CDMA蜂窝系统中的TDOA／AOA混合定位算法

CDMA蜂窝系统由于存在“听力”问题而影响了定位效率。TDOA／AOA混合定位方法可以解决这个问题。提出了一种TDOA／AOA定位方案．建立了数学模型,并提出2种定位方程的解算方法：Taylor级数展开的LS估计和Kalman滤波。仿真结果表明：TDOA／AOA混合定位的性能要优于TDOA单一定位;基于Kalman滤波的定位算法性能优于Taylor级数展开的LS估计。     

NLOS环境下无线通信网络中的TDOA/AOA混合定位算法

为了提高在NLOS条件下无线定位的精度,采用多种测量值混合定位的方式,提出了一种TDOA/AOA最速下降混合定位算法.该算法以加权残差平方和为目标函数,以最速下降算法为最优化方法.然后,以几何结构的单反射圆盘模型进行仿真,分别利用TDOA/AOA最速下降混合定位算法、TDOA/AOA泰勒级数混合定位算法以及单纯的TDOA泰勒级数经典算法对无线通信网络中不同的定位环境进行了仿真计算.仿真结果表明,当参与定位的基站数目分别为3,4,5,6,7,反射圆盘半径分别为200,300,400,500,600,700m时,与后2种算法相比,TDOA/AOA最速下降混合定位算法的均方差、平均误差及最大误差均较小,即该混合定位算法具有更高的定位精度,且参加定位的基站数目越多,这种优势越明显.     

基于TDOA的高精度无线定位算法分析与实现

文章根据移动应用需求,推导三维空间最小二乘(least square, LS)算法、Taylor级数展开法和查恩(Chan)算法3种经典到达时间差(time difference of arrival,TDOA)算法求解过程,通过仿真模拟分析3种算法的不同特点,确定移动定位场景下的最佳算法。为了进一步提高定位精度,采用Kalman滤波中递推估计思想,减小噪声干扰产生的误差,提升到达时间(time of arrival,TOA)测距精度,进而获得三维空间中性能优良的TDOA算法。测试试验表明,改进后的Chan算法有效且性能优良,定位误差最大为10～30 cm。     

一种结合衰减因子的TDOA/AOA Chan定位算法

本文通过对蜂窝网络无线定位技术的研究,提出了一种结合衰减因子的基于Chan氏算法的TDOA/AOA混合定位方法。利用最陡梯度算法把衰减因子加入到TDOA测量方程中,并结合AOA估计值,利用Chan算法进行混合定位,通过不断的迭代更新衰减因子,最大限度的消除非视距误差,使得TDOA测量值接近真实值,以提高定位算法的精度。     

基于SA-GA算法RBF神经网络的TDOA/AOA定位算法

目的 为了克服最小二乘法在TDOA/AOA无线定位算法中的缺点,提高定位的精度和稳定性.方法 提出了基于RBF神经网络的TDOA/AOA定位算法.利用染色体长度可调编码方式的模拟退火遗传算法,同时训练RBF网络的参数和拓扑结构.将训练后的RBF网络用于TDOA/AOA定位.结果 与传统TDOA/AOA算法和基于k-均值聚类法、遗传算法RBF神经网络、GA-BP神经网络的定位算法比较,该算法具有更高的定位精度和可靠性.结论 基于模拟退火遗传算法RBF神经网络的TDOA/AOA定位算法有很强的抗NLOS能力.     

一种基于Watterson模型的短波信号时延估计算法

基于TDOA的短波信源定位技术相比于传统的基于AOA的短波定位技术具有设备简单、成本较低且架构方便的优点。然而,对短波信号直接进行传统的TDOA估计并不能得到信号的时延信息。以Watterson短波信道模型构造短波信号,在研究对比基本相关与模值相关算法的基础上,提出了基于广义相关熵模值的时延估计算法。仿真实验表明,即使在较低信噪比下,该方法仍然保持着较高的时延估计性能,是一种适用于短波信号的新型时延估计算法。     

一种用于移动通信终端定位的卡尔曼滤波器改进设计

针对传统方法进行移动通信终端定位时,由于无线通信信道存在着噪声干扰、非视距传播、多址干扰等因素的影响,导致移动通信终端定位精准度较低的问题。提出了基于(TDOA/AOA)时间测量值的卡尔曼滤波器改进设计移动通信终端进行定位。利用卡尔曼滤波器抑制和消除TOA/TDOA测量值中NLOS误差,然后通过BP神经网络在时间更新预测阶段及测量阶段对标准的卡尔曼滤波器进行修正,将预处理的TOA测量值输入到修正后卡尔曼滤波器来实现TODA/AOA移动通信终端混合定位,最终确定移动终端的具体位置。实验结果表明,改进的卡尔曼滤波器可以提高移动通信终端定位的精度,具有良好的实用性。     

结合最陡下降算法的室内 NLOS场景下TDOA/AOA融合算法

在利用传统Chan算法进行目标节点位置估算的基础上,提出了一种结合最陡下降算法SDA(Steepest Descent Algorithm)的TDOA(Time Difference of Arrival)/AOA(Angle of Arrival)融合算法,通过迭代消除由NLOS(Non Line of Sight)误差引起的误差因子,达到有效提高定位精度的目的.实验结果表明:本文提出的结合SDA的TDOA/AOA融合算法在复杂的室内环境下可以有效提高定位精度和定位稳定性,相对于传统的基于Chan算法的TDOA/AOA定位算法,定位精度提高28%.     

基于渐消Kalman滤波的MIMO-OFDM信道估计

针对快时变信道明显的频率选择性,提出了采用Kalman渐消记忆滤波的估计方法.信道采用AR模型建模,并利用LS算法估计时变信道的衰减因子.仿真表明:快时变环境下,所提算法的估计性能优于LS信道估计和传统的Kalman滤波算法估计.     

一种基于TDOA/AOA的混合三维定位算法

基于Chan算法,提出了一种改进的到达时间差(TDOA)和到达角(AOA)混合三维定位算法。该算法的主要思想是将Chan算法推广到三维空间,并在TDOA误差方程组里附加AOA误差方程来构建三维形式的非线性方程组。为了有效地克服Chan算法的二值根模糊性问题,先使用加权最小二乘法(WLS)获取初始解或者估计;接着根据初始解分量之间的相关性,并基于约束加权最小二乘(CWLS)算法,重新建立方程以对初始估计进行修正。通过计算拉格朗日因子,获取最终位置估计。仿真结果表明,与直接将Chan算法推广到三维相比,该算法具有较高的定位精度,其均方误差逼近克拉美-罗界(CRLB)。