基于数据融合技术的TDOA移动台定位方法

提出了一种移动网络条件下新的定位方法.该方法基于数据融合技术,对传统Chan算法的定位估计结果进行多层信息融合,使得仅利用多组到达时间差(TDOA)测量数据即可有效地提高移动定位的精度.方法简单实用,特别是在非视线路径(NLOS)干扰条件下,不仅定位精度高,而且显著地降低了定位失败的概率.计算机仿真结果表明,该方法对多种环境都是有效的.     

蜂窝网中一种非视距传播的定位技术

非视距传播(NLOS)是蜂窝网定位误差的最主要来源.在定位参数中引入伸缩因子,采用反复叠代的方法,可以减少非视距传播的影响.仿真性能测试表明该方法不需要任何信道环境先验信息且收敛速度快,得到的定位精度接近于利用信道先验信息的平滑和重构技术而得到的精度,适用于未来蜂窝网的定位业务.     

基于神经网络的TDOA定位改进算法研究

针对传统的Chan算法在实际的非视距环境中性能将会受到很大影响这一问题,提出了一种基于神经网络的TDOA定位改进算法,这种算法通过对非视距误差进行修正,使其具有更好的定位效果.仿真实验结果表明,与传统的Chan算法相比,这种算法具有更好的定位精度和收敛速度,是一种有效的定位算法.     

削减NLOS误差的UWB室内定位算法

为了解决非视距（non-line of sight，NLOS）环境下超宽带（ultra-wideband，UWB）室内定位精度低的问题，提出一种基于到达时间差（time difference of arrival，TDOA）的UWB室内定位算法来削减NLOS误差，提高定位精度。利用卡尔曼滤波算法，初次估计移动标签节点与各锚节点间的TDOA值；基于TDOA差值进行NLOS误差判别，依据判别结果对受NLOS误差影响的测量值进行视距（line of sight，LOS）重构，并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵；利用Chan-Taylor算法进行迭代计算，得到最终精确的定位结果。实验结果表明，在LOS环境下，提出的算法能达到分米级的定位精度；在受NLOS影响的环境下，该算法能有效提高定位精度，减小定位误差，具有更好的稳定性。     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

一种改进的混合定位算法

针对目前移动通信网络中无线定位精度偏低的情况,提出一种改进的混合定位算法.主要思想是基于TDOA(到达时间差),考虑NLOS(非视距传播)影响的定位算法.并在求解过程中引入类TOA(到达时间)的计算方法,然后采用最大似然(ML)法估计位置点坐标,最后通过校正,使定位误差达极小值,从而实现精确定位.模拟试验验证了算法的有效性.随着定位精度的增加,紧急救援和交通导航等位置服务的效率将会有很大提高.     

一种新的基于WCDMA系统的基站选择定位算法

非视距（NLOS）是影响各种蜂窝网络定位精度的主要原因．提出了一种新的基站选择定位算法，算法基于到达时间差（TD（）A）计算距离．首先利用NLOS环境下距离测量样本的标准差大于LOS环境下的标准差这一前提，判断测量样本中是否含有NLOS误差．然后从测量值中选出含有NLOS误差最小的2个基站，将其重构出LOS测量值，再采用3基站算法进行定位计算．仿真表明，该算法比其他算法在定位精度方面有明显的提高．     

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

一种减轻非视距传播影响的移动台定位方法

提出了一种使用判决和卡尔曼滤波器相结合抑制消除非视距(NLOS)误差的定位方法.该方法假设目标移动台正处于跟踪状态,首先对距离测量结果中是否存在NLOS误差进行判断;然后根据判决结果选择两种不同的滤波器,对于NLOS传播由偏差卡尔曼滤波器消除NLOS误差,而对于LOS传播由无偏差卡尔曼滤波器对测量值进行平滑处理;最后利用处理后的数据估计移动台的位置.仿真结果表明在NLOS传播环境下该方法具有较高的准确性,可以有效消除NLOS误差,取得满足要求的定位精度.     

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达（time of arrival,TOA）定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。     

基于六序分量法的同杆双回线精确故障测距

在对同杆双回线的故障特性进行分析的基础上，提出采用六序分量法进行故障测距．该方法巧妙地解决了两回线间的互感问题，在六序故障分量网络中，线路两侧的序电流故障分量的有效值之比仍然只是线路阻抗、两端系统阻抗和故障距离的函数，由此得出的测距方程简洁明了，易于求解，且不受故障类型和过渡电阻的限制，也不需要两端数据同步．对同杆双回线的各种故障类型进行仿真的结果表明，所提出的方法能够高精度地测定同杆双回线故障距离．对于超长线路，线路的分布电容对故障测距有较大的影响，在测距方程中，将分布电容以集中参数的形式分配到故障点到输电线路的两侧，从而具有很高的测距精度．     

Data Fusion and Sensors Model

In this paper, we take the model of Laser range finder based on synchronized scanner as example, show how to use data fusion method in the process of sensor model designing to get more robust output. Also we provide our idea on the relation of sensor model, data fusion and system structure, and in the paper, there is a solution that transform the parameter space to get linear model for Kalman filter.     

Data Fusion and Sensors Model

In this paper, we take the model of Laser range finder based on synchronized scanner as example, show how to use data fusion method in the process of sensor model designing to get more robust output. Also we provide our idea on the relation of sensor model, data fusion and system structure, and in the paper, there is a solution that transform the parameter space to get linear model for Kalman filter.     

一种基于数据融合的目标跟踪方法

为了提高相控阵波束的跟踪能力,基于多设备源的测量信息,提出一种基于数据融合的目标跟踪方法。该方法依次进行数据外推时延修正,数据检择,坐标变换,再进行测量数据的平滑滤波处理,最后利用动态加权的数据融合处理方法,提高了目标的跟踪预测性能。仿真实验结果表明,提的基于动态加权数据融合的目标跟踪方法具有较高的目标跟踪精度,满足系统要求。     

网络流量监测中在线数据融合方法设计

在线数据融合方法在网络流量检测中一直有融合精确度低、接收点差的问题。提出一种新的网络流量监测中在线数据融合方法,采集网络流量监测中的实时在线数据,通过卡尔曼滤波法对在线数据进行预测,获取网络流量状态值;并以此为基础,通过时空综合分析,计算节点的量测实时方差;并依据最小二乘准则,对数据进行加权处理,求出加权系数,引入加权数据融合算法,实现在线数据的融合。实验结果表明,改进的融合方法不仅融合精度高,而且所需能耗低,适应能力较强。     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

Data fusion techniques for incomplete measurement of trajectory

This paper focuses on data processing for incomplete measurement of trajectory (IMT) in aerospace measurement and control. The IMT means that the principal equipment loses the measured data during some intervals so that trajectory parameters (position, velocity, etc.) cannot be determined independently. Based on a joint model for trajectory estimation with reduced parameter, a fusion way is put forth by making full use of measured data from auxiliary equipment with lower precision. In the superposition intervals of measurement between principal and auxiliary equipment, the technique of diagnosing and estimating system errors is applied to improving the estimate precision of trajectory parameters (TP) and determining the precision after data fusion. In practical test, this method operates so successfully that it can not only provide complete TP but improve their precision remarkably. Meanwhile, this way is also applicable to other problems of incomplete measurement.     

一种RFID数据中位置参数的Bayes估计方法

RFID设备固有的限制和环境噪声的影响,造成RFID原始数据的不确定性。为了估计RFID冗余数据中位置参数,提出了利用多阅读器观测到的冗余数据反演目标符号位置参数的Bayes方法。该方法以3-态识别模型为基础建立了Bayes推论模型,通过融合监测区域中的先验知识和约束条件,采用Markov Chain Monte Carlo(MCMC)的方法求解Bayes联合概率分布,进而得到符号位置参数的后验概率分布。模拟实验结果表明,符号位置参数的估计方法可以获得较好的效率和准确性。     

多传感器融合实现机器人精确定位

提出采用超声波距离扫描传感器和视觉传感器数据融合技术实现室内环境复杂特征角和半平面的提取,以便更精确地重构环境特征.利用与坐标无关的对称扰动模型建立超声波扫描的环境特征模型、改进的扩展卡尔曼滤波估计求解.以马氏距离作为特征融合判定的依据,并且在传感器校准时,采用基于局部强度和消逝线的摄像机自动校准方法,提高了水平边界点的校准精度,从而使得角的精确度得到大幅改善,较为精确的二维多边形环境地图得以重建,为最终实现机器人的准确定位奠定了基础.