蜂窝网中的chan定位算法的性能分析

对蜂窝网中基于到达时间(TOA)/到达时间差(TDOA)的定位算法进行了分析和研究,重点介绍了Ghan定位算法在二维空间的应用.通过均方根误差(RMSE)与克拉美-罗(CRLB)下界的比较,分析了理想环境中Chan定位算法的性能.还通过实际测量,采用TOA双程测距方式得到TOA测量值,对Chan定位算法在实际测量中的性能进行了验证.实验仿真以及实际验证的结果表明算法在理想环境和实际测量中容易实现,而且定位精度相对较高.     

TOA定位算法非线性优化问题研究

无线传感器网络中基于到达时间TOA（time of arrival）的定位算法需要建立关于未知节点与锚节点距离的非线性方程。牛顿迭代法是求解非线性线方程数值解的有效方法。分析了一种基于牛顿迭代法求解TOA定位非线性方程的算法,提出了对应的牛顿迭代式。仿真结果表明,此算法可以满足定位的需求,且具有比经典CHAN算法更高的定位精度。     

NLOS环境下无线传感器网络TOA定位算法

针对现有定位算法定位精度低、适用场景少的问题,提出一种非视距传播（NLOS）环境下的无线传感器网络电波到达时间（TOA）定位算法。对未知节点位置进行初步估计,将该估计值作为初始迭代参考点,利用泰勒级数展开法进行迭代计算,得到未知节点位置的二次估计值。使用二次估计值反推得到未知节点与各传感器锚节点的近似距离,将原始TOA测量距离与该近似距离之差作为非视距传播误差值,从而剔除NLOS误差较大的TOA测量组,利用误差修正后的TOA测量组再次进行泰勒级数迭代处理,实现未知节点的精确定位。仿真结果表明,该算法可有效抑制NLOS误差,相比传统定位算法,其定位误差小、定位精度高。     

基于Matrix Pencil的OFDM信号的TOA/AOA定位

为提高估计精度,提出一种基于低复杂度的矩阵束方法(MPM)的OFDM信号超分辨率TOA/AOA二维定位方法.首先,对信道频率响应(CFR)采用MPM方法进行时延估计,得出首径(FAP)时延,即OFDM信号的TOA估计;然后,对天线接收信号的频域阵列信号使用同样的算法进行AOA/DOA估计;最后,联合TOA、AOA估计结果在二维平面内确定目标的位置.由于载波间的相关性和相干多径的影响,使AOA估计的RMSE偏差比TOA估计大,所以对TOA估计过程中的各径幅值,设置权值对非首径的幅值进行抑制,减少对后续首径AOA估计的影响.利用OFDM信号进行仿真,其结果表明,非首径幅值抑制方法能明显提高AOA估计精度和无偏性,使整体定位误差明显改善,满足单基站或接入点室内定位的需要.     

基于GDOP加权的TOA/AOA混合定位算法

现有基于无线传感器网络(WSN)的到达时间/到达角度(TOA/AOA)定位算法在锚节点位置存在误差的条件下定位精度不高。针对该问题,融合几何精度因子(GDOP)加权,提出一种改进的TOA/AOA混合定位算法。根据单个锚节点对定位参量的测量误差及其自身位置误差,得出基于单节点的TOA/AOA混合定位算法的GDOP计算公式。依据WSN中所有锚节点的测量误差及其分布与盲节点的相对位置关系,推导加权融合算法的GDOP计算公式。仿真结果表明,与基于平均加权的定位算法相比,改进算法具有更高的定位精度。     

OFDM超分辨率联合TOA/AOA定位

对无线信号到达时间（TOA）和到达角度（AOA）的精确估计是室内无线定位的关键。正交频分复用（OFDM）是适合多径衰落环境的一种高速传输技术。提出一种联合TOA和DOA的二维定位方法用于OFDM信号定位。算法首先通过信道估计得到信道的频率响应（CFR）,对CFR采用超分辨率算法估计信道时延。首径（first arrival path,FAP）的时延估计就是接收信号的TOA估计。将天线阵列接收信号通过DFT变换到频域,利用同样的算法估计信号各径的AOA/DOA。最后联合TOA和AOA在二维平面上确定目标位置。由于信号是多径、多载波信号,对各载波的DOA/AOA估计在载波间进行处理,再结合各径脉冲响应的幅值,选出属于首径的DOA/AOA估计。在多径环境下仿真表明算法有效且定位精度能够满足实际需要,尤其适合环境中只有一个基站或接入点的情况。     

基于时间反演的到达时间定位

针对传统算法在室内超宽带（UWB）到达时间（TOA）定位系统里很难准确搜寻出第一条直射路径,从而导致定位精度不高的问题,提出了基于时间反演（TR）的TOA室内UWB定位算法。首先,利用TR处理的空时聚焦特性确定第一条直射路径,从而估计这条路径的TOA;其次,通过加权最小二乘（WLS）定位算法对不同的估计分量赋予相应的权值以提高定位精度。仿真结果表明,相较传统TOA定位,所提方案在低信噪比条件下的均方根误差（RMSE）减小了28.6%,可见该方案有效提升了系统定位精度。     

物流监控中的蜂窝无线定位

利用现有的蜂窝网络,通过测量车栽移动终端的位置特征参数TOA和TDOA,结合扇区信息进行数据融合,构造一种基于移动台位置的动态定位算法,提出一种改进型数据融合模型.详细分析基于TDOA的Chan算法及特点,对Chan算法计算过程的中间阶段数据进行数据融合,通过定义可信度函数,从而实现一种蜂窝网络定位新方法.本文的定位方法为物流企业业务的监控和优化提供有力的技术支持.     

一种基于TOA测距的室内三维质心定位算法研究

针对现有的室内三维定位技术定位精度较低的问题,提出了一种基于到达时间(TOA,time of arrival)测距的室内三维质心定位方法.在COMSOL软件中,建立真实的物理场仿真环境,将筛选出的4个基站坐标分别作为球心,基站与终端间的距离分别作为半径,构建出三维球体定位模型,对质心定位算法进行仿真.通过在相同实验条件下仿真实验表明,相比于传统质心定位的算法和基于RSSI的质心定位算法,改进的定位算法在精度上得到了提高,对环境也具有良好的适应性.     

无线传感器网络中基于超宽带的TOA/AOA联合定位研究

提出一种基于超宽带(ultra wideband,UWB)信号到达时间估计(time of arrival,TOA)/到达角度估计(angle of arrival,AOA)联合估计的无线传感器网络(wireless sensor networks,WSNs)定位方案,只需要一个参考节点就可以实现对其他传感器节点的2D相对定位,并且不需要时钟同步,适合于传感器网络节点的低成本设计需求.利用往返时间(round trip time,RTT)进行TOA估计,给出了基于多径检测的TOA估计算法;利用到达时间差估计(time difference of arrival,TDOA)进行AOA估计,因而无需借助复杂的天线波束赋形技术.同时,分析了定位误差模型对定位性能的影响,并通过IEEE802.15.4a信道下的仿真实验进行了验证,结果表明了所提方案的有效性.     

基于遗传算法的无线传感网精确定位方法

基于以未知节点为中心的散射体圆盘模型,通过测量电波到达时间和电波达到角信息,对未知节点及其周围的散射体进行初步估计,然后通过反算得出估计的距离值,选取含较小NLOS误差的TOA测量值组,进行数值修正处理,并建立以未知节点为变量的似然函数,最后利用遗传算法对此非线性似然函数寻优求解得到未知节点坐标。计算机仿真结果表明,所提定位方法能有效地抑制NLOS误差,较传统定位方法提高了定位精度,且鲁棒性较好。     

基于加权多维定标的组网定位算法

提出一种视距条件下基于加权多维定标(MDS)技术实现到达时间(TOA)组网定位新算法。利用改进的MDS技术,得到移动台位置的粗估计值。分析基站拓扑结构对定位结果的影响,利用求组合数的方法,分别求出每种基站组合下移动台的位置估计,并与粗估计值进行比较,均方误差小的基站组合对最终定位结果贡献较大,通过加权求得最终结果。与传统MDS算法相比,加权MDS算法对冗余信息的处理能力更强,定位精度更高。     

基于DBSCAN的无线传感网定位方法

在NLOS传播环境下,为了获得更好的定位性能,由多个已知传感器节点测量来自未知节点的电波到达时间TOA,对TOA测量数据进行分组处理和加权最小二乘估计进而获得未知节点的初步定位结果,依据多次测量和估计并采用DBSCAN进行聚类处理从而剔除坏点获得较小的定位误差,实现了对未知节点的精确定位,最后进行实验仿真。计算机仿真结果表明所提出的定位方法能有效地抑制NLOS误差,具有较小的定位误差,鲁棒性较强,并较其他传统定位法进一步提高了定位精度。     

基于TOA的指纹定位系统

利用无线传感器网络建立低成本、高精度的实时定位系统,是当今的研究热点之一。通过多组实验数据对比,提出了＂当前的无线芯片不适用于基于RSS技术的指纹定位技术＂的观点,并在此基础上引入TOA（Time of Arrive）技术,设计并实现了基于TOA的指纹定位系统。该系统利用了当前的基于RSS的指纹定位系统,将TOA获得的测量距离值作为参考信号,利用无线信号的连续性改进了定位精度。实验数据表明,该系统在复杂的环境下达到了一定的精度,有一定的实用意义。     

基于TOA的三维空间定位算法研究

对三维定位算法进行了研究,提出了一种基于到达时间的三维定位算法.其主要思想是用一新变量代替定位估计中的二次项,把非线性估计转化为两次WLS(加权最小二乘)线性估计.该算法结构简单,计算量较小.仿真结果证明了该算法的有效性.     

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。