基于TDOA的空间定位算法

随着第三代(3G)移动通信的发展和美国E911规定的颁布,蜂窝网络移动台(MS)无线定位技术得到了越来越广泛的注视.该服务能够提供有关移动台位置的信息,因此在很多领域有着重要的应用.提出了一种基于到达时间差(TDOA)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.此算法结构简单,计算量较小.通过模拟仿真,结果证明了该算法的有效性.     

非视距传播下LTE的频率定位算法

基于单次反射信道模型,针对LTE通信网络在非视距传播环境下提出了一种基于频率的定位算法。首先根据信道传输模型计算路径损耗,再由路径损耗计算移动台与基站之间的距离,然后利用BP神经网络修正NLOS误差,最后利用最小二乘LS定位算法进行移动台定位。仿真结果表明,该基于频率的移动台定位算法定位精确,效果良好。     

基于多麦克风阵列的枪声定位算法研究

针对战场狙击手威胁日益增加的严峻现实,提出一种基于多麦克风阵列的枪声定位算法,利用空间上随意摆放的多个正四面体麦克风阵列,对爆破波到达各阵列阵元的时延差进行双加权最小二乘算法,对枪声位置进行初步估计,并用一致性算法对多个定位结果进行数据融合。该方法克服了TDOA定位算法无法剔除多径效应引起的错误时延估计的缺点。通过仿真证明算法具有较高的精度,且增大了测量范围。     

移动台混合定位方法的研究

移动通信系统中,针对移动台的定位精度问题,提出基于A-GPS的混合定位方法.当GPS无法独立完成定位需求时,则切换至基于移动台的定位方法完成定位服务.在基于移动台的定位算法上,采用到达时间差(TDOA)的方法,并通过最小二乘法降低由非视距传播带来的误差影响,提高TDOA的定位精度.经过计算机的仿真试验,证实此算法在一定噪声环境中能够达到克拉美罗下限,并且优于其它同类算法,取得了较好的定位效果:适用范围广,定位速度快、精度高,完全可以满足定位服务的要求.     

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。     

非视距传播环境下的AOA定位跟踪算法

基于几何结构的单次反射统计信道模型,提出了一种在非视距(NLOS)传播环境下对移动台的到达角(AOA)的定位与跟踪算法.首先利用径向基函数(RBF)神经网络对NLOS误差进行修正,再利用最小二乘(LS)算法进行移动台位置估计,然后配合相关检测距离门对移动台进行跟踪.仿真结果表明,该跟踪算法能够有效地实现移动台的静态定位...     

一种SADOA/AOA混合定位算法及其性能分析

本文提出了一种新的蜂窝网混合定位算法.该算法首先将服务基站智能天线阵列提供的信号路径损失差(SADOA)与到达角(AOA)信息相结合,然后通过WLS算法实现对移动台实际位置的估计.本算法结构简单,计算量较小且无需移动台与基站的时间同步.仿真结果表明,该算法能够有效减小阴影效应造成的估计误差,具有较高的定位精度.     

仿生算法的无线网络传感器节点定位

为解决当前无线网络传感器节点定位误差大的问题,提出了基于仿生算法的无线网络传感器节点定位方法.首先采用最小二乘法建立无线网络传感器节点定位的非线性方程组最优化问题,然后选取仿生算法中的约束粒子群优化算法求解节点定位模型的解,根据最优解得到无线网络传感器节点定位结果.实验结果表明,在不同条件下,本文方法的无线网络传感器节点平均定位误差很低,定位时间开销小,抗干扰性能强.     

基于RSSI自适应建模的加权反馈基站定位算法

针对基站定位中，终端接收的信号强度(RSSI)受多方面干扰，传统基站定位算法定位精度不高的问题，提出在最小二乘算法中引入加权与反馈的RSSI定位算法（RDOA）。旨在优化信号强度与传输距离的关系，大幅度提高基站定位精度。通过对基站信号在复杂环境下分布情况的研究,建立自适应信号强度分布模型，对定位信息进行加权与反馈,缩小误差带来的影响，综合得到定位结果。实验表明，所提出的方法相较于传统基站定位方法，在只增加少量复杂度的情况下，有更好的鲁棒性和更精确的定位结果。     

基于角度信息的结构总体最小二乘无源定位算法

在基于角度信息的约束总体最小二乘无源定位算法的基础上,文中基于角度信息的无源定位问题转化为结构总体最小二乘问题,并通过逆迭代法求出定位问题的解.文中还阐述了在一定条件下结构总体最小二乘算法与约束总体最小二乘算法具有相同的定位均方误差.最后还将结构总体最小二乘算法与Kalman滤波相结合,给出了一种对运动目标进行定位跟踪的新算法.计算机仿真结果验证了文中新算法的有效性和优越性.     

基于最小二乘法的室内三维定位算法研究

现如今,室内位置服务成为国内外科研人员共同关注的焦点,人们对于位置服务的需求逐渐由最初的室外定位转变为室内定位,同时诸多的室内定位技术得以快速发展。通过以超宽带(UWB)的通信方式为依托,借助到达时间差值(TDOA)的定位模型,着重分析了最小二乘法在求解三维定位坐标时精度误差产生的主要原因。针对传统的最小二乘定位算法在求解三维定位坐标时,由于基站几何布局所引起的定位精度问题,提出基于最小二乘法的三维定位优化算法。通过对实验结果进行分析,比较定位算法在优化前后的两种场景下定位的不同表现效果,发现优化后的最小二乘定位算法的三维定位精度得以明显提高且定位效果稳定,同时也降低了三维定位精度对于基站几何布局的依赖性。     

基于BP神经网络的蜂窝无线定位算法

为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于BP神经网络的蜂窝无线定位算法。该算法融合了移动基站提供的AOA、TOA和TDOA测量值来实现移动台的定位,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,使其适用于复杂的多径环境。同时充分利用了定位的冗余和互补信息有效地减小了非视距传播的影响。对基于BP神经网络的定位系统性能进行了仿真,结果表明,基于BP网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在复杂的多径环境下能够有效地提高定位精度。     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。     

基于RSSI自适应选择定位算法的研究

在基于RSSI(Received Signal Strength Indication)的Wi-Fi室内测距定位技术研究中,首先利用对数距离衰减模型进行测距,然后针对定位精度不高的问题,这里提出利用RSSI自适应选择定位算法的方法,即在定位阶段,当满足能够准确确定定位节点所在的最小区域条件时,采用加权质心定位算法,加权因子由1/d表示;当不满足条件时,采用最小二乘定位算法。实验结果表明,自适应选择算法可避免一般加权质心算法由于最小区域的错误锁定而造成的定位误差大的弊端,同时也解决了最小二乘算法在边界区域定位精度难以控制的问题,若考虑定位误差在5m以内的情况,该算法可使35m的走廊定位准确率达到85.7%,较单独采用一般加权质心算法或最小二乘法,定位精度都有较大提高。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于加权最小二乘的多基地声呐定位算法研究

研究水下监视目标跟踪声呐定位精度问题,改善双基地声呐在某些区域(如基线区、发射和接收站的侧边区)定位性能,为了提高系统定位精度,最有效的方法就是增加发射和接收站的数量,形成多基地声呐.根据多基地声呐的几何关系,提出了加权最小二乘估计的多基地声呐定位优化算法,结合定位误差的表达式,对定位性能进行了仿真.仿真结果表明,基于加权最小二乘估计的多基地声呐定位优化算法,能够充分利用各基站的测量信息,有效提高声呐系统的定位精度.与基于距离信息的多基地声呐定位算法相比,算法不仅具有较高的定位精度,而且可以有效解地解决边区定位误差较大的问题.     

基于超宽带技术的轨道交通定位算法研究

针对目前轨道交通应答器加里程计的定位方式存在定位精度不足、成本高等局限性,研究了一种基于超宽带(Ultra Wide Band)技术的定位方法。根据待测物的运动特点与UWB模块的测距性能,设计了有约束条件的定位综合算法,算法融合使用最小二乘法、Taylor递归法、Kalman滤波,并加入轨道方程约束和连续性约束两种约束条件。该算法解决了地面参考基站所包围区域的外部定位精度差的问题,克服了UWB模块因非视距、多径效应而出现较大误差的不足。实验分析与计算结果显示,当待测物体在地面参考基站50 m范围内,定位误差在10 cm以内;此方法定位速度快、误差小,具有较高的工程应用价值。     

基于麦克风阵列的声源定位系统

推导出声音传播的近场模型,采用相位变换(PHAT)作为加权函数的广义互相关算法（GCC）完成时延差估计,再采用基于数据关联的时延选择算法选择时延,最后使用到达时延差的算法估计声源方位,并在算法模型的基础上搭建了基于数字信号处理器（DSP）的声源定位硬件系统开发平台。实验结果表明,在声音传播的近场模型下该系统角度估计误差不大于3°。     

基于UKF滤波的WSN节点定位研究

无迹卡尔曼滤波(UKF)模拟系统的后验概率密度函数,避免了扩展卡尔曼滤波(EKF)中引入的较大线性化误差的缺陷.本文提出了一种基于加权最小二乘法(WLSE)和UKF的无线传感器网络(WSN)节点定位算法.算法采用TOF测距技术测量未知节点到信标节点的距离,利用加权最小二乘法估算未知节点的初始位置,并采用UKF滤波对节点进行精确定位,同时与EKF滤波结果进行比较.相关分析结果表明,算法在TOF测距基础上,将加权最小二乘法和UKF滤波结合,可以较大提高节点的定位精度.     

一种井下人员无线定位算法研究

针对传统井下指纹定位算法存在需要采集大量指纹数据和定位精度不高的问题,提出了一种差分鱼群优化最小二乘支持向量机(DEAFSA-LSSVM)的井下人员无线定位算法.首先将井下实验区域划分为多个小区域,并利用克里金插值算法建立指纹数据库;然后利用差分进化与人工鱼群混合智能算法优化正则化参数和核函数宽度,建立最小二乘支持向量机算法模型,利用无线采集接收终端采集待定位点的无线信息数据,通过最小二乘支持向量机算法模型计算出其所属小区域;最后利用小区域内无线信息数据,通过加权K近邻算法进行实时定位.实验结果表明:该定位算法的收敛速度快,分类准确,准确率达到98.87%;定位精度高,平均定位误差为1.51 m,比未经优化的最小二乘支持向量机算法的定位精度提高18.82%.