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.     

基于小波变换的场强定位算法

利用服务基站与移动台之间的场强测量值来进行移动台位置估计,并从场强信号传播模型和定位算法出发,提出了一种基于小波变换的改进场强定位算法。通过小波变换来修正传播误差,然后利用LS算法进行定位。仿真结果表明,该基于场强的移动台定位方法在一定程度上提高了定位精度,定位效果明显优于Chan算法、LS算法、Taylor算法。     

基于BP神经网络的定位跟踪算法

提出了一种在NLOS环境下对移动台的定位与跟踪算法。利用BP神经网络对TDOA测量值中NLOS误差进行修正,再利用Chan算法进行移动台位置估计,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与动态跟踪,性能优于基于Chan算法、LS算法、Taylor算法的静态定位与动态跟踪。     

基于单反射模型的混合定位算法研究

针对现有定位算法抗非视距能力弱、且对移动台求解时往往需要一个比较精确初始解的问题,利用移动台和散射体的几何位置关系,基于单次反射圆模型提出了一种抑制非视距误差的波达时间/波达角混合定位算法。定位过程中将散射体视为虚拟基站,根据最大散射半径确定移动台的可能位置范围,在该范围内搜寻所有满足约束条件的位置点,对这些点使用加权平均处理方式以提高定位精度,最后结果即为移动台估计位置。计算机仿真表明了算法的有效性。。     

基于数据融合的压缩感知多目标定位算法

文中提出一种基于数据融合的压缩感知多目标定位算法,该算法能够同时处理多种不同类型的定位数据。与传统算法相比,该算法以目标个数的稀疏性为基础,通过压缩感知技术来重构目标位置向量,从而大大减少了传感器的数目。算法分为数据预处理和数据融合定位两个阶段。在数据预处理阶段,将不同类型的数据转换到同一个数量级,使得各类型数据能被充分用于提高目标定位性能;在数据融合定位阶段,提出一种基于多测量向量的压缩感知重构算法来估计目标位置向量。仿真证明,相比于现有的压缩感知定位算法,所提算法具有更高的定位精度和更强的鲁棒性。     

TDOA/AOA数据融合定位算法

基于非视距传播（NLOS）环境下的几何结构单次反射统计信道模型,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NLOS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。     

基于EKF和数据融合的移动台跟踪定位算法

提出一种利用扩展卡尔曼滤波(EKF)算法实现移动台跟踪定位的改进算法。该算法在已获得移动台初始位置估计的基础上,利用 EKF对移动台的运动轨迹进行多次估计,获取多条跟踪轨迹,剔除偏差较大的轨迹并进行加权平均的数据融合处理,获取一条较优轨迹。再结合距离门限值对较优轨迹的点迹进行匹配管理,实现对较优轨迹的平滑处理,获得最优跟踪轨迹。仿真结果表明,该算法计算复杂度低、鲁棒性强,定位精度明显高于传统EKF跟踪定位算法。     

基于小波变换的AOA定位算法

提出了一种在非视距(NLOS)环境下对移动台的定位算法。首先利用小波分析对AOA的测量值中的NLOS进行修正,再利用最小二乘(LS)算法确定移动台的位置。仿真结果表明,该算法能够有效地降低非视距环境误差的影响,性能优于基于AOA的LS算法以及神经网络算法。     

一种智能化区域无线网络的移动台动态定位算法

无线网络影响因素较多,总是无法避免地产生定位误差,为取得更好的可靠性与精准度,针对智能化区域无线网络,提出一种移动台动态定位算法.构建基于到达时延差的约束加权最小二乘算法,获取到达时延差信息,根据移动台对应服务基站获取的移动台到达时延差与到达角度数据,利用约束加权最小二乘算法多次更新定位估计,结合小波变换,架构到达时延差/到达角度混合定位算法,依据智能化区域无线网络环境的到达时延差数据采集情况,将估算出的移动台大致位置设定为不同种类定位结果,通过多次估算实现移动台动态定位.选取不同无线网络环境展开移动台动态定位仿真,分别从到达时延测量偏差、区域半径以及移动台与其服务基站间距等角度验证算法定位效果,由实验结果可知,所提算法具有理想的干扰因素抑制能力,且定位精准度较高.     

基于核函数法及粒子滤波的煤矿井下定位算法研究

煤矿井下受限空间中,射频信号强度受到多径衰落、阴影效应及人为因素的影响,采用路径损耗模型的定位方法误差较大,提出了基于核函数法及粒子滤波的定位算法。该算法利用指纹匹配技术结合贝叶斯估计,基于核函数法构建模型,搜索训练数据中接近未知节点指纹特征的位置并加权得到初步观测坐标,最后利用粒子滤波将目标运动状态与观测值相融合,平滑位置突变以追踪移动轨迹。实验证明,对于静态目标定位,核函数法效果优于确定型匹配算法和高斯分布模型;对于动态目标定位,所提算法比基于Markov状态转移的算法定位结果更精准。