基于卡尔曼滤波的动态轨迹预测算法

基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法,对移动对象动态行为进行状态估计,利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计,进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明：GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差（预测轨迹点与实际轨迹点的均方根误差）为12.5米;与基于轨迹拟合的轨迹预测算法相比,T-Drive数据集预测误差平均下降了555.4米,预测准确率提升了7.1%.在保证预测时效性前提下,基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.     

一种天线阵列定位法及其仿真研究

为了克服CDMA移动台(MS)定位估计中面临的远近效应问题,该文提出了一种在服务基站(BS)附近布置一种天线阵列,采用TSOA/AOA混合定位技术对MS进行定位估计的方法,分析了采用不同定位法的GDOP分布, 并给出了相应的TSOA/AOA混合定位算法。不同条件下的仿真结果表明,只要AOA测量值达到一定精度,采用这种方法就能对MS进行准确定位。     

基于坐标平移不变性的TOA定位算法

 本文提出了视距条件下利用坐标平移来实现到达时间(TOA)定位的新算法.该算法首先利用基站(BS)与移动台(MS)相对地理位置关系,采用坐标平移方法实现对MS位置的粗略估计;通过对误差分量特性的分析,提出了再次利用坐标平移消除误差分量相关性的方法,使得误差的协方差矩阵变得易于求解,从而实现对MS位置的精确估计.仿真表明,本文算法具有良好的性能.     

基于扩展卡尔曼滤波的非视距误差消除算法

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差.为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法.算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响.计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的.     

小波分析法解决无线定位跟踪问题

无线定位中,信号的非视距传播（NLoS）很大程度上决定了移动台的定位精度,而小波分析理论在信号处理中有较为明显的优点,提出了一种在蜂窝网络中非视距环境下对移动台（MS）的定位及跟踪算法。利用小波变换对信号的分解和重构,实现了对TDOA测量值误差的修正,再利用经典Chan算法对移动台位置进行估计,配合相应的距离门限值对移动台的位置进行跟踪定位。仿真结果表明,该算法能够有效地实现对移动台位置的静态定位和动态跟踪,并明显优于同等环境下经典算法的仿真结果,有效提高了定位精度。     

基于单极点反馈积累的三种目标跟踪算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波(KF)体系的滤波性能。为减小滤波误差,提高滤波精度,基于单极点反馈积累理论,提出了改进的三种滤波算法。该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻的信息来实现对待估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计,来提高它们的估计精度,从而达到提高卡尔曼滤波总体性能的目的。理论分析和仿真结果验证了该算法的有效性。     

区间卡尔曼滤波算法在参数估计中的应用

卡尔曼滤波算法除了用于动态系统的状态估计外,还可以用于动态系统参数的在线估计．特别是时变参数的估计。传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时将无法直接应用。在区间分析的基础上,通过将不确定系统建成区间模型,在其他假设条件与标准卡尔曼滤波相同的前提下,分析了一种处理系统参数不确定性的区间卡尔曼滤波算法,并对其在参数估计方面的应用进行了探讨。     

基于卡尔曼滤波的抑制NLOS定位算法研究

NLOS(非视距传输)是无线定位误差的主要来源,利用卡尔曼滤波处理到达时间值,再结合Chan算法可以提高定位的精度,但当误差较大时定位精度逐渐下降。文章提出的改进算法首先利用预测残差调节NLOS误差较大的时刻所对应的卡尔曼滤波增益;然后以T1P1模型为基础,利用统计规律及预测数据估计NLOS平均误差,重构卡尔曼滤波的观测值;最后利用Chan算法计算移动台的位置。仿真结果表明该方法可以有效地抑制NLOS误差,在一定程度上提高了NLOS环境下定位的精度。     

提高GPS定位精度的改进卡尔曼滤波算法研究

介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法.该算法针对最小二乘法和标准卡尔曼滤波的特点,通过伪距估计出接收机的位置和钟差,有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题.同时该算法不直接使用卡尔曼滤波来估计接收机的状态,而是估计接收机状态的误差,减小了运算量,有效提高了定位精度.在进行状态误差估计时,不需要存储大量测量数据,能方便地进行动态测量数据的实时处理.仿真结果证明此算法具有较快的收敛速度和较高的定位精度.     

一种蜂窝网中的跟踪算法

移动台定位技术是未来移动通信的方向。为了实现动态连续定位跟踪服务和提高定位精度,提出了一种在蜂窝网络中非视距（NLOS,Non-line of Sight）环境下对移动台（MS,Mobile Station）的定位跟踪算法。在用经典定位算法获得定位初始估计值后,利用卡尔曼滤波器对移动台的初始位置估计值进行修正,并配合检测门限对移动台进行跟踪。仿真结果表明,该跟踪算法能够实现对移动台动态定位跟踪,并且取得了良好的效果。     

基于到达角Kalman滤波的TDOA/AOA定位算法

基于Chan算法的TDOA/AOA定位算法是在Chan算法的信号到达时间差(TDOA)误差方程组里加上一个信号到达角(AOA)误差方程,利用加权最小二乘法(WLS)求解。其主要缺点是把移动台(MS)的横坐标、纵坐标与移动台到服务基站(BS)之间的距离作为3个相互独立的变量,忽略了3者之间的相关性。需要进行两次WLS计算,且最终的解为二值根。当AOA测量误差的方差不断增大时,对应的定位误差也随之增大。该文利用Kalman滤波算法对AOA的值进行估计,并将上述的3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。     

An adaptive moving target tracking algorithm for smart antenna systems

In wireless communication environment, the time-varying channel and angular spreads caused by multipath fading and the mobility of Mobile Stations （MS） degrade the performance of the conventional Direction-Of-Arrival （DOA） tracking algorithms. On the other hand, although the DOA estimation methods based on the Maximum Likelihood （ML） principle have higher resolution than the beamforming and the subspace based methods, prohibitively heavy computation limits their practical applications. This letter first proposes a new suboptimal DOA estimation algorithm that combines the advantages of the lower complexity of subspace algorithm and the high accuracy of ML based algorithms, and then proposes a Kalman filtering based tracking algorithm to model the dynamic property of directional changes for mobile terminals in such a way that the association between the estimates made at different time points is maintained. At each stage during tracking process, the current suboptimal estimates of DOA are treated as meas urements, predicted and updated via a Kalman state equation, hence adaptive tracking of moving MS can be carried out without the need to perform unduly heavy computations. Computer simulation results show that this proposed algorithm has better performance of DOA estimation and tracking of MS than the conventional ML or subspace based algorithms in terms of accuracy and robustness.     

GPS多普勒差分测速算法

全球卫星定位系统(GPS)多普勒单点测速技术是单GPS天线测姿技术的核心,但其测速精度易受卫星速度误差、卫星钟漂、电离层延迟、对流层延迟以及飞行器位置误差等因素的影响。针对上述问题,提出结合GPS地面基准站卫导观测数据,对机载GPS多普勒观测量进行双差处理,从而得到GPS多普勒双差方程。求解该双差方程,能够有效缓解上述不利因素的影响,得到精度更好的飞行器实时速度。半实物仿真计算结果与跑车实验计算结果都表明多普勒差分测速精度大幅优于多普勒单点测速精度。     

基于SMSS-UKF的机载单站无源定位算法

基于机载单站无源定位中常用的扩展卡尔曼滤波具有近似线性方程的雅可比矩阵计算困难、不敏卡尔曼滤波(UKF)具有计算量较大的问题,提出了基于改进的变尺度最小斜度不敏卡尔曼滤波(SMSS-UKF)的机载单站无源定位算法,该方法采用最小斜度采样策略进行Sigma 点采样,减少Sigma点提高计算效率,利用变尺度不敏变换克服了采样点非局部效应问题。同时,针对大部分定位跟踪模型中状态方程为线性方程的特点,依据在线性状态方程情况下的贝叶斯理论,运用卡尔曼滤波状态预测的方法进行UKF的最优状态预测,使状态预测避免了不敏变换的数值近似误差和Sigma采样点计算的复杂性,提高了算法的运行效率和滤波精度。仿真实验的结果证明了SMSS-UKF滤波算法的有效性。     

A Novel Step-by-Step High-Order Extended Kalman Filter Design for a Class of Complex Systems with Multiple Basic Multipliers

A novel step-by-step linearization high-order Extended Kalman filter SH-EKF is designed for a class of nonlinear systems composed of linear functions and the product of several separable basic functions. The basic functions in the state and measurement models are defined as latent variables; the state and measurement models are equivalently formulated into pseudo-linear models based on the combination of the original variable and the latent variables; latent variables are regarded as new variables, and a dynamic linear model between each latent variable and other latent variables with original state is established;the measurement model is rewritten into the first-order linear product form between the current state and each latent variable; latent variables are solved by Kalman filter step by step, and a stepwise linearized high-order extended Kalman filter is designed. Illustration examples are presented to demonstrate the effectiveness of the new algorithm.     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

稳定分布噪声下基于高斯近似粒子滤波的干扰源定位算法

民航地空通信受到无线电干扰会严重危及民航飞机的正常飞行,本文在深入研究利用接收飞机散射信号的多普勒频移信息定位地面干扰源方法的基础上,提出基于高斯近似粒子滤波（GAPF）的定位算法。本文的主要贡献可以总结为:第一,对多普勒频移与干扰源坐标之间非线性关系进行深入研究,构建状态方程及观测方程。第二,考虑更能准确描述散射信道模型的对称alpha稳定分布(SaS)噪声作为叠加的背景噪声,并提出 噪声下的高斯近似粒子滤波算法。计算机仿真实验表明,与扩展卡尔曼滤波（EKF）及无迹卡尔曼滤波（UKF）算法相比,本文算法的估计性能优势明显,并且对SaS噪声具有较强的鲁棒性。      

高动态环境的GPS信号接收及其算法研究

高动态环境存在较大的多普勒频移，这使得普通的GPS接收机在没有惯导辅助的情况下很难可靠工作。为了同时满足高动态GPS接收机动态性能和跟踪误差两方面的需要，本文提供了一种以DSP为核心的高动态GPS接收机设计方案，并对其各模块的功能进行了详细的解释说明。为了帮助DSP的设计，本文还研究了3种适应高动态环境的GPS信号参数估计算法，包括最大似然估计算法，卡尔曼滤波算法和频率扩展卡尔曼滤波算法。通过仿真，比较分析了这3种算法的估计精度和动态跟踪能力等性能。并对高动态GPS中的DSP实用化的设计方案进行了探讨分析。