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RBF神经网络的AOA定位算法

基于几何结构的单次反射统计信道模型,提出了基于RBF神经网络的AOA定位算法。应用RBF神经网络对非视距传播（NLOS）误差进行修正,然后利用最小二乘（LS）算法进行定位。仿真结果表明：该算法减小了NLOS传播的影响,提高了系统的定位精度,性能优于LS算法。     

混合定位算法在复杂室内环境下的应用研究

针对复杂室内环境下视距（line of sight,LOS）和非视距（not line of sight,NLOS）并存的三维混合定位技术进行了研究。在 LOS 环境下,基于到达时间差（time difference of arrival,TDOA）定位算法优于其他定位技术;但受到室内环境尤其是 NLOS 环境下的多径效应,TDOA 定位的精准度大大减弱。若能够正确评估传播衰减系数以此补偿多径效应带来的影响,那么基于接收信号强度（received signal strength,RSS）定位算法受到 NLOS 多径效应的影响将大大减小。提出了三维混合加权最小二乘（hybrid weighted least square,HWLS）RSS ／TDOA 算法,通过使用 Nakagami-m 分布鉴定当前信道是 LOS ／NLOS 路径,用于室内环境下的目标定位,并通过实验验证该算法提高了定位精度。     

TDOA/AOA数据融合算法在铁路场景下的定位应用

在铁路场景下,基于通信的无线网络定位技术中的定位误差主要来自系统测量误差,且参与定位的基站数目有限。文中结合TDOA算法和AOA算法中系统测量误差在定位误差中影响的互异特性,并利用铁轨路径方程,采用TDOA/AOA数据融合算法,有效地减小了系统测量误差带来的定位影响,提高了定位精度。在仿真实验中,用定位均方根误差作为评价指标,对TDOA算法、AOA算法和TDOA/AOA数据融合算法分别在不同条件下进行仿真分析。结果表明,在铁路场景下,本算法的定位均方根误差要小于TDOA算法和AOA算法,即该数据融合算法具有更好的定位性能。     

基于RBF神经网络的TDOA/AOA定位算法

为了减小NLOS传播的影响,提出基于RBF网络的TDOA/AOA算法。利用RBF神经网络对NLOS传播的误差进行修正,使用TDOA/AOA算法进行定位。仿真结果表明该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于TDOA/AOA算法、Taylor算法、Chan算法和最小二乘(LS)算法。     

基于超宽带技术的TDOA室内三维定位算法研究

在室内环境下对目标进行无线定位时,由于障碍物的遮挡而造成的非视距（NLOS）误差对定位精度产生了很大的影响。针对此问题,对利用超宽带（UWB）技术测量得到的到达时间差（TDOA）数据进行残差分析,首先鉴别测得的数据中是否存在NLOS误差,然后针对存在NLOS误差的情况,提出将Fang算法得到的定位结果作为泰勒级数展开法的初始定位值,组成Fang-Taylor级数联合算法来计算NLOS情况下的定位结果。而对于视距（LOS）情况下测得的数据,仍采用单一的Fang算法进行计算。仿真对比实验表明,Fang-Taylor级数联合算法有效地提高了室内NLOS环境下目标的定位精度。     

基于RSS二次曲线拟合的AOA定位算法*

许多无线定位应用通过旋转方向天线推测无线信号的到达角度(Angle Of Arrival,AOA)。但该类方法在稀疏抽样和复杂环境中的定位精度不高,方向天线波瓣曲线的还原实验表明,最大接受信号强度(Received Signal Strength,RSS)附近的波瓣曲线与二次曲线近似。根据这一事实,本文提出了一种基于RSS二次曲线拟合的AOA定位算法。该算法利用最大RSS附近的数据拟合出二次曲线方程,通过曲线方程的最值点估测AOA。实验结果表明：该算法能够在稀疏抽样和复杂环境中保持良好的定位精度;真实环境实验的平均角度和定位误差分别为2.5?和0.28m;相比RAL定位算法,其角度与定位精度均提高了70%。     

基于接收信号强度的非视距检测与修正算法

为了减少非视距（NLOS）误差对基于到达时间（TOA）的无线定位系统性能的影响,本文提出一种采用接收信号强度（RSS）与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检测并修正。在视距（LOS）传播的TOA与RSS之间关系已知的前提下,利用定位基站得到的TOA与RSS测量值,计算TOA测量值中含有NLOS误差的可能性,并利用该可能性对TOA测量值进行修正。该方法在不增加通信次数的情况下,大大提高了定位精度。本文最后在一个无线定位系统上实现了该算法,并进行了对比实验。实验结果表明,该算法不需对多次定位结果进行统计,即可有效降低NLOS误差对系统性能的影响,适用于对功耗要求苛刻的场合。     

NLOS环境下多传感器融合的室内定位方法

为提高超宽带(ultra-wideband, UWB)技术在非视距(non line of sight, NLOS)环境下的定位精度,提出一种基于粒子滤波融合视觉与UWB数据的定位方法。视觉模块通过识别与检测标签推算出绝对位姿;UWB模块鉴别由NLOS条件干扰的测距值,筛选最优测距值进行自适应权重的定位算法,提升覆盖区域的整体定位精度;基于粒子滤波将两者的实时定位信息进行数据融合。实验结果表明,融合定位方法具有实时性和鲁棒性,有效抑制了NLOS环境引起的误差,在NLOS环境下定位精度能够达到0.26 m。     

基于贝叶斯推理的TDOA/AOA定位算法

在视距(LOS)环境下,到达时间差(TDOA)和电波到达角(AOA)定位技术可以获得较高的精度,而在非视距(NLOS)环境下,无法得到良好的定位效果.在非理想信道环境下,蜂窝基站和移动终端之间存在多径传输和NLOS传播的问题,这些因素均会影响定位精度.构建LOS和NLOS传播条件下的实际信道环境模型来研究信号的测量误差特性,利用贝叶斯推理的方法对AOA测量值进行估计,从而有效消除附加噪声的干扰.仿真结果表明,在NLOS环境下,该算法的定位性能优于单纯的TDOA和TDOA/AOA算法.     

基于RBF神经网络的泰勒级数展开定位算法

泰勒序列展开定位算法在视距（LOS）环境下有着较好的定位精度,但是在非视距（NLOS）环境下,泰勒序列展开定位算法的定位精度大大下降。为了减小NLOS传播的影响,提出了基于RBF神经网络的泰勒序列展开定位算法。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,对NLOS传播的误差进行修正,再利用泰勒序列展开定位算法进行定位。仿真结果表明,该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于泰勒序列展开定位算法、Chan算法和LS算法。     

一种用于LTE终端的粒子群加权重构定位算法

为解决LTE终端在NLOS环境下定位精度较低的问题,通过加权重构定位矩阵并引入残差,将其转化为权值寻优的问题,再利用改进型粒子群算法进行权值寻优,以消除NLOS噪声带来的误差。该方案由于采用了线性改变惯性权重的方式,能有效提升寻优的效率;同时,通过逐代保存重构权值可逐步消除NLOS误差,进而提升定位的精度。仿真结果表明,相对于chan算法和改进型taylor算法,该算法能快速逼近最优解,在不同NLOS环境下定位误差减少量超过13%。     

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。     

无线传感网络节点非视距定位方法的改进

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析基于位置残差检测的非视距误差抑制技术的基础上,提出了基于近似最大似然估计技术和残差检测技术的非视距定位算法。算法通过逐步减少视距信号个数的组合方式,在每一步选取残差最小的组合,利用改进的距离残差定位方法进行节点定位。通过理论分析与仿真比较,均表明改进算法的性能接近于PRT算法的性能,但能大大降低PRT算法的计算复杂度,验证了改进方法的优越性。     

椭球约束下减小三维定位中的非视距误差

采用精度较高的TOA测距方法对位于三维表面的节点进行定位时,非视距传播现象会造成测距值出现较大的正向误差。针对非视距误差提出一种判别算法,对参与定位的锚节点进行筛选,剔除掉非视距误差较大的锚节点,再用残差加权算法进行最终的位置估计。与最小二乘法和残差加权法相比,能够有效地减小非视距误差的影响,具有更高的定位精度。     

无线传感器网络节点的非视距定位方案研究

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析非视距误差抑制技术的基础上,提出了一种新的残差加权定位算法。算法通过逐步减少距离测量值个数的组合方式,在每一步选取残差最小的组合,再用加权平均的方法,并利用改进的最小二乘法计算节点临时坐标。仿真结果表明,算法具有较高的定位精度,在不同的非视距误差下表现稳定。     

基于圆盘散射模型的无线传感网定位方法研究

在非视距传播（NLOS）环境下,基于圆盘散射模型来构造和引入NLOS误差符合实际的多径通信场景。利用已知锚传感器节点测量得到的电波到达时间和电波到达角等信息对未知节点位置进行定位估计。将圆盘散射模型细化为两种建模,即以未知节点为中心的散射体圆盘模型和以锚节点为中心的散射体圆盘模型,对各模型有针对性的提出定位思路和方法。进行计算机仿真,实验结果表明所提出的定位方法较传统的多种定位法具有更小的定位误差,定位精度较高。同时所提出的定位法不受圆盘散射半径的增大对定位误差的恶化影响,鲁棒性较好,适用面广。     

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。