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。     

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。     

物联网中一种低复杂度的参数估计及单站定位算法

针对物联网的节点定位问题,本文提出一种低复杂度的参数估计及单站定位算法,包括一种基于矩阵幂的矩阵束(Power-based Matrix Pencil, PMP)算法与非线性拟合(Non-Linear Fitting, NLF)技术。算法利用联合到达时间(Time of Arrival, TOA) /到达角度(Angle of Arrival, AOA)参数估计进行定位运算,通过单个锚节点的测距信息即可完成定位。该算法首先通过矩阵幂运算近似求解接收矩阵的信号子空间,并基于此近似提出PMP算法估计多径AOA,然后利用OFDM子载波的频率分集特性,通过NLF进行TOA的高分辨率估计,有效降低了计算复杂度。仿真结果表明,该算法的时间开销远低于传统的二维矩阵束算法,并且在高带宽和多阵元情况下具有较好的定位性能。     

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.     

减小NLOS影响的TOA定位估计

基于到达时间（time of arrival，TOA）的简单原理和非视距（non line of sight， NLOS）误差的值总是正的附加延时超量的基本理论特性，最后采用几何坐标求值的算法，提出了一种只考虑NLOS误差的到达时间（TOA）定位方法。计算机仿真结果显示，该方法有效的减小了NLOS误差对定位的影响，提高了定位的精度。     

基于TOA的无线传感器网络自定位技术的研究

提出一种基于TOA(time of arrival)测距、利用节点之间的几何关系实现传感器网络中未知节点自定位的算法．该方法计算量小、算法简单且定位精度高．仿真实验证明了该方法的有效性．     

一种基于ZigBee协议的矿井人员定位技术研究

针对目前矿井无线通信技术存在的不足,详细分析了IEEE802.15.4标准和ZigBee技术,讨论了二者的关系及技术特点,在此基础上,提出了一种基于ZigBee技术的无线传感器网络定位系统.网络采用基于到达时间(time of arrival,TOA)的定位机制,先根据信号的传播时间和传播速度计算出节点间的距离,然后由极大似然估计法(maximum likelihoodestimation,MLE)确定目标节点的位置.系统满足井下通信的要求,安装简单方便,精度高,稳定性好.     

基于虚拟力的无线传感器与执行器网络测距定位算法

针对无线传感器与执行器网络(WSAN)的传感器节点定位问题,提出了一种基于虚拟力的无线传感器与执行器网络测距定位算法,使用移动的执行器节点替代传统无线传感器网络(WSN)定位算法中的锚节点,并将虚拟力模型引入基于信号到达时间(TOA)的定位算法。该算法在利用虚拟力驱动执行器节点逼近提出定位请求的传感器节点的同时,根据信号传输时间计算节点间的距离完成节点定位。仿真结果表明,提出的定位算法使得节点定位成功率提高20%左右,平均定位时间以及定位开销均小于传统TOA算法,适用于实时性要求高、执行器节点数量较少的场合。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。