蜂窝网无线定位技术在铁路场景下的应用

针对蜂窝网络定位技术定位精度不高和在铁路实际中难以应用的缺点,提出一种新的列车定位方法.方法的核心是将速度传感器和蜂窝网的定位参数处理为若干列车可能的位置区域,并计算区域中列车位置出现的概率,以所有位置中出现概率最大为优化目标,建立列车定位的误差优化模型.在此基础上进一步引入遗传粒子群优化算法对模型进行求解,并用Matlab仿真.仿真结果表明:在复杂的铁路环境中,该定位方法对不同来源的误差有很好的吸收作用,是一种有效的定位方法.     

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。。     

非视距传播环境下对移动用户定位的AOA方法

非视距传播问题是移动定位中的一个关键问题．基于几何结构的单次反射统计信道模型，提出了一种减小非视距传播影响的AOA定位方法．该方法一方面利用所有的参数信息进行定位，使有限的资源得到充分利用，另一方面采用不等式约束减小移动台的可行区域，二者结合以提高非视距传播环境下的定位精度．仿真结果证明了该方法的有效性．     

基于空间谱的多天线盲频谱感知算法

现有的频谱感知算法主要在时间、频率以及地理空间维度进行检测,对角度维的利用尚不成熟。将多天线技术中的到达角（AOA, angle of arrival）估计算法应用到频谱感知领域,提出了2种基于空间谱的盲频谱感知算法,分别为最大—最小延迟相加谱值比检测和平均—最小延迟相加谱值比检测。利用空域匹配滤波的优势,新算法在低信噪比下得到了较高的检测概率,同时为角度维的频谱接入提供了AOA信息,从而提高了频谱利用率。此外,运用随机矩阵理论,推导了检测阈值和检测概率的理论值。仿真结果表明,在Nakagami-m信道下,提出的算法具有比现有盲感知算法更优的检测性能。     

AOA双二阶电流模式滤波器Q增强与ω_o减弱现象分析

为获得高频率、高精度双二阶电流模式滤波器,根据实际AOA的开环频率特性,先分析了AOA实际电路模块的频率特性,给出了双二阶电流模式滤波器的特征方程,在一级近似条件下求出了该滤波器极点频率和品质因素的计算式,指出了该滤波器特有的"Q增强"和"ωo"减弱现象。最后通过无源补偿和频率预失真技术,消除了"Q增强"和"ωo"减弱现象。计算机仿真表明理论分析正确。     

在非视距传播环境下无线定位的AOA算法

非视距传播(NLOS)是蜂窝无线定位的一个关键的问题,要提高无线定位的精度,必须有效减小非视距传播的影响.基于一种适合对各种定位算法进行分析的基于几何结构的单次反射统计信道模型(GBSB),提出一种减小非视距传播影响的AOA定位算法,该算法利用临近基站与移动台构成的三角函数关系和波达方向的最大角度扩展作为优化的约束条件,将基于波达方向(AOA)的无线定位问题转化为有约束的最优化问题,从而提高了无线定位的精度.仿真结果证明了该算法的有效性.     

TDOA定位技术的基本原理和算法

重点研究基于时间测量值的蜂窝无线定位算法。在分析现有无线定位技术和定位算法的基础上,本文选择了以到达时间差(TDOA)定位算法为研究重点。首先,介绍了两种比较典型的TDOA定位算法:CHAN算法和Taylor级数展开法。并在多种信道环境下对这两种基本定位算法进行了仿真比较。为了详细评价这两种算法的定位性能,本文在理想的信道环境和典型的实际信道模型(COST259和T1P1)下,研究了多种对算法定位性具有影响作用的参数,其中包括:蜂窝小区大小、参与定位基站的个数、测量设备的误差、信道中的NLOS误差等。     

基于AOA协议实现Android设备的USB通信

AOA协议是Google公司推出的用于实现Android设备与外围设备之间USB通信的协议。该协议拓展了Android设备USB接口的功能,为基于Android系统的智能设备应用于数据采集和设备控制领域提供了条件。介绍了Android系统下USB通信的两种模式,并给出了USB配件模式下基于AOA协议实现Android手机控制步进电机的实例。     

一种抑制非视距传播误差的混合定位算法

为减小蜂窝网定位中影响定位精度的非视距(NLOS)传播误差,提出一种基于两步卡尔曼滤波到达时间差/到达角度的混合定位算法.利用卡尔曼滤波器的估计值计算非视距数据的方差,调节卡尔曼滤波器的参数,减小测量值的NLOS误差,并将经过预处理的测量值输入到扩展卡尔曼滤波器,实现混合定位.实验结果表明,该算法能有效消除NLOS误差,与Chan算法相比,其定位精度更高.     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。