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。     

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。     

基于残差加权的Taylor级数展开TDOA无线定位算法

针对Taylor级数展开算法进行了改进,用残差加权算法的定位结果作为Taylor算法的初始值进行迭代计算,并利用最小残差代替实际中不易获取的TDOA测量均方误差。仿真结果表明,该算法能有效地抑制非视距传播误差的影响,且性能稳定。