基于信息融合技术的单站无源定位原理分析与研究

探讨了基于辐射源的信号到达时间(TOA)、到达方向(DOA)及多普勒频率信息,利用单站对机动目标进行无源定位与跟踪的新方法。将融合技术应用于单站无源定位,能更好地解决多参数测量集条件下的单站无源定位跟踪问题,滤波性能更好。通过计算机仿真,验证了该方法的正确性与有效性。     

基于Kalman滤波器的非视距误差抑制算法

针对蜂窝网定位中影响定位精度的非视距传播误差问题,提出一种基于Kalman滤波器的非视距(NLOS)误差抑制算法,将到达时间(TOA)测量值及非视距误差作为Kalman滤波器的状态变量,根据TOA测量值的结构特点和NLOS误差的统计特性,确定Kalman滤波器过程方程的状态转移矩阵。以NLOS误差服从指数分布的情况为例进行仿真,结果表明,该算法在精度估计和算法计算量方面具有明显优势。     

一种应用约束优化理论的TOA定位算法

移动通信、声源探测等领域的应用要求通过分布在不同位置的信号接收站得到的TOA测量值实现对辐射信号源进行定位。针对这个问题,提出了一种应用约束优化理论的基于TOA的定位算法,将由定位方程得到的加权线性最小二乘函数作为目标函数,并选择未知矢量元素之间的关系作为约束条件。仿真实验中将该方法与两步加权最小二乘等方法和CRLB进行比较的结果表明,约束优化理论的应用有效提高了定位精度。     

基于单次反射的井下单基站DOA和TOA定位方法

针对井下巷道单基站定位系统中无线信号受多径效应、非视距传播影响导致定位误差较大的问题,提出了一种基于单次反射的到达方向(DOA)和到达时间(TOA)的联合估计定位方法。该方法利用视距路径和多条单次反射路径的TOA估计值构建以基站原点和单次反射点为焦点的双曲线,利用DOA估计值构建直线,从而建立含有连续位置信息的二元多次估计方程组,通过计算直线与双曲线的交点得到移动目标的精确位置。仿真结果表明,该方法较视距直接定位方法的定位精度有较大提高,且当单次反射路径为3条时即可达到较高的定位精度。     

基于TOA算法的UWB室内定位的定标方法

为了解决到达时间(Time of Arrival, TOA)算法中基站与待定位标签时钟不同步导致定位精度低的问题,基于差分GPS定位技术,提出了一种用于超宽带-到达时间(Ultra Wide Band-TOA,UWB-TOA)室内定位系统的时钟定标方法。在TOA定位算法的基础上,增加一个位置已知、与待定位标签时钟差固定的定标标签,通过定标测试计算待定位标签与定标标签之间固定的时钟差。将该固定时钟差补偿到TOA定位测距中,实现对待定位标签的时钟修正,不仅能提高定位效率还能提高定位精度。在MATLAB中对矩形、叉形、椭圆等轨迹的运动标签在固定时钟差、线性时钟差、非线性时钟差等多种误差下进行定位仿真实验,结果表明所提的时钟定标方法通过补偿提高TOA算法定位精度85%以上,验证了定标方法的正确性和有效性。     

非同步网络中基于TOA的鲁棒非视距目标自定位算法

讨论了非同步无线网络中基于到达时间(Time-of-Arrival, TOA)的非视距(Non-Line of Sight, NLOS)目标自定位问题,为了节省目标源的电池能量,假设目标源不向锚节点发送信号,而是仅接收来自锚节点的信号,这种信号的收发方式,会导致测量模型中存在一些影响问题求解的参数,为消去这些参数,选定一个参考测量值,并用其他测量值减去参考测量值,使用经过转换后的测量数据,构造了一个新的鲁棒最小二乘(Robust Least Square, RLS)问题,其以目标源位置和参考测量值中的NLOS误差作为未知变量,同时对其余测量值中的NLOS误差具有鲁棒性。最后,将RLS问题松弛到易于处理的半正定规划 (Semidefinite Program, SDP)问题以获得稳定的解。仿真结果表明,本文提出方法的均方根误差较现有其他方法在不同场景下有0.5m~ 6m以上的优势。     

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。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

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。     

基于TDOA方法的无线传感器网络运动参数估计方法

采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。     

结合菲涅尔理论的免携带设备定位

针对免携带设备定位DFL( Device Free Localization)精度低，近距离定位目标不易区分等问题，提出了一种结合菲涅尔理论的定位估计方法。该方法首先通过无线层析成像RTI( Radio Tomographic Imaging)原理，粗定位出人体目标位置，其次计算环境参量，划分限制区域，考虑肩宽、头宽等具体人体参数，对限制域中满足菲涅尔理论的位置点进行拟合加权，实现精确定位；在出现近距离目标时，对比人体参数的实验值与理论值，判断是否为多目标。实测数据下的定位仿真结果表明，与传统的RTI方法相比，该方法在定位的准确度上提高了30％，同时实现了近距离目标数目的判决。     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

基于LoRa技术融合RSSI和TOA的户外定位方法

LoRa（Long Range）定位为当今户外定位提供了一种低成本、低功耗的解决方案。为了提高定位的准确性,提出一种基于LoRa技术融合接收信号强度指示 (RSSI) 和信号到达时间 (TOA)的户外定位方法。通过TOA筛选有效的RSSI信息和计算RSSI的统计平均值,基于预先测量样本的方式,构建了一种类高斯分布的每个定位基站对应测距模型,获取待定位设备距离基站的距离和定位基站的位置坐标映射后,通过加权质心定位算法,得到待定位设备的位置坐标。搭建基于SX1280的验证平台,对该方法进行验证。理论分析和实验结果表明,融合RSSI和TOA的定位方法能够有效筛选数据,对比改进前的定位方法定位误差减小了20%,稳定性较高。所提出的LoRa定位算法计算覆盖范围较广,理论上可以覆盖到超过1 km的范围,实验场地最长半径达到了500 m,算法复杂度较小,实时性较好,易于实现,可用于室外定位。     

基于TFDA的有限空间多目标声定位方法

针对有限空间中多途干扰导致多目标声定位方法性能下降的问题,在分析了主动定位和被动定位模型适用性的基础上,提出将基于短时傅里叶变换（STFT）的单频信号强度提取与二次相关结合的方法应用于声发射信号声达时频差（TFDA）的测定,并采用多个全指向电容式麦克风进行声定位实验。首先,对麦克风接收到的声信号进行放大预处理;其次,利用接收到的锚节点扬声器定时循环发射的声信号计算声达时频差;最后,各目标利用混合求解的方法进行自主定位。实验表明该方法能够有效实现有限空间多目标定位,定位均方根误差达到5cm,相对精度达到3%。     

基于遗传算法的多台光电经纬仪优化布站研究

利用部署于不同地点的多台光电经纬仪对飞行目标进行交会测量,可以确定被测目标的空间位置.为提高对被测目标的定位精度,提出了一种基于遗传算法的多台光电经纬仪优化布站方法.首先建立了光电经纬仪交会测量定位优化布站数学模型,然后针对该优化问题对遗传算法进行了设计,最后运用该算法对三台光电经纬仪布站几何进行了优化布站仿真计算,得到了三台光电经纬仪经布站优化后的站点坐标,且仿真结果表明该方法能够明显提高对被测目标的定位精度.     

一种面向室内定位的基站选择优化方法

基于蜂窝网的室内定位由于与通信网络共用基础设施,因此具有覆盖范围广、无需基础设施再投资等突出优点,已成为电信运营商级室内定位的首选,是5G通信领域的研究热点之一。在蜂窝网室内定位场景中,基站的布局将直接影响接收首径的数量、到达时间TOA(Time of Arrivaling)和测量误差等要素,从而影响定位精度。据此,文中提出一种面向室内定位的基站选择优化方法,以减小由于基站布局引入的误差。首先,引入TOA信息去除TDOA定位的虚定位点;其次,针对不同基站选择方案得到的定位结果,利用二次聚类的思想去除孤立点,并根据聚类结果中样本节点数量最多的类确定定位点的位置。实验结果表明,与其他优化方法相比,所提方法的室内定位平均误差降低了15.49%。     

基于FDMA的超声波室内定位信标识别方法

在超声波室内定位的信标识别问题上,针对无线射频控制分配的信道策略复杂性高、定位滞后和基于码分多址(CDMA,code division multiple access)方法的自相关运算量巨大问题,提出基于频分多址(FDMA,frequence division multiple access)的超声波室内定位信标识别方法,令超声波具备信息携带能力.通过对信号调制技术的分析,在超声波频率响应范围内,利用不同频率的载波调制信源身份识别码,接收节点通过解调、匹配区分信号源进行定位.采用Simulink对多路信号传输过程以及调制与解调进行仿真,并用电路仿真发射、识别了编码.结果表明,FDMA方法能有效区分多路信号源互相干扰,准确恢复发射节点身份识别码,大大减少计算量,有利于定位效率的提高.     

Improved binaural sound localization and tracking for unknown time-varying number of speakers

A method based on the generalized cross-correlation (GCC) method weighted by the phase transform (PHAT) has been developed for binaural sound source localization (SSL) and tracking of multiple sound sources. Accurate binaural audition is important for applying inexpensive and widely applicable auditory capabilities to robots and systems. Conventional SSL based on the GCC-PHAT method is degraded by low resolution of the time difference of arrival estimation, by the interference created when the sound waves arrive at a microphone from two directions around the robot head, and by impaired performance when there are multiple speakers. The low-resolution problem is solved by using a maximum-likelihood-based SSL method in the frequency domain. The multipath interference problem is avoided by incorporating a new time delay factor into the GCC-PHAT method with assuming a spherical robot head. The performance when there are multiple speakers was improved by using a multisource speech tracking method consisting of voice activity detection (VAD) and K-means clustering. The standard K-means clustering algorithm was extended to enable tracking of an unknown time-varying number of speakers by adding two additional steps that increase the number of clusters automatically and eliminate clusters containing incorrect direction estimations. Experiments conducted on the SIG-2 humanoid robot show that this method outperforms the conventional SSL method; it reduces localization errors by 18.1° on average and by over 37° in the side directions. It also tracks multiple speakers in real time with tracking errors below 4.35°.