传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

基于正则化约束总体最小二乘的单站DOA-TDOA无源定位算法

针对利用单站外辐射源的目标无源定位问题,该文提出一种联合到达角度和时差信息的正则化约束总体最小二乘(RCTLS)定位算法。首先,将非线性的到达角度和时差的观测方程进行线性化处理,分析了方程系数矩阵可能出现的病态问题,将定位问题建立为RCTLS模型,并采用牛顿迭代方法对模型求解,从而得到目标位置估计。最后,推导了算法的理论误差,并按照均方误差最小的原则推导了正则化参数的最优值。仿真结果表明,算法的定位精度和鲁棒性均优于约束总体最小二乘(CTLS)算法。此外,对系统几何精度因子图的分析表明,目标及外辐射源的位置对定位精度也有影响。     

一种基于最小化广义Rayleigh商的无源定位算法研究

 为改善只测角无源定位的性能,提出了一种基于最小化广义Rayleigh商的无源定位算法.该算法利用扰动观测矩阵和扰动观测向量的乘性结构,将约束总体最小二乘问题转化为最小化广义Rayleigh商问题,从而只需对一对矩阵束进行广义特征值分解即可求得全局最优定位解.仿真结果表明所提算法性能稳健且计算量较小,定位收敛精度逼近克拉美罗限(CRLB),远优于最小二乘(LS)算法和总体最小二乘(TLS)算法,实用性强.     

一种基于球面坐标的无线传感器网络三维定位机制

 节点定位作为无线传感器网络应用支撑技术之一,一直备受学术界和工业界的关注.现有的大多数定位算法针对平面应用而设计,无法满足三维空间应用.针对目前三维空间定位算法的不足,本文提出了一种基于球面坐标的动态定位机制,将定位问题抽象为多元线性方程组求解问题,最终利用克莱姆法则解决多解、无解问题.仿真结果表明,当在100*100*100m³的仿真场景内部署100个传感器节点,通信半径为10m、锚节点密度为10%时,相对定位误差为50.7%.在算法中引入了最小二乘法理论来估算节点位置以及结果过滤策略以减小定位误差,试验结果表明,改进后的算法性能提高了32.2%.     

基于约束总体最小二乘的单站TDOA-FDOA定位算法

针对利用基于外辐射源的单站定位目标问题,提出了一种基于约束总体最小二乘(CTLS)的TDOA-FDOA联合定位算法.首先构建TDOA和FDOA的观测方程,通过引入目标到观测站的距离及其变化率作为冗余参量,将观测方程线性化.然后考虑方程中各项系数的误差及冗余参量与待估参量之间的函数关系,将定位问题建立为CTLS模型,并利用拉格朗日乘数法求解.最后推导了算法的克拉美罗界和理论误差.通过仿真实验证明了算法的有效性.     

基于接收信号强度的WSN概率定位算法

定位对无线传感器网络的应用、操作和管理发挥着至关重要的作用.针对传感器节点的定位,提出了一种基于接收信号强度的概率定位算法.介绍了算法原理及实现过程,讨论了信标节点分布对该算法性能的影响,最后比较了本概率定位算法和最小二乘定位算法在传感器节点定位性能上的优劣.仿真结果表明,信标节点分布对未知节点的定位误差具有较大的影响,本定位算法的性能要优于最小二乘定位算法.     

分布式MIMO雷达的目标定位

针对多输入多输出雷达系统，研究了目标定位问题，并提出基于双基测距的分布式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达的目标定位算法。首先，通过引入多余参数和这些参数与未知目标定位的关系，将目标定位问题转化为约束二次规划(Quadratically Constrained Quadratic Programming, QCQP)问题，然后，考虑到QCQP问题是非凸和NP-Hard，再将每个非凸约束近似为线性约束，最终QCQP问题就转化为线性约束二次规划(Linearly Constrained Quadratic Programming, LCQP)问题。最后，利用迭代约束权重最小二乘(Iterative Constrained Weighted Least Square, ICWLS)算法求解LCQP问题。实验数据表明，提出的ICWLS算法能够收敛于一个最优值。     

基于约束总体最小二乘方法的到达时差到达频差无源定位算法

两步加权最小二乘方法(two-stage WLS)是求解TDOA/FDOA无源定位问题的经典线性方法,但也存在着定位偏差和均方误差对测量噪声的适应能力较差的缺点。该文根据TDOA/FDOA的伪线性定位方程组特点,将其建立为一种带约束条件的约束总体最小二乘(CTLS)模型,并采用拉格朗日乘子法求解带约束条件的CTLS问题,建立了几种最小二乘类定位方法的统一解,从而将约束加权最小二乘(CWLS)定位解和约束最小二乘(CLS)定位解变为该文CTLS定位解的特例。仿真表明,该文方法比两步加权最小二乘方法具有更低的均方误差,并能够有效减小定位偏差,因而具有更好的测量噪声适应能力。     

考虑载机位置误差的CLS多机无源定位算法

多机无源定位中存在载机位置误差却不予考虑时必然会降低目标的定位跟踪精度。为了解决存在载机位置误差情况下的定位问题,提出了一种考虑载机位置误差的约束最小二乘（CLS）多机无源定位算法。该算法对伪线性观测方程中由于测量误差和载机位置误差而导致的增广系数矩阵的误差协方差阵进行约束,并对伪线性观测方程的误差进行约束最小二乘处理,最终转化为对一组矩阵束的广义特征分解问题。仿真结果表明,相对于最小二乘（LS）算法和扩展卡尔曼滤波（EKF）算法,该算法具有更快的收敛速度和较高的定位精度,并且受载机位置误差影响小,在观测噪声比较大时仍能保持良好的定位性能。      

一种基于半定松弛技术的TDOA-FDOA无源定位算法

在运动目标的无源定位场景下,闭式算法在低噪声情况下可以到达克拉美罗下界(CRLB),但是这些算法往往不能适应较大的测量噪声环境。针对目前闭式算法适应大噪声能力较差这一问题,该文联合到达时间差(TDOA)以及到达频率差(FDOA),提出一种基于半定松弛(SDR)技术的无源定位算法。该算法首先构建传统闭式解的伪线性方程,其次利用随机鲁棒最小二乘(SRLS)的思想以及目标参数与额外变量之间的非线性关系,将无源定位问题转化为了具有2次等式约束的最小二乘问题;随后,将半定松弛技术应用到这一问题上,约束最小二乘问题松弛为半定规划(SDP)问题,最后,借助优化工具箱可以有效地对目标参数进行求解。该文所提出的算法不需要初始值先验条件,仿真实验表明了所提算法的有效性。