基于约束总体最小二乘的泰勒级数定位算法

目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range-Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range-Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS-Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS-Taylor算法不仅能够获得与QCLS-Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS-Taylor算法的定位精度更高。     

基于TDOA的空间定位算法

随着第三代(3G)移动通信的发展和美国E911规定的颁布,蜂窝网络移动台(MS)无线定位技术得到了越来越广泛的注视.该服务能够提供有关移动台位置的信息,因此在很多领域有着重要的应用.提出了一种基于到达时间差(TDOA)的三维定位算法.其主要思想是用一新变量代替定位估计中的二次项,把非线性估计转化为两次WLS(加权最小二乘)线性估计.此算法结构简单,计算量较小.通过模拟仿真,结果证明了该算法的有效性.     

Chan定位算法在三维空间定位中的应用

对基于TOA/TDOA无线定位算法进行了研究和比较,分析了基于TOA的精确测距技术.针对现有的定位算法通常是二维形式的问题,在Chinl定位算法基础上推导了Chan算法的三维形式,提出了一种基于TOA的三维空间定位算法.算法的主要思想足两次使用加权最小二乘法(WLS)得到初始解,利用初始解将非线性定位方程组线性化,最终得到位置估计.仿真结果表明该算法结构简单,精度较高,有较强的理论参考价值.     

非视距环境下基于到达时间差的一种定位算法

由于对无线定位日益增长的业务需求,无线定位近些年成为人们关注的焦点.针对实际环境中TDOA测量值时常受到非视距的影响而造成定位精度显著下降的问题,在Chan算法基础上,提出一种减小非视距影响的算法,该算法采用加入校正因子的方法,通过逐步迭代,以增加较小的运算量为代价减小非视距的影响,从而达到提高定位精度的目的.仿真表明,在各种环境下,特别是非视距环境下,该算法能够显著提高定位的精度,且运算量较小,因而具有一定的实用意义.     

TDOA/AOA数据融合定位算法

基于非视距传播（NLOS）环境下的几何结构单次反射统计信道模型,提出了到达时间差/电波到达角（TDOA/AOA）数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台（MS）位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在NLOS环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

多个TDMA目标联合时差测距与定位算法

根据TDMA系统时间同步特征,利用多个目标时隙信号的时间关系,提出一种两目标联合时差测距算法和多目标加权最小二乘测距算法,并实现多个目标的定位。该算法能够消除传统时差定位算法中的模糊和无解情况,由于利用所有目标的时差信息对目标进行定位,在多目标情况下提高了目标定位的精度。仿真结果验证了算法的有效性。     

基于飞行理论萤火虫算法的TDOA与GROA定位机制

节点定位是无线传感器网络中最为关键的一项技术。针对无源定位的问题,提出一种到达时间差(TDOA)和到达信号增益比(GROA)联合定位算法,并且采用飞行机制的萤火虫算法(GSO)来求得最终结果。结合TDOA和GROA定位模型,引入辅助变量将方程伪线性化,然后采用修正两步加权最小二乘算法(TSWLS)来进行求解。并且在不影响收敛速度和精度的前提下,采用带有飞行机制的GSO算法来寻求目标定位的最优解,克服粒子群算法易陷入局部最优的缺点。仿真结果表明,该算法相比较TDOA算法而言,定位精度提高了23 dB,并且具有相对较高和较稳定的定位精度。     

基于RBF神经网络的泰勒级数展开定位算法

泰勒序列展开定位算法在视距（LOS）环境下有着较好的定位精度,但是在非视距（NLOS）环境下,泰勒序列展开定位算法的定位精度大大下降。为了减小NLOS传播的影响,提出了基于RBF神经网络的泰勒序列展开定位算法。利用神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正,再利用泰勒序列展开定位算法进行定位。仿真结果表明,该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于泰勒序列展开定位算法、Chan算法和LS算法。     

类GPS超声定位系统中几种定位算法比较

针对常规超声波局部定位系统的缺陷,介绍了类GPS超声定位系统及其工作原理.在获得定位物体与观测基站的估计距离后,详细推导了Gauss-Newton迭代定位算法.针对常规Gauss-Newton迭代定位算法不易于在DSP(Digital Signal Processor,数字信号处理器)中实现的缺点,介绍了三种定位算法:改变目标函数的Gauss-Newton迭代定位算法、相交圆弦线方法和最小二乘估计算法.仿真研究表明,在相同的观测误差和定位基站的情况下,改进的和常规的Gauss-Newton迭代算法的定位精度相当,而相交圆弦线方法和最小二乘估计方法的定位精度较低,但后两种方法计算量小,不涉及开方和迭代运算,从而更易在DSP中实现.     

一种基于LEACH协议高效节能的数据融合算法

针对无线传感器网络LEACH协议中簇首节点传输数据的冗余,使通信量过大,导致整个网络寿命短的问题,考虑到不同属性数据存在线性相关性,通过引入云理论和最小二乘的思想,提出了一种云加权—最小二乘（ CW-LS）数据融合算法。仿真结果和分析表明：该算法能够消除冗余信息,使数据更加准确,减少了数据传输量,从而有效地延长了网络寿命。     

基于TDOA改进的矿山井下机车定位方法

为提高矿山井下机车的定位精度,提出了一种基于到达时间差（Time Difference of Arrival,TDOA）改进的矿山井下机车定位方法。采用超声波和无线电传播时间差实现测距,分析了测距技术在井下运用时产生的误差,并对误差进行补偿。为了修正机车定位过程中产生的位移误差,把位移误差化简为机车到节点的距离误差。通过规律性地布置节点和惯性导航技术,计算出位移后机车到节点的距离。使用最小二乘法估计出机车的初始位置坐标,并通过泰勒级数最小二乘法修正坐标实现定位,定位精度可达12 cm。相比于传统的定位算法,该方法增加了定位精度,且在机车不同速度下,保持了较为稳定的定位精度。     

基于似然方程校正的时差定位算法

针对传统时差定位闭式解法在量测噪声较大情况下定位性能不佳的缺点,提出了一种新的时差定位算法。该算法首先在无约束条件下利用加权最小二乘得到目标的初始位置估计值,然后利用最大似然方程对初始位置估计值进行校正,校正后的位置估计值将更加接近最大似然估计。通过对算法的仿真分析,结果表明在量测噪声较大的情况下,算法的定位均方误差要小于经典的Chan算法。     

基于Elman神经网络的TDOA定位算法

针对Chan定位算法在非视距(NLOS)环境下定位性能差的缺点,提出一种基于Elman神经网络的Chan定位算法,利用Elman神经网络的动态递归特性以及强大的非线性映射逼近能力,对NLOS误差进行修正,再利用Chan算法定位。仿真结果表明,在NLOS误差较大的环境下该算法仍具有良好的定位精度,性能优于Chan算法和泰勒级数展开法。     

基于免疫算法的TDOA定位技术研究

为了解决TDOA定位估计中遇到的非线性最优化问题，提出了一种联合使用Chan算法和免疫算法的混合定位算法．针对TDOA方式进行最佳坐标搜索的问题，所设计的基于浮点数编码的免疫算法利用混沌方程产生初始种群、改进了免疫算子，提高了算法的收敛速度和性能．仿真结果表明，在保证种群数量的情况下，该算法性能稳定，能找到逼近全局最优点的解，相对于Chan算法精度更高，相对于遗传算法在保证收敛性能的前提下有更快的收敛速度．     

非视距环境下改进的到达时间差定位算法

经典的定位算法都是基于无线环境为视距环境（LOS）,但在实际信道环境中,由于存在反射、折射等从而导致传播环境为非视距的情况,因此经典定位算法应用于实际信道环境中必然会导致较大的定位误差。提出一种消除非视距影响的TDOA算法,本算法采用校正因子的方法,通过逐步的迭代,从而消除非视距的影响,仿真表明,在非视距环境下,该算法的确比常规算法能够提高定位精度,且运算量较小。     

基于TDOA定位算法的模糊解消除方法

本文提出了一种消除TDOA定位算法模糊解的方法--循环主站法。该方法可以大大减少因为定位的模糊性、得不到合理解而重新进行定位测量的次数,这有利于节约系统资源,提高定位效率。仿真实验证明了该方法的有效性。     

时差定位的传感器位置分布研究

提高目标的定位精度一直以来都是无源定位关注的主要问题,通过分析目标位置误差的Fisher信息矩阵以及对应的Cramer-Rao下界与传感器位置及数量的关系,得到使定位误差最小的传感器分布情况.给出了目标距离较远时,在二维及三维定位中基于时差定位方法的传感器最佳分布.     

水下基于层级的约束加权最小二乘时差定位

针对距离无关定位算法与距离相关定位算法中定位精度的问题,分析了误差对定位性能的影响及影响误差的因素,在最小二乘定位算法的基础上,提出了一种基于层级结构的约束加权最小二乘时差定位算法。该算法利用AUV( Autonomous Underwater Vehicle)对水下节点进行分层,使得具有层级和深度信息的信标节点升降至未知节点所在平面,从而将三维定位转换为二维定位,降低了算法的复杂度,同时避免了距离未知节点较远的信标节点对定位的影响,提高了测距精度,使定位误差进一步降低。仿真结果表明,该算法在位置误差较小的情况下,可以明显地提高定位精度。