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。     

基于RBF神经网络的TDOA/AOA定位算法

为了减小NLOS传播的影响,提出基于RBF网络的TDOA/AOA算法。利用RBF神经网络对NLOS传播的误差进行修正,使用TDOA/AOA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TDOA/AOA算法、Taylor算法、Chan算法和最小二乘(LS)算法。     

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.     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。     

基于MPS的移动台混合定位方法

移动通信系统中,针对移动台的定位精度问题,提出基于MPS的混合定位方法.该方法引入一个专门处理目标用户地理位置信息的辅助系统,该系统不仅收集来自GPS的关于目标用户的位置信息,同时收集来自基站的位置信息.对信息加工整理后,再把最终的定位结果提交给用户.通过改进的Chan算法,有效降低了NLOS传播的误差影响.该方法兼顾了GPS的高精度和TDOA快速定位的优点,Matlab的仿真结果表明,该定位方法能够提高Chan算法在NLOS影响下的定位精度.     

基于小波去噪的室内超宽带定位算法

针对室内复杂环境所引起的NLOS误差,提出了一种利用小波良好抑制噪声特性的室内定位优化算法,选定IEEE 802.15.4a模型为超宽带室内无线定位的普适模型,在室内传统定位算法基础上利用小波去噪消除NLOS误差,从而改进优化了到达时间差定位算法(TDOA)。仿真结果表明,该算法较Chan算法和LS算法定位精度高,具有可行性。     

基于WLAN的移动终端无线定位研究

以IEEE802．11b为例介绍了WEAN的技术特点,探讨了基于WLAN的移动终端无线定位技术的原理。提出在WLAN中使用TDOA定位方法的Chan算法对移动终端进行位置估计。然后对位置估计结果使用残差加权算法进行NLOS误差抑制。提出了一种抑制多个NLOS误差的残差加权算法,通过仿真对比证明了该算法对多个NLOS误差具有更好的整体抑制效果。     

基于TDOA残差的NLOS误差抑制算法

在基于时间定位的方法中,非视距传播(NLOS)是影响定位精度的一个的基础上,利用残差与待定目标估计位置之间的关系,给出了残差加权算法.研究了当NLOS为确定性和随机性误差两种情况下残差加权算法的性能,并与其他4种算法进行了比较.仿真结果表明,该算法在不同场合和环境下都能有效地抑制NLOS误差,而且无需信道关于LOS-NLOS的统计模型和先验信息,定位精度明显提高.     

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.     

一种基于Taylor和Kalman的室内协同定位方法

结合Chan算法、Taylor算法及Kalman算法三种TDOA算法的优点,提出一种能应用于室内实时定位的协同方法。首先基于Chan与Taylor的协同定位方法估算位置信息,并通过对估计结果的残差设置阈值来鉴别NLOS,从而抛弃受到NLOS污染严重的测量数据。其次,再对符合条件的测量数据,利用Kalman方法计算定位结果,与Taylor方法的定位结果通过设置判别条件进行比较,以此进一步抑制NLOS干扰。对符合判别条件的定位结果,进行残差加权及移动平均加权处理,从而完成最终定位结果的更新。最后,利用室内实时定位实验,证明该方法能有效过滤受到NLOS污染严重的测距数据,提高定位精度,并且具有良好的稳定性。     

基于Chan和Taylor的TDOA协同定位算法研究

在无线电定位技术中,Chan算法的计算量小,在噪声服从高斯分布的环境下,定位精度高,但在非视距环境下定位精度下降。Taylor算法的精度高和顽健性强,但它对初始值有很强的依赖性。在此基础上,提出一种协同的定位算法:将Chan算法和Taylor算法有机结合,扬长避短,既继承了Chan算法计算量小的特点,又具备了Taylor算法的精确性和顽健性。仿真结果表明,协同定位算法能有效地抑制非视距传播中恶劣信道环境的影响,且性能稳定。     

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。     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。