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。     

一种减小NLOS影响的TOA定位算法

在基于蜂窝网的无线定位系统中,NLOS(非视距传播)总是对TOA(波达时间)测量距离造成较大的正偏差,严重影响了定位精度。卡尔曼滤波用来处理基于TOA的距离测量数据,平滑了总体误差,但效果依然不够理想。本文通过修正滤波值和多次滤波,能有效减小TOA误差,改善定位效果。仿真结果表明,该算法能取得很好的定位精度。     

基于时间测距的矿井人员定位方法研究

研究了4种基于时间测距的矿井人员定位方法:TOA、TWR、SDS-TWR和TDOA定位方法,它们受巷道环境等影响小,适用于煤矿井下人员精确定位。TOA定位方法要求发射设备和接收设备的时间必须严格准确同步,对发射设备和接收设备时钟精度要求非常高,并且要同步校准,定位卡和定位分站成本高。TWR定位方法不要求信号发射设备与接收设备时钟严格同步,降低了系统复杂度和成本,但定位精度受定位分站和定位卡的时钟误差影响,定位卡和定位分站成本较高。SDS-TWR定位方法不要求信号发射设备与接收设备时钟严格同步,降低了分站和定位卡的时钟误差对定位精度的影响,但定位精度仍受定位分站和定位卡的时钟误差影响,定位卡和定位分站成本较高。TDOA定位方法要求定位分站之间的时间必须严格准确同步,对定位分站时钟精度要求高,并且要同步校准,定位卡成本低,定位分站成本高。     

蜂窝网中的chan定位算法的性能分析

对蜂窝网中基于到达时间(TOA)/到达时间差(TDOA)的定位算法进行了分析和研究,重点介绍了Ghan定位算法在二维空间的应用.通过均方根误差(RMSE)与克拉美-罗(CRLB)下界的比较,分析了理想环境中Chan定位算法的性能.还通过实际测量,采用TOA双程测距方式得到TOA测量值,对Chan定位算法在实际测量中的性能进行了验证.实验仿真以及实际验证的结果表明算法在理想环境和实际测量中容易实现,而且定位精度相对较高.     

基于小波分析的TOA/AOA混合定位算法

小波分析对信号信噪分离和提取弱信号上有着良好的效果,提出一种小波分析在定位算法中的应用。首先使用小波变换对NLOS(非视距)环境下TOA(到达时间)/AOA(到达角)测量值进行去噪,对处理后的数据再使用LS(最小二乘)算法进行定位。仿真结果表明,该算法相比于神经网络算法收敛速度快,定位精度高,可靠性好,具有可行性。     

基于TOA的指纹定位系统

利用无线传感器网络建立低成本、高精度的实时定位系统,是当今的研究热点之一。通过多组实验数据对比,提出了＂当前的无线芯片不适用于基于RSS技术的指纹定位技术＂的观点,并在此基础上引入TOA（Time of Arrive）技术,设计并实现了基于TOA的指纹定位系统。该系统利用了当前的基于RSS的指纹定位系统,将TOA获得的测量距离值作为参考信号,利用无线信号的连续性改进了定位精度。实验数据表明,该系统在复杂的环境下达到了一定的精度,有一定的实用意义。     

基于接收信号强度的非视距检测与修正算法

为了减少非视距（NLOS）误差对基于到达时间（TOA）的无线定位系统性能的影响,本文提出一种采用接收信号强度（RSS）与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检测并修正。在视距（LOS）传播的TOA与RSS之间关系已知的前提下,利用定位基站得到的TOA与RSS测量值,计算TOA测量值中含有NLOS误差的可能性,并利用该可能性对TOA测量值进行修正。该方法在不增加通信次数的情况下,大大提高了定位精度。本文最后在一个无线定位系统上实现了该算法,并进行了对比实验。实验结果表明,该算法不需对多次定位结果进行统计,即可有效降低NLOS误差对系统性能的影响,适用于对功耗要求苛刻的场合。     

基于Matrix Pencil的OFDM信号的TOA/AOA定位

为提高估计精度,提出一种基于低复杂度的矩阵束方法(MPM)的OFDM信号超分辨率TOA/AOA二维定位方法.首先,对信道频率响应(CFR)采用MPM方法进行时延估计,得出首径(FAP)时延,即OFDM信号的TOA估计;然后,对天线接收信号的频域阵列信号使用同样的算法进行AOA/DOA估计;最后,联合TOA、AOA估计结果在二维平面内确定目标的位置.由于载波间的相关性和相干多径的影响,使AOA估计的RMSE偏差比TOA估计大,所以对TOA估计过程中的各径幅值,设置权值对非首径的幅值进行抑制,减少对后续首径AOA估计的影响.利用OFDM信号进行仿真,其结果表明,非首径幅值抑制方法能明显提高AOA估计精度和无偏性,使整体定位误差明显改善,满足单基站或接入点室内定位的需要.     

基于UWB室内定位系统应用与研究

通过分析当前常用室内定位技术和实施优缺点,引入UWB(Ultra Wide Band,超宽带)定位模块,分析了UWB室内定位系统的原理以及设备上的实现方案,从定位精度和定位动态性能两方面进行关键性技术研究,改进了基于单一方法的定位技术。针对定位精度问题,根据人体下肢运动过程中的对称性特点改进现有的行人航迹推算算法。针对定位动态性能问题,引入惯性导航定位模块,将改进的PDR算法与UWB定位方法进行融合,通过实验测量说明,使用TOA跟踪算法响应速度较快,设计的UWB室内定位系统具有小于5cm的室内定位精度,重复精度小于1cm。     

认知定位系统的自适应精度研究

为了能够实现定位精度的自适应,本文分析了认知无线电定位系统(cognitive positioning systems,CPS)的原理。该系统利用频谱及环境感知等模块中的传感器单元来获取所需的定位参数,并将其与到达时间(time of arrival,TOA)定位估计算法相结合,以克拉美罗下界(Cramer-Rao lower bound,CRLB)为准则分析最大似然(maximum likelihood,ML)定位精度自适应算法。本文还对单径和多径环境条件下定位精度自适应性能进行了比较。仿真结果表明,该算法能够实现定位精度的自适应,并能通过改善系统可用的频带带宽、分散频谱的数目、信号的调制方式等因素来提高定位精度。     

NR在60GHz定位过程的隐藏节点规避方法

60GHz非授权频段因其波长短、频段宽的无线传播特性可实现更高的定位信号测量精度,因此5G NR-U设备基于60GHz频段进行高精度定位倍受关注;但是由于5G网络是多网异构共存的,存在众多不同无线接入技术（RAT,radio access technology）的设备,潜在的隐藏节点多,即使5G NR-U设备采用先听后说（LBT,listen before talk）方式接入60GHz无线信道,仍无法有效规避隐藏节点,有时会严重干扰定位信号传输而影响定位性能;针对以上隐藏节点问题,文中提出对定位信号资源集中的多个定位信号资源分别配置不同的空间关系,接收端根据定位信号的测量结果实时动态调整其空间关系,尽可能多地规避潜在的隐藏节点;仿真验证结果表明所提方法可将定位信号的测量精度提升了约27%,显著降低定位误差。     

基于自适应脉冲间隔的火控雷达目标跟踪技术

为了能在提高雷达生存能力的同时,保持雷达的跟踪能力,提出一种基于自适应脉冲间隔的目标跟踪技术。给出火控雷达的信号模型及其改进的时域信号,分析基于匀加速运动模型的扩展卡尔曼滤波算法,研究脉冲间隔的自适应变化规律及信号的截获概率。仿真结果表明,该技术能准确跟踪目标,延长信号截获时间,从而降低侦察系统对火控雷达的截获概率。     

基于隐马尔可夫模型的语音激活检测算法

针对现有基于隐马尔可夫模型（HMM）的语音激活检测（VAD）算法对噪声的跟踪性能不佳的问题,提出采用Baum-Welch算法对具有不同特性的噪声进行训练,并生成相应噪声模型,建立噪声库的方法。在语音激活检测时,根据待测语音背景噪声的不同,动态地匹配噪声库中的噪声模型;同时,为了适应语音信号的实时处理,降低了语音参数提取的复杂度,并对判决阈值提出改进,以保证语音信号帧间的相关性。在不同噪声环境下对改进算法进行性能测试并与自适应多速率编码（AMR）标准、国际电信联盟电信标准分局（ITU-T）的G.729B标准比较,测试结果表明,改进算法在实时语音信号处理中能够有效提高检测的准确率及噪声跟踪能力。     

半无数据调制信号体制设计

分布式系统的节点时间自同步通常采用双向单程伪距测量（dual one-way ranging,DOWR）的方法来实现。针对DOWR中存在双向多路径时延差异,基于双支路半无数据调制技术,提出采用BOC（binary offset carrier）调制克服多路径误差。半无数据调制是指同相支路不调制数据,主要完成信号的捕获及跟踪,数据的解调在调制数据的正交支路上完成。为提高同相支路信号的捕获跟踪精度,增强正交支路数据的传输可靠性和抗干扰能力,分别对PSK-R（1）、PSK-R（10）、BOC（1,1）和BOC（10,5）等信号调制样式进行了对比分析。仿真结果表明,采用BOC（10,5）调制有效地提高了信号的码跟踪精度,增强了信号的抗多径和抗干扰能力。     

基于概率模型的实时修正IMM目标跟踪算法

针对传统的IMM算法采用固定测量噪声协方差矩阵和Markov转移概率矩阵导致模型切换缓慢,跟踪精度下降的问题,提出了一种具有模型概率实时修正的IMM机动目标跟踪算法。该算法在监控区域上建立无线电指纹库,利用支持向量回归算法训练得到观测模型。引入模糊神经网络,在模型交互输出阶段自适应地调整测量误差协方差矩阵。根据IMM子模型中连续时间点之间的模型概率的比值,对Markov转移概率进行修正。仿真结果表明,提出的方法在实时性、跟踪精度方面具有良好的性能。     

车载TBTC-CBTC系统降级场景下的CPN建模与仿真

基于轨道电路的列车控制（TBTC）-基于通信的列车控制（CBTC）双模车载系统是实现轨道交通多网融合的关键,其模式间切换具有较强的随机性和并发性,并直接影响车载信号系统的运营可用性。然而,车载信号系统故障降级导致轨道交通资源利用率降低,表现为列车追踪的时间间隔增加,而间隔增加程度取决于区间长度和TBTC列车占用检测区段长度。从不同模式下资源分配、使用和释放角度,在列车运行过程中利用有色Petri网对TBTC-CBTC双模冗余车载信号系统的列车追踪运营场景进行建模,模拟CBTC车载信号系统故障发生的随机性和系统降级对后续列车的影响,精准描述并分析列车运营受影响的情况。将城市轨道交通项目的典型配置参数代入到有色Petri网模型中进行仿真,验证在不同线路下运营间隔受模式切换影响的程度。仿真结果表明,当区间长度小于1 500 m时,列车晚点时间可控制在180 s以内,晚点时间随着区间长度的增加而延长。     

Multi-target indoor localization and tracking on video monitoring system in a wireless sensor network

The development of wireless sensor networks (WSNs) has greatly encouraged the use of sensors for multi-target tracking. The high efficiency detection and location monitoring are critical requirements for multi-target tracking in a WSN. In this paper, we present an indoor tracking model using IEEE 802.15.4 compliant radio frequency and video monitoring system to monitor targets in a special way. Our motivation is to manipulate the erratic or unstable received signal strength indicator (RSSI) signals to deliver the stable and precise position information in the indoor environment. We propose a localization algorithm based on statistical uncorrelated vectors and develop a smoothing algorithm to minimize the noise in RSSI values. We also present a solution combining the WSN with the Ethernet technology to decrease the RSSI interference by buildings. The developed system can realize the functions of multi-target detection and tracking, and specific target inquiries, alarms and monitoring. The system architecture, hardware and software organization, as well as the solutions for multiple targets tracking, RSSI interference and localization accuracy have been introduced in details.     

Impact of MODIS-derived cloud cover on aerosol optical depth measured with a sun photometer: a case study from Nanjing,China

Sun photometers have been used increasingly to monitor the atmospheric environment by measuring indicators such as aerosol optical depth (AOD). However, ground-measured AOD results are subject to the presence of clouds in the air. When cloud cover is not extensive, it is still possible to use sun photometry to determine AOD, even though accuracy is reduced by cloud contamination. This research aims to detect cloud cover from Moderate Resolution Imaging Spectroradiometer (MODIS) data and then assess its impact on in situ-measured AOD. Normalized difference cloud index (NDCI) and linear spectral unmixing (LSU) were used to detect cloud cover from MODIS data. AOD at the time of acquisition of MODIS data was measured on the ground by sun photometry within 20 min of satellite overpasses (10 min before and 10 min after). Correlation analysis of NDCI- and LSU-derived cloud cover with in situ-measured AOD data demonstrates that LSU has a higher correlation coefficient with AOD than with NDCI. At 550 nm, a unit of cloud cover (e.g. 1%) raises ground-observed AOD by 0.0157. The findings of this study can be used to modify ground-derived AOD results to improve their reliability.     

ULTRA‐FINE TRACKING CONTROL ON PIEZOELECTRIC ACTUATED MOTION STAGE USING PIEZOELECTRIC HYSTERETIC MODEL

The tracking control accuracy of the piezoelectric actuator (PEA) is limited due to its inherent hysteresis nonlinearity. A new piezoelectric‐actuator model is synthesized based on two first‐order transfer systems in parallel with two tuned parameters determined from one experiment. Two open‐loop tracking controllers are implemented with the proposed model to compensate the hysteresis of linear positioning. Numerical simulations and experimental tests on the tracking of sinusoidal and triangular waveforms with signal frequencies ranging from 1Hz to 30 Hz are revisited and compared with the conventional Bouc‐Wen and Duhem models. Experimental results reveal that the RMS tracking error can be reduced to less than 2% of the maximum traveling distance without any feedback sensor. When a piezoelectric actuated on a two Degree‐Of‐Freedom (DOF) monolithic motion stage was employed, the RMS tracking error was 50 nm within the measured sensor accuracy.     

高速动车组数据驱动无模型自适应积分滑模预测控制

同许多复杂系统一样, 动车组(Electric multiple unit, EMU) 运行过程也具有多变量、强耦合以及非线性等特性, 这严重影响着列控系统的性能. 针对包含外部扰动的动车组自动驾驶系统, 提出一种新型的多输入多输出(Multi-input-multi-output, MIMO) 数据驱动积分滑模预测控制(Integral sliding mode predictive control, ISMPC)算法. 首先, 该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization, FFDL)数据模型, 设计一种离散积分滑模控制(Integral sliding mode control, ISMC) 律. 为了使系统能够获得更高的输出跟踪误差精度, 利用模型预测控制(Model predictive control, MPC) 代替ISMC的切换控制, 进一步推导出ISMPC算法. 同时, 通过对FFDL 数据模型的未知扰动、参数误差等不确定项进行延时估计, 提升了算法的控制性能和对系统的等价描述程度. 在提供两种算法的稳定性证明分析之后, 以实验室配备的 CRH380A 型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试, 并与其他方法进行对比, 仿真结果表明ISMPC算法控制性能较好, 动车组各动力单元速度跟踪误差均在 ±0.132 km/h 以内, 满足列车的跟踪精度需求; 控制力和加速度分别在[−52 kN, 42 kN] 和 ±0.9249 m/s2 以内且变化平稳.