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。     

NLOS环境下基于到达时间差(TDOA)的定位算法

由于对无线定位日益增长的业务需求,无线定位最近几年成为人们关注的焦点。关于定位的算法也有很多,但是大部分的算法都是基于视距(LOS)环境的。然而,事实上,无线信道基本上都存在非视距传播,因此,虽然算法本身的精度比较高,但是由于非视距的因素,定位的精度并不高。本文提出一种消除非视距影响的TDOA算法,本算法采用衰减因子的方法,通过逐步迭代,从而消除非视距的影响。仿真表明,在非视距环境下,本算法的确比常规算法能够提高定位精度,且运算量较小。     

基于圆盘散射体的非视距定位算法

针对无线传感器网络目标定位中的非视距问题,为了抑制非视距误差,提高定位精度,提出一种基于圆盘散射体的非视距定位算法.新算法根据基站收到的多径到达时间,计算加权测量均值,与圆盘散射体模型理论均值进行匹配,建立目标函数,同时引入圆盘半径约束,通过对目标函数求取极值,解出含有目标位置的最优解.仿真实验结果表明,与其他目标定位算法相比,该算法能够得到全局最优解,提高非视距环境下的定位精度.     

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CNN和在线学习的UWB室内定位算法

为了减小非视距(NLOS) 误差对超宽带(UWB) 室内定位系统定位精度的影响,提出了一种基于卷积神经网络 (CNN)的超宽带室内定位算法。利用超宽带系统采集非视距环境下的室内定位数据,根据信号在非视距环境下传播时的误差特性建立CNN模型,将定位数据输入网络进行训练,以减小NLOS误差对定位精度的影响。然后用扩展卡尔曼滤波(EKF) 进行位置估计,当系统处于不同室内环境时,使用在线学习算法调整 CNN参数,提高系统的兼容性。实验结果表明,该算法可以在不同室内环境下有效减小NLOS误差的影响,保持厘米级的定位精度,具有一定的实用价值。     

移动台混合定位方法的研究

移动通信系统中,针对移动台的定位精度问题,提出基于A-GPS的混合定位方法.当GPS无法独立完成定位需求时,则切换至基于移动台的定位方法完成定位服务.在基于移动台的定位算法上,采用到达时间差(TDOA)的方法,并通过最小二乘法降低由非视距传播带来的误差影响,提高TDOA的定位精度.经过计算机的仿真试验,证实此算法在一定噪声环境中能够达到克拉美罗下限,并且优于其它同类算法,取得了较好的定位效果:适用范围广,定位速度快、精度高,完全可以满足定位服务的要求.     

NLOS环境下的卡夫曼滤波跟踪定位算法

蜂窝网无线定位技术中,非视距(NLOs)误差的存在使得蜂窝网无线定位技术的定位精度急剧下降.针对NLOs环境,对基于卡夫曼滤波的动态跟踪定位算法进行了改进.首先引入判决机制鏊别测量值中NLOS信息,并根据鉴别信息对测量值进行加权重构处理,然后利用加权重构后的测量值再进行卡夫曼滤波跟踪定位,有效抑制了NLOS误差的影响.实验结果表明,算法在较为恶劣的NLOS环境下获得了较高定位精度.     

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。     

基于UWB的密集行人三维协同定位算法

针对复杂室内环境中密集行人定位精度低、超宽带(UWB)基站密度要求高的问题,提出一种基于UWB的密集行人三维协同定位算法。首先使用聚类算法抑制测距数据中较大非视距(NLOS)误差,并使用高斯均值混合滤波抑制标准测量误差;然后提出双层协同定位算法,建立协同定位数学模型,并结合迭代初始值获取策略进行初步定位,降低了基站数量要求,在筛选出NLOS误差较小的测距数据并修正后,进行二次定位;最后考虑行人高机动性,设计一种交互多模型卡尔曼滤波算法,缓解了定位结果跳变问题。实验结果表明,所提算法在弱NLOS环境和强NLOS环境下定位精度分别达到0.11 m、0.17 m,相比其他算法,具有较高定位精度,进一步降低了对UWB基站密度要求。     

非视距环境中的无线网络残差加权定位算法

无线定位已成为物联网应用的重要研究内容,为减小非视距(NLOS)误差对传统定位算法的精度的影响。因此提出一种基于目标临时位置估计的残差幂次方加权定位算法。算法核心在于先利用分组定位得到不同目标节点估计位置,并将位置之间的差值定义为临时定位残差。然后区别于传统残差加权定位算法,本文提出用残差的高次幂作为加权函数,并通过仿真搜索最优的加权函数。仿真结果表明,当LOS-SN数目不小于2时,本文算法在定位精度上远高于传统的NLOS抑制定位算法。和传统的残差加权定位算法(RWGH)相比,本文所提算法的定位精度提高了近60%,同时降低了对LOS-SN个数的要求。和半正定规划(SDP)相比,定位精度提高了近38%,并降低了计算复杂度。     

运用海伦公式的最优化非视距抑制定位算法

无线网络中非视距误差对于三边定位算法精度的影响较大。因此本文针对存在固定节点与移动节点的无线传感网络系统,提出了一种基于面积残差最小化的最优化定位算法,算法中非视距误差影响下的定位问题被建模为二次规划问题,其核心在于运用海伦公式构建面积残差和优化目标函数。仿真结果在非视距误差较大或网络中固定节点较多时,本文提出的算法可以有效消除非视距误差引起的定位精度损失,同时本文算法还具有对节点数目要求小的优势。     

NLOS环境中的拉格朗日乘子改进约束最小二乘定位算法

无线通信中的非视距误差是影响传统定位算法精度的主要因素.因此本文针对存在锚节点与移动节点的无线传感网络,提出了一种利用拉格朗日乘子法改进的约束最小二乘定位算法.算法核心思路在于运用拉格朗日乘子法修正约束最小二乘代价函数来构建新的目标函数,同时也提出一种分组定位组合的思想以进一步提高定位性能.仿真结果表明在非视距误差较大或网络中固定节点较多时,提出的算法可以有效消除非视距误差引起的定位精度损失,同时本文算法还具有随节点数目增加而提升优势的特性.     

运用最优化原理的新型非视距抑制无线定位算法

无线定位中非视距(NLOS)误差的存在会显著降低传统定位算法的精度,因此论文提出了一种运用最优化原理的定位算法以对抗NLOS误差.该算法适用于存在固定节点与移动节点的无线传感网系统,并结合距离加权思想将NLOS环境中的定位建模为二次规划问题,最终得到节点的最小二乘位置估计.分析表明在固定节点数量较多或者存在视距(LOS)传输固定节点时,该算法可以显著削弱NLOS误差的影响.计算机仿真证实了这一分析,其结果表明,在NLOS环境下论文所提出的算法性能优于现有其他定位算法,同时该算法还具有不受固定节点数目限制和复杂度较低等优点.     

无线传感网络节点非视距定位方法的改进

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析基于位置残差检测的非视距误差抑制技术的基础上,提出了基于近似最大似然估计技术和残差检测技术的非视距定位算法。算法通过逐步减少视距信号个数的组合方式,在每一步选取残差最小的组合,利用改进的距离残差定位方法进行节点定位。通过理论分析与仿真比较,均表明改进算法的性能接近于PRT算法的性能,但能大大降低PRT算法的计算复杂度,验证了改进方法的优越性。     

基于弹簧粒子模型的大规模WSN定位算法研究

提出一种用于大规模无线传感器网络的定位算法本算法基于弹簧粒子模型,其用于模拟物理弹簧系统的动态变化过程,并借此来计算出节点的位置坐标各传感器节点虚拟为具有质量的粒子,粒子间由弹簧相连当外力将粒子放置到一个随机位置后,粒子间的弹簧将做相应的拉伸收缩运动,在弹力的作用下,粒子最终运动到它的初始平衡位置整个过程中,模拟粒子运动的每个状态及相应的弹力,最终得到各节点的坐标网络中每个节点的复杂度为O(1),即它的复杂度不会随着网络规模的扩大而增加,非常适用于大规模网络本算法不仅可以降低计算复杂度,并且保证定位精度仿真实验研究结果表明,本文的定位算法是有效的.     

移动锚节点凸规划定位算法研究及改进

为了提高无线传感器网络的节点定位精度,对相关文献进行了研究,提出了一种改进的移动锚节点凸规划定位算法。该算法对原算法作了以下改进:利用正半定松弛方法扩大求解问题的可行域,以降低求解优化问题的计算复杂度;采用局部梯度下降法进行迭代优化来逼近最优估计,以提高优化问题的求解精度。实验结果表明,改进算法比原算法具有更高的定位精度,并可以更好地适应不同的网络规模。     

非合作信标条件下水下无线传感网可靠定位技术

传统假设水下无线传感器网络的传感器节点和信标节点都是合作的,但是在军事应用等特殊场合下,某些节点容易被敌方捕获或入侵,因而水下无线传感网络中有时会存在一些非合作的恶意节点。针对存在若干非合作信标的水下无线传感器网络定位应用,提出了一种非合作信标节点约束下水下无线传器网的可靠节点定位算法。本文算法利用一跳邻居范围内信标节点独自投票机制实现对非合作信标的判决与剔除,从而减少由于存在非合作信标节点对定位误差的影响,同时也分析了不同比例非合作信标下的定位误差界限。仿真结果验证了本文提出的算法相比传统定位算法,在平均定位精度和定位覆盖率等方面都有所提高。     

一种改进的基于定向天线的移动传感器网络定位算法

针对在无线传感器网络定位中,由于全向天线信号受环境影响而造成定位误差较大的问题,提出了一种改进的基于定向天线的移动无线传感器网络定位算法(DADLP),使用一个带有定向天线的移动锚节点广播位置信息,未知节点接收到信号后,将接收功率平均分为若干等级,缩小定位估计区域.仿真结果表明DADLP算法相对于Ssu、BLI、GGDI和RROI移动锚节点算法提高了定位精度,并且在非规则环境下有更低的平均定位误差.     

基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。     

距离几何TOA无线定位算法

在无线定位中,精确定位面临的一个主要问题是信号的非视距传播（NLOS）,NLOS的传播会给距离测量值增加较大的正性误差。在TOA测量距离的基础上,提出了距离几何定位算法。算法利用基站与移动台之间的距离几何关系,构造距离误差优化约束函数,对距离测量值进行合理的修正来提高定位精度。仿真结果表明,该算法能够有效地减小NLOS误差的影响,而且在不同的NLOS误差下表现稳定。