利用TDOA方法实现单站机动无源定位

传统的到达时间差定位法（TDOA）一般需要至少一个探测站点和两个辅助站才能达到定位目的,而只用单站就能实现TDOA无源定位的理论尚未有人探讨.该文就本着这一思路探讨了在机动单站的情况下,如何利用TDOA方法实现精确的无源定位,并推导了已知定位舰具体信息情况下获取几何精度衰减因子（GDOP）的计算公式,根据推出的公式写出了获取GDOP的等高线图的计算机实现软件流程,并在计算机上根据相应数据进行了仿真.通过对获得的GDOP的等高线仿真图和数据的观察分析,得出了相应的结论,同时也提出了改善定位精度的建议.     

基于TDOA的室内运动目标双曲线RFID定位方法

射频定位中以接收信号强度（ RSSI）定位的方法存在信号干扰严重、抖动剧烈和误差较大等现象。为了减小射频信号定位的误差,在基于精准时间测量思想的传播信号到达时间差（ TDOA）方法和构建虚拟参考标签经典定位方法的基础上提出了TDOA双曲线定位方法。该方法利用射频信号TDOA,以精准时间差来测量射频（ RF）标签与目标之间的距离,然后借助双曲线定位算法对目标进行定位。仿真结果表明,相比目前经典的 LANDMARC 和VIRE定位方法,TDOA双曲线算法的定位误差50'可在0.216 m内。该方法有效利用了现代高精度时间测量的优势,在室内运动目标定位中具有定位精度高、应用范围广、实现简单等优点。     

低轨卫星多目标无源定位到达时差分选方法

低地球轨道（Low Earth Orbit,LEO）卫星无源定位场景中不同目标辐射源之间相互干扰、时频混叠,不同目标的到达时差（Time Difference Of Arrival,TDOA）参数混杂难以区分,较难实现精准目标定位。基于网格密度聚类算法（Clustering Algorithm based on Grid Density,CAGD）的基本原理,并利用TDOA参数的多复杂特征,构建多目标TDOA参数分选模型,实现TDOA定位参数分选。模型通过定义网格密度波谷,解决了定位目标间数据被聚为一类的问题,同时引入位置相连原则实现最佳类簇合并,最终实现定位参数分选。仿真结果表明,相较于传统网格及密度聚类方法,本方法对LEO卫星无源定位场景下的多目标TDOA参数分选表现更好。     

基于AUPF的TDOA几何定位跟踪算法研究

使用无源时差（TDOA）定位技术确定无人机等小型辐射源目标的位置是当前研究的热点,针对时差定位算法较为复杂的实际情况,推导了时差双曲线的几何解,并提出了一种基于自适应无迹粒子滤波（AUPF）技术的移动目标定位跟踪方法。通过仿真对该方法在不同场景的应用效果进行了验证,进一步比较分析了算法的定位精度。结果表明,基于自适应无迹粒子滤波的时差几何定位跟踪算法可以在多种情况下较好地拟合出目标真实运动轨迹,实现对运动目标的定位跟踪,同时拥有更低的定位误差和更高的轨迹包容度,使用该方法可以显著提高对非合作移动辐射源目标的位置估计性能。     

基于UWB的无人机自主导航系统设计

针对卫星拒止环境下的无人机导航,提出一种基于超宽带（Ultra Wide-Band,UWB）技术的局部定位系统,实现无人机定位与导航。首先利用UWB技术实现测距,进而解算无人机在局部坐标系下的三维坐标,然后基于扩展卡尔曼滤波（EKF）融合多传感器数据以提高无人机的定位精度。基于开源飞控Pixhawk搭建了无人机飞行验证平台,将UWB定位系统数据与飞控传感器数据融合,对无人机在局部坐标系下的自主飞行进行了仿真。最后通过实验验证了基于UWB的多传感器数据融合导航在无人机自主导航控制上的可行性,实现了无人机在地面平台上的自主起降、对地目标伴飞等飞行导航任务。     

基于无人机载光电平台的目标定位技术

针对无人机目标定位问题,基于无人机载光电平台总结了无人机目标定位的典型工作流程,系统论述了无人机目标定位技术现状,阐述了包括基于视觉、地图匹配、空间前方交会和粒子滤波技术的主要目标定位方法.针对性地分析了4种技术的优缺点,对无人机目标定位技术的未来发展趋势进行了展望.     

基于临近听域超声波TDOA室内定位的实现

介绍了一种便于部署的超声波室内定位系统。通过普通高音喇叭可以发射的20~22 kHz超声波频段,本文实现了基于3个高音喇叭信号源的超声波到达时间差（Time difference of arrival,TDOA）的定位。普通手机通过麦克风采集该频段的超声波,经过信号处理后实现了高精度、低成本的室内定位。本文在定位系统中设计了发射端超声波定位声源的信号结构,并设计了接收端通过频率搜索和基于快速傅里叶变换的频域搜索的同步方法。同时本文还将一种修正秩-1拟牛顿法应用到了基于TDOA的定位场景中,并验证了在使用3个高音喇叭时该算法定位精度与经典的CHAN算法基本相同。实验中本方法采用了不同于以往的40 kHz超声波频段的定位方案,在使用普通手机接收的条件下,各次实验结果误差均低于9 cm。     

基于BP神经网络的混合定位算法

为弥补独立采用GPS或基于基站定位方法的不足,并消除非视距传播的影响,提出一种基于BP神经网络的混合定位算法。利用BP神经网络对到达时间差(TDOA)和GPS测量值中的非视距传播误差进行修正,使用TDOA/GPS算法进行定位。仿真结果表明,在单独使用TDOA或GPS方法无法定位时,该算法能够实现移动台的精确定位。     

一种新的星载TDOA/FDOA/AOA联合定位算法

针对双星时频差定位体制在星下轨迹附近区域存在定位盲区的问题,提出一种单星二维干涉仪测向（AOA）与双星到达时差（TDOA）/到达频差（FDOA）联合定位方法。采用更精确的WGS_84地球模型,通过构造子空间基矢量恒等式以及地球表面约束获取联合观测的伪线性定位方程,实现了双星TDOA/FDOA/AOA联合高精度定位。在相同场景下将时频差定位算法和提出的联合定位算法进行比较,仿真结果表明该算法可缓解时频差定位盲区缺陷,星下轨迹附近区域的定位精度可至少提升两倍以上。     

混合定位算法在复杂室内环境下的应用研究

针对复杂室内环境下视距（line of sight,LOS）和非视距（not line of sight,NLOS）并存的三维混合定位技术进行了研究。在 LOS 环境下,基于到达时间差（time difference of arrival,TDOA）定位算法优于其他定位技术;但受到室内环境尤其是 NLOS 环境下的多径效应,TDOA 定位的精准度大大减弱。若能够正确评估传播衰减系数以此补偿多径效应带来的影响,那么基于接收信号强度（received signal strength,RSS）定位算法受到 NLOS 多径效应的影响将大大减小。提出了三维混合加权最小二乘（hybrid weighted least square,HWLS）RSS ／TDOA 算法,通过使用 Nakagami-m 分布鉴定当前信道是 LOS ／NLOS 路径,用于室内环境下的目标定位,并通过实验验证该算法提高了定位精度。