NLOS环境下基于自适应遗传算法的TOA/AOA定位算法

在视距传播(LOS)环境下,波达时间/电波到达角(TOA/AOA)定位算法比TOA算法的定位精度有了进一步的提高,但是在非视距传播(NLOS)环境下,这些定位算法的精度会受到较大影响。为了减小NLOS传播的影响,提出了一种NLOS环境下的TOA/AOA定位算法。利用自适应遗传算法对TOA/AOA混合定位算法中的非线性优化问题进行求解,从而提高系统的定位精度。仿真结果表明,提出的算法在NLOS环境下有较高的定位精度,性能优于Chan算法和LS算法。     

基于运动辐射源TOA和DOA测量的主从站无源定位与跟踪

介绍了测向测时差定位的基本原理,利用运动辐射源的TOA和DOA测量信息,采用批数据递推的扩展卡尔曼滤波算法对运动辐射源进行快速定位与跟踪,并通过典型航路的仿真对算法性能作了评估。     

一种基于移动广播网的TOA／TDOA无线定位算法

针对Chart定位算法在非视距（NLOS）环境下定位性能较差的缺点,提出一种基于多基站TOA区域质心修正的Chart定位算法,该算法利用Chan算法初始定位,再通过TOA区域质心校正,以提高定位精度。仿真结果表明,该算法有效减小了NLOS误差对定位估计的影响,在NLOS误差较大的环境下仍具有良好的定位精度,性能优于Chart算法和Chan-Taylor协调定位算法。     

一种OFDM无线网络TOA估计新算法

为了在OFDM无线网络定位服务(LBS)中实现精确的到达时间(TOA)测量,提出了一种OFDM系统TOA估计新算法．将TOA估计分为整数采样周期TOA估计和小数采样周期TOA估计．接收机利用训练符号的时频特性以迭代搜索的方法获得小数采样周期TOA估计,并利用估计结果修正小数采样周期时延带来的相关谱扩展,利用引导沿检测算法由修正后的相关谱估计整数采样周期TOA．仿真结果表明,该算法在信噪比高于0dB时TOA估计精度高于相关检测算法,10dB信噪比下其TOA估计精度比相关检测算法提高一倍以上．同时,可以用降低两个数量级以上的复杂度提供与现有超分辨率算法相当的TOA估计精度．     

基于卡尔曼滤波和指纹定位的矿井TOA定位方法

分析了矿井巷道中的设施及设备导致的无线信号传播NLOS时延特点,采用几何光学方法论证了NLOS时延参考模型在矿井巷道环境中的适用性并提出矿井巷道NLOS时延分为巷道突发NLOS时延和巷道固定NLOS时延,为了消除NLOS时延对TOA定位精度的不利影响,提出基于卡尔曼滤波和指纹定位的矿井TOA定位方法.对于机车及不规律设置设备造成的巷道突发NLOS时延,提出基于卡尔曼滤波的方法消除其对TOA数据造成的较大误差,在此基础上提出基于历史和卡尔曼阈值的最近邻居指纹定位方法,抑制固定设施及规律设置设备造成的巷道固定NLOS时延引起的定位误差.结果表明,本文方法的定位性能优于SDS-TWR方法和基于SDS-TWR的指纹定位方法,定位实验的平均误差分别降低了3.6,1.2 m,提高了矿井TOA定位的精度,实现矿井人员的精确定位.     

基于脉冲锁相环的超宽带定位接收机设计

为减小短距离定位的复杂度,基于能量检测等非相关方法的波达时间(TOA)估计成为超宽带定位研究的热点领域.但当前方法仍须基于次Nyquist采样,即使采用帧或符号速率采样,也需要高精度步进搜索.借鉴锁相环频率综合器中取样锁相环原理,采用脉冲锁相环实现对超宽带脉冲信号的捕获,实现定位测距.由于在超宽带信号条件下,锁相环具有很高的干扰抑制作用,可以在极低信噪比下获得很低的TOA均方误差.在定位接收机实现中,利用了低复杂度的集成低频锁相环实现了定位测距功能.通过计算机仿真分析和电路实验表明该方法可靠性高,对硬件性能要求低,电路实现简单,易于集成化.     

恒模PARAFAC分解CRB及拟合算法

为了对恒模约束条件下平行因子(PARAFAC)分解的参数估计性能进行分析,在给出PARAFAC模型分解的克拉美-罗界(CRB)的同时,结合约束CRB理论,推导出了"首行已知"约束和恒模约束下PARAFAC分解的CRB表达式,并给出了恒模约束PARAFAC分解的拟合算法TALS-CM.仿真表明,恒模约束后的PARAFAC分解具有更低的CRB值,随着信噪比的增加,TALS-CM拟合算法的性能接近于它的CRB值,说明算法是渐进有效的.TALS-CM算法的性能优于普通的TALS算法,因此,在基于PARAFAC模型的信号处理算法中,合理利用信源的恒模特性可以有效地提高算法性能.     

UWB信源低复杂度频域TOA估计

研究了UWB信号源在测距应用中的TOA估计问题,提出在频域进行TOA估计可降低接收机的采样率和能耗,并可简化接收机结构。对提出的基于状态空间的两种TOA估计算法计算复杂度和性能进行了比较,通过实际的信道模型仿真分析可知,两种频域TOA算法都可以达到精确的测距估计,但归一化幂乘法的计算量更小。文中方案特别适合于低速率、低功耗场合的定位应用。     

基于波形边缘检测的Wi-Fi室内定位信号TOA估计

为了实现室内目标的精准定位,研究基于Wi-Fi设备的信号到达时间(TOA)参数具有重要意义。常用TOA估计方法主要存在估计偏差、算法复杂以及不具有普适性等问题。针对现有方法的缺陷,提出了一种新的TOA估计方法。该方法对Wi-Fi信号波形进行采样,采用空-频-时三维搜索算法,计算某一子载波间隔一个采样周期的相邻区间分别对应的信道状态信息的相位差,通过相位差判断计算信道状态信息值的信号处理区间是否进入波形边缘,得到TOA的估计值。数值仿真结果表明：在信噪比SNR超过25 dB时,本文方法获得亚米级精度的概率超过58%;随着Wi-Fi信号带宽的扩展,本文方法能够显著提升室内定位性能。本文方法克服了传统方法的缺陷,为信号到达时间估计提供了一条新的思路。     

UWB室内信道下一种低复杂度的TOA估计新算法

针对室内信道,提出一种基于UWB多径信号中最强路径检测的TOA估计算法．通过卷积运算进行最强路径搜索,进而完成TOA估计．TOA估计过程不依赖视距路径(line-of-sight path)检测,适合于NLOS(non line-of-sight)情形,且最强路径搜索避免了阈值设置过程,相比LP搜索计算复杂度低．通过对IEEE.802.15.4a标准下NLOS信道模型的仿真实验,讨论了各参数估计偏差对定位性能的影响,验证了本定位算法在室内多径信道下的适用性．     

基于NLOS环境下的TOA/AOA混合定位算法

非视距传播(NLOS)误差是影响各种蜂窝网络定位精度的主要原因.通过计算波达时间(TOA)和波达角(AOA)相对于移动台(MS)参考位置的残差来对NLOS误差进行鉴别,找出含有NLOS的基站.然后利用所得到的关于NLOS的信息,对算法进行加权处理.仿真实验表明,该算法有效的降低了NLOS的影响,可以得到更好的位置估计结果.     

NLOS环境中的线性回归最小二乘三维定位算法

针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。     

基于AGA优化BP网络的小信息量蜂窝网定位算法

为了实现蜂窝网中小信息量情况下对移动用户的定位,在只有驻留基站和一台定位设备可用的条件下,建立了TOA／TOA定位模型,提出了一种基于BP神经网络的定位算法,并用自适应遗传算法（AGA）优化BP网络的权值。仿真结果表明,在小信息量条件下,优化后的算法在复杂的多径环境下有效地提高了定位精度,能够很好地解决模型中固有的模糊点问题,达到了FCC的定位要求。     

一种线性校正TOA定位算法

针对到达时间定位中出现的非线性估计问题,提出了一种基于线性校正的定位算法.该算法首先将非线性到达时间定位方程转化为一组关于目标位置的伪线性方程,利用加权最小二乘估计进行初始求解;在此基础上把伪线性方程组转化为关于估计偏差的求解问题,进而对初始解进行线性校正;同时分析了所提算法的有效性.仿真结果表明,该算法具有较好的定位性能.     

一种基于单基站的协作定位算法

为抑制蜂窝网中非视距(Non-line-of-sight,NLOS)误差对定位精度的影响,提出了一种利用移动终端间的协作信息提高定位精度的算法。该协作定位算法根据基站测量信号到达时间(Time of Arrival,TOA)和到达角(angle of arrival,AOA)信息,选择距离基站最近的目标终端,利用目标终端与其它终端间的协作信息进行位置修正。仿真结果显示该算法不仅提高了定位系统的整体性能,而且在移动终端距离基站比较远的情况下,定位精度高于传统的TOA/AOA定位算法。     

一种基于TOA的UWB直接-Taylor复合定位算法

通过比较直接算法和Chan算法的优缺点,针对Chan算法作为Taylor初值算法运算比较复杂的问题,分析了基于TOA到达时间的UWB(超宽带)定位算法,即直接-Taylor复合定位算法,将直接算法作为Taylor序列展开法的初值算法,并根据初值判断定位基站是否为视距(LOS)传播及修正基站到定位体的距离测量值,有利于Taylor序列展开法的收敛.仿真表明该算法定位性能优越,在非视距传播(NLOS)的影响下有效地提高定位精度,定位误差达到厘米级,计算速度也有较大的提高.     

一种基于遗传算法径向基神经网络的混合无线定位算法研究

文章提出了一种基于径向基神经网络的混合无线定位算法。采用径向基函数(Radial basis function neural net-works-RBF)神经网络建立移动台位置估计模型,并用递阶遗传算法(HGA)同时训练RBF的网络结构和参数。对进行位置估计的三种参数TOA/TDOA/AOA进行数据融合,以有效地提高定位精度。与传统BP神经网络定位算法进行比较,仿真结果表明,该算法的定位结果能够很好地满足FCC的定位要求。