共查询到20条相似文献,搜索用时 979 毫秒
1.
2.
3.
针对脉冲骨架周期固定的雷达脉冲信号辐射源无源定位问题,该文提出一种基于虚拟时差的运动阵列空间无源定位算法,采用运动单阵列接收目标辐射源信号,通过多次测量侦察站不同位置的脉冲到达时间来估计目标辐射源位置。分别针对脉冲骨架周期已知和未知两种情况,提出了一种基于高阶统计量的无源定位算法,并推导了不同情况下定位精度的克拉美罗界。仿真实验表明,不同情况下定位算法定位精度逼近克拉美罗界,且脉冲骨架周期已知时虚拟时差无源定位算法定位精度优于同孔径实阵列TDOA无源定位算法定位精度,脉冲骨架周期未知时虚拟时差无源定位算法定位精度低于同孔径实阵列TDOA无源定位算法定位精度。 相似文献
4.
信号到达幅度比方法因测量简便,可实现对窄带信号的无源定位而广泛应用于射频定位系统、无线传感器网络和声源定位中.当目标海拔已知,将其作为定位方程的约束条件可实现对目标更精确的定位,而现有方法没有考虑这个问题.对此本文建立了海拔约束的信号到达幅度比无源定位模型,推导了定位精度的克拉美劳下界,并提出了一种基于Newton迭代的定位算法.理论推导表明该算法在测量误差服从方差较小的零均值高斯分布时能够达到克拉美劳下界,仿真结果与理论推导一致.无线电栅格化监测试验网的验证结果表明,对系统幅度误差进行校正后,该方法能够实现对辐射源的准确定位. 相似文献
5.
6.
7.
8.
由于传统水下移动目标定位方法存在定位精度低的问题,提出基于超短基线的水下移动目标定位方法。在水声传感网络通信模型的信息采集端,计算出水声传感网络对于目标定位的能力。利用自适应均衡算法辨别水下移动目标的干扰数据,基于自适应均衡算法构建水声传感网络通信模型,计算出冲击响应函数和响应时长的近似度,完成水下移动目标声场扰动量的归一化处理,结合水下移动目标定位算法,实现水下移动目标的定位。仿真结果表明,所提出方法可以通过提高水下移动目标定位精度,提升水下移动目标定位性能。 相似文献
9.
10.
在无线感知网络节点部署中,目标区域的覆盖率大小对信号检测的效果具有重要的意义,通过智能优化算法来提高区域覆盖率已成为当前无线感知网络节点部署领域的研究热点之一。为了提高分布式无线感知网络对目标区域内的重点区域的覆盖率和减少冗余感知节点的投放,论文提出了一种分布式无线感知网络节点部署算法。该算法首先通过随机部署满足连通性的少量感知节点后初次工作来定位和估计出重点区域,然后将估计出的重点区域融入到粒子群算法的目标函数和粒子更新方程中实现对感知节点的重新部署,从而更好的优化了重点区域的覆盖率和减少冗余感知节点数量。仿真结果表明,与标准粒子群算法及其他优化算法相比,论文所研究的算法有更高的覆盖率和更低的迭代次数。 相似文献
11.
12.
针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明:所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。
相似文献13.
多站电子侦察系统中,多个观测站接收到的脉冲信号的时差信息可用于信号分选和定位。但当多个参数相近的同类辐射源信号在时域和频域都混叠在一起时,会得到大量虚假时差信息。该文结合目标位置信息场定位法,提出基于时差的同类辐射源信号分选定位方法。该方法首先利用时差窗先验信息,将主站与副站的脉冲进行时差和参数匹配提取同类辐射源的时差信息,然后对得到的所有时差利用目标位置信息场定位法确定目标数目和位置,最后利用定位结果确定真实时差,剔除虚假时差,完成信号分选和目标精确定位。仿真实验验证了该方法的有效性和实用性。 相似文献
14.
15.
16.
17.
介绍了对固定辐射源目标的单站无源定位技术,利用观测站与目标相对切向运动的方位角变化率和俯仰角变化率实现快速测距及定位,分析了各测量参数、定位参数对定位精度的影响,绘制了定位精度几何分布图(GDOP),对该定位方法给出了算法仿真分析。仿真证明,单次定位测距相对误差距离增大而增大,通过多次观测得到多个时间瞬时定位结果后,对其统计处理,以改善定位和跟踪条件,减少定位误差。 相似文献
18.
为了提高室内环境下对目标的定位精度,提出一种室内单站精确定位技术. 该技术利用室内电波传播多径效应构成的复杂信道信息,基于机器学习,构建卷积神经网络架构,通过卷积提取不同位置目标到达接收传感器的多径时延特征信息;然后通过多层全连接层深度神经网络的模型训练,将基于复杂信道的定位问题转化为回归模型的问题,建立信道指纹与位置之间的非线性关系来完成被动定位. 训练和仿真结果表明,在室内复杂电波传播环境下,基于神经网络的室内单站精确定位技术能够实现单接收站情况下对目标的精确定位. 本文主要对3×3网格大小的金属散射体进行定位,接收站位于室内时,平均定位误差为0.621个网格(12.42 cm);接收站位于室外时,能够分别实现信噪比20 dB、30 dB、40 dB情况下44.09 cm、21.42 cm、20.96 cm的平均定位误差. 本文方法为室内复杂环境下的目标定位提供了一种新的定位方法. 相似文献
19.
为了提高室内环境下对目标的定位精度,提出一种室内单站精确定位技术. 该技术利用室内电波传播多径效应构成的复杂信道信息,基于机器学习,构建卷积神经网络架构,通过卷积提取不同位置目标到达接收传感器的多径时延特征信息;然后通过多层全连接层深度神经网络的模型训练,将基于复杂信道的定位问题转化为回归模型的问题,建立信道指纹与位置之间的非线性关系来完成被动定位. 训练和仿真结果表明,在室内复杂电波传播环境下,基于神经网络的室内单站精确定位技术能够实现单接收站情况下对目标的精确定位. 本文主要对3×3网格大小的金属散射体进行定位,接收站位于室内时,平均定位误差为0.621个网格(12.42 cm);接收站位于室外时,能够分别实现信噪比20 dB、30 dB、40 dB情况下44.09 cm、21.42 cm、20.96 cm的平均定位误差. 本文方法为室内复杂环境下的目标定位提供了一种新的定位方法. 相似文献
20.
Jingang Deng Qimei Cui Xuefei Zhang 《International Journal of Wireless Information Networks》2013,20(4):256-267
Presented is a novel compressive sensing (CS) based indoor positioning approach, which uses the signal strength differentials (SSDs) as location fingerprints (LFs). By using certain kernel-based transformation basis, the 2-D target location is represented as an unknown sparse location vector in the discrete spatial domain. Then it just takes a little number of online noisy SSD measurements for the exact recovery of the sparse location vector by solving an ?1-minimization program. In order to effectively apply CS theory for high precision indoor positioning, we further import some data pre-processing algorithms in the LF space. Firstly, to mitigate the influence of large measurements noise on the recovery accuracy, a LF space denosing algorithm is designed to discriminate the unequal localization contribution rate of every SSD measurement in each LF. The basic idea of the denosing algorithm is to transform the original LF space into a robust and decorrelated LF space. Moreover, in order to lower the high computational complexity of the CS recovery algorithm, several LF space filtering algorithms are also exploited to remove certain percentage of useless LFs in the radio map according to the real-time RSS observations. The performance of these denosing and filtering algorithms are investigated and compared in real-world WLAN experiment test. Both experimental results and simulations demonstrate that we achieve remarkable improvements on the positioning performance of the CS based localization by using the proposed algorithms. 相似文献