基于RSSI和遗传算法的无线定位方法及其实现

随着无线电技术的发展,无线传感器网络在目标跟踪、环境监测、空间探索等领域得到广泛应用,节点定位技术在无线传感器网络中具有重要地位。文章提出了基于遗传算法的无线定位算法,解决了基于RSSI信号强度的无线定位方法定位精度较低的问题。该算法采用考虑参考节点RSSI信号波动误差的质心算法进行种群初始化,使用基于记忆搜索方向的交叉机制和自适应调整搜索半径的策略,为下一代种群的搜索方向及搜索半径提供有效的指导信息。实验结果表明,该算法的定位精度明显高于典型及改进的极大似然估计定位算法,有效地提高了定位精度。     

基于地面传感器的战场目标定位方法

精确的网络节点定位是无线传感器网络各种应用和展开部署时自组网及网络管理的首要和基础条件,这就要求有很高的定位精度。战场侦察地面传感器系统中,大多使用声/震传感器结合时差定位法对地面目标进行定位,但其在近点定位效果较差,且若需在远点的测距精度达米级时,要求测时精度达纳秒级。无源红外传感器通过感知IR强度变化和方向对目标进行运动方向和数量的判别,它的测向误差在毫弧度级,理论上可采用多重采样相关定位法建立仿真模型,结果表明:基于红外传感器的地面目标定位算法对地面战场目标定位切实可行且定位精度较高。     

基于虚拟时差的运动阵列空间无源定位算法

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。     

目标海拔已知的信号到达幅度比无源定位方法

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.     

结合K-均值聚类的无源目标定位技术

基于压缩感知的无源目标定位算法利用目标对无线链路的链路遮挡和阴影效应对其位置进行估计,将目标定位问题转化为信号的稀疏重构问题,可以实现低成本定位,但该算法定位误差较大,且抗干扰性差。针对这一问题,提出了结合K-均值聚类算法的无源目标定位技术,以基于变分贝叶斯推理的重构算法为基础多次定位,然后以此作为数据集,并结合网格修剪机制进行聚类操作。仿真结果表明,所提方法有效提高了定位精度,有较强的鲁棒性。     

基于观测值质量定权的北斗伪距差分与5G室内外融合定位方法

针对传统北斗+5G融合定位过程中采用等权定位方法所造成定位结果受环境影响较大的问题,提出了基于观测值质量定权的北斗伪距差分与5G室内外融合定位方法。该方法对同一个待定位的目标分别进行定位后,根据自适应信号变化阈值来优选可用信标数量;在此基础上,结合可用信标的定位结果进行加权融合计算定位结果。实验表明,在卫星信号受到遮挡或者是信标较少的区域,方法较传统的等权定位方法定位精度高,且灵活易操作,具有一定的实用价值。     

基于可见光通信的时分复用组网下移动目标定位方法

为了减小室内可见光定位中存在的噪声和时延对定位精度的影响,提出了一种室内发光二极管(LED)可见光定位算法。引入蜂窝拓扑结构进行可见光室内定位,自适应选取LED信标节点。研究噪声对接收光功率的影响,采用均值模型对接收光功率进行校正。传统的可见光时分复用定位系统时延过长,易出现时钟同步错误。为满足高精度实时定位,采用改进的时分复用组网系统。通过小区划分,选取网络源中心节点;通过竞争申请时隙段,重复利用部分时隙段,解决了帧长与LED节点数量的矛盾。仿真结果表明,该算法可以有效减小目标移动和时钟同步错误对定位精度的影响,提高了室内定位系统的实时性与稳健性。     

基于超短基线的水下移动目标定位方法研究

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。     

基于CDMA通信信号的无源雷达定位系统

提出一种利用多个CDMA基站发射的下行链路信号作为外辐射源构成无源雷达定位系统的方案,主要包括自适应杂波相消、距离-多普勒处理、定位参数提取、多站数据融合等功能模块.利用自适应算法进行杂波干扰的消除,对相消后的回波信号进行相干匹配滤波实现动目标检测.最后通过联立多站位置线方程实现了对目标的定位.计算机仿真验证了该方案的可行性,并证明了多个辐射源对定位精度的改善.     

分布式无线感知网络节点部署算法研究

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。      

多基站无源定位技术在区域定位网络中的应用

多站时差定位是一种较精确的定位方法，它通过处理三个或三个以上测量站采集的信号到达时间来对辐射源定位。文中论述了多站时差无源定位的基本原理，提出了以TDOA多基站小区无源定位系统为基础构建区域定位网络的方案。论述了时差双基无源定位的基本原理，以及小区定位系统的几何布站，地面观测站对空中平台的实时精确定位算法，同步技术，区域组网与越区切换等主要问题的实现方案。     

基于卡尔曼滤波的接收信号强度指示差值定位算法

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。

     

基于时差的同类辐射源信号分选定位方法

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。     

三维移动目标无源定位算法

无源定位已经成为雷达对抗中一项相当重要、不可或缺的技术。针对常态侦察时三维移动目标的无源定位问题，考虑了基于到达方位信息的代数几何概率定位方法，并给出了每一时刻目标位置误差随时间变化的关系，最后通过数值模拟展示了所研究定位方法的精度。该算法基于运动学原理,充分利用了辐射源信号测量值的时空变化量信息，定位收敛速度快而且非常稳定，具有很强的实用性。以期在实际应用中对近空间或邻近空间中高速移动目标进行三维快速定位，更好地提供无源侦察中移动目标的方位情报信息。     

一种高精度移动多站无源定位方法

提出了一种基于改进遗传算法的远距离固定目标高精度多站无源定位方法,在被测固定目标发射的信号中存在稳定载波情况下,本方法的定位精度可以达到载波波长级别. 建立了移动多站观察固定目标的载波相位解算模型,在多移动站同时稳定跟踪目标载波情况下,利用改进遗传算法对多站多历元时刻的载波相位观测量进行迭代递推求解,获得高精度的目标定位信息. 理论推导与仿真结果表明：该方法是一种高精度的移动多站无源定位算法.     

高精度无源定位技术的研究

通过对现有的无线网络定位技术(包括网络定位、终端定位、有源定位、无源定位)和各种定位算法(包括具有解析表达式解的算法、递归算法)的深入研究和分析,提出一种高精度的无源定位技术方案。这种定位技术采用无源网络定位模式,同时计算多个TDOA值,由地面定位站根据多个TDOA值解算出位置,以提高定位精度。面对用户对定位精度要求的日益提高,高精度地面无源定位系统将会有广大的市场前景。     

对固定辐射源的单站无源定位技术

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。     

基于神经网络的室内单站精确被动定位技术研究

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.     

基于参数拟合的室内多用户定位算法

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.     

Data Pre-Processing in Compressive Sensing Based Indoor Fingerprinting Positioning

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.