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。     

非视距传播环境下对移动用户定位的AOA方法

非视距传播问题是移动定位中的一个关键问题．基于几何结构的单次反射统计信道模型，提出了一种减小非视距传播影响的AOA定位方法．该方法一方面利用所有的参数信息进行定位，使有限的资源得到充分利用，另一方面采用不等式约束减小移动台的可行区域，二者结合以提高非视距传播环境下的定位精度．仿真结果证明了该方法的有效性．     

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。     

稳健非线性LMS非视距定位算法

在蜂窝移动定位中,非视距波(NLOS)是影响定位精度的主要因素,NLOS的传播会给距离测量值增加较大的正性误差。传统的线性滤波器主要是针对高斯分布的误差,并不能有效地处理NLOS误差。该文提出一种非线性LMS算法TOA测量结果进行重构来消除NLOS的影响。该算法将NLOS误差视作冲激性噪声,通过对LMS算法中的代价函数的非线性化来抑制TOA测量值中的NLOS误差,仿真结果证明了该算法的有效性。     

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LOS环境下的TDOA/AOA数据融合定位算法

提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在视距(LOS)环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

一种基于改进卡尔曼滤波的NLOS误差抑制算法

在蜂窝网络中,非视距（NLOS）传播是影响定位精度的主要因素.针对LOS与NLOS的混合环境,提出了一种基于到达时间（TOA）测量值进行NLOS误差消除的算法.该算法首先利用TOA测量值的统计特征建立新的判决机制,鉴别当前时刻的测量值是否存在NLOS误差,然后对包含NLOS误差的测量值,通过构建测量误差模型估计NLOS误差,并以此修正卡尔曼滤波器的新息,实现LOS重构.仿真结果表明,与已知算法相比,文章提出的算法能够更好地抑制NLOS误差,并且适应于不同的LOS与NLOS混合环境.     

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，即直接一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。     

基于TOA减小非视距误差的方案设计

针对TOA无线定位中容易受非视距影响等问题,提出了一套有效减小非视距误差的无线测距系统.通过建立消除非视距误差的卡尔曼滤波模型来消除随机干扰,利用实测数据进行离线滤波仿真,从而验证模型的有效性.以ATmega1280微处理器为控制器,nanoPAN 5375为射频芯片,设计了一套测距系统,并在测距平台上进行实际测试.结果表明,测距系统能够完成实时动态滤波,有效减少非视距误差,测量精度较高,可直接应用于存在NLOS环境下的定位.     

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。     

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。     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。     

一种减小NLOS影响的TDOA/AOA数据融合定位算法

提出了到达时间差/到达角数据融合定位算法.利用RBF神经网络对到达时间差的测量值进行修正以减小非视距传播影响,然后利用到达时间差定位算法和到达角定位算法分别估算移动台位置,最后对到达时间差和到达角定位结果进行加权平均得到移动台位置.仿真结果表明该算法在郊区、一般市区和闹市区环境下均能够有效地提高定位精度和可靠性.     

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．