一种基于单次散射体定位的TOA/AOA混合定位算法

为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(Time of Arrival,TOA)/到达角(Angle of Arrival,AOA)混合定位算法.假设各基站(Base Station,BS)接收的多径信号都经历了散射体单次散射,首先利用...     

基于散射体信息的室内NLOS多站协作定位算法

针对现有视距(LOS)定位方法在非视距(NLOS)环境中定位精度急剧恶化的问题,提出一种基于散射体信息的室内NLOS多站协作定位算法,可在完全没有LOS路径的情况下进行定位.首先,利用多AP以及联合场景先验信息协同确定目标NLOS区域和散射体模糊区域;其次,根据信号的到达角对散射体区域进行约束,并在区域内搜索散射体的位...     

基于JADE算法定位技术的研究

文中重点对在TD-SCDMA系统中,采用JADE-MUSIC算法联合提取TOA和AOA定位参数,实现单基站定位的技术进行了分析和研究。通过上行同步偏移参量获得TOA值,通过智能天线的DOA估计获得AOA值,实现TOA与AOA相结合的单站定位是现在比较盛行的方法。但这种方法受限于同步偏移参量的步进。针对此,对基于经典JADE-MUSIC谱估计算法的联合AOA和TOA参数提取的单站定位技术进行区域划分进行一定的研究。     

一种基于TOA定位的CHAN改进算法

 本文提出了一种基于TOA参数的CHAN改进定位算法.首先利用坐标平移的方法,消除定位方程中的未知参数,得到移动台位置的一次估计;其次通过对一次定位结果误差的分析表明基站的几何位置结构和到达距离对定位误差具有不同的"贡献"度,依据"贡献"度大小的不同,对大"贡献"度采用小权值而对小"贡献"度采用大权值的原则,提出了虚拟基站的方法来减小系统的总体误差,从而提高定位精度.仿真结果验证了本文算法的有效性.     

基于卡尔曼滤波的测量值重构及定位算法

在蜂窝网无线定位技术中,非视距(NLOS)误差的存在使定位性能急剧下降。该文提出了一种针对NLOS环境的基于卡尔曼滤波(KF)的动态跟踪定位算法。算法首先利用有偏卡尔曼滤波器的对测量值进行重构,然后利用重构后的测量值进行卡尔曼定位,并引入推算机制加以修正。实验结果表明,该方法在极为恶劣的NLOS环境下也能够获得很高的定位精度。     

基于数据融合技术的单基站混合定位算法

针对传统的多基站定位容易引起通话质量干扰问题,提出了在TD-SCDMA蜂窝系统中,仅采用单个基站定位的混合定位算法(HPSR,hybrid positioning scheme with RSS).在该算法中,设计了一种新的冗余RSS数据融合模型(RDFM,RSS data fusion model)以消除非视距(NLOS,non-line-of-sight)误差,提高定位精度,并从理论推导证明了此模型的有效性.给出了运用在实际中的定位流程图,并进行了仿真验证,仿真结果表明,HPSR同时提高了TOA/AOA算法的稳定度和精确度.     

基于散射体模型的单站无源定位算法

提出了基于二次散射模型下,采用机动的单观测站来实现对MS的定位算法。该算法利用不同观测点获得伪目标的运动轨迹,运用圆拟合法联合估计多个第二层散射体的位置和第二层散射体到MS之间的散射距离,从而将单站定位转换成多站定位;其次将第二层散射体视为伪基站,利用成熟的多站定位算法估计第一层散射体位置;最后利用第一层散射体的位置和信号发射角估计MS的位置。其仿真结果验证了该算法的有效性。     

IR-UWB系统中采用锯齿波匹配的低复杂度TOA估计

采用非相干能量检测,提出了一种负斜率锯齿波相关搜索的算法,其结合接收多径脉冲信号的包络特征,获得了次优的估计性能。另外,通过对于锯齿波斜率(锯齿波宽度)的分析给出了在非视距条件下无偏估计的条件,理论分析了TOA估计平均绝对误差,推导出其性能解。仿真结果验证了算法的性能,并通过对结果的分析给出了在视距和非视距环境、不同信噪比下锯齿波斜率的最优取值范围。该方法解决了估计复杂度、抗多径和非视距环境下的顽健性问题。     

一种基于TOA的定位优化算法

提出了一种在非视距环境下,当基站处于不良布站情况,即基站不能如蜂窝状包围住移动台时,测电波到达时间(TOA)定位算法的一种优化方法。其主要思想为先利用三基站相交线定位方法测得一个移动台的初始值坐标,再通过初始值坐标,确定基站选择和坐标优化机制,选择两两基站最优搭配,利用最优基站的圆周线相交定位方法,经过多次测量,消除NLOS误差对测量值的影响,最终确定出移动台坐标。此方法计算量小,结构简单,经验证,此方法比原来方法有更高的测量精度。     

基于B-LM圆环模型的NLOS信息约束单基站定位算法

针对当前室外蜂窝网多基站定位需要基站之间时间同步、数据同步的要求,以及NLOS环境造成的非服务区基站的信号可测性问题,该文提出基于B-LM圆环模型的NLOS信息约束单基站定位算法。首先根据散射体、目标和基站间的几何位置关系以及NLOS多路径信息构建定位方程,然后将定位方程转化为最小二乘优化问题,之后基于LM算法海森矩阵修正思想和拟牛顿2阶偏导构造思想提出B-LM算法,保证算法收敛于最优解,以得到目标位置。仿真结果表明,所提单基站定位算法能在宏蜂窝NLOS环境实现较高的定位精度。     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。     

一种改进的NLOS环境下的TDOA/AOA混合定位算法

在蜂窝移动通信系统中,利用基站测量的到达时间差(TDOA)和电波到达角(AOA)的混合定位方法能够比传统的TDOA方法提供更高的定位精度。但是在非视距(NLOS)条件下,当AOA的测量误差超过一定值时,定位的误差仍然很大。该文根据NLOS传播环境下附加传播时延服从指数分布的特性,估计附加时延的均值和方差,对TDOA测量值进行重构,再以AOA方法进行辅助定位。仿真结果表明,该算法能显著提高传统的TDOA和TDOA/AOA方法在NLOS传播环境下的定位精度。     

在非视距环境下基于数据融合的无线定位算法研究

在基于TDOA数据融合算法的基础上,给出了一种在非视距环境下改进型数据融合模型。该模型利用联合卡尔曼法消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此,利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法,有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现,结果表明该算法能够有效地降低NLOS误差的影响,定位精度比其它算法有显著提高,而且在不同分布的NLOS误差下表现稳定。     

多天线NLOS定位误差抑制算法

为抑制非视距传播造成的定位误差,提出一种基于对各基站TOA测量结果进行NLOS判别的误差抑制算法。与传统基于TOA统计信息的NLOS抑制不同,算法直接利用移动台多天线接收数据判别基站视距状态,然后融合LOS和NLOS基站测量结果解算移动台位置。NLOS判别机制采用多天线接收数据估计信道莱斯K因子,利用K因子在LOS/NLOS下服从的不同概率分布在信号处理层面对NLOS基站进行判别。算法最后采用约束最优化方法融合识别后的LOS和NLOS基站的TOA测量结果解算移动台位置。仿真结果表明,所提融合NLOS基站TOA解算算法可有效提高NLOS存在时的定位精度。      

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

一种NLOS环境下的TOA/AOA定位算法

为了减小NLOS传播的影响,基于几何结构的单次反射统计信道模型,该文提出一种NLOS环境下的TOA/AOA定位算法。利用RBF神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正以减小NLOS传播的影响,再利用最小二乘(LS)算法进行定位,从而提高系统的定位精度。仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于Chan算法,Taylor算法和LS算法。     

基于射线寻迹的非视距被动声定位方法

基于射线寻迹的原理,提出了一种对被动声源进行非视距定位的方法。非视距声信号通常经过绕射到达基阵,根据广义费马原理,传播路径为一条短程线。在地理信息已知和多个基阵已测得声信号波达方向的情况下,对绕射信号的短程线上的离散点进行了射线寻迹,然后分析寻迹结果得到了有用的声源位置信息。障碍物为圆柱形或球形构成的仿真结果表明,声源位置估计值分布于一段平滑单调的曲线上。     

一种在NLOS环境下提高精度的TDOA定位方法

根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行了估计,并对TDOA（到达时间差）的测量值和方差进行了修正,在一定程度上消除了NLOS误差的影响.采用Chn算法对移动台（MS）位置进行定位.仿真结果表明,该方法能够提高Chan算法在NLOS传播环境下的定位精度.     

GALE: An Enhanced Geometry-Assisted Location Estimation Algorithm for NLOS Environments

Mobile location estimation has attracted a significant amount of attention in recent years. The network-based location estimation schemes have been widely adopted based on the radio signals between the mobile device and the base stations. The two-step Least-Squares (LS) method has been studied in related research to provide efficient location estimation of the mobile devices. However, the algorithm results in insufficient accuracy for location estimation with the existence of Non-Line-Of-Sight (NLOS) errors. A Geometry-Assisted Location Estimation (GALE) algorithm is proposed in this paper with the consideration of different geometric layouts between the mobile device and its associated base stations. In order to enhance the precision of the location estimate, the GALE scheme is designed to incorporate the geometric constraints within the formulation of the two-step LS method. The algorithm can be utilized to estimate both the two-dimensional and the three-dimensional positions of a mobile device. The proposed GALE scheme can both preserve the computational efficiency from the two-step LS algorithm and obtain a precise location estimation under NLOS environments. Moreover, the Cramer-Rao Lower Bound (CRLB) for various types of measurement signals is derived to facilitate the performance comparison between different location estimation schemes. Numerical results illustrate that the proposed GALE algorithm can achieve better accuracy compared with other existing network-based location estimation schemes.