基于ZigBee技术的TDOA定位系统设计

在高精度传感器网络定位系统中,基于到达时间差（TDOA）的定位系统得到了越来越普遍的研究。首先设计了一套基于ZigBee技术的无线通信节点,通过扩展超声波测距装置构建了TDOA定位系统所需的硬件平台。在分析定位节点和信标节点的工作特性的基础上提出了基于事件驱动的定位机制,既保证系统响应速度高效又能有效降低系统功耗,改善了空间中能量碰撞和信号串扰问题。另外还针对TDOA测距过程中存在的误差进行实验分析与修正,最终有效地减小了测距误差的影响,从而提高了系统定位精度。     

无线传感器网络TDOA定位系统的设计与实现

分析现有的基于TDOA的无线传感器网络定位系统与算法,使用基于超声波传感器和无线射频模块的到达时间差(TDOA)测距技术,完成了该定位系统、机制和算法的设计和实现;针对传感器网络在实际应用中的不均匀性布撒和不良节点定位等问题,在TDOA测距技术和多边测量定位算法的基础上,提出一种改进的定位算法,以提高网络定位性能;实验表明,改进后的定位系统有效的减小了网络的定位误差,解决了不良定位问题,可应用到无线传感器网络中。     

基于RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

无线传感器网络TDOA测距误差分析与校正

测距是无线传感器网络定位的基础,基于TDOA的测距有较高的精度;分析现有的基于TDOA的无线传感器网络定位系统与算法,使用基于超声波传感器和无线射频模块的TDOA测距技术,并针对测距过程中存在的误差,提出一种新的误差补偿和校正方法;该方法在对TDOA误差源及其影响行为进行详细分析的基础上,建立了测距误差模型;对影响较大的误差因子给予单独校正,并结合相关数学原理,引入了最小二乘回归,建立了误差校正的方案;实验结果表明,该方法有效地减小了测距误差的影响,从而提高了系统定位精度。     

基于超宽频距离传感器的移动目标定位系统

介绍了一种基于超宽频的高精度距离传感器P410（PulsON410）,阐明了它的测距与通信模块（RCM）和单基站雷达模块（MRM）的2种测距模式与原理,论述了典型的室内定位系统的原理与相关算法。在三边定位算法的基础上建立了参考节点呈等边三角形排列的定位系统,分别实现了在2种测距模式下单移动目标的定位跟踪。分析了该传感器在基于RCM测距模式下进行定位的定位精度。仿真实验结果表明：在等边三角形内部,定位误差分布呈现规律性,由三边向质心呈逐渐降低趋势,为进一步优化该系统的定位精度提供了依据。     

基于TDOA的室内超声波定位方法的改进

基于超声波和射频信号的TDOA（Time Difference Of Arrival,TDOA）室内无线传感网定位系统得到了越来越普遍的研究。其以距离测量为基础计算待测节点坐标。测距的误差影响定位结果的准确性。因此,文中主要目的是介绍基于超声波技术和射频技术定位系统的工作原理,通过采用总体最小二乘法（Total Least Square,TLS）的直线拟合方法对距离测量误差进行补偿,修正距离值,然后采用极小极大算法（Min-Max algorithm）进行定位的位置坐标计算,得到系统测距误差较小和定位准确性高的结果。实验数据仿真表明,该方法提高了距离测量精度和系统的定位准确性。     

基于在线校正的无线传感器网络定位算法

准确度和精确度是无线传感器网络定位系统重要的指标。分析现有的校正技术,在基于超声波传感器和无线射频模块的到达时间差（TDOA）测距技术和多边测量定位算法的基础上,结合校正技术,提出一种基于在线校正的定位算法。改进的算法针对传感器网络在实际应用中的不均匀性布撒,充分利用密集布撒下节点定位的冗余信息,以提高密集型网络的定位精度,从而提高整个网络的定位性能。实验表明,改进的定位算法有效地减小了网络的定位误差。     

基于UWB的地铁隧道定位系统设计

超宽带技术因其具有定位精度高、抗多径干扰能力强、传输速率高等优势,成为了当前主流的室内定位技术。由于地铁隧道中环境恶劣,为了保证施工人员的安全,实现对地铁隧道中施工人员的实时定位,设计了基于UWB技术的地铁隧道定位系统。该系统采用对称双向双边测距(SDS-TWR,Symmetric Double-Sided Two-Way Ranging)算法以有效抑制移动标签和定位基站之间由于晶振漂移导致的测距误差,同时在基于到达时间(TOA,Time of Arrival)的定位方法上采用粒子群算法提高定位精度。实验结果表明基于UWB的地铁隧道定位系统在地铁隧道中能稳定工作且定位精度得到有效的提高,该系统具有功耗低、实现简单、定位精度高的特点,能够满足地铁隧道当中对于人员实时精确定位的需求。     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

基于双向测距的协同定位系统误差分析

针对协同定位系统中影响节点定位精度受测距误差影响的问题,主要研究和分析了测距误差传播以及移动场景误差对协同定位系统的影响.采用基于GPS(Global Positioning System)和超带宽双程测距的低成本协同定位系统,分析了协同定位系统中的误差传播过程,推导了测距协方差阵和定位协方差阵.在不同场景下进行了仿真,经分析得出节点间几何关系是影响系统定位误差的最重要因素.该结论对于协同定位系统中移动节点的定位精度提升具有一定的指导价值.     

基于临近听域超声波TDOA室内定位的实现

介绍了一种便于部署的超声波室内定位系统。通过普通高音喇叭可以发射的20~22 kHz超声波频段,本文实现了基于3个高音喇叭信号源的超声波到达时间差（Time difference of arrival,TDOA）的定位。普通手机通过麦克风采集该频段的超声波,经过信号处理后实现了高精度、低成本的室内定位。本文在定位系统中设计了发射端超声波定位声源的信号结构,并设计了接收端通过频率搜索和基于快速傅里叶变换的频域搜索的同步方法。同时本文还将一种修正秩-1拟牛顿法应用到了基于TDOA的定位场景中,并验证了在使用3个高音喇叭时该算法定位精度与经典的CHAN算法基本相同。实验中本方法采用了不同于以往的40 kHz超声波频段的定位方案,在使用普通手机接收的条件下,各次实验结果误差均低于9 cm。     

移动机器人超宽带与视觉惯性里程计组合的室内定位算法

对于移动机器人在室内环境的定位任务,新兴的基于视觉惯性里程计（VIO）的辅助定位技术受光线条件限制大,无法在黑暗环境中工作,且超宽带（UWB）定位易受非视距（NLOS）误差影响。针对以上问题,提出一种UWB与VIO组合的室内移动机器人定位算法。首先,采用立体视觉多状态约束下的Kalman滤波器（S-MSCKF）算法/双边双向测距（DS-TWR）算法和三边定位法,分别得到VIO输出的位置信息/UWB解算的定位信息;然后,建立位置测量系统的运动方程与观测方程;最后,通过误差状态扩展卡尔曼滤波（ES-EKF）算法来进行数据融合,得到机器人的最优位置估计。使用搭建的移动定位平台在不同的室内环境下对组合定位方算法进行验证。实验结果表明在有障碍物的室内环境下,与单一UWB定位方法相比,所提算法的总体定位的最大误差减小了约4.4%,均方误差减小了约6.3%;与VIO定位方法相比,所提算法的总体定位的最大误差减小了约31.5%,均方误差减小了约60.3%。可见所提算法可为室内环境下的移动机器人提供实时、精确且鲁棒的定位结果。     

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。     

基于蜂窝网结构的多目标自动辨识定位方法

针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度（PHD）滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。     

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,然后通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并且提出了染色体的筛选和剔除策略。仿真实验结果表明：该方法在有效的时间内完成定位,平均定位误差为0.1572m,与传统的改进方法0.33214m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好的满足室内移动机器人的定位要求。     

基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

基于AUPF的TDOA几何定位跟踪算法研究

使用无源时差（TDOA）定位技术确定无人机等小型辐射源目标的位置是当前研究的热点,针对时差定位算法较为复杂的实际情况,推导了时差双曲线的几何解,并提出了一种基于自适应无迹粒子滤波（AUPF）技术的移动目标定位跟踪方法。通过仿真对该方法在不同场景的应用效果进行了验证,进一步比较分析了算法的定位精度。结果表明,基于自适应无迹粒子滤波的时差几何定位跟踪算法可以在多种情况下较好地拟合出目标真实运动轨迹,实现对运动目标的定位跟踪,同时拥有更低的定位误差和更高的轨迹包容度,使用该方法可以显著提高对非合作移动辐射源目标的位置估计性能。     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。