一种非视距传播环境下的TDOA定位算法

在基于时差定位的各种算法中,Chan氏算法应用普遍。但在非视线传播环境（NLOS,Non-Line Of Sight）下,其定位性能显著下降。在分析基于视线传播的Chan氏算法基础上,给出了一种改进算法,利用TDOA残差对Chan结果进行加权,研究了当NLOS为确定性和随机性误差两种情况下该算法的性能。仿真结果表明,该算法在不同场合和环境下,都能有效地抑制NLOS误差,定位精度明显提高。     

基于自然选择的线性递减权重PSO与Taylor算法的TDOA协同定位算法研究

针对Taylor算法进行TDOA定位时,其初始估计位置的误差易导致Taylor算法不收敛和定位精度差的问题,提出一种基于自然选择的线性递减权重粒子群优化（W-SPSO）与Taylor算法协同定位的方法。该方法先通过W-SPSO算法得到一个初始估计位置（x,y）,再通过Taylor算法在（x,y）处进行迭代运算得到最终定位结果。不同噪声情况下的仿真结果显示：W-SPSO与Taylor算法协同定位方法对MS坐标估计值的均方差（RMSE）小于标准PSO（粒子群优化）、SelPSO（基于自然选择的粒子群优化算法）、W-SPSO、Taylor以及Chan五种算法的RMSE。因此,所提出的定位方法在保留了SelPSO算法求解精度和收敛性的基础上,同时提高了全局搜索能力,使其具有更高的定位精度和收敛性。     

TDOA和广义互相关相混合的无线传感器网络定位技术

在无线传感器网络基于定位的算法中,广义互相关算法能精确的计算时延,进而得到精确的距离值,但是计算量太大,极大地影响了无线传感器网络定位的实时性;在基于TDOA的定位算法中,虽然其计算量很小,但定位结果易受到环境的干扰,精度很难得到保证;因此根据这这两种算法的优点提出了一种TDOA和广义互相关相混合的定位算法,实验结果表明,按所需定位距离为30米左右时,改进后的定位算法的计算量较改进之前的减少了近7倍左右,同时还能保证定位结果的精度。     

基于Elman神经网络的TDOA定位算法

针对Chan定位算法在非视距(NLOS)环境下定位性能差的缺点,提出一种基于Elman神经网络的Chan定位算法,利用Elman神经网络的动态递归特性以及强大的非线性映射逼近能力,对NLOS误差进行修正,再利用Chan算法定位。仿真结果表明,在NLOS误差较大的环境下该算法仍具有良好的定位精度,性能优于Chan算法和泰勒级数展开法。     

基于卡尔曼滤波的TDOA/AOA混合定位算法

提出了一种利用两次卡尔曼滤波实现非视距环境中TDOA/AOA混合定位方法。根据类正态分布密度曲线是最小二乘意义下对指数分布密度曲线的最优拟合的思想建立TDOA误差模型,先利用卡尔曼滤波对TOA测量值进行预处理以消除NLOS误差,再把经过预处理的TOA测量值输入到卡尔曼滤波器来实现TDOA/AOA混合定位。仿真结果表明,该方法的定位误差性能明显优于单纯的TDOA定位方法以及服从指数分布误差模型下的TDOA定位方法。     

基于MPS的移动台混合定位方法

移动通信系统中,针对移动台的定位精度问题,提出基于MPS的混合定位方法.该方法引入一个专门处理目标用户地理位置信息的辅助系统,该系统不仅收集来自GPS的关于目标用户的位置信息,同时收集来自基站的位置信息.对信息加工整理后,再把最终的定位结果提交给用户.通过改进的Chan算法,有效降低了NLOS传播的误差影响.该方法兼顾了GPS的高精度和TDOA快速定位的优点,Matlab的仿真结果表明,该定位方法能够提高Chan算法在NLOS影响下的定位精度.     

基于TDOA定位算法的模糊解消除方法

本文提出了一种消除TDOA定位算法模糊解的方法--循环主站法。该方法可以大大减少因为定位的模糊性、得不到合理解而重新进行定位测量的次数,这有利于节约系统资源,提高定位效率。仿真实验证明了该方法的有效性。     

目标定位中的非视距传播研究综述

由于障碍物的存在,矿井等定位场景中普遍存在非视距传播现象,引起定位信号的折射、反射、衍射和散射,导致测距误差增大,进而影响目标定位精度。分析了非视距传播对TOA(Time of Arrival,到达时间)、TDOA(Time Difference of Arrival,到达时间差)、AOA(Angle of Arrival,到达角度)、RSSI(Received Signal Strength Indication,接收强度指示)等定位方法的影响,并从非视距传播的识别、非视距传播误差的抑制、非视距传播的利用及非视距场景下的定位方法设计4个方面对现有文献进行综述。对于非视距传播的识别,重点探讨了残差检验法、误差统计法、能量检测法、神经网络算法和几何关系法;对于非视距传播误差的抑制,主要分析了基于滤波的方法、基于半参数的方法、基于能量检测的方法及基于数据库的方法;对于非视距传播的利用,重点综述了提高定位系统鲁棒性及基于误差学习和匹配的方法;对于非视距场景下的目标定位方法设计,分为视距与非视距混合场景及纯非视距场景2种情况进行综述。探讨了目标定位中非视距传播研究的新方向:通过多种定位技术的融合提高目标定位精度;借助新兴技术提高非视距场景下的目标定位精度;通过与其他信息系统的交互引入额外信息,实现跨系统协同定位。     

基于Chan氏算法和文化算法的协同定位

提出一种到达时间差(TDOA)定位方法,利用Chan氏算法进行初始定位估计,将估计结果作为经验知识存储于信念空间中,采用文化算法求解定位估计中的最大似然函数,获得最佳估计坐标值,从而实现对移动台的最终定位估计。历史知识的引入能有效避免陷入局部最优值,并改善算法的定位精度。仿真实验结果表明,该方法性能稳定、定位精度高、收敛速度快。     

基于RBF神经网络的TDOA/AOA定位算法

为了减小NLOS传播的影响,提出基于RBF网络的TDOA/AOA算法。利用RBF神经网络对NLOS传播的误差进行修正,使用TDOA/AOA算法进行定位。仿真结果表明该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于TDOA/AOA算法、Taylor算法、Chan算法和最小二乘(LS)算法。     

基于WGS-84地球模型的三站时差定位算法

针对基于WGS-84地球模型的三站时差定位算法,从定位模糊、定位精度和运算效率3个方面,综合比较了传统的牛顿迭代算法与一种基于测量站覆盖范围的局域参考坐标系(以下简称局域参考坐标系)下算法的性能.将局域参考坐标系下算法的定位结果作为牛顿迭代的初值,结合两种算法,形成一种综合算法,并对3种算法进行性能比较.由仿真结果可知...     

非视距环境下基于到达时间差的一种定位算法

由于对无线定位日益增长的业务需求,无线定位近些年成为人们关注的焦点.针对实际环境中TDOA测量值时常受到非视距的影响而造成定位精度显著下降的问题,在Chan算法基础上,提出一种减小非视距影响的算法,该算法采用加入校正因子的方法,通过逐步迭代,以增加较小的运算量为代价减小非视距的影响,从而达到提高定位精度的目的.仿真表明,在各种环境下,特别是非视距环境下,该算法能够显著提高定位的精度,且运算量较小,因而具有一定的实用意义.     

基于三星定位快速二次相关时差估计算法研究

定位是通过对某一个或几个参数进行估计来实现的,参数估计方法是定位问题的关键.卫星干扰源三星定位算法需要测得一对TDOA的值.为解决计算的快速性问题,在研究二次相关法时差估计算法的基础上,提出了一种快速的卫星干扰源定位时差估计方法.利用相关函数和功率谱密度互为傅里叶变换对的特性,能够快速、准确估计信号的TDOA参数.仿真和实验结果表明,改进算法在相同信噪比条件下,能快速有效估计出时延,有效改善了卫星干扰源定位的实时性.     

NLOS环境下基于到达时间差(TDOA)的定位算法

由于对无线定位日益增长的业务需求,无线定位最近几年成为人们关注的焦点。关于定位的算法也有很多,但是大部分的算法都是基于视距(LOS)环境的。然而,事实上,无线信道基本上都存在非视距传播,因此,虽然算法本身的精度比较高,但是由于非视距的因素,定位的精度并不高。本文提出一种消除非视距影响的TDOA算法,本算法采用衰减因子的方法,通过逐步迭代,从而消除非视距的影响。仿真表明,在非视距环境下,本算法的确比常规算法能够提高定位精度,且运算量较小。     

基于TDOA原理计算信号源位置的算法探讨

目前,在无线电监测工作中小型监测站以其成本低、体积小、便于维护等众多优势得到广泛应用,已逐渐成为行业趋势。但是,众多小型监测站目前仅具备监测功能,不具备测向功能,给未知信号源的定位带来诸多不便,因此基于TDOA(Time Difference Of Arrival)定位方法的研究便显得尤为重要。主要讨论了基于未知信号源到不同监测站的时间差、计算未知信号源位置的方法,并用C语言实现。     

一种改进的TDOA无线传感器网络节点定位算法

传感器组成的无线网络中,准确获取每个传感器节点的位置信息有着非常关键的作用。在分析比较其他定位算法的基础上,采用了以精度较高的距离相关性为理论基础实现的TDOA定位算法,并针对实际情况对算法进行了优化改进。实验中为了得到节点声信号的到达时间差,对信号进行了ⅡR滤波处理和幅值包络分析。仿真和实验结果表明,文章中所设计的TDOA定位算法不仅大大减少了计算量,而且定位结果精确,是可行的。     

基于数据融合的TDOA定位方法研究

本文从基站选择的角度,利用不同基站集合的定位估计结果并结合先验信息得到具有最小几何精度因子的定位估计、不同定位估计基于信息分享的方法的融合结果以及基于残差的融合结果,然后将各层融合结果按照最佳线性融合的方法融合形成决策输出。仿真结果表明:在非视距环境下,该算法有效的提高了移动台的定位精度,而且此算法简单,易于实现。