NLOS环境下TDOA/AOA混合定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。本文在传统的TDOA/AOA混合定位算法加入校正因子,通过逐步迭代的方法,逐渐消除NLOS对TDOA测量值的影响,从而获得比传统TDOA/AOA混合定位算法更高的定位精度。仿真表明：在各种环境下,特别是非视距环境下该方法能够显著提高定位的精度,并且运算量增加较少。     

基于TDOA的空间定位算法

随着第三代(3G)移动通信的发展和美国E911规定的颁布,蜂窝网络移动台(MS)无线定位技术得到了越来越广泛的注视.该服务能够提供有关移动台位置的信息,因此在很多领域有着重要的应用.提出了一种基于到达时间差(TDOA)的三维定位算法.其主要思想是用一新变量代替定位估计中的二次项,把非线性估计转化为两次WLS(加权最小二乘)线性估计.此算法结构简单,计算量较小.通过模拟仿真,结果证明了该算法的有效性.     

基于免疫算法的TDOA定位技术研究

为了解决TDOA定位估计中遇到的非线性最优化问题，提出了一种联合使用Chan算法和免疫算法的混合定位算法．针对TDOA方式进行最佳坐标搜索的问题，所设计的基于浮点数编码的免疫算法利用混沌方程产生初始种群、改进了免疫算子，提高了算法的收敛速度和性能．仿真结果表明，在保证种群数量的情况下，该算法性能稳定，能找到逼近全局最优点的解，相对于Chan算法精度更高，相对于遗传算法在保证收敛性能的前提下有更快的收敛速度．     

基于贝叶斯推理的TDOA/AOA定位算法

在视距(LOS)环境下,到达时间差(TDOA)和电波到达角(AOA)定位技术可以获得较高的精度,而在非视距(NLOS)环境下,无法得到良好的定位效果.在非理想信道环境下,蜂窝基站和移动终端之间存在多径传输和NLOS传播的问题,这些因素均会影响定位精度.构建LOS和NLOS传播条件下的实际信道环境模型来研究信号的测量误差特性,利用贝叶斯推理的方法对AOA测量值进行估计,从而有效消除附加噪声的干扰.仿真结果表明,在NLOS环境下,该算法的定位性能优于单纯的TDOA和TDOA/AOA算法.     

LEO卫星TDOA/DOA定位性能分析

随着以“星链”卫星为代表的低轨（LEO）互联网卫星系统的快速发展,星载相控阵列天线的应用数量飞速增长,未来LEO互联网卫星便于提供星载电磁波到达方向（DOA）检测能力。卫星覆盖区内的非法干扰进行定位排查,是未来互联网卫星系统正常运维的重要保障。目前常用的双星到达时差（TDOA）/到达频差（FDOA）定位体制存在定位误差显著增大的“定位盲区”造成盲区内的干扰源无法定位的问题,提出了一种基于加权最小二乘约束优化模型的TDOA/DOA双星干扰源定位技术体制。分析了几何稀释精度因子（GDOP）的定位误差,仿真实验表明该定位方法具有不存在“定位盲区”的优点,在经纬度张角为4°×4°的波束范围内定位误差小于0.2 km,定位误差的地理平均为0.112 km,满足非法干扰定位排查的应用需求。通过定位解算的根均方差（RMSE）的蒙特卡洛方法,验证了GDOP误差精度。该定位方法的定位误差地理稳定性优于目前常规的双星TDOA/FDOA定位算法。     

一种基于模糊BP神经网络的TDOA定位算法

提出了一种以TDOA量测作为网络输入,定位目标三维空间坐标估计值作为网络输出的模糊BP神经网络定位算法。描述了基于模糊神经网络进行定位的模型结构以及关于BP神经网络待调整参数的递归学习算法。通过仿真实验,分析了输入层节点数目和模糊If-then规则数目对定位精度的影响并将提出的算法与CRLB进行了比较。     

一种基于优化TDOA的无线传感网络定位算法

运用TDOA方法对节点定位时,需要对节点测距。由于时间精度及硬件的限制,其定位精度有时不能达到要求。针对这一问题,提出一种对TDOA定位方法的改进算法,减小了由于测距产生的定位误差。并通过仿真证明了改进算法的优越性。     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。     

基于AOA和TDOA的无线传感器网络三维联合定位算法

结合二维空间中基于波的干涉的角度测量算法和基于到达时间差的定位算法,提出一种适用于三维空间的无线传感器网络定位算法。算法先测量信标节点和待测节点间的角度和距离,然后精确计算出待测节点坐标。该算法复杂度较低,最少只需三个信标节点,采用分布式计算,定位精度高。仿真表明,算法能够较精确地计算三维空间中传感器节点的位置。     

基于TDOA和AOA的煤矿井下三维定位算法

针对煤矿井下现有定位算法的定位精度难以满足实际需求的问题,结合煤矿井下特殊的环境条件,提出了一种基于TDOA和AOA的煤矿井下三维定位算法。该算法利用巷道中的传感器基站测量未知节点发出的辐射到达不同基站的时间差和它们之间的相对角度,通过包含未知节点的坐标信息并结合基站本身的坐标信息进行定位。仿真结果表明,通过与定位模型的结合,基于TDOA和AOA的算法可有效消除测量值中的噪声干扰与随机误差,定位精度高。     

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。     

基于TDOA改进的矿山井下机车定位方法

为提高矿山井下机车的定位精度,提出了一种基于到达时间差（Time Difference of Arrival,TDOA）改进的矿山井下机车定位方法。采用超声波和无线电传播时间差实现测距,分析了测距技术在井下运用时产生的误差,并对误差进行补偿。为了修正机车定位过程中产生的位移误差,把位移误差化简为机车到节点的距离误差。通过规律性地布置节点和惯性导航技术,计算出位移后机车到节点的距离。使用最小二乘法估计出机车的初始位置坐标,并通过泰勒级数最小二乘法修正坐标实现定位,定位精度可达12 cm。相比于传统的定位算法,该方法增加了定位精度,且在机车不同速度下,保持了较为稳定的定位精度。     

考虑锚点位置误差的井下TDOA改进算法

针对井下TDOA定位算法未考虑锚点位置误差、在测量噪声较大时定位精度严重下降的问题,提出一种考虑锚点位置误差的井下TDOA改进算法。将锚点位置误差作为参数,对TDOA定位模型进行改进,并采用基于凸优化的迭代TDOA算法对模型进行求解。仿真结果表明,当锚点位置误差为1cm时,算法定位精度可达到5cm;即使在测量噪声较大时,该算法仍可有效逼近克拉美罗下限(CRLB),优于现有的TSWLS、改进TSWLS算法。     

基于Taylor展开的UWB井下定位算法研究与实现

针对无线信号在煤矿巷道中传播时由于多径效应明显,而导致定位精度不高的问题,通过对UWB定位模型进行分析,提出一种基于Taylor级数展开的UWB（Ultra Wide-Band）定位算法。考虑Taylor级数迭代算法对初始值依赖性很高的问题,首先采用三点直接定位算法对目标节点进行粗定位,然后通过阈值筛选和权重计算产生Taylor定位的初始值,再进行迭代求解,进行第二次精确定位。一个基于UWB无线定位系统平台对该算法进行了验证,结果表明该算法可以保证最大定位误差为0.4 m,基本满足井下定位的需要。     

基于超宽带技术的TDOA室内三维定位算法研究

在室内环境下对目标进行无线定位时,由于障碍物的遮挡而造成的非视距（NLOS）误差对定位精度产生了很大的影响。针对此问题,对利用超宽带（UWB）技术测量得到的到达时间差（TDOA）数据进行残差分析,首先鉴别测得的数据中是否存在NLOS误差,然后针对存在NLOS误差的情况,提出将Fang算法得到的定位结果作为泰勒级数展开法的初始定位值,组成Fang-Taylor级数联合算法来计算NLOS情况下的定位结果。而对于视距（LOS）情况下测得的数据,仍采用单一的Fang算法进行计算。仿真对比实验表明,Fang-Taylor级数联合算法有效地提高了室内NLOS环境下目标的定位精度。     

基于改进ELM的煤矿井下定位算法

提出了一种基于改进极限学习机(ELM,extreme learning machine)神经网络的煤矿井下人员定位算法,针对测距模型易受井下复杂环境干扰,无法准确测距的问题,选用基于指纹的位置匹配模型;使用极限学习机将指纹和位置进行匹配,选用改进鲸鱼优化算法(IWOA,improved whale optimization algorithm)选取ELM合适的输入权值和隐含层阈值,以提高定位精度。在定位的在线阶段,将新的指纹数据代入带动态权值因子的在线顺序极限学习机(DOS-ELM,dynamic weight factor online sequential extreme learning machine)模型对定位模型进行动态调整,以克服电磁传播环境变动使定位结果产生的误差;仿真实验结果表明,该模型的定位误差在1.5 m以内的置信概率为72%,平均定位误差为1.64 m,与其他算法的实验结果相比,文章算法鲁棒性强,定位精度高。     

改进的井下人员定位PDR算法研究

传统的行人航位推算(PDR)算法用于井下人员定位时,因步频检测、步长估计和航向估计阶段的姿态累计误差导致定位误差逐渐增大,而常用的零速校正、航向漂移消除、步态信号优化等误差修正方法无法改变PDR算法的固有缺陷,定位精度有待提高。提出采用改进的峰值检测法实现PDR算法中步频检测,基于深度循环神经网络(RNN)实现步长估计。将改进的PDR算法用于井下人员定位:首先采用手机加速度传感器、陀螺仪、磁力计获取行人运动数据;然后采用改进的峰值检测法获取固定时间间隔内的平均步频,与时间间隔、加速度及加速度方差作为特征输入训练后的深度RNN模型进行步长估计;最后结合估计的航向角预测人员当前位置。试验结果表明,改进的井下人员定位PDR算法对测试集数据的预测相对误差为5.9%,对实际测试路线的定位相对误差为1.6%~3.9%,小于传统PDR算法定位误差,有效提高了井下人员定位精度。     

一种井下人员无线定位算法研究

针对传统井下指纹定位算法存在需要采集大量指纹数据和定位精度不高的问题,提出了一种差分鱼群优化最小二乘支持向量机(DEAFSA-LSSVM)的井下人员无线定位算法.首先将井下实验区域划分为多个小区域,并利用克里金插值算法建立指纹数据库;然后利用差分进化与人工鱼群混合智能算法优化正则化参数和核函数宽度,建立最小二乘支持向量机算法模型,利用无线采集接收终端采集待定位点的无线信息数据,通过最小二乘支持向量机算法模型计算出其所属小区域;最后利用小区域内无线信息数据,通过加权K近邻算法进行实时定位.实验结果表明:该定位算法的收敛速度快,分类准确,准确率达到98.87%;定位精度高,平均定位误差为1.51 m,比未经优化的最小二乘支持向量机算法的定位精度提高18.82%.     

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。