CHAN算法在LOS和NLOS环境下的定位研究

在基于时间到达差(Time Difference Of Arrival,TDOA)的定位估计算法中,CHAN算法计算量小,能够在视距(Line Of Sight,LOS)传播环境下获得较高的定位精度,因而被广泛应用。但是在非视距传播环境(Non-Line Of Sight,NLOS)下,该算法的定位性能会明显下降。因为在非视距情况,尤其是密集城区,由于建筑物等障碍物的存在使得无线电信号无法直线传播,这就引入了NLOS误差;而CHAN算法中的加权矩阵只考虑了系统误差,无法消除NLOS误差。文中在基于视距环境下CHAN算法的研究基础上,对非视距引入的NLOS误差的统计特性进行分析,给出一种在NLOS情况下,通过优化非视距TDOA测量值误差的方法来改善非视距下的CHAN算法性能,并通过仿真分析了CHAN算法在不同环境模型下的定位性能。仿真结果表明,改善的CHAN算法在NLOS环境下能取得较好的定位性能。

基于遗传算法的LTE网络定位服务时延估计

为降低NLOS环境对无线定位系统的干扰,文中提出了一种基于遗传算法的定位服务时延估计方案。该方案利用遗传算法启发性随机搜索的能力,求出NLOS环境下基站与移动台间的直视径时延。以各路径的到达时延以及到达角作为遗传算法的初始化信息,构建具有自适应性的适应度函数,通对目标函数求解得到直视径时延。仿真结果表明,该方案与传统的基于广义互相关的时延估计方案相比,可以有效降低NLOS环境下的环境噪声。在目标函数基本能够描述环境的前提下,遗传算法具有快速求解复杂环境下优势解的能力,可以满足各类依赖定位服务的应用对定位服务响应速度以及定位精度的要求。

基于MIMO的单基站混合定位算法研究

传统定位算法实现时往往需要3个以上的基站,且定位精度易受非视距信号的影响。针对上述问题,提出一种基于MIMO的单基站混合定位算法,利用信号路径参数以及基站、移动台、散射体之间的位置几何关系将定位问题转化成非线性约束优化问题,并使用改进的粒子群算法对其求解得到目标估计位置。计算机仿真表明,该算法在非视距环境下具有良好的定位精度和定位稳定性。