基于模糊集合改进的TDOA声源定位方法

在复杂场景下对声源进行筛选并定位,可能会存在低信噪比、线性度不贴合实际以及多径效应等情况,往往对声源定位设备的硬件要求较高;为了解决这一问题,提出了利用模糊集合筛选处理采集的原始数据,优化TDOA算法的中间变量的方法;通过六元麦克风阵列采集到原始音频信号,利用隶属度函数将数据投射进模糊集合,根据隶属度值的大小对数据进行加权处理,从而得到理想的音频数据,将处理好的数据带到网格迭代搜索法中得到声源的定位结果;为验证该算法、以STM32为主控芯片搭建嵌入式声源定位系统,在相同条件下,与采用广义互相关得到时间差的TDOA算法进行对比,结果表明在对相同频率的音频进行定位时,该方法更具有抗干扰性和定位准确性,满足了通过算法改进从而提升声源定位抗干扰性的目标,在实际应用时减小硬件采集设备压力。

基于TDOA声源定位算法的激光武器狙击手攻击系统设计

针对现代战场中对狙击手实现快速打击的需求,本文设计了一种基于TDOA声源定位算法的激光武器狙击手攻击系统,该系统以STM32单片机为主控制器,以驻极体麦克风为声音检测传感器,利用TDOA算法实现音源的坐标测量。为了提高测量速度,本文采用查表法代替传统的最小二乘拟合的方法求解非线性方程组,使得.整机可以采用单片机作为核心处理器,降低了系统的功耗和体积。最后,本文通过实验测量所设计的枪声定位系统,距离测量误差小于±01m,角度测量误差小于±1°,测量时间不超过2s。此外,本系统可以用激光指示出声源所在位置,模拟使用激光武器打击目标。

基于RSSI和TDOA分层融合的无线定位算法

目前对于时间差定位差(Time Difference of Arrival,TDOA)的算法中,存在着定位偏差大、时间接收存在偏差等问题,直接导致定位精度受到很大影响。在各项定位算法中,基于接收信号强度定位算法(Received Signal Strength Indication,RSSI),具有覆盖面积广、精度高的特点,因此提出采用RSSI算法筛选修正过后进行TDOA算法的分层融合算法,使得整体的定位精度得到进一步提升。此分层融合算法可以提高定位精度,尽可能地减小因外部环境变化导致的定位误差。通过仿真可以看出,和现有的融合算法比较,该分层融合算法的可行性和稳定性有一定提升。

基于多策略蜜獾算法的TDOA定位

针对超宽带传感器TDOA定位估计的非线性最优问题,文章提出一种多策略改进的蜜獾优化的TDOA定位算法,通过引入Tent混沌映射函数、正余弦策略和Levy飞行多种策略进行改进,解决了传统蜜獾优化算法存在的局限性问题。文章首先建立TDOA算法适应度函数,通过改进的蜜獾算法得到定位信息,其次将定位信息作为Taylor算法的初始值,通过Taylor级数展开算法的进一步迭代,减小非视距误差,获得更高精度的定位结果。仿真实验结果表明,改进的多策略蜜獾算法与其他多种智能算法相比,具有更高的定位精度。

基于TDOA技术的无人机监测定位方法研究

随着无人机技术的快速发展,各种无人机“黑飞”现象对公共安全和国家安全造成了越来越严重的威胁,亟须有效的技术手段对其进行监管。本文介绍了一种利用TDOA技术对无人机信号进行监测定位的方法,能够帮助无线电管理机构实现对无人机干扰信号的管控。

基于TDOA算法的基建现场施工人员定位研究

为了解决当前存在的受大量多径干扰和视距干扰的影响而导致定位精度不足的问题,提出基于到达时间差(TDOA)算法的基建现场施工人员定位方法。利用层叠样式表单技术,搭建三维图像定位基本框架。使用统一的定位服务器,根据基建现场面积确定定位节点数量。创新性地将TDOA算法部署到定位引擎中,从三维图像中提取施工人员特征信息和位置特征信息并进行匹配,得到基建现场施工人员三维特征集合。利用TDOA算法计算待测目标的三维坐标信息,实现施工人员三维图像定位。对比试验结果表明:所提方法的定位数据与实际位置坐标的绝对误差在0.2 m以内;在非视距环境下,连续定位轨迹与模拟的真实轨迹基本一致;在定位距离测试中,测得的距离与真实结果更接近。在视距和非视距环境下,所提方法的定位误差小、测距结果准确、定位精度较高,满足实际定位需求。该研究可以较大程度地消除事故隐患,从而建立相对安全的施工环境、降低基建现场施工中出现事故的概率。

基于TDOA数据采集和传输效率的优化方法

到达时间差(time delay of arrival,TDOA)定位法具有定位精度高、建设成本低、抗多径干扰等优点,受到广泛关注,但在实际工程应用中,由于其采集效率低,数据汇聚耗时等问题导致定位速度慢。本文提出一种优化TDOA数据采集和传输效率的方法,一方面利用接收机的高精度时间触发功能来高效采集数据,另一方面将数据汇聚过程从同步改为异步。通过该方法将TDOA系统的定位速度提升一个数量级,并能适配到4G/5G无线网络,有利于TDOA技术走向规模化应用。

基于IFA和TDOA的变压器局部放电特高频定位方法

非线性球面方程组的求解是变压器局部放电定位的关键技术之一,针对定位算法对时延误差敏感、容易陷入局部最优或误解等问题,提出基于改进萤火虫算法的变压器局部放电特高频定位方法。给出局部放电的定位模型和目标函数,对定位算法的适应度函数进行改进,对萤火虫算法的初始种群选择策略和萤火虫个体更新策略进行改进。仿真过程中,在理论时延下验证改进算法的可行性,通过改变时延大小模拟实际测量时的时延误差,并与其他定位算法进行对比,发现改进的定位算法平均定位误差为10.53 cm,满足定位精度要求。通过实验进一步验证了该算法的有效性和适用性。

基于TDOA和AOA的5G室分场景三维定位方法

在智慧楼宇以及电力检修运维中,需要及时获取设备或人员位置信息。针对室内因非视距传输和多径效应引起的定位精度不高问题,提出了一种基于奇偶交错布局的室分与5G结合的室内三维定位方案。首先,采用到达时间差(time difference of arrival,TDOA)和到达角度(angle of arrival,AOA)融合定位。其次,把具体定位算法融入到定位架构里,基于边缘计算快速获取室内对应移动目标的位置信息。在进行TDOA定位过程中,MEC端的定位服务器结合压缩感知进行信道估计,并在分段正交匹配追踪(stagewise orthogonal matching pursuit,StOMP)算法的基础上加入奇异值进行降噪处理。在进行AOA定位过程中,先利用改进的波束空间变换技术构造矩阵进行降维,为保证降维过程中信息不损失,提出对附加角度误差进行分析处理,然后,采用多重信号分类(multiple signal classification,MUSIC)算法进行定位。最后,5GC核心网服务器利用Chan-Taylor算法进行TDOA/AOA融合定位。仿真结果证明了所提出的定位方法能够实现对移动目标的精准定位。

基于TDOA/AOA的惯性/单声源被动导航定位方法研究

被动导航定位技术以自主水下航行器(AUV)不向外发射信号为前提,具有定位隐蔽性好、安全性高的优势。惯性导航是一种自主式的导航,可用于AUV的被动定位,然而惯性导航误差易发散的特性限制了其长航时、远航程下的应用。针对此提出一种单声源辅助惯性的被动导航定位方法,单声源按照固定周期发射信号,AUV通过接收信号的到达时间差(TDOA)以及到达角度(AOA)完成对惯性导航误差的抑制,无需与声源进行信息交互。为了实现对惯性导航误差的抑制,推导了TDOA/AOA定位模型,建立了基于位置匹配的惯性/单声源松组合导航方法。仿真实验表明,所建立的单声源辅助惯性导航方法,可以有效抑制惯性导航误差的发散,水平方向误差收敛到10 m以内,可以为AUV提供长航时的被动导航定位功能。

嵌入式平面麦克风阵列TDOA校正方法

针对嵌入式安装麦克风阵列因壳体遮挡部分阵元而导致的实际波达时间差(TDOA)偏离直达波理论模型问题,基于实际声探测系统最常用的对称凸多边形平面阵型构造线性几何约束并结合秩2代数约束,提出了一种校正实测TDOA矩阵的凸优化闭式解,只要阵列结构中存在至少一对等长平行线,就能获得现有TDOA校正方法所没有的壳体遮挡衍射效应抑制能力,同时还能抑制随机误差和异常值的不利影响,实现复杂度低,更适用于日益普及的小型实时全向声探测系统应用.仿真结果验证了该方法的有效性.

一种基于加权质心的TOF与TDOA联合定位算法

在大噪声环境或者标签位于基站附近等定位场景中,UWB TDOA定位模式下的定位算法存在精度低且发散等问题。针对此问题,引入飞行时间差(TOF)测距和加权质心算法,构建了一种新的TOF与到达时间差(TDOA)联合定位算法。首先,利用TOF测距,得到TDOA双曲线定位方程,与传统的TOA测距相比,所提算法不需要严格的时间同步;其次,为解决大噪声环境多个定位圆不相交而无法定位的问题,引入TOF加权质心算法得到标签的初始粗定位置,并代入TDOA双曲线方程组;最后,采用Taylor迭代思想计算出标签坐标。仿真实验对比分析其他方法和所提算法在不同噪声环境和不同标签位置下的定位精度、算法复杂度以及标签定位散点图,结果表明:与TOF、TOF-TDOA、TOA-TDOA算法相比,本文算法能够在大噪声环境下提供较高的定位精度和定位范围;当噪声方差等于0.75时,本文算法定位精度分别提升了30.1%、25.6%和25.8%;不管标签远离双曲渐近线或者靠近基站,本文算法均能够提供稳定的定位性能,且满足UWB实时定位的需求。

基于TDOA的改进室内定位算法

针对Chan算法无法有效处理质量较差的TDOA测量值及Taylor级数展开算法收敛较慢的问题,提出一种基于TDOA的改进室内定位算法。将Chan算法的线性模型重构为抗干扰能力较强的非线性模型,使用混合最小二乘法求解线性模型,将解算结果作为初值输入非线性模型进行迭代计算。实验结果表明:改进算法在定位精度与准确度方面优于混合最小二乘的Chan算法,与Taylor级数展开算法的结果相近;在计算效率上略逊于混合最小二乘的Chan算法,优于Taylor级数展开算法。

基于自适应分解级数小波去噪的TDOA估计算法研究

在无源时差(Time Difference of Arrival, TDOA)定位技术中,针对现有基于广义互相关时差估计方法对目标信号波形相关度要求高、信号受噪声干扰严重时其时差估计精度难以满足实际需求等问题,提出一种具有自适应分解级数的小波去噪预处理时差估计方法。对待处理信号进行多级小波分解,计算分解后各级系数向量的能量贡献率累加和(Energy Contribution Rate Cumulative sum, ECRCs),以满足ECRCs不小于80%的最小分解级数作为小波去噪的分级参数。结合计算的自适应分解级数及小波去噪方法对待处理信号进行自适应去噪处理,结合广义互相关算法对处理后信号进行峰值分析,得到两信号的时差值。通过仿真信号及甘肃某地实测的TDOA数据进行分析验证,结果表明,所提方法可有效提升时差估计精度及稳定性,尤其信号受噪声干扰较大时具有一定优势。

一种基于TDOA二次加权的QWLS定位算法

目前基于TDOA的定位算法——最小二乘法(Least Square,LS)不管在室内还是室外在定位精度要求不高的情况下具有较好的适用性,但该算法受噪声影响较大,容易导致定位结果发散。基于此发展的加权最小二乘算法(Weighted Least Squares,WLS)可以有效对抗噪声的影响,但定位结果容易陷入局部最优值。基于此,提出一种基于TDOA二次加权的QWLS定位算法,该算法可以大大降低噪声对定位的影响,并获取定位全局最优值,有较好的定位效果。同时探索了不同基站几何布局对不同算法定位精度的影响,通过改善基站几何布局使得QWLS算法有更高的定位精度。

Fundamental Limits of Doppler Shift-Based, ToA-Based,and TDoA-Based Underwater Localization

Dear Editor,This paper is concerned with the underwater localization based on acoustic signals. Specifically, we will focus on the search of an underwater target that can constantly broadcast a beacon signal, such as a black box. Common measurements for localization are Doppler shift [1], time of arrival(ToA) [2]–[4], time difference of arrival(TDoA) [5], [6], angle of arrival(AoA) [7], etc.

A Positioning Method and Realization on Single Satellites in Different Orbits Using TDOA

The main geolocation technology currently used in COSPAS-SARSAT system is TDOA/FDOA or three-star TDOA,the principle is to determine the location of the signal source by using the difference in arrival time and frequency of the wireless signal between different receivers.Therefore,ground monitoring stations need to be equipped with more than two antenna receiving stations,and multiple satellites should be able to simultaneously relay the distress signal from the target source in order to achieve the geolocation function.However,when the ground receiving system has only one antenna receiving station,or the target source is in a heavily obscured environment,the ground side is unable to receive the forwarded signals from multiple satellites at the same time,which will make it impossible to locate.To address these problems,in this paper,a time-sharing single satellite geolocations method based on different orbits is proposed for the first time.This method uses one or several low-earth orbit satellites(LEO)and mediumearth orbit satellites(MEO)in the visible area,and the receiving station only needs one pair of receiving antennas to complete the positioning.It can effectively compensate for the shortcomings of the traditional TDOA using the same moment and have better positioning accuracy compared with the single satellite in the same orbit.Due to the limited experimental conditions,this paper tests the navigation satellite using different orbit time-sharing single satellite geolocations,and proves that the positioning method has high positioning accuracy and has certain promotion and application value.

基于粒子群优化的TDOA声源定位方法

针对平面麦克风阵列的声源三维坐标估计问题,文中在TDOA(Time Difference of Arrival)声源定位算法中引入粒子群优化算法进行位置估计。利用PHAT(Phase Transform)加权函数的广义互相关法计算得到时延差的真实值,结合麦克风的坐标位置,通过几何关系计算出假设声源到达麦克风之间的时延差的估计值。设计时延真实值和估计值差值的平方和为粒子适应度函数,利用粒子群优化算法搜索空间中符合适应度函数的声源点,实现声源位置估计。仿真结果表明,在计算速度与球形插值法相近的情况下,文中所提算法比球形插值法具有更好的鲁棒性和抗噪性。

Hybrid TDOA/FDOA and track optimization of UAV swarm based on A-optimality

The source location based on the hybrid time difference of arrival(TDOA)/frequency difference of arrival(FDOA) is a basic problem in wireless sensor networks, and the layout of sensors in the hybrid TDOA/FDOA positioning will greatly affect the accuracy of positioning. Using unmanned aerial vehicle(UAV) as base stations, by optimizing the trajectory of the UAV swarm, an optimal positioning configuration is formed to improve the accuracy of the target position and velocity estimation. In this paper, a hybrid TDOA/FDOA positioning model is first established, and the positioning accuracy of the hybrid TDOA/FDOA under different positioning configurations and different measurement errors is simulated by the geometric dilution of precision(GDOP) factor. Second, the Cramer-Rao lower bound(CRLB) matrix of hybrid TDOA/FDOA location under different moving states of the target is derived theoretically, the objective function of the track optimization is obtained, and the track of the UAV swarm is optimized in real time. The simulation results show that the track optimization effectively improves the accuracy of the target position and velocity estimation.

基于TDOA算法的声源跟踪智能小车设计与制作

为了实现智能小车紧急规避,提高小车自动驾驶控制的精确度,现利用TDOA算法,设计一款功能完善、实用性强的声源跟踪智能小车。首先,根据TDOA算法,完成系统总体设计。其次,从主控电路设计、传感器模块设计、控制器模块设计、电源模块设计等多个方面入手,完成系统硬件设计、最后,从用户登录模块设计、数据采集模块设计、自动避障寻声模块设计三个方面入手,完成系统软件模块设计。结果表明:在TDOA算法的应用背景下,本文所设计的声源跟踪智能小车运行正常、可靠、稳定,各个功能模块实现满足设计相关要求。希望通过这次研究,为相关人员提供有效的借鉴和参考。