基于广义互相关时延估计(TDOA)算法的声源定位跟踪系统设计与实现

为实现在二维平面内对声源进行实时定位和动态跟踪,运用时延估计(TDOA)互相关算法设计一种原声监听头阵列的CC-TDOA声源定位跟踪系统,实现对多个原声监听头进行同步采样,再进行信号放大及运算处理,运用LCD屏实时显示目标声源的距离和方位角度,同时运用二维云台控制激光笔对准声源,并持续动态跟踪声源。模拟仿真及真实环境实验测试表明,采用基于到达时间差的互相关定位算法,计算量小,精度较高,测试角度误差小于2o,距离误差小于1.2%,可以满足多种智能应用场合中声源实时定位与跟踪的要求。

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的无人机集群协同单目标定位

无源定位作为现代信息化战场中电子侦察的重要技术,可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle,UAV)集群为接收站,研究基于到达时差测量的辐射源定位方法。作为高机动平台,UAV集群的位置误差更大,基于该情况对Chan算法、Taylor算法进行改进,并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比,仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound,CRLB),解决了Taylor算法的初值问题。

基于改进哈里斯鹰优化算法的TDOA定位

针对室内到达时差(TDOA)定位的非线性方程求解问题,提出一种改进的哈里斯鹰优化定位算法,在提升原算法性能的基础上保留其寻优机制。对基于最大似然估计的适应度函数进行改进,在优化过程中达到更优的适应度值,从而提高算法的寻优精度。同时在初始种群位置中引入初始解,以减少不必要的全局搜索,在不影响种群多样性的前提下提高算法的收敛速度。仿真结果表明,与DHHO/M、EWOA、IALOT和CSSA算法相比,该算法具有更高的定位精度和收敛速度。

改进粒子群优化算法在TDOA定位中的应用

针对TDOA定位估计中的非线性最优化问题,提出了一种基于改进粒子群优化的TDOA定位算法。该算法在自适应粒子群优化算法的基础上,引入禁忌搜索策略,有效地解决了粒子群优化算法容易陷入局部最优的问题,使算法快速收敛到全局最优解。仿真结果表明:该算法性能稳定,定位精度高。

基于TDOA的无线定位算法改进

无线定位技术广泛应用于各个行业。首先分析了基于TDOA的Chan定位算法,针对Chan算法在测量噪声加大时定位精度下降的问题,将差分演进算法(DE)与Chan算法相结合,提出了一种Chan-DE复合算法,并通过仿真验证了Chan-DE复合算法的有效性。

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。

基于TDOA的无线传感器网络四面体质心定位算法研究

在无线传感器网络中,确定节点位置或事件发生的位置对其监测活动至关重要。针对部署在二维空间的无线传感器网络质心定位算法性能问题,结合TDOA测距模型,引入定位近点的概念,并推广到三维空间,提出一种改进的四面体质心定位算法ICLA。并从不同节点密度、不同锚节点密度以及不同通信半径等方面比较两种算法的性能。仿真实验结果表明,改进之后的ICLA定位算法在定位误差和定位精度方面达到了更好的效果。

终端区及场面多点定位中TSOA与TDOA算法性能分析

首先从算法原理、计算量、定位误差及模糊度等方面比较分析了多点定位中几种典型算法性能,综合比较得出Taylor算法定位性能最佳;其次,从模糊点数量及分布方面证明到达时间和(Time sum of arrival,TSOA)算法的定位性能要比到达时间差(Time difference of arrival,TDOA)算法差;最后,分析了基站数量、布局、目标高度、时间和测量误差及基线长度等参数,依据几何精度因子的变化状态证明了TSOA定位算法的性能优势。仿真结果证明,理论上TSOA算法的综合定位性能优于TDOA算法。

基于智能优化算法及其优化BP神经网络的室内定位

为研究智能优化算法在室内到达时间差(time difference of arrival,TDOA)定位方面的应用效果。首先,分别使用白鲨优化算法(white shark optimizer,WSO)、变色龙优化算法(chameleon swarm algorithm,CSA)、蛇优化算法(snake optimizer,SO)、鲸鱼优化算法(whale optimization algorithm,WOA)、灰狼优化算法(grey wolf optimizer,GWO)、麻雀优化算法(sparrow search algorithm,SSA)这6种智能优化算法进行室内的二维TDOA定位,对比分析上述算法在室内定位领域的表现,并和传统的Taylor算法的定位误差进行对比;接下来,使用SOA算法对BP神经网络进行优化,使用优化后的SOA-BP进行定位,与基础的BP神经网络的定位误差进行对比。结果表明:所使用的6种智能优化算法在室内定位领域有着不错的表现,各智能优化算法的效果相似,平均定位误差为0.44 m,相较于传统的Taylor算法提升约9.2%;SOA-BP的定位误差相较于基础的BP神经网络降低超过30%。

一种改进遗传算法在TDOA定位中的应用

针对TDOA定位估计中遇到的非线性最优化问题,提出了一种基于改进遗传算法的TDOA定位方法。在遗传算法中引入了排挤机制小生境,采用欧氏距离衡量个体间隔,设置小生境半径为动态变化,并且加入精英保留策略,有效的缓解了遗传算法容易陷入局部最优的问题。仿真结果表明,改进算法性能稳定,能缓解早熟收敛问题,定位精度高于其它算法。

基于一种免疫算法的TDOA双曲定位技术研究

移动台TDOA双曲定位是无线通信中的一项重要技术;在现实中可以将免疫算法应用在这项技术当中。由于标准免疫算法采用二进制编码,在高维数问题求解时精度不高,求解时间长。为此,提出一种基于实数编码的多映射免疫算法的TDOA双曲定位技术,用多映射混沌理论对免疫算法进行改进,主要包括混沌映射、克隆、变异、选择等步骤。经仿真实验结果验证了改进的多映射免疫算法相对于标准免疫算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,个体不出现退化现象。表明了基于改进的实数编码的免疫算法在TDOA双曲定位技术的切实可行性和实用性,且具有很好的推广能力。

改进的自适应遗传算法在TDOA定位中的应用

针对无线通信到达时间差(time difference of arrival,TDOA)定位技术位置解算为复杂的非线性方程最优化问题,采用实数编码遗传算法,提出了改进的自适应遗传算法。该算法设计了自适应交叉率和变异率的计算公式,考虑了随着进化代数增加种群的整体变化,同时考虑了每代种群不同个体适应度的作用,并引入最优保存策略防止优良个体的破坏,能有效产生新的个体进而摆脱局部最优值的搜索达到全局最优解。仿真结果表明,改进的遗传算法性能稳定,进化收敛速度和TDOA定位估计精度都有较大的提高。

基于L-M算法和声波融合的TDOA雷电定位改进方法

在时差信息冗余情况下求解非线性方程时,采用到达时差定位法(TDOA)的雷电定位系统会出现求解发散问题,而我国油罐系统等雷电敏感系统多经历了雷声和电磁探测的雷电定位技术发展过程.对此,提出一种有效融合雷电声波信号和放电电磁信号的TDOA雷电定位改进方法.根据已有站点信息将目标区域划分为16个子区域,在子区域内利用L-M迭代算法实现监测目标区域的雷电定位,提升TDOA雷电定位系统的定位精度和抗误差扰动能力.结果表明:传统法的雷电定位误差均值为203.2 m;所提方法经过声波信息融合和L-M算法改进后,雷电定位误差均值减小为108.4 m,监测目标区域边缘雷电定位精度提高了51.2%.研究对改进已有雷电定位系统和有效利用声波信息具有实际意义.

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。

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TDOA的高精度无线定位算法分析与实现

文章根据移动应用需求,推导三维空间最小二乘(least square,LS)算法、Taylor级数展开法和查恩(Chan)算法3种经典到达时间差(time difference of arrival,TDOA)算法求解过程,通过仿真模拟分析3种算法的不同特点,确定移动定位场景下的最佳算法。为了进一步提高定位精度,采用Kalman滤波中递推估计思想,减小噪声干扰产生的误差,提升到达时间(time of arrival,TOA)测距精度,进而获得三维空间中性能优良的TDOA算法。测试试验表明,改进后的Chan算法有效且性能优良,定位误差最大为10~30cm。

基于TDOA多声源定位的虚假声源消除方法

基于到达时差(time difference of arrival,简称TDOA)的多声源定位方法难以将麦克风获得的TDOA值与真实声源进行有效的关联。针对此问题,提出了一种基于TDOA的多声源空间定位方法。利用互相关算法估计声源的TDOA值,并基于Chan算法求解多目标声源的空间位置。为消除虚假声源,将阵列麦克风分为定位和校验两组子阵列,并构建阵列分组定位校验模型。定位麦克风用于所有可能声源的定位。校验麦克风用于虚假声源的消除,并获得多声源的初始位置。根据初始真实声源位置,构建全阵列TDOA序列校验模型,并获得最终真实声源位置。搭建了仿真及实验平台,对提出的方法进行验证。仿真及实验结果表明,提出的方法有效地消除了基于TDOA多声源定位的虚假声源,并能充分利用阵列麦克风数量来提升多声源定位精度。

基于入侵杂草算法的水下目标TDOA定位方法

针对水下传感器网络中定位精度不高的问题,提出了一种基于入侵杂草算法的水下目标定位方法。利用入侵杂草优化算法,以定位误差为目标函数,优化设计未知节点的位置初值;利用初值和距离干扰参数估计粗略解,并引入目标定位误差来构造新的定位方程;根据加权最小二乘算法求解获得未知节点的精确解。通过与克拉美罗下界进行比较,验证了算法性能。仿真结果表明,提出的优化定位方法可得到更好的定位精度。

基于TDOA和TS-PSO的变压器特高频局部放电空间定位方法

局部放电(partialdischarge,PD)诊断与定位有助于在老化早期发现高压电力设备故障位置,对制定检修方案具有重要参考价值。目前常利用多个特高频(ultra high frequency,UHF)传感器组成传感器阵列,并定义三维坐标系对变压器进行局部放电空间定位。该文研究基于能量积累法捕捉信号起始脉冲和基于到达时间差(timedifferenceofarrival,TDOA)算法实现定位的原理,构建以局部放电位置点坐标为未知数的非线性规划问题,并利用禁忌搜索-粒子群优化(tabu search particle swarm optimization,TS-PSO)算法进行最优解求解。该算法可以避免非线性方程组求解时不收敛、解不唯一以及最小二乘法对初值要求高等问题,既保证了求解的速度,又能保证解的唯一性与准确性。实验室测试和现场测试验证了定位结果的有效性。