基于互TK能量算子的到达时间差估计

借鉴TK算子的优点,提出一种基于互TK能量算子的信号到达时间差(TDOA)的估计方法。该方法通过相似度的峰值可以直接获得一个统计独立的TDOA估计。采用超宽带信号进行仿真实验,结果表明,该方法适用于无线定位中TDOA参数的估计,性能优于互相关估计算法。

水声传感器网络信号到达时间差目标定位的最小二乘法估计性能

为解决水声传感器网络中测量误差和传感器节点位置误差同时存在时的目标定位问题,提出一种双误差模型下基于加权整体最小二乘方法。建立双误差条件下的信号到达时间差目标定位模型,采用加权整体最小二乘法对该模型进行求解,并推导权值的表达式。所提算法模型与实际符合性更好,且利用了测量误差方差和传感器节点位置误差方差的先验信息,以迭代方法得到最终的目标位置估计值。在模拟测量误差和传感器节点位置误差同时存在情况下对该方法进行仿真与水池试验验证,结果表明所提基于加权整体最小二乘的目标定位方法具有良好的定位性能。

到达时间差定位方法在乒乓球落点估计中的应用研究

基于到达时间差(Time Difference Of Arrival,TDOA)定位系统定位二维平面目标至少需要三个传感器,本文论述了三站时间差定位系统的原理。用几何精度因子(Geometric Dilution of Precision,GDOP)分析定位精度并通过MATLAB数值仿真的方法研究传感器分布与定位精度之间的关系。最后本文基于TDOA定位方法提出了乒乓球落点估计应用中的三站传感器最优分布方案。

一种线性校正到达时间差定位算法

针对到达时间差(TDOA)定位中出现的非线性估计问题,该文提出一种线性校正TDOA定位算法。首先将高度非线性的TDOA定位方程组转化为一组关于辐射源位置的伪线性方程,利用加权最小二乘(WLS)估计进行初始求解;然后在此基础上通过一阶泰勒级数展开把伪线性方程组转化为关于估计偏差的线性加权最小二乘问题并进行求解,分析了所提算法在测量误差较小时的有效性。最后提出了一种基于加权最小二乘估计的恒加速度运动辐射源的定位方法,相应的估计性能在测量误差较小时也接近克拉美罗界(CRLB)。计算机仿真结果验证了该算法的有效性。

基于文化鱼群算法的到达时间差定位技术

针对到达时间差(TDOA)定位估计中的非线性最优化问题,在鱼群算法中引入文化机制设计基于实数编码的文化鱼群算法,将Chan算法的解作为文化鱼群的一个个体初始位置,并利用文化鱼群算法搜索TDOA定位的最优坐标。仿真结果表明,该技术性能稳定,在鱼群规模较小的情况下能快速鲁棒地找到逼近全局最优点的解,并且具有较快的搜索速度和较高的搜索精度。

量子定位系统中符合计数与到达时间差的获取

基于MATLAB图形用户界面接口(GUI),采用软件设计方式,实现量子纠缠光信号的采集,以及对采集到的两路量子纠缠光信号的符合算法。通过对符合算法中不同的符合门宽、采集时间和延时增加步长3个重要参数的性能实验,优化和确定各参数的选值。通过对量子纠缠光符合计数与到达时间差(TDOA)的研究,完成地面数据获取与信息处理模块的设计与实现。设计并实现了时间差拟合的仿真平台。实验结果达到了期望的精度和效率的需求。

基于LPNN的无源ML-TDOA估计

针对无源时差定位(TDOA)领域的非线性方程求解问题,提出了一种基于最大似然估计的改进型拉格朗日规划神经网络迭代求解算法。该算法利用最大似然估计构建代价函数,结合时空约束条件,建立TDOA方程的一般约束优化问题,并通过迭代求解算法对网络的收敛性和渐近稳定性进行了证明。针对两种常见的阵列排布方式进行了仿真验证与性能分析。仿真实验结果表明,该算法能够提供精确的坐标估计,误差小于1.414×10^(-3)。与传统算法相比,该方法在各类噪声环境下表现出更优的性能,尤其在0 dB噪声环境下,其均方误差为0.7866。

基于5G毫米波到达时间差的室内定位算法

随着第五代移动通信技术(5G)时代的到来,以毫米波通信为代表的技术得到了日益广泛的关注.5G毫米波信号的带宽大、频率高、时延短,并且信道稀疏,所以能够为基于到达时间(TOA)和基于到达时间差(TDOA)的定位提供更加准确的测量值,有利于实现高精度的室内定位.研究了三种应用于室内的5G毫米波TDOA定位算法,并结合卡尔曼滤波进行了试验验证分析与比较.结果表明,基于5G毫米波的室内静态定位精度可达0.2886 m,动态定位的精度可达0.6076 m.

一种改进的到达时间差无线定位算法研究

提出一种有效传输速度的概念,针对到达时间差(TDOA)中的部分不足进行弥补和改进,对样本数据进行非视距场景进行分析。最终,对移动终端定位结果进行误差分析;并与原TDOA结果进行比对。有效速度在单位固定的情况下,考虑到终端在地面的高度几乎不超过50 m,因此,算法对有效速度进行限定高度误差修正的方式获取,并选取小数点后两位结果。提出的改进TDOA无线定位算法可得到较为精确的定位结果。样本有五组数据,每组1 100个终端数据,最终误差均值可在0.5 m以内。如果对高度限定更加严格,或者对有效速度更多有效位数的保留,将得到更为精确的定位结果。

采用改进遗传算法解决TDOA定位估计中的非线性优化问题

提出了当接收端在空间随机分布时 ,利用改进遗传算法解决TDOA定位估计中遇到的非线性最优化问题。采用浮点数编码遗传算法 ,引入一个非均匀变异算子 ,针对TDOA方式进行最佳坐标搜索。实验表明 ,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 。

基于到达角Kalman滤波的TDOA/AOA定位算法

基于Chan算法的TDOA/AOA定位算法是在Chan算法的信号到达时间差(TDOA)误差方程组里加上一个信号到达角(AOA)误差方程,利用加权最小二乘法(WLS)求解。其主要缺点是把移动台(MS)的横坐标、纵坐标与移动台到服务基站(BS)之间的距离作为3个相互独立的变量,忽略了3者之间的相关性。需要进行两次WLS计算,且最终的解为二值根。当AOA测量误差的方差不断增大时,对应的定位误差也随之增大。该文利用Kalman滤波算法对AOA的值进行估计,并将上述的3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。

基于最优线性无偏估计的TDOA定位算法

为了减小到达时间差(time difference of arrival,TDOA)方法在定位过程中存在的系统测量噪声和非视距误差,提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置,在初始位置处泰勒级数展开得到位置估计量的线性模型,并求取误差加权矩阵、系数矩阵及协方差矩阵等参数;然后采用加权最小二乘法对最终位置进行最优无偏估计,同时推导出定位误差的最小方差阵。仿真实验结果表明,在相同环境下该算法的定位精度优于Chan和Taylor算法,同时显著减小了算法的运算量。

一种Rake结构的TDOA估计器及其最优合并方法

TDOA 估计技术已被广泛应用于多种定位系统中,其估计误差主要来源于系统中的多径效应。传统的估计方法不适合复杂的多径环境。许多面向定位的系统均采用了回避措施来降低多径的影响,蜂窝定位系统受其特性的制约,在目前的结构下无法采用相应的回避措施。为了满足蜂窝系统需求,本文提出了一种基于Rake结构的TDOA估计器,分析了它在多径环境中的误差性能,证明了在归一化Rake合并下,估计器可获得最优性能。计算机仿真证明了理论分析的正确性和实用性。

TDOA中几种时延估计算法的比较

在现有的传声器阵列声源定位方法中,基于声达时间差(TDOA)估计定位法计算量较小,定位精度较高,同时也易于实现实时系统,是目前声源定位法中常用的方法。采用该方法最重要的就是进行时间延迟估计(TDE),其精确性直接影响到定位的准确与否。概括了基于传声器阵列的声达时间差(TDOA)估计定位法中几种时间延迟估计的算法,给出了部分算法的仿真结果,分析了每种算法中存在的优缺点并同时指出了需进一步研究的问题。

一种稳健的室内无模糊多声源TDOA估计算法

该文针对室内环境下的宽间距多声源到达时间差(TDOA)估计问题,研究了一种基于近似核密度估计(KDE)的无模糊算法。根据声频信号的短时频谱稀疏性,利用相关性检测(CT)提取单个声源能量占优的时频支撑域,进而将观测信号的归一化互功率谱(NCS)所构建的近似核函数通过累加平均削弱室内混响的干扰,同时引入多阶段(MS)分频带处理有效解决宽间距时的空域模糊。理论推导及仿真研究验证了该算法是一种稳健的室内无模糊多声源TDOA估计算法。

基于并行分层时间间隔测量的TDOA定位算法研究

基于到达时间差(TDOA)定位算法要求精确地时间同步技术作为支撑.由于传统时间同步技术精度低导致TDOA定位结果有偏差,提出一种基于并行分层次时间间隔测量的到达时间差(TDOA)和到达信号增益比(GROA)联合定位算法.基于TDOA与GROA联合定位模型,构造含拉格朗日系数的优化函数,然后采用约束加权最小二乘算法(TSWLS)来进行求解;同时,采用并行分层时间间隔测量法来控制定位算法的时间同步.实验分析表明,该算法相比较传统的TDOA定位算法而言,定位精度提高了25 d B,并且具有相对较高和较稳定的定位精度.

基于四阶累积量的到达频率差估计算法

研究了基于四阶累积量的到达频率差估计算法,并给出了该算法的离散实现方法。该算法利用高阶累积量的特性,在相关的噪声环境下,对到达频率差作出了精确估计。仿真结果验证了该算法的有效性。

基于TDOA方法的无线传感器网络运动参数估计方法

采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。

改进的粒子群优化算法在TDOA定位估计中的应用

提出了接收端在空间随机分布时,利用改进的粒子群优化算法解决TDOA定位估计中遇到的非线性最优化问题。该算法基于简单的遗传操作,在种群更新前先进行一次筛选,通过迭代搜索最佳坐标。试验表明,在参数设定合理的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对其他算法精度更高,收敛速度更快。