基于终端采样数据AOA的方位角预测方法研究

方位角作为最重要的天线参数,目前主要通过人工勘测获得,耗时耗力,还存在一定安全隐患,无法满足网络优化工作的高效进行。本文提出一种基于网络终端采样数据AOA(信号到达角度)的方位角自动化预测方法,在福建省宁德市随机抽取256个样本小区,利用MDT(最小化路测)数据、资管工参,建立终端上报的AOA、用户经纬度和基站经纬度之间的数学关系模型,实现天线方位角的自动化实时预测,并利用AOA偏差指标实现高精度预测小区筛选。将预测结果与人工勘测方位角进行比较发现:(1)此方法可以高效实现天线方位角的准确预测,10°、20°和30°内预测精度分别为65.23%、85.55%和92.97%;(2)高精度筛选效果较好,筛选精度较高,筛选数量也很可观。

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型,提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法,并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度,能预测出光电跟踪设备在丢失目标情况下的目标航迹,可满足其在炮振丢失目标情况下的预测要求。

基于多维度大数据分析的工参方位角纠错方法

提出了一种应用大数据处理技术将多个数据源进行多维度综合分析的方法,利用信号强度等7种预测模型与权重算法对现网数据进行分析得出预测工参方位角,可快速发现工参方位角不准确的问题,为网络优化、维护提供有力支撑,经某市实地验证,该方法具有较高准确性,有效解决工参"哑"数据不可控问题。

UKF算法及其在目标被动跟踪中的应用

利用了一种用于非线性系统的,基于无迹变换的Kalman滤波算法的一个新的扩展方法—UKF,推导了应用于方位角预测和纯方位跟踪两个方面的UKF滤波算法,并给出了具体步骤。仿真说明了在目标跟踪领域,应用该方法比以往EKF类的方法在滤波精度上明显提高,并且在实际应用中,由于该算法实现简单、计算量小而增强了可用性。