基于TDOA的Chan定位算法仿真研究

论文对基于TDOA定位技术的Chan氏算法进行了数学描述,之后对影响Chan氏算法定位精度的相关要素进行了仿真分析。首先分析了基站数量对定位精度的影响,其次分析了基站分布的拓扑结构对定位精度的影响,最后分析了噪声对定位精度的影响,并得出了相应的结论。

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。

一种基于移动广播网的TOA/TDOA无线定位算法

针对Chan定位算法在非视距(NLOS)环境下定位性能较差的缺点,提出一种基于多基站TOA区域质心修正的Chan定位算法,该算法利用Chan算法初始定位,再通过TOA区域质心校正,以提高定位精度。仿真结果表明,该算法有效减小了NLOS误差对定位估计的影响,在NLOS误差较大的环境下仍具有良好的定位精度,性能优于Chan算法和Chan-Taylor协调定位算法。

一种基于CMMB的TOA/TDOA融合定位算法

针对Chan算法在非视距环境中有定位精度差的缺点,提出一种TOA/TDOA融合定位算法,该算法利用改进的Taylor级数展开算法对TOA测量信息进行定位,得到两个定位估计值,并与Chan算法进行融合,通过质心计算得到最终的估计值。仿真结果表明,该算法具有较好的定位性能,能够有效地削弱非视距环境的影响。