一种TDOA/AOA混合定位算法及其性能分析

在蜂窝移动通信系统中 ,智能天线阵列的应用使得服务基站 (BS)能提供较准确的移动台 (MS)电波到达角 (AOA)测量值 ,从而可以用于对移动台的定位估计。文中对文献 [1]的电波到达时间差 (TDOA)定位算法进行了改进 ,提出了一种既能继承原算法的优良性能 ,又可充分利用AOA测量值信息提高定位性能的TDOA/AOA混合定位算法 ,该算法还具有解析表达式解。仿真结果表明 ,只要AOA测量值达到一定精度 ,该算法就能取得比文献

移动辐射源AOA-TDOA-FDOA联合定位闭合解算法

移动辐射源无源定位是电子对抗领域需要解决的关键问题之一。基于到达时间差(TDOA)与到达频率差(FDOA)的联合定位闭合解算法是解决上述问题的有效途径之一,但完成一次定位至少需要5个协同平台才能达到该算法的应用条件。在保持无源定位闭合解框架的前提下,为减少协同平台个数,提出了一种融合到达角(AOA)观测量、TDOA观测量以及FDOA观测量的无源定位算法。当各观测量的观察噪声及传感器位置偏差均为高斯噪声且噪声强度适中时,可建立移动辐射源位置与各观测量及传感器位置的近似代数表达式,并由此形成AOA-TDOA-FDOA联合定位闭合解算法。进一步的理论分析表明,该算法的定位误差能达到克拉美罗界,数值仿真结果与理论分析结论吻合。

一种TDOA/AOA联合定位的算法

针对地面辐射源目标的定位问题,提出一种TDOA/AOA联合定位算法。将一个传感器放置在地面上的一个固定平台上,测量辐射源相对于该传感器的方位角与俯仰角;将另一个传感器放置在一个运动的平台上,根据不同的时刻测量不同的时差量测值,进而建立求解目标位置估计值的最小二乘算法。仿真结果表明:该算法可以有效提高系统的定位精度,特别是TDOA的测量值应用得越多,则定位精度越高。

一种改进的多站AOA/TDOA联合无源定位闭合形式算法

为解决多平台协同外辐射源无源定位问题,提出了基于到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)的闭合形式定位解算法。在保持两阶段定位闭合形式算法框架不变的前提下,所提算法不仅考虑了AOA与TDOA观测噪声对定位造成的不利影响,同时还缓解了传感器位置不确定引起的定位精度恶化问题。数值仿真结果验证了所提算法的高精度定位性能。

基于改进免疫算法的TDOA/AOA混合定位

文中提出了一种改进的免疫算法,对 TDOA/AOA 混合定位估计中的非线性优化问题进行求解。在设计记忆库规模的时候,引入了帕累托法则,并使记忆库里的个体跟父代群体一起参加生存竞争,使搜索过程减少震荡,收敛速度加快。实验证明,在种群规模不大的情况下,该算法也能稳定快速地逼近全局最优解,在AOA 测量值达到一定精度下,能获得比单独 TDOA 定位算法更好的性能.

TDOA/AOA数据融合定位算法

基于非视距传播(NLOS)环境下的几何结构单次反射统计信道模型,提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在NLOS环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。

一种LOS环境下的TDOA/AOA数据融合定位算法

提出了到达时间差/电波到达角(TDOA/AOA)数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台(MS)位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在视距(LOS)环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。

基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。

结合最陡下降算法的室内NLOS场景下TDOA/AOA融合算法

在利用传统Chan算法进行目标节点位置估算的基础上,提出了一种结合最陡下降算法SDA(Steepest Descent Algorithm)的TDOA(Time Difference of Arrival)/AOA(Angle of Arrival)融合算法,通过迭代消除由NLOS(Non Line of Sight)误差引起的误差因子,达到有效提高定位精度的目的.实验结果表明:本文提出的结合SDA的TDOA/AOA融合算法在复杂的室内环境下可以有效提高定位精度和定位稳定性,相对于传统的基于Chan算法的TDOA/AOA定位算法,定位精度提高28%.

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。

三维被动定位AOA融合算法

三维被动定位是ESM系统的重要内容,在军事上是侦察定位、监视监测的重要方面。AOA是被动雷达普遍采用的一种定位方法。基于安装于不同运动平台上的两个传感器的AOA测量,给出了ILS融合算法。仿真结果显示采用AOA融合算法,使定位精度得到有效提高。

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

基于UWB的隧道内人员定位系统设计研究

为了更好地适应隧道环境与提高定位精度,提出基于粒子群优化的TDOA+TOF融合算法。通过TDOA算法获取所需的信息时间差,可算出定位范围内标签到达基站的距离。TOF算法根据最小二乘法对标签坐标进行解算,粒子群优化算法针对解算坐标进行优化处理得出全局最优解。TDOA+TOF融合定位算法仅需要3次通信即可测得TDOA时间差与TOF距离。系统测试中,对多种算法进行时间性能与定位精度的对比,研究结果表明基于粒子群优化的TDOA+TOF融合定位算法的定位精度可达20 cm以内,定位用时仅为TOF算法的51%。研究成果为复杂环境人员定位领域提供了一种兼顾定位精度与时间性能的定位方法。

移动台定位估计数据融合增强模型及其仿真研究

为了提高蜂窝网中对移动台(MS)的定位精度,在文献[1]中,Kleine-Ostmann提出了一种对电波到达时间(TOA)和到达时间差(TDOA)测量值进行融合的模型。本文对该模型进行了改进,增加了AOA测量值的使用,提出了融合度更高的增强型数据融合模型。分析和仿真结果表明,只要AOA测量值达到一定精度要求,该模型就能取得更好的定位性能。

CDMA蜂窝系统定位技术的发展与展望

本文首先介绍了蜂窝移动通信系统定位技术的概念 ,阐述了定位技术研究的重要性及其在国内外的发展状况 ,然后对常用的定位方法进行了分析比较 ,指出CDMA系统定位误差的主要来源并提出解决这些问题的基本思路与方法 。

基于余弦定理的无源测向测时差定位方法

针对两站测向测时差三维目标定位的一般情况,为克服传统解析算法的定位模糊问题,提出了一种基于余弦定理的定位求解方法。该算法在时差和角度信息均可获得的情况下,根据侦察平台和目标在三维空间中的相对几何关系,利用余弦定理给出了无模糊的目标位置解析解。进一步,为充分利用侦察平台冗余的观测信息、提高定位精度,采用简化的加权最小二乘方法对根据不同观测信息解算得到的目标位置估计值进行融合,提出了一种实用的测向测时差融合定位算法。数值仿真验证了所提出的定位求解算法的有效性。

五站数据加权融合无源时差定位

在无源时差定位技术中,定位算法和布站形式的选择直接影响着无源定位方案能否顺利应用于实际工程并满足工程需求。通过对常用定位算法的研究分析,选择了伪逆法和总体最小二乘算法为求解方法,同时选择了有利于工程实现的五站主站升高的布站方法。五站定位选择总体最小二乘算法求解,同时对4个辅站进行分组并用伪逆法求解,最后对所有定位结果进行融合,从而解决了四站定位的无解及模糊问题,并提高了定位精度和稳定度,真实数据处理验证了其可行性及有效性。

在非视距环境下数据融合的无线定位算法

从数据融合以及增加测量参数两个不同角度分别介绍了非视距环境下定位的方法.数据融合基于基站选择的方法,通过3层融合得到位置估计,而增加测量参数则是基于经典TDOA/AOA混合定位,在测量方程中加入校正因子,通过逐步迭代的方法逐步减小非视距影响,从而提高定位精度.仿真表明:非视距环境下,增加测量参数的定位精度要高于数据融合,并且方法比较简单.

基于神经网络数据融合的无线定位算法

提出了一种基于神经网络数据融合的无线定位算法,该方法融合了到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、,并考虑了这三种测量值的测量质量(可信度),有效地解决了在常规定位算法中使用线性最小二乘法求解非线性方程使定位精度下降的缺点。通过仿真表明,该算法具有较高的定位精度,能够满足FCC所提出的定位要求。

基于蓝牙和UWB融合定位的建筑火灾精准救援系统

确定被困人员位置和保护救援人员安全是建筑火灾救援中的关键,但目前火灾内部依然存在难探查、难搜寻等问题。文章基于蓝牙和UWB融合定位及5G实时网络传输技术,在建筑物内部使用蓝牙Beacon进行部署,并将被困人员的智能手机作为定位终端,利用蓝牙和UWB融合定位技术测量时间差、信号到达角度等数据,采用AOA、AOD等算法进行计算,实现了建筑火灾的精准定位和救援。