NLOS环境下无线通信网络中的TDOA/AOA混合定位算法

为了提高在NLOS条件下无线定位的精度,采用多种测量值混合定位的方式,提出了一种TDOA/AOA最速下降混合定位算法.该算法以加权残差平方和为目标函数,以最速下降算法为最优化方法.然后,以几何结构的单反射圆盘模型进行仿真,分别利用TDOA/AOA最速下降混合定位算法、TDOA/AOA泰勒级数混合定位算法以及单纯的TDOA泰勒级数经典算法对无线通信网络中不同的定位环境进行了仿真计算.仿真结果表明,当参与定位的基站数目分别为3,4,5,6,7,反射圆盘半径分别为200,300,400,500,600,700m时,与后2种算法相比,TDOA/AOA最速下降混合定位算法的均方差、平均误差及最大误差均较小,即该混合定位算法具有更高的定位精度,且参加定位的基站数目越多,这种优势越明显.     

一种结合衰减因子的TDOA/AOA Chan定位算法

本文通过对蜂窝网络无线定位技术的研究,提出了一种结合衰减因子的基于Chan氏算法的TDOA/AOA混合定位方法。利用最陡梯度算法把衰减因子加入到TDOA测量方程中,并结合AOA估计值,利用Chan算法进行混合定位,通过不断的迭代更新衰减因子,最大限度的消除非视距误差,使得TDOA测量值接近真实值,以提高定位算法的精度。     

CDMA蜂窝系统中的TDOA/AOA混合定位算法

CDMA蜂窝系统由于存在“听力”问题而影响了定位效率,TDOA/AOA混合定位方法可以解决这 个问题B提出了一种TDOA/AOA定位方案,建立了数学模型,并提出2种定位方程的解算方法：Taylor级 数展开的LS估计和JKalman滤波。仿真结果表明：TDOA/AOA混合定位的性能要优于TDOA单一定位; 基于Kalman滤波的定位算法性能优于TaylorG级数展开的LS估计。     

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%.     

CDMA蜂窝系统中的TDOA／AOA混合定位算法

CDMA蜂窝系统由于存在“听力”问题而影响了定位效率。TDOA／AOA混合定位方法可以解决这个问题。提出了一种TDOA／AOA定位方案．建立了数学模型,并提出2种定位方程的解算方法：Taylor级数展开的LS估计和Kalman滤波。仿真结果表明：TDOA／AOA混合定位的性能要优于TDOA单一定位;基于Kalman滤波的定位算法性能优于Taylor级数展开的LS估计。     

基于遗传算法的模糊RBF神经网络设计及应用

提出了一种基于遗传算法的模糊RBF神经网络学习算法.采用遗传算法对模糊RBF神经网络需要调整的参数进行优化,再将遗传算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,并结合梯度下降法对网络的各参数进行动态调整.在对非线性函数逼近的仿真中,仿真结果验证了优化后的模糊RBF神经网络具有更高的精度及强鲁棒性.     

基于量子遗传算法的RBF神经网络智能滤波组合导航算法

组合导航中标准卡尔曼滤波和扩展卡尔曼滤波存在容错性和鲁棒性不足,处理非线性信号能力较弱的缺点.提出了基于量子遗传算法的RBF神经网络的智能滤波组合导航算法,通过RBF神经网络调节卡尔曼滤波增益,而神经网络参数由量子遗传算法进行调整优化.对捷联惯导系统(SINS)/全球卫星定位系统(GPS)组合导航系统进行了仿真实验,结果表明:该算法提高了导航定位的精度、鲁棒性和可靠性.     

RBF神经网络多用户检测ROLS-AWS算法的研究

为了对抗多址干扰和远近效应,研究将RBF(经向基函数,Radial Basis Function)神经网络中的递归正交最小二乘(ROLS-AWS)算法应用于多用户检测中。给出在同步高斯信道条件下运用三层神经网络解调扩频信号的原理框图,分析了基于RBF网络的多用户检测接收机。为了改进RBF网络的运算速度,在基于RBF网络的多用户检测接收机中采用ROLS-AWS算法。计算机仿真结果表明：使用所提算法的RBF网络接收机的抗多址干扰、远近效应以及训练速度的性能上都明显优于传统接收机、基于BP神经网络和不使用该算法的普通RBF神经网络多用户接收机。     

基于RBF网络和遗传算法的电阻抗图像重建算法

针对RBF网络的特性，提出一种实数编码的遗传算法，不仅可以同时确定网络参数（连接权、邹节点中心和宽度），而且解决了电阻抗图像重建问题，实验结果表明，用遗传算训练RBF神经网络再构图像较RBF网络使用Poggio学习规则的训练算法有明显改善。     

基于RBF神经网络的销售预测模型的研究与应用

文章研究一种基于RBF神经网络建立预测模型方法,其主要采用有监督学习的SG(Stochastic gradient)法对RBF神经网络进行训练,并通过遗传算法优化隐层节点的中心值,用优化的中心值再次训练网络,优化网络参数,得到全局最优解。