TDOA定位中到达时间及时间差误差的统计模型

移动通信环境中，非视距传播与多径效应引起的信号附加时廷是影响TDOA定位精度的主要因素，深入研究信号到达时间差误差的统计特性，有利于进一步提高TDOA定位的精度．基于移动通信环境中非视距传播信号附加时廷服从指数分布的特性，综合考虑信号检测过程中引入的系统误差，利用统计分析方法，建立了信号到达时间的统计模型和到达时问差的误差分布模型，模型反映了蜂窝网络中信号到达时间和到达时间差误差的统计规律，模拟实验证明了模型的有效性．     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

一种新的基于WCDMA系统的基站选择定位算法

非视距（NLOS）是影响各种蜂窝网络定位精度的主要原因．提出了一种新的基站选择定位算法，算法基于到达时间差（TD（）A）计算距离．首先利用NLOS环境下距离测量样本的标准差大于LOS环境下的标准差这一前提，判断测量样本中是否含有NLOS误差．然后从测量值中选出含有NLOS误差最小的2个基站，将其重构出LOS测量值，再采用3基站算法进行定位计算．仿真表明，该算法比其他算法在定位精度方面有明显的提高．     

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

基于Kalman滤波的TOA测量误差抑制研究

在TOA无线定位中,需要测量特征测量值TOA。在蜂窝网络的无线测量中,由于非视距传播和多径的影响,TOA测量值误差较大,从而定位精度较低。Kalman滤波技术是一种处理定位数据的有效手段,尤其是动态定位数据,它不仅利用当前的观测量,而且充分利用以前的观测数据,根据线性最小方差原理,求出最优估计。     

基于无线传播信道特征的非视距识别技术

复杂的室内环境中存在的各种无法躲避的障碍物会导致无线定位的测距精度较低,其中最主要的因素是存在非视距传播,因此识别信道状态是否为非视距对室内定位精度较为重要.提出一种基于信道信息的视距/非视距信道识别方法：首先对信号进行过滤,获取重要的信道抽头;然后提取过滤后信号的峰值,并计算其功率;最后通过计算得出该信道信号的峰均比,并联合假设检验对信道状态进行判决.仿真结果表明,峰均比特征在视距/非视距信道上有明显差异,可以作为识别视距/非视距信道的特征.该特征的视距识别正确率达到93.56%,非视距识别正确率达到87.23%,比使用峰度特征在视距场景下的识别正确率提高了2.65%,非视距正确率提高了0.71%.使用本算法在定位过程中进行验证,能够有效降低定位误差,提高定位精度,说明该算法的识别效果较好,具有一定的应用前景.     

一种基于无线传感器网络的动态环境自适应定位方法

为解决基于无线信号强度指示(RSSI)的距离相关定位算法中因为不确定性环境因素导致的测距误差及由此引起的定位精度问题,深入研究了在多径反射、非视距传输、温湿度变化等复杂信号环境下的无线电传播特性,对节点间距离进行精确估计,提出了可随环境变化整定参数的自适应距离模型(EAR).在EAR基础上,根据信道噪声传输特性,求解出近似无偏的距离权值并引入定位算法,大幅提高了静态定位精度.针对动态过程噪声导致的定位误差引入了扩展卡尔曼滤波算法,进一步提高了定位精度,最终提出了动态环境自适应定位算法(DEAP).定位实验和仿真证明,DEAP相比现有的WSN定位方法具备更高的定位精度且能自适应复杂定位环境并可在稀疏节点密度下实现高精度定位,有效降低对定位基础设施的需求.与加权质心和加权最小二乘估计等定位算法相比,定精度相有显著提高(50%),为基于无线传感网络的节点定位提供了一种新的方案,具备普遍性应用意义.     

矿山井下超宽带无线定位算法研究

针对矿山井下环境复杂,存在非视距(NLOS)传播以及多径现象,以及对人员和设备的定位精度要求高等现象,而传统的基于距离的无线传感网络定位技术,如RFID射频识别技术、WiFi定位技术等存在传输距离短、抗多径效应差、定位精度低等问题。在对现有的矿山井下目标定位技术系统分析的基础上,提出了一种基于超宽带技术的矿山井下联合无线定位方法。在发射与接收台之间采用超宽带UWB技术,采用粒子滤波算法进行位置估计,并用TDOA/RSS联合技术获得的观测信号对位置进行修正。实验结果表明,与传统单一的井下定位技术相比,基于粒子滤波的TDOA/RSS联合定位技术降低了多径和NLOS对井下目标定位精度的影响,提高了井下定位精度。本联合技术在具有更低成本、易实现的情况下,能够达到更高的定位精度。     

基于Kalman滤波的AOA测量误差抑制研究

在AOA无线定位中,需要测量特征测量值AOA。而在蜂窝网络的无线测量中,由于非视距传播和多径的影响,AOA测量值误差较大,从而定位精度较低。Kalman滤波技术是一种处理定位数据的有效手段,尤其是动态定位数据,它不仅利用当前的观测量,而且充分利用以前的观测数据,根据线性最小方差原理,求出最优估计。仿真结果表明,Kalman滤波技术可以有效抑制AOA测量误差。     

Kalman滤波在WSN定位评估中的应用

针对无线传感器网络实际应用中定位信号的不稳定性,单纯从定位算法角度改进已很难使定位精度有一个新的突破.为此在节点测距过程中提出了改进的自适应对数正态阴影模型;在坐标评估过程中采用了Kalman滤波方法,并利用马尔可夫过程建立移动节点的状态方程,结合未知节点状态数据的测量值估计出坐标位置的最优值.最后将上述两个过程的改进引入到现有的三角形定位算法中,进行引入前后性能对比.实验结果证明,改进的自适应对数阴影模型提高了测距模型的自适应性及测距精度,Kalman滤波和马尔可夫过程的引入减小了移动节点的定位误差.     

基于核Tikhonov规则化的多跳非测距定位方法

针对多跳非测距定位算法易受到节点分布不均、非视距传播等网络各向异性因素的影响,提出一种基于核Tikhonov规则化定位方法。采用核Tikhonov规则化方法构建跳数—距离映射模型,并利用该模型估计未知节点到参考节点的距离。理论分析和仿真实验表明,基于核Tikhonov规则化定位能有效避免网络各向异性和计算不适定问题,提高定位精度,涉及参数少,算法计算开销小,可适应于节点部署环境较复杂的网络,具有较高的实际应用价值。     

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.     

基于无线传感节点到达时间差的定位算法设计

针对无线传感器网络节点定位的问题,深入研究了基于节点信号到达时间差的定位算法,为了提高定位的精度采用基于多点的极大似然估计算法实现无线传感器节点精确定位的需求．重点对无线传感器节点定位过程中各节点的时间同步问题进行了详细设计,给出了一种基于无线传感节点到达时间差的定位算法详细设计方案,经仿真测试表明,设计的无线传感节点定位精度在96．7％以上．     

基于信道冲击成型自适应机制的 WSN大数据采集算法

为解决无线传感网采集算法普遍存在的节点故障率高、链路抖动严重及抗噪性能较低等不足,提出了一种基于信道冲击成型自适应机制的无线传感网大数据采集算法。首先,根据无线传感网节点信号具有的分区及偏移特性设计了信道冲击成型方法,并基于编码率-信噪比-信号发射强度增益等参量构建能量密度与信道衰落匹配过滤方式,提高信号发射过程中能量密度;随后,通过传输信号与信道噪声具有的正交特性建立自适应抽样机制,根据垂直信号与噪声信号互相干涉中产生的正交效应进行匹配滤波,并针对节点采取了载波过滤的方式进行遍历过滤,降低了网络信号拥塞现象的发生。仿真实验表明:与当前常见的拉普拉斯抗噪传输算法(Laplasse Anti-Noise Transmission Algorithm,ANT-L机制)以及傅氏信号解析抗噪传输算法(Fourier Noise Analysis Algorithm for Noise Immunity,NI-FNA机制)相比,本文算法具有更高的数据吞吐性能,有效地降低了网络链路抖动现象,取得更低的传输误码率。     

城市环境下减轻NLOS的一种新的定位算法

由于非视距传播的影响,在蜂窝无线定位系统中存在许多误差.为了将定位估计误差减到最小,提出了城市环境下减轻NLOS影响的一种新的定位算法.该算法基于城区建筑物以块形规则排列,通过对NLOS问题进行优化,将NLOS误差减到最小,以提高定位精度与其他算法相比,提出的算法适应只有3个NLOS基站的条件,更符合实际情况.对不同城市方案的仿真结果表明,所提出算法有更好的定位精度.     

一种基于删除信道的WSAN控制器自适应动态配置算法

针对无线传感器执行器网络(wireless sensor and actuator networks,WSAN)中的随机数据包丢失问题,提出了一种基于删除信道的WSAN控制器自适应动态配置算法.该算法采用模拟删除信道的多节点串联连接的网络控制架构,使用提出的配置算法对控制器进行自适应配置,并利用伯努利分布进行动态配置,通过导出马尔可夫链跳变线性系统模型,建立静止协方差的闭环表达形式.利用随机建模框架在衰落的无线电环境中进行仿真实验,结果表明,相比节点功能固定的配置算法,该算法可以更快地对设备输出做出响应,明显提升了控制器的性能,有效解决了WSAN中的随机数据包丢失问题.     

一种基于改进DBSCAN的雷达信号分选算法

针对传统DBSCAN算法参数设置依靠人工经验的不可靠性,并且对非均匀数据聚类效果差的问题,基于云模型(Cloud Model)提出了一种CMDBSCAN算法,算法首先结合距离曲线倾角突变的特点自适应获得邻域半径,并根据雷达信号分布密度设置聚类密度点数阈值,可实现DBSCAN算法自适应运行;同时结合多维云模型理论,对DBSCAN算法分选结果进行有效性评估,利用判定结果进一步优化参数设置.根据仿真模拟的复杂对抗过程中帧收的雷达信号进行实验,证明该算法可实现非均匀雷达信号的自适应分选,同时可有效避免在多功能雷达信号分选中的"增批"问题.     

削减NLOS误差的UWB室内定位算法

为了解决非视距（non-line of sight，NLOS）环境下超宽带（ultra-wideband，UWB）室内定位精度低的问题，提出一种基于到达时间差（time difference of arrival，TDOA）的UWB室内定位算法来削减NLOS误差，提高定位精度。利用卡尔曼滤波算法，初次估计移动标签节点与各锚节点间的TDOA值；基于TDOA差值进行NLOS误差判别，依据判别结果对受NLOS误差影响的测量值进行视距（line of sight，LOS）重构，并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵；利用Chan-Taylor算法进行迭代计算，得到最终精确的定位结果。实验结果表明，在LOS环境下，提出的算法能达到分米级的定位精度；在受NLOS影响的环境下，该算法能有效提高定位精度，减小定位误差，具有更好的稳定性。     

基于临时锚节点的改进蒙特卡罗节点定位算法

针对当前移动无线传感器网络节点定位算法中存在的定位过程需要大量锚节点参考定位、定位成本过大、采样效率过低及计算能耗过大的问题,提出一种基于临时锚节点的改进蒙特卡罗节点定位算法。首先基于一跳范围内的锚节点和选择的普通节点作为临时锚节点进行定位,构建了节点的初始采样区域,以提高定位精度和定位覆盖率,然后通过新的重采样方式节省了大量重采样过程中的计算消耗。仿真结果表明:与基于RSSI(接收信号指示强度)的蒙特卡罗节点定位算法相比,提出的算法节点定位精度提高了约60%,在锚节点数量比较小的情况下大大提升了节点的定位精度和定位覆盖率。     

基于RSSI和反馈机制的无线传感器网络定位优化算法

在基于无线传感器网络的定位计算中,DV-Hop类算法得到了广泛的应用,如何有效提升定位精度并保持其稳定性是其面临的核心问题之一。平均每跳距离的可获得性和性能的动态变化使得DV-Hop类算法直接应用到不同设置的网络环境中面临巨大挑战。为此提出了一种普适性反馈机制,引入位置调整因子和基于RSSI的跳距优化算法,在未知节点与信标节点之间建立位置信息的反馈链路,通过多种网络模型的仿真计算结果表明,在资源变化的网络计算环境中,所提出的定位算法能够显著地提高定位精度,且具有更强的稳定性。