针对LoRa网络终端节点定位过程中存在视距(LOS)与非视距(NLOS)传播路径及各定位网关之间存在时间同步偏差累积的问题,提出一种测量值修正(Measurement Value Correction)的改进DTDOA(Differential Time Difference Of Arrival)算法(MVC-...
详细信息
针对LoRa网络终端节点定位过程中存在视距(LOS)与非视距(NLOS)传播路径及各定位网关之间存在时间同步偏差累积的问题,提出一种测量值修正(Measurement Value Correction)的改进DTDOA(Differential Time Difference Of Arrival)算法(MVC-DTDOA),通过对信号的传播路径进行鉴别并对TDOA测量值进行修正,在定位解算时利用DTDOA算法处理定位网关时间同步偏差,提高LoRa终端节点在LOS/NLOS混合环境下的定位精度。系统仿真结果表明,在LOS/NLOS混合环境下,MVC-DTDOA算法与DTDOA算法、经典TDOA算法(Chan算法)相比在定位性能上有明显的改善。
针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。
暂无评论