为了实现复杂环境下视距(Line-of-Sigh,LOS)与非视距(Non-Line-of-Sigh,NLOS)同时存在的混合信道中的目标辐射源直接定位(Direct Position Determination,DPD),提出基于到达时间(Time-of-Arrival,TOA)的快速直接定位算法。该算法充分挖...
详细信息
为了实现复杂环境下视距(Line-of-Sigh,LOS)与非视距(Non-Line-of-Sigh,NLOS)同时存在的混合信道中的目标辐射源直接定位(Direct Position Determination,DPD),提出基于到达时间(Time-of-Arrival,TOA)的快速直接定位算法。该算法充分挖掘不同信道信号中的信息参数,采用最小二乘法原理构建代价函数,无需估计定位参数,避免了传统两步定位法所需的NLOS识别与数据关联。引入粒子群(Particle Swarm Optimization,PSO)算法精确估计目标辐射源的位置信息,以降低计算复杂度。将所提定位算法与基于TOA的两步定位法在定位精度方面进行对比,仿真结果表明,所提算法定位精度高于两步定位法,且可以逼近克拉美罗下界(Cramer-Rao Lower Bound,CRLB),能够快速定位混合信道中的目标辐射源。
为了降低视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)混合场景下无线定位的误差,提出一种基于交互式多模型-卡尔曼滤波(Interactive Multiple Model-Kalman Filter,IMM-KF)的残差选择NLOS定位算法。构建适用于LOS的多边...
详细信息
为了降低视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)混合场景下无线定位的误差,提出一种基于交互式多模型-卡尔曼滤波(Interactive Multiple Model-Kalman Filter,IMM-KF)的残差选择NLOS定位算法。构建适用于LOS的多边定位模型和适用于NLOS的残差选择3边定位模型,通过似然概率加权估计两个模型的融合位置。结合卡尔曼滤波进行误差估计确定残差,得到最优的位置估计值,从而降低计算复杂度和由计算不准确导致的模型失配问题。仿真结果表明,所提算法在混合场景中NLOS噪声服从高斯分布、指数分布及均匀分布下,定位精度优于其他对比算法,能有效降低NLOS误差。
暂无评论