基于CSS的室内测距优化技术?

基于CSS（ Chirp Spread Spectrum，线性调频扩频）技术的无线测距是基于TOA（ time of arrival，到达时间）的测距方法，在室内应用中，存在较多的NLOS（ Non?Line of Sight，非视距）干扰，因此测距精度低。针对这个问题，对传统卡尔曼滤波进行改进，将NLOS误差加入状态向量进行估计，进行两步卡尔曼滤波，从而抑制NLOS误差对测距的影响。考虑到LOS（ Line of Sight，视距）和NLOS并存的情况，对两步卡尔曼滤波算法进行改进，在第二步滤波中对NLOS误差鉴别和滤波处理部分做出改进，并应用到测距系统中。实验表明，利用该测距优化方法，TOA测距的精度和抗干扰能力得到了明显的提高。     

次优扩展卡尔曼滤波的无线传感器网络定位算法

针对无线传感器网络节点在定位过程中,由于积累的节点测距误差和定位算法引入的误差会对定位的精度产生较大影响。为此在节点测距过程中,利用卡尔曼滤波算法线性最优的特点,提出了一种适用于无线传感器网络节点定位的次优扩展卡尔曼滤波算法模型。首先在评估坐标的过程中利用卡尔曼滤波的节点自适应调度方法,其次,将上述改进的过程引入到三角定位算法中,最后将引入前后的系统性能进行比较。通过仿真实验表明,该算法提高了测距和网络节点定位的精确度及模型的自适应性,并且减少了计算量和系统的功耗。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。     

一种基于MIMO的LLOP定位算法

针对LTE终端在非可视距传播(NLOS)环境下定位精度较低的问题,在原有LLOP定位算法的基础上,提出一种基于MIMO技术的定位算法。该算法利用MIMO技术多天线传输的特性,构造同心圆定位模型,并对多定位点阵列求均值,从而达到消除NLOS误差提升定位精度的目的。仿真结果表明,提出的算法在NLOS环境下定位精度要高于传统LLOP定位算法。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

一种NLOS环境下基于散射模型的TOA定位方法

减小非视距(Non Line Of Sight,NLOS)误差定位算法大多要求在移动台和基站之间至少存在一条视距(Line Of Sight,LOS)路径。提出一种新的NLOS环境中基于散射模型分类传播环境的TOA(Time Of Arrival)定位方法,将散射模型中NLOS传播的统计特性加入到定位算法中,使用散射模型研究了3种定位算法,方差匹配算法,期望最大算法和贝叶斯算法。并对算法进行仿真,仿真结果表明,本算法性能优于传统定位算法。     

基于相位差变化率的无源定位及误差分析

在分析基于相位差变化率二维无源定位原理和方法的基础上,建立了测向误差和测距误差模型。通过分析误差模型发现,相位差变化率误差是影响定位误差的主要因素。采用数字仿真的方式,分析了目标与观测站相对位置、相位差误差对测向误差的影响,以及测向误差、相位差变化率误差对相对测距误差的影响。最后采用扩展卡尔曼滤波的方法对测距数据进行处理,实现了相对测距误差的快速收敛,进而有效提高了运动观测站对固定目标的无源定位精度。     

RSSI与凸规划相结合的无线传感器网络定位算法

凸规划定位算法是无线传感器网络中一种较为常用的非测距定位算法。针对该算法中信标节点的重叠区域过大导致未知节点定位精度不高的问题,提出了RSSI与凸规划相结合的改进定位算法。算法利用RSSI值与距离的相对关系,将原有凸规划定位中未知节点的存在区域进一步缩小,提升定位精度。由于算法中只增加了一次未知节点与信标的RSSI值通信过程,基本保留了原有凸规划算法实现简单实时性好的优点。仿真数据及基于CC2430平台的实验表明,改进后的算法相对原有凸规划算法定位精度有明显提升,平均可提升20%～25%。     

基于改进RSS测距的拉格朗日优化定位算法

为了降低基于接收信号强度(Received signal strength Index,RSS)测距误差对节点定位的影响,解决基于RSS测距定位误差较大的问题,提出了基于优化RSS测距的平方最小平方定位算法(Square-least Square localization algorithm based on improved RSS,SLS-I-RSS)。SLS-I-RSS算法先通过多组锚节点间的距离和接收功率作为参考,降低基于RSS测距误差,然后再建立定位优化问题,并将定位优化问题转成规则化信任区域子问题,最后,再利用拉格朗日优化算法求解优化问题。实验结果表明,提出的SLS-I-RSS算法能够有效地降低定位误差,比传统的基于RSS定位算法减少了约12%～20%,但算法复杂度略有增加。     

高精度分数时延滤波器设计的边界拟合Remez算法

在卫星星间测距模拟信号仿真及实际测试中,为提高测距模拟信号精度和系统可用带宽,提出基于边界拟合Remez算法的高精度分数时延滤波器的设计算法。该算法利用Farrow结构的多项式近似思想,采用多项式拟合Remez算法设计滤波器的冲激响应边界系数,通过多相分解实现分数时延滤波器组。该算法改善了当设计的滤波器阶数较高时冲激响应边界的不连续现象,进而降低了群时延误差,提高了精度。仿真结果表明,该算法设计的滤波器的分数时延精度得到了提高,同时系统可用带宽提高近一倍,实现时需使用的乘法器数目也有明显降低。