论文部分内容阅读
重点研究了基于时间测量值和角度测量值的蜂窝无线定位算法。首先,介绍了无线定位的几种主要方法,给出了到达时间差(TDOA)定位系统具体的定位公式,并对定位公式的多解和无解问题进行了研究,找出了模糊分布与测量站布局之间的关系,提出了排除部分模糊区的方法;同时对无解产生的原因加以分析,并讨论了在无解情况下的次优定位方法。其次,介绍几种适合于移动台定位的信道模型,并给出几种定位误差表示的方法,为定位仿真和算法的改进奠定了基础。然后,在分析现有无线定位技术和定位算法的基础上,选择了以TDOA定位算法和到达角度(AOA)定位算法为研究重点,提出了基于BP神经网络的TDOA定位算法,基于RBF神经网络的AOA定位算法,基于RBF神经网络的TDOA/AOA定位算法以及基于RBF神经网络的TOA/AOA定位算法等4种算法,上述4种算法都是先利用神经网络对非视距(NLOS)误差进行校正,然后利用相应的定位算法进行定位。仿真结果表明,上述4种基于神经网络无线定位算法在各种环境下都具有较高的定位精度和准确性,在不同的信道环境下其定位性能均优于未经神经网络校正NLOS误差的定位算法。接着,提出了基于BP神经网络无线定位算法,它融合了移动基站提供的AOA,到达时间(TOA)和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境。仿真结果表明基于BP网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在复杂的多径环境下能够有效地提高定位精度。最后,提出了LOS环境下的TDOA/AOA数据融合定位算法,NLOS环境下的TDOA/AOA数据融合定位算法和基于RBF神经网络的TDOA/AOA数据融合定位算法。仿真结果表明上述3种算法在不同信道环境下均具有较高的定位精度和可靠性,定位性能优于单独使用TDOA算法和AOA算法。