论文部分内容阅读
近年来,以全球定位系统(Global Positioning System,GPS)、中国北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)为代表的室外定位系统已经发展成熟。但其性能容易受到非视距(None Line Of Sight,NLOS)环境的影响,造成精度不能满足人们对室内无线定位的要求。作为一种颇具潜力的短距离无线传输技术,超宽带(Ultra-wideband,UWB)以其独特的自身优势,正在被越来越多地应用于无线通信及定位领域。因此,研究基于UWB技术的室内定位算法具有重要的实际意义。本文基于UWB定位系统,主要工作可概括如下:1.对最小二乘(Least Square,LS)算法、Taylor算法、Chan算法三种传统的定位算法作了介绍和分析,并给出了相应的仿真结果。2.引入了基于模型融合的定位算法,模型融合中三种定位算法的权值将通过预测值与真实值的残差确定。分析和对比了Chan-Taylor算法、基于变尺度法(DFP)的定位算法的收敛性,并给出了性能仿真结果。3.当目标点与参考基站之间的无线电传播是一个非视距链路时,则非视距环境下的信号到达时间(Time Of Arrival,TOA)估计可能导致巨大的定位误差。本文引入了基于BP神经网络的定位算法,通过神经网络减缓NLOS环境在定位算法中的影响,并给出了均方根误差(Root Mean Square Error,RMSE)的性能仿真结果。理论分析及仿真结果表明:1.Chan算法的定位精度优于其它两种定位算法。2.基于模型融合的定位算法在信噪比较低情况下的RMSE最小,且基于变尺度法的定位算法的收敛性和RMSE均优于Chan-Taylor算法。3.基于BP神经网络的定位算法能够明显提高定位的精度。