CN111487586B - 基于分布式无源定位技术的定位精度提高方法 - Google Patents

基于分布式无源定位技术的定位精度提高方法 Download PDF

Info

Publication number
CN111487586B
CN111487586B CN202010323430.2A CN202010323430A CN111487586B CN 111487586 B CN111487586 B CN 111487586B CN 202010323430 A CN202010323430 A CN 202010323430A CN 111487586 B CN111487586 B CN 111487586B
Authority
CN
China
Prior art keywords
sensor
residual
offset
target position
circle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010323430.2A
Other languages
English (en)
Other versions
CN111487586A (zh
Inventor
苏志刚
陆阔
武瑞
郝敬堂
王雨琪
王铉
韩冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202010323430.2A priority Critical patent/CN111487586B/zh
Publication of CN111487586A publication Critical patent/CN111487586A/zh
Application granted granted Critical
Publication of CN111487586B publication Critical patent/CN111487586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于分布式无源定位技术的定位精度提高方法。该方法基于偏移圆圆心估计实现定位误差校正，首先以两步定位法获得的目标位置估计为初值，然后在极坐标系中将测距残差沿极径方向引入固定偏移量形成偏移圆，最后利用偏移圆圆心的位置矢量估计对目标位置初始估计值进行校正，从而获得更精确的目标位置估计。与经典分布式无源定位算法相比，本发明提供的方法对传感器布局具有更强的适应性，具有更高的精度，在不同的传感器测距精度下均具有较优异的性能，具有很好的工程应用前景。

Description

基于分布式无源定位技术的定位精度提高方法
技术领域
本发明属于信息处理技术领域，特别是涉及一种基于分布式无源定位技术的定位精度提高方法。
背景技术
分布式无源定位是利用分散配置的多个传感器接收目标辐射或反射的信号而进行目标定位。由于分布式传感器网络具有覆盖范围大、遮蔽影响小、容错性高、定位精度高等优点，以及网络构建灵活、方便等特点，因此使其在军事、民用等诸多领域得到广泛应用，如无源雷达定位、手机基站定位、WiFi网络侧被动定位、民航监视领域的场面多点定位和广域多点定位等。
分布式无源定位技术可分为直接定位法与两步定位法两类。直接定位法是利用多个传感器接收的目标信号直接建立代价函数，在目标位置空间进行多维搜索获得目标位置估计，对传感器无时间同步的要求，但计算复杂度极高。两步定位法是各个传感器首先对目标信号分别进行参数估计，在不同类型的分布式传感器网络中，被估计参数可以是到达时间(time of arrival，TOA)、到达时间差(time different of arrival，TDOA)、到达角(angle of arrival，AOA)或接收信号强度指示(received signal strength indication，RSSI)，然后再利用这些参数估计目标位置。常用的两步定位法主要包括最小二乘(leastsquare，LS)、泰勒级数(taylor series，TS)、极大似然估计(maximum likelihood，ML)和多维尺度(multi-dimensional scaling，MDS)等四类。LS及其各种改进算法是利用传感器网络与目标间位置关系构建与参数TOA/TDOA/AOA/RSS等相关的参数化模型，并利用其估计目标位置。LS类算法优点在于计算复杂度低，但易受噪声及非直达波的影响，定位精度与稳定度较差。TS法属于迭代寻优的方法，其定位精度受初值影响严重，甚至会陷入局部最优解。传感器网络的几何布局也会对定位精度产生较大的影响。ML法可以利用半正定规划实现较精确的位置估计，但计算复杂度较大，在工程实践中较少应用。在传感器存在较大测量误差时，MDS法保持较优的性能，具有较好稳健性。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于分布式无源定位技术的定位精度提高方法。
为了达到上述目的，本发明提供的基于分布式无源定位技术的定位精度提高方法包括按顺序进行的下列步骤：
(1)获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的S1阶段；
(2)利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的S2阶段；
(3)利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的S3阶段；
(4)利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的S4阶段；
(5)利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的S5阶段。
在步骤(1)中，所述的获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的方法是利用传感器测量的时间、频率或强度参数获得各传感器与目标间的距离测量值，并利用所有的距离测量值估计出目标位置。
在步骤(2)中，所述的利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的方法是利用步骤(1)中获得的距离测量值、估计出的目标位置与各传感器的实际位置，获得各传感器的测距残差。
在步骤(3)中，所述的利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的方法是利用步骤(1)中获得的各传感器距离测量值的标准差和步骤(2)中获得的各传感器的测距残差，定义出充分大的偏移量并将其作为偏移圆半径，利用测距残差的几何关系确定出各传感器相对于目标真实位置的方位角并以此获得各传感器对应的残差点。
在步骤(4)中，所述的利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的方法是利用步骤(3)中得到的全部残差点与半径得到矩阵形式的残差关系方程，求解估计出偏移圆圆心的位置矢量。
在步骤(5)中，所述的利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的方法是利用步骤(4)中得到的偏移圆圆心，对步骤(1)中获得的目标位置估计值进行矫正而获取更加精确结果。
本发明提供的基于分布式无源定位技术的定位精度提高方法(PEC算法)是根据分布式无源定位中传感器测距残差的偏移圆模型，通过对偏移圆圆心的估计实现对分布式无源定位中目标定位误差的校正。实验结果表明，本发明方法对传感器布局具有较强的适应性，受传感器数目影响较小，在不同的传感器测距精度下均具有较优异的性能。
附图说明
图1为本发明提供的基于分布式无源定位技术的定位精度提高方法流程图；
图2为分布式定位中的测距残差示意图；
图3为极坐标系下残差点分布；
图4为TSWLS算法、MDS算法、AML算法与本发明提供的PEC算法的样本点累计分布函数；
图5为TSWLS算法、MDS算法、AML算法与本发明提供的PEC算法的均方根误差随接收站数量的变化；
图6为4接收站下TSWLS算法、MDS算法、AML算法与本发明提供的PEC算法的均方根误差随测量噪声标准差的变化；
图7为7接收站下TSWLS算法、MDS算法、AML算法与本发明提供的PEC算法的均方根误差随测量噪声标准差的变化。
具体实施方式
下面结合附图和具体实例对本发明提供的基于分布式无源定位技术的定位精度提高方法进行详细说明。
如图1所示，本发明提供的基于分布式无源定位技术的定位精度提高方法包括按顺序进行的下列步骤：
(1)获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的S1阶段；
考虑分布式定位区域内有N(N≥3)个分散布置的传感器，设第n个传感器的位置为sn＝[xn,yn]T，待定位的目标真实位置为uT＝[xT,yT]T，利用传感器测量的时间、频率或强度参数可以获得传感器与目标间的距离测量值，并经两步定位法可获得目标位置估计值
Figure BDA0002462297230000041
目标位置估计值/>
Figure BDA0002462297230000042
相对于目标真实位置uT的偏差受传感器网络的几何布局及传感器的测距噪声影响，当几何布局较差或测距噪声较强时，偏差较大。
(2)利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的S2阶段；
目标与第n个传感器之间的距离可表示为：
rn＝||uT-sn|| (1)
其中，||·||表示Euclidean范数。考虑传感器测量其与目标间距离时会受噪声的影响，因此目标与第n个传感器之间的测量距离可表示为：
Figure BDA0002462297230000051
式中，εn表示第n个传感器受测量噪声影响引入的测距误差，其可建模为方差为
Figure BDA0002462297230000052
的零均值高斯白噪声。
定义第n个传感器的测距残差为：
Figure BDA0002462297230000053
(3)利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的S3阶段；
测距残差的几何表示如图2所示。在图2中，Δr为目标位置估计误差：
Figure BDA0002462297230000054
式中，Δx和Δy分别为目标位置估计值
Figure BDA0002462297230000055
相对于目标真实位置uT在x轴和y轴方向的误差，即/>
Figure BDA0002462297230000056
Figure BDA0002462297230000057
表示目标位置估计值相对于目标真实位置的方向，可用相应的辐角主值表示，即：
Figure BDA0002462297230000058
式中，函数arg(x,y)表示空间点(x,y)的辐角主值。用θn表示第n个传感器相对于目标真实位置的方位角：
θn＝arg(xn-xT,yn-yT) (6)
当传感器与目标之间的距离rn远大于目标位置估计误差Δr时，可利用目标位置估计值
Figure BDA0002462297230000059
计算出方位角θn，即：/>
Figure BDA00024622972300000510
由式(3)可见，测距残差ρn是目标位置估计值
Figure BDA00024622972300000511
的函数，因此可以利用测距残差ρn对目标位置估计误差进行校正，以获得更准确的目标位置估计。对式(3)的测距残差进行一阶泰勒展开并整理得：
ρn＝cosθnΔx+sinθnΔy+εn (8)
若忽略式(8)中测距误差εn的影响，传感器的测距残差ρn与方位角θn则满足极坐标方程：
Figure BDA0002462297230000061
引入偏移量b，式(9)可重写为：
Figure BDA0002462297230000062
在极坐标平面中，曲线ρ(θ)上点(ρ,θ)与点
Figure BDA0002462297230000063
间的距离为：
Figure BDA0002462297230000064
当b＞＞Δr+max{σn}时，
d≈b (12)
可见，此时曲线ρ(θ)是以点
Figure BDA0002462297230000065
为圆心，偏移量b为半径的圆(为下文叙述方便，将此圆称为偏移圆，偏移圆半径用b表示)。
传感器的测距残差ρn与方位角θn确定的点(ρn-b,θn)与点
Figure BDA0002462297230000066
间的距离为：
Figure BDA0002462297230000067
为下文叙述方便，在本发明中，将点(ρn-b,θn)称为对应于第n个传感器的残差点。
比较式(12)与式(13)可见，由于测距误差εn的存在，残差点(ρn-b,θn)落在偏移圆附近，且沿径向偏移测距误差εn。分散布置5个传感器，其对应残差点分布与偏移圆的关系如图3所示。为满足偏移圆半径b充分大的要求，不妨取：
b＝30(max|ρn|+maxσn) (14)
对于给定系统，测距残差ρn可由各个传感器分别计算获得，测距误差εn的方差σn 2通常已知，因此，可以由式(14)确定出偏移圆半径b的数值。
(4)利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的S4阶段；
由于偏移圆圆心
Figure BDA0002462297230000071
与目标位置估计误差(Δx,Δy)相关，因此，根据残差点和偏移圆半径b可以估计出偏移圆圆心。残差点(ρn-b,θn)落在偏移圆附近，且沿径向偏移测距误差εn，因此：
b＝||un-uΔ||+εn (15)
式中，un＝[(ρn-b)cosθn,(ρn-b)sinθn]T为残差点(ρn-b,θn)在直角坐标系中的位置矢量，相应的偏移圆圆心的位置矢量为uΔ＝[Δx,Δy]T。
若按式(15)取偏移圆半径b，则b＞＞εn，故可将式(15)中的测距误差εn忽略，进而可将其整理为：
Figure BDA0002462297230000072
/>
式中，λ＝Δx2+Δy2。利用所有传感器的残差点将式(16)整合为矩阵形式：
UuΔ＝λ1+h (17)
式中，U＝[2u1,…,2uN]T，1＝[1,…,1]T为N维列向量，
Figure BDA0002462297230000073
由式(17)可解得：
uΔ＝U+(λ1+h) (18)
式中，U+＝(UTU)-1UT是矩阵U的Moor-Penrose逆。由式(18)可见，偏移圆圆心的位置矢量uΔ是λ的函数，可将偏移圆圆心的位置矢量uΔ的分量Δx和Δy用λ表示。将Δx和Δy代入λ＝Δx2+Δy2中可得关于λ的一元二次方程。求解方程可获得λ，将其代入式(18)中即可获得偏移圆圆心的位置矢量uΔ。
在进行方程求解时，一元二次方程存在两个根，需要利用根选择法确定λ的数值，具体规则为：
a.如果只有一个根为正根，λ为该正根；
b.如果存在两个正根均为正，则分别将两个根代入式(18)中计算出偏移圆圆心的位置矢量uΔ，选择使代价函数：
Figure BDA0002462297230000081
较小的根；
c.如果两个根都为负数或虚数，则取其实部绝对值，分别代入式(18)中计算出偏移圆圆心的位置矢量uΔ，选择使代价函数C1较小的根。
(5)利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的S5阶段；
为完整地描述基于偏移圆圆心估计的本发明提供的PEC算法，本步骤首先引入一种类似于偏移圆圆心估计的分布式目标定位，以该方法获得的目标位置作为PEC算法的初值。
根据式(1)和(2)可得：
Figure BDA0002462297230000082
式中，
Figure BDA0002462297230000083
由于/>
Figure BDA0002462297230000084
所以式(20)中的测距误差εn可忽略。利用所有传感器的数据将式(20)整合为矩阵形式：
SuT＝η1+g (21)
式中，S＝[2s1,…,2sN]T，g＝[g1,…,gN]T，且
Figure BDA0002462297230000085
由式(21)可解得：
Figure BDA0002462297230000086
将目标位置估计值
Figure BDA0002462297230000087
的分量/>
Figure BDA0002462297230000088
和/>
Figure BDA0002462297230000089
代入/>
Figure BDA00024622972300000810
中可得关于η的一元二次方程。求解方程可获得η，将其代入式(22)中，即可获得更精确的目标位置估计值/>
Figure BDA00024622972300000811
在求解一元二次方程时也需要采用根选择法确定η，只是选择的代价函数替换为：
Figure BDA00024622972300000812
/>
仿真实验
本发明提供的基于分布式无源定位技术的定位精度提高方法的效果可以通过以下仿真数据实验进一步说明。
考虑在[0m,1000m]×[0m,1000m]正方形区域内，随机布置4个传感器。假设传感器的测距误差相互独立，且服从标准差σn＝3m的零均值高斯分布。分别采用TSWLS算法、AML算法、MDS算法和本发明提供的PEC算法对位于场景中心[500m,500m]处的目标进行定位。进行4000次Monte-Carlo实验，统计结果如表1和图4所示。
表1目标定位误差分布情况
Figure BDA0002462297230000091
由表1可见，无论是定位误差小于7.5m的占比还是小于12m的占比，本发明提供的PEC算法均是最优的。对于定位误差小于7.5m的占比，本发明提供的PEC算法普遍高于其它算法超过10％，甚至定位误差小于12m的占比接近100％。
由图4可见，本发明提供的PEC算法累积分布函数的值在较低的定位误差区间就接近于1，普遍优于其它三种算法。MDS算法和AML算法的累积分布函数的值也可达到1，但均是在较大的定位误差区间实现的。TSWLS算法在定位误差较小的区间中具有与MDS算法和AML算法相似的性能，但随着定位误差的增长，TSWLS算法的累积分布函数增长速率变缓，使得其性能低于其它三种算法。
在实际环境中，用于分布式无源定位的传感器数目并不固定，下面分析传感器数据对算法性能的影响。采用前一实验的场景，在不同传感器数目情况下分别进行4000次Monte-Carlo实验，目标位置估计的均方根误差统计结果如图5所示。
由图5可见，TSWLS算法性能受传感器数目影响较大，当传感器数目少于6个时，TSWLS算法性能最差，但随着传感器数目的增加，由TSWLS算法获得的目标位置估计的均方根误差迅速减小并接近于本发明提供的PEC算法。随传感器数目的增加，本发明提供的PEC算法的目标位置估计均方根误差缓慢降低，但其性能始终优于其它三种算法。
下面分析测距噪声对算法定位精度的影响。仍采用前面实验场景，分别以4个和7个传感器进行定位实验。每组参数进行4000次Monte-Carlo实验，统计定位误差均方根误差随传感器的测距误差标准差的变化情况如图6与7所示。
对比图6与7可见，随着传感器测距误差标准差的增大，每种算法定位目标的误差也增大。当传感器数目较少时，算法定位性能存在较大的波动，特别是TSWLS算法，波动尤为明显。传感器数目增大后，每种算法的定位性能均有所提高，TSWLS算法的性能提升尤为显著，这与图3所获得的结果一致。在相同条件下，本发明提供的PEC算法均可获得最优的性能。当传感器测距误差标准差过大时，所有算法的性能均趋于一致。

Claims (5)

1.一种基于分布式无源定位技术的定位精度提高方法，其特征在于：所述的基于分布式无源定位技术的定位精度提高方法包括按顺序进行的下列步骤：
(1)获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的S1阶段；
(2)利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的S2阶段；
(3)利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的S3阶段；
(4)利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的S4阶段；
(5)利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的S5阶段；
在步骤(3)中，所述的利用步骤(2)中得到的测距残差确定出全部残差点并定义偏移圆半径的方法是利用步骤(1)中获得的各传感器距离测量值的标准差和步骤(2)中获得的各传感器的测距残差，定义出充分大的偏移量并将其作为偏移圆半径，利用测距残差的几何关系确定出各传感器相对于目标真实位置的方位角并以此获得各传感器对应的残差点；
具体方法如下：设Δr为目标位置估计误差：
Figure FDA0004197648920000011
式中，Δx和Δy分别为目标位置估计值
Figure FDA0004197648920000012
相对于目标真实位置uT在x轴和y轴方向的误差，即/>
Figure FDA0004197648920000013
待定位的目标真实位置为uT＝[xT,yT]T；目标位置估计值为/>
Figure FDA0004197648920000014
Figure FDA0004197648920000015
表示目标位置估计值相对于目标真实位置的方向，用相应的辐角主值表示，即：
Figure FDA0004197648920000021
式中，函数arg(x,y)表示空间点(x,y)的辐角主值；用θn表示第n个传感器相对于目标真实位置的方位角，其中第n个传感器的位置为sn＝[xn,yn]T：
θn＝arg(xn-xT,yn-yT) (6)
当传感器与目标之间的距离rn远大于目标位置估计误差Δr时，利用目标位置估计值
Figure FDA00041976489200000210
计算出方位角θn，即：
Figure FDA0004197648920000022
由于测距残差ρn是目标位置估计值
Figure FDA0004197648920000023
的函数，因此能够利用测距残差ρn对目标位置估计误差进行校正，以获得更准确的目标位置估计；对第n个传感器的测距残差进行一阶泰勒展开并整理得：
ρn＝cosθnΔx+sinθnΔy+εn (8)
若忽略上式中测距误差εn的影响，传感器的测距残差ρn与方位角θn则满足极坐标方程：
Figure FDA0004197648920000024
引入偏移量b，上式重写为：
Figure FDA0004197648920000025
在极坐标平面中，曲线ρ(θ)上点(ρ,θ)与点
Figure FDA0004197648920000026
间的距离为：/>
Figure FDA0004197648920000027
当b＞＞Δr+max{σn}时，
d≈b (12)
可见，此时曲线ρ(θ)是以点
Figure FDA0004197648920000028
为圆心，偏移量b为半径的圆，将此圆称为偏移圆，偏移圆半径用b表示；
传感器的测距残差ρn与方位角θn确定的点(ρn-b,θn)与点
Figure FDA0004197648920000029
间的距离为：
Figure FDA0004197648920000031
将点(ρn-b,θn)称为对应于第n个传感器的残差点；
比较上式可见，由于测距误差εn的存在，残差点(ρn-b,θn)落在偏移圆附近，且沿径向偏移测距误差εn；为满足偏移圆半径b充分大的要求：
b＝30(max|ρn|+maxσn) (14)
对于给定系统，测距残差ρn由各个传感器分别计算获得，测距误差εn的方差σn 2通常已知，因此，由上式确定出偏移圆半径b的数值。
2.根据权利要求1所述的基于分布式无源定位技术的定位精度提高方法，其特征在于：在步骤(1)中，所述的获取分布式定位区域内各传感器与目标间的距离测量值并估计出目标位置的方法是利用传感器测量的时间、频率或强度参数获得各传感器与目标间的距离测量值，并利用所有的距离测量值估计出目标位置。
3.根据权利要求1所述的基于分布式无源定位技术的定位精度提高方法，其特征在于：在步骤(2)中，所述的利用步骤(1)中估计出的目标位置计算出各传感器对应的测距残差的方法是利用步骤(1)中获得的距离测量值、估计出的目标位置与各传感器的实际位置，获得各传感器的测距残差。
4.根据权利要求1所述的基于分布式无源定位技术的定位精度提高方法，其特征在于：在步骤(4)中，所述的利用步骤(3)中得到的全部残差点与偏移圆半径估计出偏移圆圆心的方法是利用步骤(3)中得到的全部残差点与半径得到矩阵形式的残差关系方程，求解估计出偏移圆圆心的位置矢量。
5.根据权利要求1所述的基于分布式无源定位技术的定位精度提高方法，其特征在于：在步骤(5)中，所述的利用步骤(4)中得到的偏移圆圆心对步骤(1)中得到的目标位置估计值进行校正，获得更精确的目标位置估计值的方法是利用步骤(4)中得到的偏移圆圆心，对步骤(1)中获得的目标位置估计值进行矫正而获取更加精确结果。
CN202010323430.2A 2020-04-22 2020-04-22 基于分布式无源定位技术的定位精度提高方法 Active CN111487586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010323430.2A CN111487586B (zh) 2020-04-22 2020-04-22 基于分布式无源定位技术的定位精度提高方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010323430.2A CN111487586B (zh) 2020-04-22 2020-04-22 基于分布式无源定位技术的定位精度提高方法

Publications (2)

Publication Number Publication Date
CN111487586A CN111487586A (zh) 2020-08-04
CN111487586B true CN111487586B (zh) 2023-06-02

Family

ID=71792823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010323430.2A Active CN111487586B (zh) 2020-04-22 2020-04-22 基于分布式无源定位技术的定位精度提高方法

Country Status (1)

Country Link
CN (1) CN111487586B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945888B (zh) * 2021-10-19 2022-05-03 江南大学 基于tdoa的区间化无源定位方法及系统
CN117930135A (zh) * 2024-03-21 2024-04-26 广东海洋大学 基于nrznd模型的tdoa移动目标定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7930148B1 (en) * 2007-08-20 2011-04-19 PNI Sensor Corporation Spherical calibration and reference alignment algorithms
CN103969622A (zh) * 2014-04-25 2014-08-06 西安电子科技大学 一种基于多运动接收站的时差定位方法
JP2015045531A (ja) * 2013-08-27 2015-03-12 国立大学法人 名古屋工業大学 位置推定システム
CN105828435A (zh) * 2016-05-30 2016-08-03 天津大学 基于接收信号强度优化的距离修正加权质心定位方法
CN107426817A (zh) * 2017-08-28 2017-12-01 西安电子科技大学 距离修正混沌粒子群多维标度无线传感器网络定位方法
CN110133586A (zh) * 2019-04-26 2019-08-16 西安电子科技大学 基于线性校正的toa联合同步与定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8165150B2 (en) * 2008-12-17 2012-04-24 Avaya Inc. Method and system for wireless LAN-based indoor position location
JP2013064695A (ja) * 2011-09-20 2013-04-11 Yamaha Corp 状態推定装置、オフセット更新方法およびオフセット更新プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7930148B1 (en) * 2007-08-20 2011-04-19 PNI Sensor Corporation Spherical calibration and reference alignment algorithms
JP2015045531A (ja) * 2013-08-27 2015-03-12 国立大学法人 名古屋工業大学 位置推定システム
CN103969622A (zh) * 2014-04-25 2014-08-06 西安电子科技大学 一种基于多运动接收站的时差定位方法
CN105828435A (zh) * 2016-05-30 2016-08-03 天津大学 基于接收信号强度优化的距离修正加权质心定位方法
CN107426817A (zh) * 2017-08-28 2017-12-01 西安电子科技大学 距离修正混沌粒子群多维标度无线传感器网络定位方法
CN110133586A (zh) * 2019-04-26 2019-08-16 西安电子科技大学 基于线性校正的toa联合同步与定位方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Itika Gupta et al..An Energy-Efficient Position Based Clustering Protocol for Wireless Sensor Network Using Round Robin Scheduling Technique.2013 Third International Conference on Advanced Computing and Communication Technologies.2013,全文. *
Su Zhigang et al..A Study on the Collision Probability of Satellite-Based ADS-B Messages Based on Homogeneous Poisson Process.International Journal of Aeronautical and Space Sciences.2020,全文. *
吴晓平等.基于残差修正法的无线传感器网络定位技术.传感技术学报.2012,第25卷(第7期),全文. *
姚英彪 ; 姜男澜 ; .无线传感器网络定位的分布式求精算法.通信学报.2015,第36卷(第01期),全文. *
孙微 ; 王方勇 ; 乔钢 ; 周彬 ; .基于长基线水声定位系统误差分析以及定位精度研究.声学与电子工程.2016,(第02期),全文. *
程钢 等.传感器数据定位测距算法优化仿真与研究.计算机仿真.2015,第32卷(第12期),全文. *
苏志刚等.基于MEMS传感器的道面坡度提取方法.传感技术学报.2019,第32卷(第7期),全文. *
葛宇 ; 梁静 ; 许波 ; 余建平 ; .基于蛙跳算法的无线传感器网络节点定位.计算机工程与应用.2012,第48卷(第20期),全文. *

Also Published As

Publication number Publication date
CN111487586A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN111212476B (zh) 基于调频连续波的多基站超宽带定位方法
CN111487586B (zh) 基于分布式无源定位技术的定位精度提高方法
CN108414972B (zh) 一种基于相位特征的移动机器人rfid定位方法
CN108414974B (zh) 一种基于测距误差矫正的室内定位方法
CN111220954B (zh) 一种基于自校幅度归一化的雷达角误差修正方法
CN106793078B (zh) 基于rssi修正值双重定位的蓝牙室内定位方法
CN110657806B (zh) 一种基于CKF、chan解算和Savitzky-Golay平滑滤波的位置解算方法
CN109507635A (zh) 利用两个未知方位辅助源的阵列幅相误差估算方法
CN109975840B (zh) 一种调零天线卫星导航接收机定位校正方法
CN110636436A (zh) 基于改进chan算法的三维uwb室内定位方法
CN106932752A (zh) 一种基于射频相位监测的实时室内定位方法
CN107561489B (zh) 基于异常检测的mls无源测向定位方法
CN107371133B (zh) 一种提高基站定位精度的方法
Elwischger et al. Efficient ambiguity resolution in wireless localization systems
CN110208741B (zh) 一种基于多圆阵测相的超视距单目标直接定位方法
CN111624549A (zh) 非共视条件下无源滤波跟踪方法
CN112954637B (zh) 一种锚节点位置不确定情况下的目标定位方法
CN110471025B (zh) 一种单站三维定位与测速方法
CN109884582B (zh) 利用一维测向快速确定目标三维坐标的方法
CN112799058B (zh) 一种基于四臂螺旋天线的二维测角方法
CN113933798A (zh) 一种基于相似性原理的全局传感器系统误差分区配准算法
Springer et al. Joint localization and calibration in partly and fully uncalibrated array sensor networks
CN112540343A (zh) 基于移动接收器协同分析的移动目标源定位方法
CN117724035B (zh) 基于两级校正的干涉仪测向定位方法
CN111025333B (zh) 基于导航卫星信号短基线定姿的安装偏差标定与修正方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant