CN111505576B - 一种针对tdoa定位的传感器选择方法 - Google Patents
一种针对tdoa定位的传感器选择方法 Download PDFInfo
- Publication number
- CN111505576B CN111505576B CN202010210613.3A CN202010210613A CN111505576B CN 111505576 B CN111505576 B CN 111505576B CN 202010210613 A CN202010210613 A CN 202010210613A CN 111505576 B CN111505576 B CN 111505576B
- Authority
- CN
- China
- Prior art keywords
- sensor
- receiving
- vector
- matrix
- elements
- 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
Links
- 238000010187 selection method Methods 0.000 title abstract description 19
- 239000013598 vector Substances 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 230000000295 complement effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 55
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 206010037833 rales Diseases 0.000 description 1
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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种针对TDOA定位的传感器选择方法,其在参考坐标系中布置目标源和接收传感器;设定从接收传感器中选择作为参照传感器和非参照传感器的个数,基于TDOA测量模型,建立目标源在参考坐标系中的坐标位置的克拉美‑罗界与接收传感器的状态之间的关系,进而建立TDOA测量模型下的传感器选择问题;利用舒尔补性质和半正定松弛技术将传感器选择问题转化为一个半正定规划问题;求解半正定规划问题,再通过半正定规划问题的解确定参照传感器和非参照传感器;优点是其只使用了一个向量变量来构建TDOA测量模型下的传感器选择问题,降低了计算复杂度且在一定程度上提高了方法的鲁棒性。
Description
技术领域
本发明涉及一种传感器选择方法,尤其是涉及一种无线传感器网络中,针对TDOA(到达时间差)定位的传感器选择方法。
背景技术
在无线传感器网络中,目标定位是一项十分重要的技术,具有广泛的应用前景。
在一个大型的无线传感器网络中,由于传感器自身的电量、通信范围以及信道宽度都是有限的,因此,使用无线传感器网络中全部的传感器对目标进行定位通常来说是不可行的。为了解决此类问题,人们考虑基于某些标准,从无线传感器网络中选择出一定数量的传感器,并使用这些传感器对目标进行定位。通常,为了得到尽可能高的定位精度,人们会以最小化克拉美-罗界(CRLB)的迹或最大化费希尔信息矩阵(FIM)的行列式作为目标函数,定义一个布尔向量作为优化变量来表示选择的传感器,从而构建出一个整数规划问题,再对该整数规划问题进行求解,最终实现无线传感器网络中的传感器选择。
在实际应用中,基于到达时间差(TDOA)的定位由于具有较高的定位精度和被动性,因而被广泛地应用。但是,在基于到达时间差(TDOA)的定位中,由于参照传感器的存在,使得针对TDOA定位而设计的传感器选择方法通常需要定义两个向量变量来表示参照传感器和非参照传感器的选择情况,因此,导致目前已有的针对TDOA定位而设计的传感器选择方法在性能上均不能达到令人满意的结果。
发明内容
本发明所要解决的技术问题是提供一种针对TDOA定位的传感器选择方法,其只使用了一个向量变量来构建TDOA测量模型下的传感器选择问题,降低了计算复杂度并提高了方法的鲁棒性。
本发明解决上述技术问题所采用的技术方案为:一种针对TDOA定位的传感器选择方法,其特征在于包括以下步骤:
步骤一:在无线传感器网络中建立一个平面坐标系或空间坐标系作为参考坐标系;设定无线传感器网络中存在一个用于发射测量信号的目标源和N个用于接收测量信号的接收传感器,将目标源在参考坐标系中的坐标位置记为u,将N个接收传感器在参考坐标系中的坐标位置的真实值对应记为s1,...,sN;其中,N>1,s1表示第1个接收传感器在参考坐标系中的坐标位置的真实值,sN表示第N个接收传感器在参考坐标系中的坐标位置的真实值;
步骤二:设定从无线传感器网络中选取1个接收传感器作为参照传感器,并设定从无线传感器网络中选取K-1个接收传感器作为非参照传感器用于定位;引入一个向量变量用于表示N个接收传感器的状态,其中,N>K>1,的维数为N×1,符号“[]”为向量表示符号,上标“T”表示矩阵或向量的转置,1≤i≤N,对应表示第1个接收传感器的状态、第2个接收传感器的状态、……、第i个接收传感器的状态、……、第N个接收传感器的状态,若第i个接收传感器被选取作为参照传感器则令若第i个接收传感器被选取作为非参照传感器则令若第i个接收传感器未被选取用于定位则令
步骤三:根据获取一个维数为N×(K-1)的变量矩阵,记为的获取过程为:构造一个以中的所有元素为主对角线元素的对角矩阵然后将中参照传感器的状态所对应的行中的所有元素置为-1,并删去参照传感器的状态以及未被选取用于定位的接收传感器的状态所对应的列,至此得到其中,表示构造以中的所有元素为主对角线元素的对角矩阵;
步骤四:基于TDOA测量模型,建立目标源在参考坐标系中的坐标位置u的克拉美-罗界与接收传感器的状态之间的关系,描述为:
H的维数为N×k,s2表示第2个接收传感器在参考坐标系中的坐标位置的真实值,k表示参考坐标系的维数,符号“|| ||”为求欧几里德范数符号,Qroa的维数为N×N,Qroa为所有接收传感器的距离测量噪声的协方差矩阵,符号“()-1”为求矩阵的逆,Q0的维数为N×N,a为任意一个满足Q0可逆的实数,IN表示维数为N×N的单位矩阵,w的维数为N×1,w=[w1,w2,…,wi,…,wN]T,w为用于表示N个接收传感器的被选状态的一个向量变量,w1,w2,…,wi,…,wN对应表示第1个接收传感器的被选状态、第2个接收传感器的被选状态、……、第i个接收传感器的被选状态、……、第N个接收传感器的被选状态,若第i个接收传感器被选取用于定位则令wi=1,若第i个接收传感器未被选取用于定位则令wi=0,diag(w)表示构造以w中的所有元素为主对角线元素的对角矩阵;
步骤五:建立TDOA测量模型下的传感器选择问题,描述为:
步骤七:求解半正定规划问题,得到向量变量w和矩阵变量各自的解,对应记为w*和然后判断是否等于1,若等于1,则将w*中值最大的前K个元素置为1,而其余元素置为0,将元素重置后得到的向量作为传感器选择向量,记为wg;若不等于1,则对w*执行高斯随机化处理,得到传感器选择向量,记为wg;之后根据已有知识“在基于TDOA的定位中,在确定了使用的传感器后,关于目标源的克拉美-罗界的取值与选择哪一个传感器作为参照传感器无关”,从wg中任意选择一个值为1的元素,将该元素所代表的被选状态对应的接收传感器确定为参照传感器,并将wg中除该元素以外的所有值为1的元素所代表的被选状态对应的接收传感器确定为非参照传感器;最终由确定的参照传感器和非参照传感器构成可用于TDOA定位的传感器集合;其中,表示计算的秩。
所述的步骤七中,对w*执行高斯随机化处理的过程为:
2)将每个高斯向量中值最大的前K个元素置为1,其余元素置为0;
3)在步骤2)的基础上,将每个高斯向量代入传感器选择问题的目标函数中,计算每个高斯向量相应的克拉美-罗界的迹;
4)保留最小的克拉美-罗界的迹相应的高斯向量,将该高斯向量作为传感器选择问题的最终解,即得到传感器选择向量wg。
与现有技术相比,本发明的优点在于:
本发明方法在建立TDOA测量模型下的传感器选择问题中,根据“在基于TDOA的定位中,在确定了使用的传感器后,关于目标源的克拉美-罗界的取值与选择哪一个传感器作为参照传感器无关”的原理,将参照传感器与非参照传感器均视为普通的接收传感器来构建传感器选择问题,并在选择完接收传感器后,从中选取任意一个接收传感器作为参照传感器,这样只需使用一个向量变量(即向量变量w)来表示各接收传感器的被选状态,由此建立传感器选择问题,一定程度上减少了传感器选择问题中向量变量的数目,有效地降低了计算复杂度并在一定程度上提高了方法的鲁棒性。
附图说明
图1为本发明方法的总体流程框图;
图2a为当接收传感器总数N为100个,选择的接收传感器数量K为5个时,本发明方法(SDR-TDOA)选择出的参照传感器和非参照传感器构成的传感器集合的性能随接收传感器的距离测量噪声的功率σ2增大的变化情况示意图;
图2b为当接收传感器总数N为100个,选择的接收传感器数量K为5个时,现有的传感器选择方法(Previous-SDR)选择出的参照传感器和非参照传感器构成的传感器集合的性能随接收传感器的距离测量噪声的功率σ2增大的变化情况示意图;
图3为当固定选择的接收传感器数量K为5个,接收传感器的距离测量噪声的功率σ2=1时,本发明方法(SDR-TDOA)与现有的传感器选择方法(Previous-SDR)的平均运行时间随无线传感器网络中的接收传感器总数N增加的变化情况示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种针对TDOA定位的传感器选择方法,其总体流程框图如图1所示,其包括以下步骤:
步骤一:在无线传感器网络中建立一个平面坐标系或空间坐标系作为参考坐标系;设定无线传感器网络中存在一个用于发射测量信号的目标源和N个用于接收测量信号的接收传感器,将目标源在参考坐标系中的坐标位置记为u,将N个接收传感器在参考坐标系中的坐标位置的真实值对应记为s1,...,sN;其中,N>1,在本实施例中取N=100,s1表示第1个接收传感器在参考坐标系中的坐标位置的真实值,sN表示第N个接收传感器在参考坐标系中的坐标位置的真实值。
步骤二:设定从无线传感器网络中选取1个接收传感器作为参照传感器,并设定从无线传感器网络中选取K-1个接收传感器作为非参照传感器用于定位;引入一个向量变量用于表示N个接收传感器的状态,其中,N>K>1,在本实施例中取K=5,的维数为N×1,符号“[]”为向量表示符号,上标“T”表示矩阵或向量的转置,1≤i≤N,对应表示第1个接收传感器的状态、第2个接收传感器的状态、……、第i个接收传感器的状态、……、第N个接收传感器的状态,若第i个接收传感器被选取作为参照传感器则令若第i个接收传感器被选取作为非参照传感器则令若第i个接收传感器未被选取用于定位则令
步骤三:根据获取一个维数为N×(K-1)的变量矩阵,记为的获取过程为:构造一个以中的所有元素为主对角线元素的对角矩阵然后将中参照传感器的状态所对应的行中的所有元素置为-1,并删去参照传感器的状态以及未被选取用于定位的接收传感器的状态所对应的列,即仅保留非参照传感器的状态所对应的列,至此得到其中,表示构造以中的所有元素为主对角线元素的对角矩阵。
步骤四:基于已有的TDOA测量模型,建立目标源在参考坐标系中的坐标位置u的克拉美-罗界与接收传感器的状态之间的关系,描述为:
H的维数为N×k,u、s1、s2、sN均为k维的列向量,s2表示第2个接收传感器在参考坐标系中的坐标位置的真实值,k表示参考坐标系的维数,若参考坐标系为平面坐标系则k=2,若参考坐标系为空间坐标系则k=3,符号“|| ||”为求欧几里德范数符号,Qroa的维数为N×N,Qroa为所有接收传感器的距离测量噪声的协方差矩阵,Qroa可在进行参照传感器和非参照传感器选择之前,通过对训练数据进行分析获得,符号“()-1”为求矩阵的逆,Q0的维数为N×N,a为任意一个满足Q0可逆的实数,在本实施例中取a=0.9eigmin(Qroa),eigmin(Qroa)为求Qroa的最小特质值,IN表示维数为N×N的单位矩阵,w的维数为N×1,w=[w1,w2,…,wi,…,wN]T,w为用于表示N个接收传感器的被选状态的一个向量变量,w1,w2,…,wi,…,wN对应表示第1个接收传感器的被选状态、第2个接收传感器的被选状态、……、第i个接收传感器的被选状态、……、第N个接收传感器的被选状态,若第i个接收传感器被选取用于定位则令wi=1,若第i个接收传感器未被选取用于定位则令wi=0,diag(w)表示构造以w中的所有元素为主对角线元素的对角矩阵。
步骤五:建立TDOA测量模型下的传感器选择问题,描述为:
步骤七:求解半正定规划问题,得到向量变量w和矩阵变量各自的解,对应记为w*和然后判断是否等于1,若等于1,则将w*中值最大的前K个元素置为1,而其余元素置为0,将元素重置后得到的向量作为传感器选择向量,记为wg;若不等于1,则对w*执行高斯随机化处理,得到传感器选择向量,记为wg;之后根据已有知识“在基于TDOA的定位中,在确定了使用的传感器后,关于目标源的克拉美-罗界的取值与选择哪一个传感器作为参照传感器无关”,从wg中任意选择一个值为1的元素,将该元素所代表的被选状态对应的接收传感器确定为参照传感器,并将wg中除该元素以外的所有值为1的元素所代表的被选状态对应的接收传感器确定为非参照传感器;最终由确定的参照传感器和非参照传感器构成可用于TDOA定位的传感器集合;其中,表示计算的秩。
在此具体实施例中,步骤七中,对w*执行高斯随机化处理的过程为:
2)将每个高斯向量中值最大的前K个元素置为1,其余元素置为0。
3)在步骤2)的基础上,将每个高斯向量代入传感器选择问题的目标函数中,计算每个高斯向量相应的克拉美-罗界的迹。
4)保留最小的克拉美-罗界的迹相应的高斯向量,将该高斯向量作为传感器选择问题的最终解,即得到传感器选择向量wg。
为了验证本发明方法的可行性和有效性,对本发明方法进行仿真实验。
假设有N个接收传感器,随机分布在以原点(0,0)为中心的250×250m2的正方形区域内,目标源的坐标位置也在该正方形区域内随机生成。假设目标源与所有接收传感器之间的信号传播路径均为视距路径,所有接收传感器的距离测量噪声相互独立,且噪声功率(方差)相同,即为取a=0.9eigmin(Qroa),其中,σ1 2表示第1个接收传感器的距离测量噪声的功率,表示第2个接收传感器的距离测量噪声的功率,表示第N个接收传感器的距离测量噪声的功率,σ2表示给定的接收传感器的距离测量噪声的功率,其由实验前通过训练数据获得。
首先从无线传感器网络中随机选择K个接收传感器对目标源进行定位,得到一个粗略的目标源的坐标位置估计值ur;然后将ur作为目标源的坐标位置u代入到传感器选择问题中,并解得一个传感器集合Sr;再使用Sr中的接收传感器对目标源进行第二次定位,得到一个比ur更加精确的目标源的坐标位置估计值us;最后,将us作为目标源的坐标位置u再次代入到传感器选择问题中,并解得最终的传感器集合S。
图2a给出了当接收传感器总数N为100个,选择的接收传感器数量K为5个时,本发明方法(SDR-TDOA)选择出的参照传感器和非参照传感器构成的传感器集合的性能随接收传感器的距离测量噪声的功率σ2增大的变化情况;图2b给出了当接收传感器总数N为100个,选择的接收传感器数量K为5个时,现有的传感器选择方法(Previous-SDR)选择出的参照传感器和非参照传感器构成的传感器集合的性能随接收传感器的距离测量噪声的功率σ2增大的变化情况。在图2a中,SDR-TDOA CRLB曲线代表的是将目标源的真实坐标位置代入到本发明方法中,所得到的克拉美-罗界CRLB;SDR-TDOA+ML MSE曲线代表的是使用根据本发明方法所得到的传感器集合S中的接收传感器对目标源进行定位,并计算得到的与目标源的真实坐标位置的均方误差值(Mean Square Error,MSE);在图2b中,Previous-SDRCRLB曲线代表的是将目标源的真实坐标位置代入到现有的传感器选择方法中,所得到的克拉美-罗界CRLB;Previous-SDR+ML MSE曲线代表的是使用根据现有的传感器选择方法所得到的传感器集合S中的接收传感器对目标源进行定位,并计算得到的与目标源的真实坐标位置的均方误差值(Mean Square Error,MSE);其中,在实验中使用的定位方法均为最大似然估计方法(Mmaximum Likelihood,ML),图2a和图2b中的CRLB均为对CRLB进行求迹运算后得到的值,即tr(CRLB)。从图2a和图2b中可以看出,本发明方法的MSE随着接收传感器的距离测量噪声的功率的增大是能够贴合CRLB的,而现有的传感器选择方法显然偏离了CRLB,这说明现有的传感器选择方法在代入不准确的目标源的坐标位置估计值时并不能解得“最佳”的传感器集合,因此现有的传感器选择方法对所代入的目标源的坐标位置估计值的准确性比较敏感,而本发明方法对于不准确的目标源的坐标位置估计值具有更强的鲁棒性。
图3给出了当固定选择的接收传感器数量K为5个,接收传感器的距离测量噪声的功率σ2=1时,本发明方法(SDR-TDOA)与现有的传感器选择方法(Previous-SDR)的平均运行时间随无线传感器网络中的接收传感器总数N增加的变化情况。从图3中可以看出,在无线传感器网络中接收传感器总数增大的过程中,本发明方法的运算时间一直低于现有的传感器选择方法,这表示本发明方法在运算时间方面同样具有优势。
从上述仿真结果可以看出,本发明方法具有良好的性能,能够很好地满足定位高精度的需求,且具备较低的复杂度。
Claims (2)
1.一种针对TDOA定位的传感器选择方法,其特征在于包括以下步骤:
步骤一:在无线传感器网络中建立一个平面坐标系或空间坐标系作为参考坐标系;设定无线传感器网络中存在一个用于发射测量信号的目标源和N个用于接收测量信号的接收传感器,将目标源在参考坐标系中的坐标位置记为u,将N个接收传感器在参考坐标系中的坐标位置的真实值对应记为s1,…,sN;其中,N>1,s1表示第1个接收传感器在参考坐标系中的坐标位置的真实值,sN表示第N个接收传感器在参考坐标系中的坐标位置的真实值;
步骤二:设定从无线传感器网络中选取1个接收传感器作为参照传感器,并设定从无线传感器网络中选取K-1个接收传感器作为非参照传感器用于定位;引入一个向量变量用于表示N个接收传感器的状态,其中,N>K>1,的维数为N×1,符号“[]”为向量表示符号,上标“T”表示矩阵或向量的转置,1≤i≤N,对应表示第1个接收传感器的状态、第2个接收传感器的状态、……、第i个接收传感器的状态、……、第N个接收传感器的状态,若第i个接收传感器被选取作为参照传感器则令若第i个接收传感器被选取作为非参照传感器则令若第i个接收传感器未被选取用于定位则令
步骤三:根据获取一个维数为N×(K-1)的变量矩阵,记为的获取过程为:构造一个以中的所有元素为主对角线元素的对角矩阵然后将中参照传感器的状态所对应的行中的所有元素置为-1,并删去参照传感器的状态以及未被选取用于定位的接收传感器的状态所对应的列,至此得到其中,表示构造以中的所有元素为主对角线元素的对角矩阵;
步骤四:基于TDOA测量模型,建立目标源在参考坐标系中的坐标位置u的克拉美-罗界与接收传感器的状态之间的关系,描述为:
然后引入一个辅助矩阵Q0,使其满足Qroa=aIN+Q0,再根据和Qroa=aIN+Q0得到再根据矩阵求逆引理,将转化为其中,CRLB(u)为目标源在参考坐标系中的坐标位置u的克拉美-罗界,H的维数为N×k,s2表示第2个接收传感器在参考坐标系中的坐标位置的真实值,k表示参考坐标系的维数,符号“|| ||”为求欧几里德范数符号,Qroa的维数为N×N,Qroa为所有接收传感器的距离测量噪声的协方差矩阵,符号“()-1”为求矩阵的逆,Q0的维数为N×N,a为任意一个满足Q0可逆的实数,IN表示维数为N×N的单位矩阵,w的维数为N×1,w=[w1,w2,…,wi,…,wN]T,w为用于表示N个接收传感器的被选状态的一个向量变量,w1,w2,…,wi,…,wN对应表示第1个接收传感器的被选状态、第2个接收传感器的被选状态、……、第i个接收传感器的被选状态、……、第N个接收传感器的被选状态,若第i个接收传感器被选取用于定位则令wi=1,若第i个接收传感器未被选取用于定位则令wi=0,diag(w)表示构造以w中的所有元素为主对角线元素的对角矩阵;
步骤五:建立TDOA测量模型下的传感器选择问题,描述为:
步骤七:求解半正定规划问题,得到向量变量w和矩阵变量各自的解,对应记为w*和然后判断是否等于1,若等于1,则将w*中值最大的前K个元素置为1,而其余元素置为0,将元素重置后得到的向量作为传感器选择向量,记为wg;若不等于1,则对w*执行高斯随机化处理,得到传感器选择向量,记为wg;之后根据已有知识“在基于TDOA的定位中,在确定了使用的传感器后,关于目标源的克拉美-罗界的取值与选择哪一个传感器作为参照传感器无关”,从wg中任意选择一个值为1的元素,将该元素所代表的被选状态对应的接收传感器确定为参照传感器,并将wg中除该元素以外的所有值为1的元素所代表的被选状态对应的接收传感器确定为非参照传感器;最终由确定的参照传感器和非参照传感器构成可用于TDOA定位的传感器集合;其中,表示计算的秩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210613.3A CN111505576B (zh) | 2020-03-23 | 2020-03-23 | 一种针对tdoa定位的传感器选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010210613.3A CN111505576B (zh) | 2020-03-23 | 2020-03-23 | 一种针对tdoa定位的传感器选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111505576A CN111505576A (zh) | 2020-08-07 |
CN111505576B true CN111505576B (zh) | 2022-01-18 |
Family
ID=71877941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010210613.3A Active CN111505576B (zh) | 2020-03-23 | 2020-03-23 | 一种针对tdoa定位的传感器选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111505576B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010837A (zh) * | 2021-02-02 | 2021-06-22 | 浙江毅星科技有限公司 | 基于tdoa定位的无线传感网络在非视线条件下传感器的选择方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102026370A (zh) * | 2010-12-21 | 2011-04-20 | 西安电子科技大学 | 基于监测节点呈圆周分布的tdoa定位方法 |
KR101224512B1 (ko) * | 2012-09-03 | 2013-01-21 | 한국항공우주연구원 | Tdoa 기법을 기반으로 하는 미지신호 발생원 위치 측정방법 |
KR101381254B1 (ko) * | 2013-04-26 | 2014-04-04 | 국방과학연구소 | Aoa/tdoa조합을 이용한 위치추정방법 및 이를 이용한 위치추정장치 |
CN107942285A (zh) * | 2016-10-13 | 2018-04-20 | 中兴通讯股份有限公司 | 一种到达时间差测量方法、装置、控制装置及终端 |
CN108668358A (zh) * | 2018-05-09 | 2018-10-16 | 宁波大学 | 一种应用于无线传感网络的基于到达时间的协作定位方法 |
CN109061563A (zh) * | 2018-09-25 | 2018-12-21 | 宁波大学 | 一种非同步网络中基于分数规划的定位方法 |
CN109581281A (zh) * | 2018-11-08 | 2019-04-05 | 宁波大学 | 基于到达时间差和到达频率差的移动目标定位方法 |
CN110658490A (zh) * | 2019-08-23 | 2020-01-07 | 宁波大学 | 基于rss和aoa的三维无线传感网络非协作定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140303929A1 (en) * | 2013-04-03 | 2014-10-09 | Umm Al-Qura University | Method to obtain accurate vertical component estimates in 3d positioning |
-
2020
- 2020-03-23 CN CN202010210613.3A patent/CN111505576B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102026370A (zh) * | 2010-12-21 | 2011-04-20 | 西安电子科技大学 | 基于监测节点呈圆周分布的tdoa定位方法 |
KR101224512B1 (ko) * | 2012-09-03 | 2013-01-21 | 한국항공우주연구원 | Tdoa 기법을 기반으로 하는 미지신호 발생원 위치 측정방법 |
KR101381254B1 (ko) * | 2013-04-26 | 2014-04-04 | 국방과학연구소 | Aoa/tdoa조합을 이용한 위치추정방법 및 이를 이용한 위치추정장치 |
CN107942285A (zh) * | 2016-10-13 | 2018-04-20 | 中兴通讯股份有限公司 | 一种到达时间差测量方法、装置、控制装置及终端 |
CN108668358A (zh) * | 2018-05-09 | 2018-10-16 | 宁波大学 | 一种应用于无线传感网络的基于到达时间的协作定位方法 |
CN109061563A (zh) * | 2018-09-25 | 2018-12-21 | 宁波大学 | 一种非同步网络中基于分数规划的定位方法 |
CN109581281A (zh) * | 2018-11-08 | 2019-04-05 | 宁波大学 | 基于到达时间差和到达频率差的移动目标定位方法 |
CN110658490A (zh) * | 2019-08-23 | 2020-01-07 | 宁波大学 | 基于rss和aoa的三维无线传感网络非协作定位方法 |
Non-Patent Citations (2)
Title |
---|
《Multiobjective Optimization Based Sensor Selection for TDOA Tracking in Wireless Sensor Network》;Zan Li et.al;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20191231;第68卷(第12期);第12360-12374页 * |
《基于时差频差的多站无源定位与跟踪算法研究》;朱国辉;《中国博士学位论文全文数据库 信息科技辑》;20170215(第02期);正文第25-65页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111505576A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108668358B (zh) | 一种应用于无线传感网络的基于到达时间的协作定位方法 | |
CN110673089B (zh) | 未知视距和非视距分布情况下基于到达时间的定位方法 | |
CN110221244B (zh) | 非视距条件下基于到达时间差的鲁棒定位方法 | |
CN109581281B (zh) | 基于到达时间差和到达频率差的移动目标定位方法 | |
CN109471061B (zh) | 一种鲁棒处理模型参数误差的接收信号强度差定位方法 | |
CN116088303B (zh) | 一种不确定复杂动态网络状态时变递推估计方法 | |
CN104777469B (zh) | 一种基于量测误差协方差矩阵范数的雷达节点选择方法 | |
CN105895089A (zh) | 一种语音识别方法及装置 | |
CN111505576B (zh) | 一种针对tdoa定位的传感器选择方法 | |
Dai et al. | Sensor selection for TDOA-based source localization using angle and range information | |
Zhang et al. | Csi-fingerprinting indoor localization via attention-augmented residual convolutional neural network | |
CN104318072B (zh) | 基于qkf‑mmf的多传感器量化融合方法 | |
CN108761384B (zh) | 一种抗差的传感器网络目标定位方法 | |
CN109783960A (zh) | 一种基于网格部分细化的波达方向估计方法 | |
CN111505575B (zh) | 基于转化toa模型的针对tdoa定位的传感器选择方法 | |
WO2017049914A1 (zh) | 一种终端定位方法、装置及系统 | |
CN113923590B (zh) | 一种锚节点位置不确定情况下的toa定位方法 | |
CN112954637B (zh) | 一种锚节点位置不确定情况下的目标定位方法 | |
CN112533284B (zh) | 一种基于到达角的近远场统一定位方法 | |
CN112835020B (zh) | 面向非视距参数估计的刚体定位方法 | |
CN114895238A (zh) | 基于drss的无线传感网络鲁棒定位方法 | |
CN111859810B (zh) | 基于加权字典学习的温度场重构方法、装置、设备及介质 | |
CN114325581A (zh) | 一种存在时钟同步误差的椭圆目标定位方法 | |
CN110995203B (zh) | 一种基于条件数融合的非线性可观测度分析方法 | |
Chen et al. | Neural network for WGDOP approximation and mobile location |
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 |