CN112986906B - 一种半正定规划的rss-toa联合定位方法 - Google Patents
一种半正定规划的rss-toa联合定位方法 Download PDFInfo
- Publication number
- CN112986906B CN112986906B CN202110203349.5A CN202110203349A CN112986906B CN 112986906 B CN112986906 B CN 112986906B CN 202110203349 A CN202110203349 A CN 202110203349A CN 112986906 B CN112986906 B CN 112986906B
- Authority
- CN
- China
- Prior art keywords
- rss
- toa
- information
- positioning
- semi
- 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
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
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- 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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种半正定规划的RSS‑TOA联合定位方法,使用本发明克服了接收信号强度(RSS)和到达时间(TOA)进行定位误差较大的问题。该方法首先分别构造了关于RSS信息和TOA信息的线性表达式,然后,针对误差项构建了一个加权最小二乘定位问题(WLS),再通过引入辅助变量将问题转换为约束优化问题,最后利用凸优化技术将加权最小二乘问题转化为一个半正定规划(SDP)问题进行求解。本发明提出的方法通过联合RSS和TOA信息大大提高了定位精度,其具有更强的鲁棒性与凸性,而且还降低了环境噪声对定位精度的影响。最后仿真结果表明,本发明方法的定位精度也要优于二步最小二乘法以及非线性优化的算法,具有较低的平均定位误差。
Description
技术领域
本发明涉及定位技术领域,尤其涉及无线传感器网络的定位方法,具体地说是一种半正定规划的RSS-TOA联合定位方法。
背景技术
近年来,无线传感器网络定位技术在各领域得到了广泛的应用,比如污染监测,深海勘探,农业防灾等,在这些领域,无法用GPS/北斗等卫星进行定位,而易于实施的小规模的无线传感器网络来实现对人员等信息的定位就具有优势。其中,小规模的传感器节点定位技术的原理是通过得到噪声测量值来估计出目标源的位置坐标。通常使用的传感器定位噪声测量方式包括到达时间(TOA)、到达时差(TDOA)、到达角(AOA)和接收信号强度(RSS)。这四种测量方式在不同场景下各自有优缺点,最近,越来越多的研究涉及到这四种测量方式的混合,理论证明了可有效提高定位精度。其中RSS和TOA噪声测量的定位方法由于廉价且易于实现而被人们重视起来。
最近的研究主要有两种:
1.在最大似然估计(ML)准则原理上对RSS和TOA噪声测量模型进行估计求解,比如王韦刚等人的《一种改进的室内三维定位方法与实验》中的残差因子衰减(RBFR)方法,采用了抑制RSS和TOA噪声的偏差模型,再应用非线性算法求解,但RSS和TOA噪声测量模型具有高度非线性和非凸性,此外RBFR算法中利用拟牛顿法求解这类非线性问题本身就存在较大的误差,无法得到最佳的求解数值,也就无法实现精确的定位。
2.在最小二乘估计(LS)准则原理上对RSS和TOA噪声测量模型进行估计求解,比如杨超超等人的《一种基于TOA和RSS混合的室内定位算法》中的二步最小二乘(TSLS)方法,其将所有RSS和TOA噪声测量模型视为线性的,在此基础上利用泰勒展开构建新的约束条件,然后利用二步最小二乘法(TSLS)将目标位置的范围逐步缩小,最后估计出目标位置。但是,过度近似将带来误差,同时实验发现该求解算法的定位精度还不够理想,需要提高。
发明内容
本发明旨在解决以上现有技术的问题,提出了一种基于RSS的一种半正定规划的RSS-TOA联合定位方法。
本发明采用的技术方案如下:
一种半正定规划的RSS-TOA联合定位方法,包括以下步骤:
步骤1)设定在无线传感器网络的接收信号强度(RSS)信息与到达时间(TOA)信息定位中包含N个定位锚节点si(i=1,...,N),一个待定位目标源位置记为节点x,通过测量信号到定位锚节点时所经过的时间得到TOA信息,通过测量信号到待定位目标源的信号衰减得到RSS信息,具体地,第i个锚节点的RSS信息模型以及TOA信息模型分别如下:
mi=m0-10γlog10‖x-si‖+ai (1)
ni=||x-si||+bi (2)
其中,m0是目标源发射信号功率参数,单位是dB,si是第i个锚节点传感器的坐标位置,单位是m,γ为环境的路径损耗参数,ai表示RSS信息模型的噪声测量误差,单位是dB,和bi表示TOA信息模型的距离测量误差,单位为m,上述误差均服从均值为0加性高斯白噪声。
步骤2)将所述定位锚节点的RSS信息模型转变为伪线性形式,TOA信息模型转变为线性形式,再使用加权最小二乘法准则(WLS),构建关于联合RSS测量信息以及TOA测量信息的目标函数优化方程,具体为:
首先分离出RSS信息的噪声测量误差
ai=mi-m0+10γlog10||x-si|| (3)
对其进行伪线性化处理,得到关于RSS信息的噪声测量误差的伪线性表达式:
αi=βi||x-si|| (4)
针对误差量,关于RSS信息下待定位目标源的LS估计为:
同理,分离出TOA信息的距离测量误差为:
bi=ni-||x-si|| (6)
针对该线性表达式,得到TOA信息下待定位目标源的LS估计为:
结合分离出来的RSS和TOA的LS估计,得到如下联合RSS测量信息以及
TOA测量信息的目标函数优化方程:
步骤3)利用凸优化技术将目标函数优化方程转化为约束情况下的目标函数
优化问题,从而求解关于x的非凸定位问题,具体为:
引入两个松弛辅助变量,ti,Ti,得到如下的约束表达式:
(ni-||x-si||)2≤ti和(βi||x-si||)2≤Ti (9)
由此可以得到一个非凸约束条件的优化问题
步骤4)针对优化问题中约束条件是非凸的情况,利用半正定松弛最终构建
关于半正定规划SDP联合RSS和TOA定位方法,具体为:
首先,由于公式(10)中待定目标源变量的一次项与二次项均是非凸非线性的,故对x的一次项进行凸松弛,并将x的二次项改写为线性的矩阵表达式,由此得到关于非凸的约束条件的松弛变量表达式:
||x-si||≤ri (11)
||x-si||2=trace(CiX) (12)
然后,将所引入的半正定松弛变量表达式(11)、(12)代入原始的非凸约束条件中进行线性展开,由此表达式(10)中非凸的约束条件可以半正定转化为如下仿射约束条件:
ni 2-2niri+trace(CiX)≤ti (13)
βi 2trace(CiX)≤Ti (14)
联合上述公式(11)、(12)、(13)、(14)的凸的约束条件,最终可以得到如下的半正定规划问题:
步骤5)仅需要通过使用内点法求解上述半正定规划表达式,就可以快速的计算出待定位目标源x的位置坐标。
本发明的发明原理为:
首先,该算法通过联合RSS信息与TOA信息克服了RSS长距离定位和TOA短距离定位性能较差的缺点,其整体精度始终要优于单独使用TOA的算法或者是RSS的算法,此外,针对以往基于最大似然估计准则原理或者最小二乘估计准则原理的算法求解定位问题精度不足的问题,在本发明中,通过利用加权最小二乘法(WLS)估计准则,再利用半正定规划技术推导了一个新颖的凸优化SDP定位算法,其具有更好的鲁棒性,使得该算法可以达到最小二乘估计问题的全局最优点,以此找到更精确的目标节点位置,仿真结果表明其具有较好的定位精度。
本发明的有益效果为:
本发明在无线传感器网络定位中利用RSS和TOA噪声测量模型构建出目标定位方程,再利用半正定规划技巧,推出了一个联合RSS和TOA的SDP定位方法。通过采用联合RSS和TOA噪声测量模型的方法,相对于单独的RSS定位或者是TOA定位,其可以提高无线传感器网络中传感器节点信息的利用效率,从而克服了RSS和TOA定位易受环境中噪声的影响的缺点,提高了定位精度。
此外,以往基于最大似然估计准则原理或者最大似然估计准则原理的算法在求解RSS和TOA噪声测量模型时,往往利用的是非线性优化的算法,其本身就达不到求解定位问题的全局最优解,会造成估计误差较大的问题,而在本发明中,利用加权最小二乘法(WLS)估计准则,联合RSS和TOA噪声测量模型,由此利用半正定规划技术推导了一个新颖的凸优化SDP定位算法,通过引入关于待定位目标源x的半正定松弛条件以及待定位目标源x的二次项的线性表达式条件提升了该优化问题的凸性,并在此基础上将原始非凸的约束条件转化为仿射约束条件,进一步提高了原始定位问题的鲁棒性与松弛性,可以达到求解定位问题中的全局最优解,由此降低了定位误差,仿真表明其相比其他算法也具有较低的平均定位误差(ALE),有较好的理论和实际意义,在实际的传感器网络定位中具有一定的参考价值。
附图说明
图1是本发明的一种半正定规划的RSS-TOA联合定位方法流程图;
图2是按照本发明算法与其它两种定位方法的平均定位误差随噪声变化情况对比图;
图3是按照本发明算法与其它两种定位方法的平均定位误差随锚节点数目变化情况对比图;
图4是按照本发明算法的平均定位误差随定位边界宽度变化情况对比图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
如图1为本申请实施例提供的一种半正定规划的RSS-TOA联合定位方法的流程图,该定位算法包括如下步骤:
步骤1)设定在无线传感器网络的接收信号强度(RSS)信息与到达时间(TOA)信息定位中包含N个定位锚节点si(i=1,...,N),一个待定位目标源位置记为节点x,通过测量信号到定位锚节点时所经过的时间得到TOA信息,通过测量信号到待定位目标源的信号衰减得到RSS信息,具体地,第i个锚节点的RSS信息模型以及TOA信息模型分别如下:
mi=m0-10γlog10||x-si||+ai (1)
ni=||x-si||+bi (2)
其中,m0是目标源发射信号功率参数,单位是dB,si是第i个锚节点传感器的坐标位置,单位是m,γ为环境的路径损耗参数,ai表示RSS信息模型的噪声测量误差,单位是dB,和bi表示TOA信息模型的距离测量误差,单位为m,上述误差均服从均值为0加性高斯白噪声。
步骤2)将所述定位锚节点的RSS信息模型转变为伪线性形式,TOA信息模型转变为线性形式,再使用加权最小二乘法准则(WLS),构建关于联合RSS测量信息以及TOA测量信息的目标函数优化方程,具体为:
首先分离出RSS信息的噪声测量误差
ai=mi-m0+10γlog10||x-si|| (3)
对其进行伪线性化处理,得到关于RSS信息的噪声测量误差的伪线性表达式:
αi=βi||x-si|| (4)
针对误差量,关于RSS信息下待定位目标源的LS估计为:
同理,分离出TOA信息的距离测量误差为:
bi=ni-||x-si|| (6)
针对该线性表达式,得到TOA信息下待定位目标源的LS估计为:
结合分离出来的RSS和TOA的LS估计,得到如下联合RSS测量信息以及TOA测量信息的目标函数优化方程:
步骤3)利用凸优化技术将目标函数优化方程转化为约束情况下的目标函数优化问题,从而求解关于x的非凸定位问题,具体为:
引入两个松弛辅助变量,ti,Ti,得到如下的约束表达式:
(ni-||x-si||)2≤ti和(βi||x-si||)2≤Ti (9)
由此可以得到一个非凸约束条件的优化问题
步骤4)针对优化问题中约束条件是非凸的情况,利用半正定松弛最终构建关于半正定规划SDP联合RSS和TOA定位方法,
首先,引入关于非凸的约束条件的松弛变量表达式
||x-si||≤ri (11)
||x-si||2=trace(CiX) (12)
然后将表达式(10)中非凸的约束条件半正定转化为如下仿射约束条件:
ni 2-2niri+trace(CiX)≤ti (13)
βi 2trace(CiX)≤Ti (14)
联合上述公式(11)、(12)、(13)、(14)的凸的约束条件,最终可以得到如下的半正定规划问题:
步骤5)仅需要通过使用内点法求解上述半正定规划表达式(15),就可以快速的计算出待定位目标源x的位置坐标。
图2是对25米的平面区域内未知的目标源节点进行仿真定位的性能图。从图2可以看出,当噪声标准差数目从1dB增加到6dB时,SDP算法的平均定位误差从1.6m增加到6.6m,而TSLS算法的平均定位误差从3.8m增加到7.9m,RBFT的平均定位误差从4.0m到10m,这说明随着噪声标准差的变大,三种算法的平均定位误差都会变大,而SDP算法的定位精度始终要优于TSLS算法和RBFT算法。
图3是对25米的平面区域内未知的目标源节点进行仿真定位的性能图。从图3中可以看出,当边界宽度和噪声标准差一定时,三种算法的平均定位误差均随着锚节点数目的增加而逐渐减小,且在锚节点数目变得很多的时候,平均定位误差的变化趋势逐渐趋于平稳。这主要是由于锚节点的增多使得未知节点能够得到更多的RSS和TOA信息,从而使得定位误差减小,而当布置传感器数目较多的时候,RSS和TOA信息趋于饱和,这种变化趋势也会趋于平稳。最后,SDP算法的平均定位误差也始终要低于TSLS算法和RBFT算法。
图4是对联合SDP定位方法与仅使用RSS的SDP算法与仅使用TOA的SDP算法随定位边界宽度变化的平均定位误差的性能对比图。可以观察到RSS-TOA的联合定位算法的平均定位误差要低于单独使用RSS的算法以及单独使用TOA的算法。与此同时,随着仿真环境中设定的定位宽度的增加,所有算法的平均定位误差都会变大。此外,值得注意的是,单独使用RSS算法的平均定位误差在定位环境的边界宽度较小的情况下与联合RSS-TOA测量的性能更接近,单独使用TOA测量的算法在边界范围较大的情况下与联合RSS-TOA测量的性能更接近,而联合RSS-TOA克服了RSS长距离定位和TOA短距离定位性能较差的缺点,其整体精度始终要优于单独使用TOA的算法或者是RSS的算法。
以上结合本发明的具体实施例对本发明方案进行了详细说明,但本发明并不局限于上述实施例,在不脱离本申请的权利要求的精神和范围情况下,本领域的技术人员可做出各种修改或改进。
Claims (1)
1.一种半正定规划的RSS-TOA联合定位方法,其特征在于,包括以下步骤:
步骤1)设定在无线传感器网络的接收信号强度RSS信息与到达时间TOA信息定位中包含N个定位锚节点si,其中,i=1,...,N,一个待定位目标源位置记为节点x,通过测量信号到定位锚节点时所经过的时间得到TOA信息,通过测量信号到待定位目标源的信号衰减得到RSS信息,第i个定位锚节点si的RSS信息模型以及TOA信息模型分别如下:
mi=m0-10γlog10||x-si||+ai (1)
ni=||x-si||+bi (2)
其中,m0是目标源发射信号功率参数,单位是dB,si是第i个锚节点传感器的坐标位置,单位是m,γ为环境的路径损耗参数,ai表示RSS信息模型的噪声测量误差,单位是dB,bi表示TOA信息模型的距离测量误差,单位为m,噪声测量误差和距离测量误差均服从均值为0的高斯正态分布;
步骤2)将所述定位锚节点的RSS信息模型转变为伪线性形式,TOA信息模型转变为线性形式,再使用加权最小二乘法准则,构建关于联合RSS测量信息以及TOA测量信息的目标函数优化方程,具体为:
首先分离出RSS信息的噪声测量误差
ai=mi-m0+10γlog10||x-si|| (3)
对其进行伪线性化处理,得到关于RSS信息的噪声测量误差的伪线性表达式:
αi=βi||x-si|| (4)
针对误差量,关于RSS信息下待定位目标源的LS估计为:
同理,分离出TOA信息的距离测量误差为:
bi=ni-||x-si|| (6)
针对该线性表达式,得到TOA信息下待定位目标源的LS估计为:
结合分离出来的RSS和TOA的LS估计,得到如下联合RSS测量信息以及TOA测量信息的目标函数优化方程:
步骤3)利用凸优化技术将目标函数优化方程转化为约束情况下的目标函数优化问题,从而求解关于x的非凸定位问题,具体为:
引入两个松弛辅助变量,ti,Ti,得到如下的约束表达式:
(ni-||x-si||)2≤ti和(βi||x-si||)2≤Ti (9)
由此可以得到一个非凸约束条件的优化问题
步骤4)针对优化问题中约束条件是非凸的情况,利用半正定松弛最终构建关于SDP联合RSS和TOA定位方法,具体为:
首先,引入关于非凸的约束条件的松弛变量表达式
||x-si||≤ri (11)
||x-si||2=trace(CiX) (12)
然后将表达式(10)中非凸的约束条件半正定转化为如下仿射约束条件:
ni 2-2niri+trace(CiX)≤ti (13)
βi 2trace(CiX)≤Ti (14)
联合公式(11)、(12)、(13)、(14)的凸的约束条件,最终可以得到如下的半正定规划问题:
步骤5)使用内点法求解公式(15),计算出待定位目标源x的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110203349.5A CN112986906B (zh) | 2021-02-23 | 2021-02-23 | 一种半正定规划的rss-toa联合定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110203349.5A CN112986906B (zh) | 2021-02-23 | 2021-02-23 | 一种半正定规划的rss-toa联合定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986906A CN112986906A (zh) | 2021-06-18 |
CN112986906B true CN112986906B (zh) | 2022-05-03 |
Family
ID=76349844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110203349.5A Active CN112986906B (zh) | 2021-02-23 | 2021-02-23 | 一种半正定规划的rss-toa联合定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986906B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113891456B (zh) * | 2021-11-22 | 2024-03-29 | 上海海事大学 | 凸优化无线定位方法以及存储介质和电子设备 |
CN114828214B (zh) * | 2022-05-17 | 2023-04-21 | 上海船舶运输科学研究所有限公司 | 一种信息融合的海上搜救无线传感网定位方法 |
CN115103379B (zh) * | 2022-06-22 | 2024-07-12 | 中国人民解放军国防科技大学 | 联合节点优选和半正定规划优化的辐射源定位方法及装置 |
CN115397015B (zh) * | 2022-08-23 | 2024-05-10 | 中国人民解放军战略支援部队信息工程大学 | 一种距离约束下联合aoa和rss的多源协同定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018146473A (ja) * | 2017-03-08 | 2018-09-20 | 株式会社光電製作所 | 推定方法およびそれを利用した推定装置 |
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 |
CN109188351A (zh) * | 2018-08-16 | 2019-01-11 | 佛山科学技术学院 | 一种无线抗干扰定位方法及装置 |
CN110174643A (zh) * | 2019-05-16 | 2019-08-27 | 电子科技大学 | 一种无需噪声功率信息的基于到达时间差的定位方法 |
CN110286353A (zh) * | 2019-05-23 | 2019-09-27 | 宁波大学 | 基于非视距环境下RSS-ToA的无线传感器网络目标定位方法 |
CN110662163A (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协作定位方法 |
CN111157943A (zh) * | 2019-12-31 | 2020-05-15 | 宁波大学 | 在异步网络中基于toa的传感器位置误差抑制方法 |
-
2021
- 2021-02-23 CN CN202110203349.5A patent/CN112986906B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018146473A (ja) * | 2017-03-08 | 2018-09-20 | 株式会社光電製作所 | 推定方法およびそれを利用した推定装置 |
CN109188351A (zh) * | 2018-08-16 | 2019-01-11 | 佛山科学技术学院 | 一种无线抗干扰定位方法及装置 |
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 |
CN110174643A (zh) * | 2019-05-16 | 2019-08-27 | 电子科技大学 | 一种无需噪声功率信息的基于到达时间差的定位方法 |
CN110286353A (zh) * | 2019-05-23 | 2019-09-27 | 宁波大学 | 基于非视距环境下RSS-ToA的无线传感器网络目标定位方法 |
CN110662163A (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协作定位方法 |
CN111157943A (zh) * | 2019-12-31 | 2020-05-15 | 宁波大学 | 在异步网络中基于toa的传感器位置误差抑制方法 |
Non-Patent Citations (4)
Title |
---|
On the Hybrid TOA_RSS Range Estimation in Wireless Sensor Networks;Angelo Coluccia等;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20180131;第17卷(第1期);第361-371页 * |
TOA_RSS混合信息室内可见光定位方法;曹阳 等;《中国激光》;20210131;第48卷(第1期);第1-9页 * |
基于RSS和AoA的无线传感器网络定位问题研究;常生明;《中国优秀博硕士学位论文全文数据库(博士)·信息科技辑》;20200615(第06期);第36-40页 * |
基于半正定规划的RSS-TOA联合定位算法;叶凯枫 等;《中国计量大学学报》;20211231;第32卷(第4期);第533-538页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112986906A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112986906B (zh) | 一种半正定规划的rss-toa联合定位方法 | |
CN108802674B (zh) | 一种针对直接定位的联合搜索方法及装置 | |
CN110174643A (zh) | 一种无需噪声功率信息的基于到达时间差的定位方法 | |
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 | |
CN104066179B (zh) | 一种改进的自适应迭代ukf的wsn节点定位方法 | |
CN105676181A (zh) | 基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法 | |
CN104507159A (zh) | 一种基于WiFi接收信号强度的混合室内定位方法 | |
CN114245334B (zh) | 融合可计算误差地图和灰狼优化的超宽带室内定位算法 | |
CN110209180B (zh) | 一种基于HuberM-Cubature卡尔曼滤波的无人水下航行器目标跟踪方法 | |
CN106102162B (zh) | 一种用于无线传感器网络三维定位的迭代估计方法 | |
CN106707234B (zh) | 一种联合时延差与角度测量的传感器网络目标定位方法 | |
CN110996248B (zh) | 一种基于rss的凸优化无线传感器网络定位方法 | |
CN109375159B (zh) | 纯方位加权约束总体最小二乘定位方法 | |
CN115979245B (zh) | 一种自校准估计的磁感应网络定位方法 | |
CN109375160B (zh) | 纯方位无源定位中一种测角误差估计方法 | |
CN110536410B (zh) | 非视距环境下基于rss和tdoa测量的定位方法 | |
CN108445445B (zh) | 一种分布式无源定位方法及装置 | |
CN115685128A (zh) | 一种机动目标场景下的雷达目标跟踪算法及电子设备 | |
CN110595470A (zh) | 一种基于外定界椭球集员估计的纯方位目标跟踪方法 | |
CN113923590B (zh) | 一种锚节点位置不确定情况下的toa定位方法 | |
CN113219406B (zh) | 一种基于扩展卡尔曼滤波的直接跟踪方法 | |
CN112835020B (zh) | 面向非视距参数估计的刚体定位方法 | |
CN114915931A (zh) | 一种基于rssi技术的室内定位方法 | |
CN110673088B (zh) | 混合视距和非视距环境中基于到达时间的目标定位方法 | |
CN108333582B (zh) | 一种基于聚束模式sar的动目标速度计算方法 |
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 |