TDOA定位技术原理及算法
对TDOA定位技术的基本原理的描述，基于时间测量值的蜂窝无线定位算法第1期郭华:TDOA定位技术的基本原理和算法21值的不确定性度量。对于二维定位系统,、CEP定义为CEP≈(0.75s)ODOP(11)包含了一半以均值为中心的随机矢量实现的圆半G丑OP可作为从大量基站中选择所需定位基站的指径。如果定位估计器为元偏差的CEP即为MS相对标,选中的基站是使(nOP最小的基站,还可用于其真实位置的不确定性度量如图2所示。如果佔计建立新系统时作为选择基站位置的参考。器为有偏差的且以偏差B为界,则对于50%概率,MS的信计位置在距离B+CEP内,此时,CEP为一3基于COST259信道模型的算法仿复杂函数,通常用其近似表示,对于TDOA双曲线主位,CEP近似表示为CEP=0.75J2+02为了从分评估CHAN算法和 Taylor算法在不其中202分别为二维估计位置的方差同信道环境、不同测量条件下的定位性能,本文设定了多种仿真条件,考虑了实际应用中的可能出现的发射机位置情况,并且每次都在相同的条件下对MS做定位佔计。考核定位结果的均方根误差(RMSE)并以图表的形式直观的表示出米,结合理论分析,对这两和主CEP偏差矢量要的无线定位算法做评估。平均估计位置实际应用中,对尢线定位精度造成影响的因素有许多种。在本文中主要考虑以下因素:小区半径的大小、参与定位的基站数目、不同的信道参数、设图2圆误差概率CEP备的测量误差、定位基站的排列形状等。综合考虑2.3几何精度因子((丑OP)以上因素,仿真所需的主要条件如采用距离测量方法的定位系统准确率在很大程1)针对COS259模型中的A、B、C、D四种信度上取决于基站和待定位移动台MS之间的几何位道做仿真。不同的信道其参数T不同。在考察小置关系几何位置对定位准确率影响的度量即为几区半径和定位基站数目对定位性能的影响时主要考何精度因子(GDOP),定义为定位误差RMSE与测虑了A和B两种信道,考察基站的排列形状时主要距误差RMSE比率。GDOP表征了由于移动台与基考虑B和D两种信道。站几何位置关系对测距误差的放大程度。对于无偏(2)检测设备造成的测量误差:假设检测设备精差计器,GDOP为:度造成的TDOA误差服从均值为0,标准差为30mGDOP=Ntr[(AA(7)的高斯正态分布。在考察设备的测量误差对定位精度的影响时,标准差分别取:30m、60m、90m、120m、其中,tr()表示对结果矩阵求迹,即求矩阵主对角150m线兀素之和aA为根据某种特征测量值建立的线性3.1理想信道环境下测量设备误差对定位的影响方程组的系数矩阵,即仿真条件:小区半径R-2000m,参与定位的基Y=AX(8)站数目为3~7个,MS在1/12小区内均匀分布,假这里,基站位置Y是已知的M×1维向量,MS位置设信道为理想的LOS信道,由信道造成的NIOS误X是2×1维未知向量[xy],A是Mx矩阵,如果差为0。仅仅考由于检测设备的测量误差对算法AA是非奇异矩阵且M>2,则式(8)为方程数大于定位性能的影响。比较受限 Taylor算法与CHAN未知量数目的超定方程组,采用最小二乘LS)算算法的定位性能法获得MS估计位置定位结果如图3、图4和图5所示X=(AAAY(9)从图3到图5可以看出,当仅有理想高斯分布对于无偏差的估计器及二维双曲线定位系统的测量误差时,参与定位基站的数目已经不是很重GDOP可表小为要了,基站数目的变化不会影响两种算法的定位性GDOP=x +o v/ s(10)能。定位性能与测量误差直接相关(基本呈线性增这里s为测距误差标准差。GDOP与CEP有以长)。从3个图屮都可以发现CHAN算法的定位性下近似关系能要好与 Taylor算法。也就是说CHAN算法的抗C1994-2010chinaAcademicjOurnalElectronicPublishingHouseAllrightsreservedhttp://www.cnkinet22西安邮电学学报2007年1月高斯分冇;NLOS误差服从COST259模型。仿真结果如图6、图7和图8所示。图3基站数为3时理想高斯测量误差条件下, MTavlor算法与CHAN算法的定位性能比较图6基站数目为3时, TAylor算法和CHAN算法在BadUrban和 Urban环境下图4基站数为4时理想高斯测量误差条件下 MTavlor算法与CHAN算法的定位性能比较图7基站数目为4时, MAylor算法和CHAN算法在Barban和 Urban环境下的性能比画量柱准展图5基站数为7时理想高斯测量误差条件下 MAylor算法与CHAN算法的定位性能比较高斯噪声性能更好,较适用于LOS信道环境。图8基站数目为7时, TAylor算法和CHAN算法在3.2COsT259环境下小区大小定位基站数目及 BadUrban和Uban环境下的性能比排列对定位性能的影响标识说明: Badurban chan表小在 Badurban(T参与定位基站数目与小区大小对定位性能的=1)环境下CHAN算法的定位性能曲线; Urban-影响Chan表示在 Urban(T=0.4)环境下CHAN算法的仿真条件:参与定位的基站数目固定为(3~7),定位性能曲线; BadUrban Taylor表示在 Badurban小区半径大小由100400变化。MS在112(T=1)环境下 M Taylor算法的定位性能曲线;Ur小区内均匀分布,在 Badurban和Ubam环境下比 ban Taylor表示在 Urban(T=0.4)环境下 M Taylor较受限的 Taylor算法和CHN算法的定位性能。算法的定位性能曲线。Taylor算法的初始位置取MS的实际位置;设从图6到图8可以看出,在实际信道中,CHAN备的测量误差服从均值为0,标准差为30m的理想算法的定位性能要比 Taylor算法的性能差,这是o01994-2010ChinaaCademicjOurnalElectronicPublishingHouseAllrightsreservedhttp:/www.cnkinet第1期郭TDOA定位技术的基本原理和算法23由于CHAN算法本身就是针对運想高斯LoS环境想蜂窝状排列时 MAylor算法的定位性能曲线;提出米的,所以在实际信道中,由于NLOS误差的U Highway Chan表示在 Urban(T=0.4)环境下引入导致了CHAN算法性能的急剧下降。基站直线排列时CHAN算法的定位性能曲线我们也可以从图中发现,当NLOS误差分不相Highway Chan表示在 Rural(T=0.1)环境下同时,参与定位的基站数日的多少对算法的定位性基站直线排列时CHAN算法的定位性能曲线能没有多大的影响。但当小区半径大于3000m时,U Chan表示在 Urban(T=0.4)环境下基站理Taylor算法的性能呈直线下降,而且当小区半径增想蜂窝状排列时CHAN算法的定位性能曲线;大时, Maylor算法有可能出现不收敛情况。而CHan表示在Rurl(T-0.1)环境下基站理想CHAN算法性能变化较为平稳,且在任何情况下都蜂窝状排列时CHAN算法的定位性能由线能够给出定位结果。因此可以得出结论,在其它条件相同的条件下CHAN算法比 Taylor算法更适合与宏小区的无线非理想的基站分布对定位性能的影响仿真条件:小区半径从1000m~4000m,参与定位的基站数目为3。在类似高速公路的直线区域内基站一般呈直线分布。MS在1/12小区内均匀分布。比较受限 Taylor算法和CHAN算法在 Urban小区使加和Rura环境下的定位性能,以及基站直线分布与哩想蜂窝状分布下两种算法的定位性能。 Taylor图10基站直线排列与理想蜂窝状排列时在 Urban和算法中MS的初始位置取MS的实际位置。设备测Rurl环境下CHAN算法定位性能的比较量误差服从均值为0,标准差为30m的理想高斯分从图9和图10可以看出,基站的位置分布对两布。非视距误差NLOS满是COST259信道模型。种算法的定位性能影响都很人,其它条件不变时,当仿真结果如图9和图10所示基站呈直线分布时,定位性能都急剧下降。如果做樻向比较,在小、区半径较小时, Taylor算法有较好的定位性能。4小结通过以上的仿真与分析比较可以看出小区半径对CHAN算法的影响的程度比Taylor算法较小,在其它条件不变,只有小区半径增大的量准圣与时,CHAN算法的定位性能变化较为平稳。而Taylor算法的定位性能变化较为剧烈。说明在相同的图9基站直线排列与理想蜂窝状排列时,在 Urban和条件下,CHAN算法更适合与宏小区的定位。Rural环境下 TAylor算法定位性能的比较标识说明在LOS环境下,TDOA测量值的误差服从均U HighwayMTay表示在 Urban(T=0.4)环境值为0的埋想高斯分布CHAN算法的定位性能优于 Taylor算法的定位性能。所以CHAN算法更适下基站直线排列时 MAylor算法的定位性能曲线;合于LOS环境的定位。RHighwayM Tay表示在 Rural(T=0.1)环境下基站直线排列时 TAylor算法的定位性能曲线岀基站呈直线排列时,两种算法的定位性能与UMTay表示在 Urban(T=0.4)环境下基站理理想的蜂窝状分布时的定位性能相比急剧下降。在小区半径较小时, Taylor算法有较好的定位性能。想蜂窝状排列时 MAylor算法的定位性能曲线信道环境对定位性能有很大的影响,特别是对RMTav表示在 Rural(T=0.1)环境下基站理CIAN算法的影响更大一些。在郊区和远郊两种C1994-2010ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp://www.cnki.net4西安邮电学学报2007年1月算法都能取得较好的定位效果,基本能够满足FWrokshop j une 2001911的定位要求;但在城区的效果就明显下降,在闹21 J ames J. Caffery:Jr. and Gordon L. Stuber: Overvie市区几乎不能准确定位。因此,要在市区和闹市区of Radiolocation in CDMA Cellular Systems. TEEF获得较好的定位效果,就需要对定位算法进行改进,Communications Magazine April 1998 pp 38-45对如何取得更精确的TDOA测量值,更好的克服3]An Overview of Wireless Indoor geolocation Techniqueand Systems. Kaven Pahlavan. Xinrong Li. MikaNLOS误差进行深入旳研究。Ylianttila. Ranvir chana. And matti latva- aho. Mo-参考文献bile and wireless Communications Networks. IFIPTC6/ European commission NETWORKiNG 2000 Inter-[I Do menico Porcino. Philips Research Laboratories. Stannational Workshop. MWCN 2000. Paris France. Maydardisation of Location Technologies Mobile Location2000Principle and algorithm of doa location technologyGUO HuaDepartment of Electronic of Information Engineering Xi an University of Post and Telecommunications, Xi an 710121, China)Abstract: This thesis researches the wireless location algorithms based on time-related measurements in thWireless Cellular Network. By analyzing existing basic techniques and algorit hms in wireless location this thesisselects the TDOA algorithm for emp hases of research. First, we int roduce two typical al gorithms as Taylor algo-rithm and chan algorithm. Furthermore, we analyze and compare them by simulation under some commonmobile channel environment. In order to eval uate the performance of the two basic al gorithms in detail, the perfect channel and two typical mo bile communication channel model (CoST 259 and TiPl)are employed for future detailed simulation. In simulations, many relative parameters w hich may effect the performance of the loca-tion algorithms are examined, such as the cell size, the number of the base stations taking part in the locationservice, equip ment measurement errors, NLOS effect etcKey words: Time of Arrive (TOA); Difference Time of Arrive( TDOA); Angel of Arrive(AOA); NLOS error(上接第18页)Error code protection and scheme of Turbo code forwreless video frequency transmissionXU Hua, DONG Yirning, XIA YangCollege of Communication and Information EngineeringNanjing University of Posts and Telecommunications, Nanjing 210003, China)Abstract The characteristics of wireless channel such as time- variety and high BER requires not only strongerror correcting capability of channel coding method but also the ability to adjust bit rate according to the state ofwireless channel. The Rate Compatible Turbo code (RCP T)can fulfill such requirement, and protect video fre-quency stream with tr- s interleaver. The application of rCPt over the mo bile communication channel is intro-duced, and new schemes about adaptive coding system and unequal error protection are discussedKey words: Turbo codes; RCPT codes; puncture table, unequal error protectionC1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
- 2020-11-28下载
- 积分：1
动态贝叶斯网络推理学习理论及应用-肖秦琨 高嵩 高晓光.pdf
动态贝叶斯网络推理学习理论及应用；动态系统；可靠性评估；故障诊断；贝叶斯网络建模；DBN0212/642007动态贝叶斯网络推理学习理论及应用肖秦琨高嵩高晓光著所·萑宫散社北京图书在版编目(CP数据动态贝叶斯网络推理学习理论及应用/肖秦琨,高嵩,高晓光著.一北京:国防工业出版社,2007.10ISBN9787-11805323-4I.动.Ⅱ.①肖.②高.③高..Ⅲ.贝叶斯推断一研究Ⅳ.0212中国版本图书馆CIP数据核字(2007)第122784号※阍所·宫版社出版发行(北京市海淀区紫竹院南路23号邮政编码100044)京南印刷厂印刷新华书店经售开本850×1168132印张9字数233千字2007年10月第1版第1次印刷印數1-3000册定价20.00元(本书如有印装错误,我社负责调换国防书店:(010)68428422发行邮购:(010)68414474发行传真:(010)68411535发行业务:(010)68472764前言不确定性理论在人工智能、机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具——动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制入手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专著基金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了如何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪算法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性,针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DEN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAV路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DBN推理学习理论进行融合,并用于实际模型。附录给出了与DBN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络…1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘157781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化………10第2章静态贝叶斯网络2.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题…2.3.3已知结构的参数确定问题……182.3.4在给定结构上的概率计算…………192.3.5贝叶斯网络推理算法…19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述·28Ⅵ3.1.2推导293.1.3动态贝叶斯网络表达………………313.2动态贝叶斯网络的研究内容353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…39第4章动态贝叶斯网络推理…464.1隐变量离散动态网络推理……464.1.1模型数学描述464.1.2隐马尔科夫的研究内容484.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…564.1.5一般离散动态网络和隐马尔科夫关系………………584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…………614.2.2离散动态网络推理算法比较仿真…634.2.3连续动态网络推理比较仿真724.3模糊推理与隐马尔科夫结合炮火校射754.3.1概述………………………754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理794.4.1模型数学描述…………794.4.2卡尔曼滤波图模型推理………804.5混合隐状态动态贝叶斯网络…………834.5.1模型数学描述…834.5.2混合动态贝叶斯网络推理…864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法…………………915.1动态贝叶斯网络结构度量体制………915.1.1概述915.1.2动态网络的贝叶斯信息度量………935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析985.3构建动态网络结构寻优算法1145.3.1基于概率模型的进化算法1155.3.2基于贝叶斯优化构造动态网络结构算法1165.3.3学习动态贝叶斯网络…1185.3.4动态臾叶斯网络推理…1275.4基于贝叶斯优化构建动态网络结构算法仿真………128第6章动态贝叶斯网络结构学习模型…1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计………1446.2.1模糊自适应双尺度…1446.2.2动态系统非平稳程度和平稳性的测量……1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划……1657.1无人机平面静态路径规划·…1657.1.1基本概念……1657.1.2基于相同威胁体的路径规划…166Ⅷ
- 2021-05-06下载
- 积分：1
