基于扩展卡尔曼滤波算法的无人机定位

无人机的移动定位是应对无人机机动性和应用环境复杂性的关键技术。为解决无人机中的全球定位系统（GPS）信号失效问题,提出了一种通过机载无线射频的接收信号强度解决定位问题的技术,分别采用扩展卡尔曼滤波方法估计距离和最小二乘方法估计路径损耗因子两种处理方法。理论分析和实验测试结果证实所提算法对有色噪声干扰下的接收信号有较好的增强效果,基于80%的置信水平,新算法相对于白噪声模型将估算误差从9.5 m减少到了4 m,还进一步提供了融合惯性导航的算法。     

WLAN信号特征算法的研究

本文对位置指纹定位算法的过程进行了分析,对匹配算法进行了仿真比较并将KNN算法作为本文检验定位精度的算法。在提高定位精度方面,本文提出采用对信号功率谱的对数平均值进行KL变换,以减小信号采集过程中混入的噪声对定位精度造成的影响;在减少工作量方面,本文提出利用改进的K均值聚类算法将定位区域分区,然后在每个子区域选择位置分辨能力较强的AP用于定位,提高在线阶段的定位实时性。     

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标iBeacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度，并进行数据差异显著性检验，来检验采集的待定位点数据与指纹库数据是否显著相关，然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示，相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%，相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14.6%以上。     

一种基于场强差的移动台定位改进算法

为了解决传统的移动台定位过程中信号的传播误差对定位精度的影响,提出了一种基于移动台与服务基站之间的场强差来确定移动台位置的改进算法。小波变换在信号消噪处理中可以取得良好的效果,通过选择合适的小波函数和分解层数,对测量得到的场强差进行分解和重构,然后用经典Chan算法确定移动台位置,大大降低了传播误差对定位精度的影响。仿真表明,该算法能很好地抑制传播误差,其定位效果比直接使用Chan算法更加稳定。     

一种改进的自适应UKF被动定位方法

反辐射导弹为了对抗目标雷达关机，一般采用被动定位算法对目标雷达进行定位。有关被动定位算法的研究多以测角噪声的统计特性已知、被动雷达测量信息无间断为基础，对工程实践中存在的测角噪声统计特性未知且被动测量误差间断的情况少有涉及。针对该问题，提出了采用自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter，AUKF）算法对噪声统计特性进行实时估计，并结合间断信息时递推滤波的改进的被动定位方法。仿真结果表明，在测角误差特性时变和测量信息间断情况下，该被动定位方法精度远优于常规UKF方法。     

静止轨道卫星自动化干扰定位方案

在对静止轨道卫星上行干扰的定位过程中，复杂的分析工作往往需要花费数小时，当干扰信号为突发、短时类信号时，往往会错失定位时机，导致对这类信号的定位失败率非常高。为了解决静止轨道卫星干扰定位的滞后性问题，设计了一种针对静止轨道卫星干扰的自动化定位解决方案。对干扰定位工作中的邻星选择及定位方案设计、参考源信号的选择与发射等各关键环节进行了定量和定性分析，并通过仿真实验证明了该方案的可行性。该方案使得用机器代替人工分析成为可能，对卫星干扰源的快速和准确定位具有现实意义。     

基于TDOA定位GSM移动台的信号处理算法

根据GSM系统无线通信信号的特点,给出了基于TDOA定位GSM移动台的信号处理算法。 在均衡接收的基础上阐述了信号处理算法中被定位GSM移动台到达时间的确定方法和 时延精确估计技术,并论述了定位方程的求解问题。最后给出了对信号处理算法进行性能评 估的实际测试结果,结果表明了该信号处理技术的可行性。     

蜂窝移动定位系统定位精度提高算法的研究进展

提高蜂窝移动定位系统的定位精度是定位技术在CDMA系统中广泛应用的关键。针对提高移动定位精度算法的研究，分别从基本定位算法、非视距传播误差消除算法、抗多径干扰时延估计和抗多址干扰算法、数据融合定位方法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，提出了自己的观点。最后对移动定位精度提高算法研究的未来进行了展望。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题，提出了一种简单的正则粒子滤波，克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象，将粒子滤波成功应用到无源定位中，计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM) 网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

基于IMM-EKF的高动态“北斗”导航信号频率估计算法

高动态环境下的“北斗”导航信号含有较大的多普勒频率及其变化率,传统锁相环（PLL）在跟踪时难以保证较高的跟踪精度。在分析高动态环境下“北斗”信号模型的基础上,提出了一种基于交互式多模型-扩展卡尔曼滤波（IMM-EKF）的自适应滤波算法,对载波相位及其高阶分量进行估计。IMM-EKF采用多个跟踪模型来解决滤波过程中单个模型不准确的问题,并结合改进的Sage-Husa自适应算法,在线估计和修正过程噪声及测量噪声的统计特性,增强了滤波的稳定性。仿真结果表明,IMM-EKF相比于PLL和EKF,估计精度更高,算法稳定性更强。     

基于手机的声学超宽带室内定位

针对室内定位技术部署复杂、成本高的问题,提出了一种利用手机接收声学信号通过脉冲压缩进行室内定位的方法。通过借鉴雷达系统中的脉冲压缩技术,将信号和噪声分离,并提取出信号到达时延估计。为了减小定位误差,研究了手机的声学特性,设计了声学超宽带信号的信道模型,将应答节点时延回传,进一步减小信号传播的时延估计。在停车场的试验结果表明：定位结果和实际位置相符,平均定位误差在30 cm以内。     

利用Kalman滤波修正卫星导航差分RTK定位坐标

卫星导航差分RTK(Real Time Kinematic)定位方法的定位精度极易受到载波相位整周模糊度固定算法的影响，在模糊度固定失败的情况下，差分RTK定位将出现大幅偏差。针对该问题，基于Jerk模型提出了一种利用Kalman滤波修正差分RTK定位坐标的方法。在传统Jerk模型基础上，将卫星导航系统输出的载体运动速度信息引入状态空间模型的观测方程。基于扩展状态空间模型，利用Kalman滤波器实时修正载体的位置坐标。半实物仿真表明，所提方法能大幅改善卫星导航差分RTK定位精度。     

联合V2X通信和最小跳数距离的车辆定位方法

针对传统V2X定位方法定位成功率及定位精度较低的问题,提出了一种联合V2X通信和最小跳数距离的车辆定位方法。车辆利用最小跳数距离估算自身与通信范围外辅助节点间的相对距离,并利用路径相似度因子最高的辅助节点对该误差进行补偿,从而改善定位性能受通信距离约束的局限性。同时,综合考虑距离、辅助节点类型对定位性能的影响,利用加权最小二乘法对车辆位置坐标进行解算,提升定位的精度。仿真结果表明,所提定位方法与V2X定位方法相比,在定位成功率及定位精度方面分别提升38.6%和12.5%,具有一定的应用价值。     

IMU辅助的TDOA室内定位

室内环境下，当无线信号受到多径和非视距干扰时，传统的基于到达时间差（Time Difference of Arrival，TDOA）的测距模型定位精度不满足室内定位精度要求。为此，提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit，IMU）相结合的定位方法。在视距情况下，只有TDOA系统工作，但在信号受到干扰时，利用IMU能够在短时间内提供一个准确的相对位置信息的特性，采用TDOA算法对其进行辅助定位，并利用卡尔曼滤波器对它们的数据进行预处理，最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明，提出的算法比传统的TDOA定位具有更高的精度。     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜(TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法(FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法(SART)迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。