卡尔曼滤波在iBeacon室内定位系统中的应用

为了抑制iBeacon信号在传播过程中由于人员扰动、多径效应等引起的噪声，以及移动定位过程中定位结果的不稳定，在iBeacon室内定位系统中引入了卡尔曼滤波算法分别对采集到的iBeacon信号与移动定位结果进行处理。首先通过卡尔曼滤波对采集的信号进行处理，降低了信号噪声，提高了信号的质量，其次应用卡尔曼滤波对移动定位结果进行二次处理，提高了移动定位结果的稳定性与精度。实验结果表明,在办公室环境下采用卡尔曼滤波进行处理后可将1 m以内的定位精度提高到80%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。     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此，利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法，有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现，结果表明该算法能够有效地降低NLOS误差的影响，定位精度比其它算法有显著提高，而且在不同分布的NLOS误差下表现稳定。     

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。     

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。     

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。     

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。     

基于最小二乘融合估计的双星时频差定位

件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小 二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度。分析了测 量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差 对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法。通过Monte- Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的 性能。仿真试验表明：在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射 源定位精度,最大提高10倍以上。     

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位（AOA）的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。     

CDMA无线定位系统的基站选择算法

在基于CDMA网络的无线定位系统中，当移动终端处于多个基站的侦收范围时会面临定位基站的选择问题，基站选择的优化可以减少系统资源的占用，并且直接影响系统定位性能。文中提出采用精度因子的基站选择算法，通过实测验证具有较高的稳定性，并可提高系统的定位精度和实时性，对定位系统的基站架设和系统设计有实际的指导意义。     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中，虽然可以缩短定位时间，但是容易降低定位精度。为了解决此问题，提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明，与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比，基于改进指纹聚类的定位优化方法不仅缩短了定位时间，还能有效提高定位精度。     

NLOS环境下移动台位置与速率估计

NLOS (Non-line of Sight)误差是定位中的主要误差来源,直接影响了定位的精度 。在MIMO（Multiple Input Multiple Output）系统中,基于NLOS信道模型的定位方法成为 解决NLOS定位误差问题的利器。基于此提出一种新颖的几何方法,仅采用两条NLOS路径就可 计算MS(Mobile Station)的位置,并且只需要利用单个基站便可完成MS的定位,克服了基站 数目过少无法准确定位MS的缺陷。在此基础上,还给出了最小二乘与最大似然算法利用多条 NLOS路径来改善定位精度的方法,并利用它对NLOS环境下运动的MS进行定位跟踪。理论分析 和仿真结 果都证明该定位方法在NLOS环境中对MS定位的有效性与精确度。     

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。     

一种融合地图与传感器信息的室内地图匹配新算法

基于粒子滤波技术,提出了融合地图信息与传感器信息的室内地图匹配算法,对于在室内定位中由状态空间模型描述的非线性系统,通过非参数化的蒙特卡洛(Monte Carlo)模拟方法来实现递推贝叶斯滤波,将室内地理信息数据、传感器信息、无线定位信息融入到粒子的权重值中,对观测值进行不断修正。实验证明,所提出的基于粒子滤波的地图匹配技术有效解决了由于无线定位结果穿墙、错定至隔壁房间而造成的用户体验差等问题,同时对室内定位结果进行了修正,提高了室内定位精度。     

基于品牌内涵的品牌定位策略研究

品牌定位是品牌成功的重要基础。品牌定位策略的制订必须依赖于一定的理论根据,主要包括心理依据和市场依据两个方面。品牌定位是一个关于品牌内涵诸多方面的定位,企业对品牌内涵的诸多方面应进行整体的定位设计。从整体定位传播的角度讲,需要遵循集中传播原则;从面向消费者的品牌定位讲,则体现为集中于品牌内涵某一部分的定位,即集中定位传播而非整体定位传播,不能简单地认为品牌定位就是产品属性、利益等某一点的定位。     

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。     

GPS电离层延迟误差修正中二阶项角度的分析

提出了一种利用三频观测值修正电离层延迟误差二阶项的方法,可使延迟误差 达到毫米级精度。理论分析表明,影响修正结果达到毫米级的主要因素是总电子含量（TEC ）和G PS信号传播方向与地磁场方向的临界夹角。取通常情况下TEC的值,在不同频率条件 下,通过解算给出了达到毫米级精度所要求的临界夹角值。研究结果对精密定位过程信号的 接 收提供了参考方法。     

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。     

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。