新建
上传
首页
助手
最?/div>
资料?/div>
工具

Chan

算法及其验证

 

 

 

 

由于实际条件?/p>

?/p>

TOA

得出测量值对硬件要求很高?/p>

难以实现?/p>

所以我们由

TDOA

来得出算法所需的测量值?/p>

 

 

 

 

实际中,

基站根据接受到的信号难以得到移动点到基站的具体距离,

?/p>

TDOA

定位是接收移动台发出的信号到达不同基站的时间?/p>

,

由此计算出移动台到基?/p>

间的距离之差。根据移动台到两个基站的距离差能建立唯一的一条双曲线

,

根据

至少

3

个基站建立的双曲线方程组求解求交点来得到移动台的坐标?/p>

而实际中?/p>

于种种误差,

完全一致的交点是不存在的,

需要较多的基站得到超过未知量数?/p>

?/p>

2

)的方程组得到更多的冗余信息,来实现更准确的定位?/p>

Chan

算法则是一?/p>

处理

TDOA

测量值得到估计点的可行的方法?/p>

 

 

 

 

Chan

算法是非递归双曲线方程组解法

,

具有解析表达式解。其主要的特点为

在测量误差服从理想高斯分布时

,

它的定位精度高、计算量?/p>

,

并且可以通过增加

基站数量来提高算法精度?/p>

该算法的推导的前提是基于测量误差为零均值高斯随

机变?/p>

,

对于实际环境中误差较大的测量?/p>

,

比如在有非视距误差的环境?/p>

,

该算

法的性能会有显著下降?/p>

Chan

算法可分为只有三?/p>

BS

参与定位和三个以?/p>

BS

定位两种。而实际中往往采用三个以上

BS

定位?/p>

 

 

 

 

当基站的数量大于

3

?/p>

,TDOA

值得到的非线性方程组个数要多于未知变量的

个数

,

现将初始?/p>

TDOA

方程组化为线性方程组

,

然后用加权最小二乘法得到初始

?/p>

,

再用第一次的到的初始解等约束变量进行第二次加权最小二乘估?/p>

,

最后得?/p>

改进的位置估计。以下为该处理过程的

matlab

语句如下?/p>

 

%

计算第一?/p>

WLS

估计结果(远距算法)

 

Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha 

 

%

第一次WLS计算(近距算法)

 

Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2) 

Ba2 = diag(Va2); 

Fa2 = Ba2*Q*Ba2; 

Za2 = inv(Ga.'*inv(Fa2)*Ga)*Ga.'*inv(Fa2)*ha; 

Zacov2 = inv(Ga.'*inv(Fa2)*Ga); 

 

%

第二次WLS计算(近距算法)

 

hb = 

 [(Za2(1)-Xb)^2; (Za2(2)-Yb)^2; Za2(3)^2]  

 

 

 

 

 

 

 

Gb = [1 0;0 1;1 1]; 

Bb2 

= 

[Za2(1)-Pbs(1,1) 

0 

0;0 

Za2(2)-Pbs(1,2) 

0;0 

0 

sqrt((Za2(1)-Pbs(1,1))^2+(Za2(2)-Pbs(1,2))^2)]; 

Fb2 = 4*Bb2*Zacov2*Bb2; 

Zb2 = inv(Gb'*inv(Fb2 )*Gb)*Ga.'*inv(Fb2 )*hb; 

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

Chan

算法及其验证

 

 

 

 

由于实际条件?/p>

?/p>

TOA

得出测量值对硬件要求很高?/p>

难以实现?/p>

所以我们由

TDOA

来得出算法所需的测量值?/p>

 

 

 

 

实际中,

基站根据接受到的信号难以得到移动点到基站的具体距离,

?/p>

TDOA

定位是接收移动台发出的信号到达不同基站的时间?/p>

,

由此计算出移动台到基?/p>

间的距离之差。根据移动台到两个基站的距离差能建立唯一的一条双曲线

,

根据

至少

3

个基站建立的双曲线方程组求解求交点来得到移动台的坐标?/p>

而实际中?/p>

于种种误差,

完全一致的交点是不存在的,

需要较多的基站得到超过未知量数?/p>

?/p>

2

)的方程组得到更多的冗余信息,来实现更准确的定位?/p>

Chan

算法则是一?/p>

处理

TDOA

测量值得到估计点的可行的方法?/p>

 

 

 

 

Chan

算法是非递归双曲线方程组解法

,

具有解析表达式解。其主要的特点为

在测量误差服从理想高斯分布时

,

它的定位精度高、计算量?/p>

,

并且可以通过增加

基站数量来提高算法精度?/p>

该算法的推导的前提是基于测量误差为零均值高斯随

机变?/p>

,

对于实际环境中误差较大的测量?/p>

,

比如在有非视距误差的环境?/p>

,

该算

法的性能会有显著下降?/p>

Chan

算法可分为只有三?/p>

BS

参与定位和三个以?/p>

BS

定位两种。而实际中往往采用三个以上

BS

定位?/p>

 

 

 

 

当基站的数量大于

3

?/p>

,TDOA

值得到的非线性方程组个数要多于未知变量的

个数

,

现将初始?/p>

TDOA

方程组化为线性方程组

,

然后用加权最小二乘法得到初始

?/p>

,

再用第一次的到的初始解等约束变量进行第二次加权最小二乘估?/p>

,

最后得?/p>

改进的位置估计。以下为该处理过程的

matlab

语句如下?/p>

 

%

计算第一?/p>

WLS

估计结果(远距算法)

 

Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha 

 

%

第一次WLS计算(近距算法)

 

Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2) 

Ba2 = diag(Va2); 

Fa2 = Ba2*Q*Ba2; 

Za2 = inv(Ga.'*inv(Fa2)*Ga)*Ga.'*inv(Fa2)*ha; 

Zacov2 = inv(Ga.'*inv(Fa2)*Ga); 

 

%

第二次WLS计算(近距算法)

 

hb = 

 [(Za2(1)-Xb)^2; (Za2(2)-Yb)^2; Za2(3)^2]  

 

 

 

 

 

 

 

Gb = [1 0;0 1;1 1]; 

Bb2 

= 

[Za2(1)-Pbs(1,1) 

0 

0;0 

Za2(2)-Pbs(1,2) 

0;0 

0 

sqrt((Za2(1)-Pbs(1,1))^2+(Za2(2)-Pbs(1,2))^2)]; 

Fb2 = 4*Bb2*Zacov2*Bb2; 

Zb2 = inv(Gb'*inv(Fb2 )*Gb)*Ga.'*inv(Fb2 )*hb; 

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

Chan

算法及其验证

 

 

 

 

由于实际条件?/p>

?/p>

TOA

得出测量值对硬件要求很高?/p>

难以实现?/p>

所以我们由

TDOA

来得出算法所需的测量值?/p>

 

 

 

 

实际中,

基站根据接受到的信号难以得到移动点到基站的具体距离,

?/p>

TDOA

定位是接收移动台发出的信号到达不同基站的时间?/p>

,

由此计算出移动台到基?/p>

间的距离之差。根据移动台到两个基站的距离差能建立唯一的一条双曲线

,

根据

至少

3

个基站建立的双曲线方程组求解求交点来得到移动台的坐标?/p>

而实际中?/p>

于种种误差,

完全一致的交点是不存在的,

需要较多的基站得到超过未知量数?/p>

?/p>

2

)的方程组得到更多的冗余信息,来实现更准确的定位?/p>

Chan

算法则是一?/p>

处理

TDOA

测量值得到估计点的可行的方法?/p>

 

 

 

 

Chan

算法是非递归双曲线方程组解法

,

具有解析表达式解。其主要的特点为

在测量误差服从理想高斯分布时

,

它的定位精度高、计算量?/p>

,

并且可以通过增加

基站数量来提高算法精度?/p>

该算法的推导的前提是基于测量误差为零均值高斯随

机变?/p>

,

对于实际环境中误差较大的测量?/p>

,

比如在有非视距误差的环境?/p>

,

该算

法的性能会有显著下降?/p>

Chan

算法可分为只有三?/p>

BS

参与定位和三个以?/p>

BS

定位两种。而实际中往往采用三个以上

BS

定位?/p>

 

 

 

 

当基站的数量大于

3

?/p>

,TDOA

值得到的非线性方程组个数要多于未知变量的

个数

,

现将初始?/p>

TDOA

方程组化为线性方程组

,

然后用加权最小二乘法得到初始

?/p>

,

再用第一次的到的初始解等约束变量进行第二次加权最小二乘估?/p>

,

最后得?/p>

改进的位置估计。以下为该处理过程的

matlab

语句如下?/p>

 

%

计算第一?/p>

WLS

估计结果(远距算法)

 

Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha 

 

%

第一次WLS计算(近距算法)

 

Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2) 

Ba2 = diag(Va2); 

Fa2 = Ba2*Q*Ba2; 

Za2 = inv(Ga.'*inv(Fa2)*Ga)*Ga.'*inv(Fa2)*ha; 

Zacov2 = inv(Ga.'*inv(Fa2)*Ga); 

 

%

第二次WLS计算(近距算法)

 

hb = 

 [(Za2(1)-Xb)^2; (Za2(2)-Yb)^2; Za2(3)^2]  

 

 

 

 

 

 

 

Gb = [1 0;0 1;1 1]; 

Bb2 

= 

[Za2(1)-Pbs(1,1) 

0 

0;0 

Za2(2)-Pbs(1,2) 

0;0 

0 

sqrt((Za2(1)-Pbs(1,1))^2+(Za2(2)-Pbs(1,2))^2)]; 

Fb2 = 4*Bb2*Zacov2*Bb2; 

Zb2 = inv(Gb'*inv(Fb2 )*Gb)*Ga.'*inv(Fb2 )*hb; 

 

Ͼλ">
Ͼλ
Ŀ

chan算法定位matlab - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

Chan

算法及其验证

 

 

 

 

由于实际条件?/p>

?/p>

TOA

得出测量值对硬件要求很高?/p>

难以实现?/p>

所以我们由

TDOA

来得出算法所需的测量值?/p>

 

 

 

 

实际中,

基站根据接受到的信号难以得到移动点到基站的具体距离,

?/p>

TDOA

定位是接收移动台发出的信号到达不同基站的时间?/p>

,

由此计算出移动台到基?/p>

间的距离之差。根据移动台到两个基站的距离差能建立唯一的一条双曲线

,

根据

至少

3

个基站建立的双曲线方程组求解求交点来得到移动台的坐标?/p>

而实际中?/p>

于种种误差,

完全一致的交点是不存在的,

需要较多的基站得到超过未知量数?/p>

?/p>

2

)的方程组得到更多的冗余信息,来实现更准确的定位?/p>

Chan

算法则是一?/p>

处理

TDOA

测量值得到估计点的可行的方法?/p>

 

 

 

 

Chan

算法是非递归双曲线方程组解法

,

具有解析表达式解。其主要的特点为

在测量误差服从理想高斯分布时

,

它的定位精度高、计算量?/p>

,

并且可以通过增加

基站数量来提高算法精度?/p>

该算法的推导的前提是基于测量误差为零均值高斯随

机变?/p>

,

对于实际环境中误差较大的测量?/p>

,

比如在有非视距误差的环境?/p>

,

该算

法的性能会有显著下降?/p>

Chan

算法可分为只有三?/p>

BS

参与定位和三个以?/p>

BS

定位两种。而实际中往往采用三个以上

BS

定位?/p>

 

 

 

 

当基站的数量大于

3

?/p>

,TDOA

值得到的非线性方程组个数要多于未知变量的

个数

,

现将初始?/p>

TDOA

方程组化为线性方程组

,

然后用加权最小二乘法得到初始

?/p>

,

再用第一次的到的初始解等约束变量进行第二次加权最小二乘估?/p>

,

最后得?/p>

改进的位置估计。以下为该处理过程的

matlab

语句如下?/p>

 

%

计算第一?/p>

WLS

估计结果(远距算法)

 

Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha 

 

%

第一次WLS计算(近距算法)

 

Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2) 

Ba2 = diag(Va2); 

Fa2 = Ba2*Q*Ba2; 

Za2 = inv(Ga.'*inv(Fa2)*Ga)*Ga.'*inv(Fa2)*ha; 

Zacov2 = inv(Ga.'*inv(Fa2)*Ga); 

 

%

第二次WLS计算(近距算法)

 

hb = 

 [(Za2(1)-Xb)^2; (Za2(2)-Yb)^2; Za2(3)^2]  

 

 

 

 

 

 

 

Gb = [1 0;0 1;1 1]; 

Bb2 

= 

[Za2(1)-Pbs(1,1) 

0 

0;0 

Za2(2)-Pbs(1,2) 

0;0 

0 

sqrt((Za2(1)-Pbs(1,1))^2+(Za2(2)-Pbs(1,2))^2)]; 

Fb2 = 4*Bb2*Zacov2*Bb2; 

Zb2 = inv(Gb'*inv(Fb2 )*Gb)*Ga.'*inv(Fb2 )*hb; 

 



ļ׺.doc޸Ϊ.docĶ

  • 2019-2024곤ǵۿҵǰԤ⼰Ͷѯ(Ŀ¼)
  • °PKPM2011֪ʶ()
  • ˽̰꼶ϲĩԾ
  • 꼶²ѧ-ר⽲ʮһ ͼ ƪ()ȫ
  • δ˷
  • ߶ѧ 2.2.2 (ĽṹʼԴ)ѧ
  • dz־йķչ״
  • 2018й⹫԰״мгǰԤ(Ŀ¼)
  • 2017ڶʮ조޸𱭡ѧԾ(С)
  • (㽭ѡ)2019߿ָϰ 19-23⣺23רС

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)