随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用。通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示(received signal strength indicator,RSSI)定位技术和质心算法进行深入的研究...随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用。通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示(received signal strength indicator,RSSI)定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法:首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度。仿真实验结果表明,该算法能够在定位精度方面有较大的提高。展开更多
利用极大似然(ML)方法对远场目标的 DOA 进行估计,并将多个阵列的 DOA 估计进行交叉定位,从而实现远场目标的精确定位。同时针对单目标和多目标以及目标信号已知和未知时的 CR 下界进行分析;特别推导了时间同步误差的 CR 下界,认为时间...利用极大似然(ML)方法对远场目标的 DOA 进行估计,并将多个阵列的 DOA 估计进行交叉定位,从而实现远场目标的精确定位。同时针对单目标和多目标以及目标信号已知和未知时的 CR 下界进行分析;特别推导了时间同步误差的 CR 下界,认为时间同步误差的 CR 下界与时间同步方差、阵列几何关系和方位角有关;但与频率无关。在给出多 DOA 交叉定位算法的基础上,利用真实试验数据,分别使用基于时延估计的DOA 算法和基于 ML 的 DOA 算法对远场目标进行交叉定位,结果表明,MLDOA 的定位精度要高于时延估计 DOA 的定位精度。展开更多
文摘随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用。通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示(received signal strength indicator,RSSI)定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法:首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度。仿真实验结果表明,该算法能够在定位精度方面有较大的提高。
文摘利用极大似然(ML)方法对远场目标的 DOA 进行估计,并将多个阵列的 DOA 估计进行交叉定位,从而实现远场目标的精确定位。同时针对单目标和多目标以及目标信号已知和未知时的 CR 下界进行分析;特别推导了时间同步误差的 CR 下界,认为时间同步误差的 CR 下界与时间同步方差、阵列几何关系和方位角有关;但与频率无关。在给出多 DOA 交叉定位算法的基础上,利用真实试验数据,分别使用基于时延估计的DOA 算法和基于 ML 的 DOA 算法对远场目标进行交叉定位,结果表明,MLDOA 的定位精度要高于时延估计 DOA 的定位精度。
