研究了发射机位置未知时的椭圆定位问题,提出了一种低复杂度的目标和发射机位置联合估计的三步闭式求解方法。首先,利用直接路径测量值构造一个广义信赖域子问题(Generalized Trust Region Subproblem,GTRS)以得到发射机的估计位置;然后...研究了发射机位置未知时的椭圆定位问题,提出了一种低复杂度的目标和发射机位置联合估计的三步闭式求解方法。首先,利用直接路径测量值构造一个广义信赖域子问题(Generalized Trust Region Subproblem,GTRS)以得到发射机的估计位置;然后,将所估计的发射机位置代入间接路径模型,以此构造另外一个GTRS估计目标位置;最后,通过构造线性加权最小二乘问题联合估计目标和发射机的误差项,同时补偿前两步的估计误差,从而进一步提高了定位精度。所提算法的三个步骤均存在闭式解,且具有极低的计算复杂度。理论性能分析和仿真验证表明,所提方法的均方误差在大噪声时能够趋近于克拉美-罗下界(Cramer-Rao lower bound,CRLB),在特定环境下与现有方法相比具有更优的性能。展开更多
针对机器人、无人机和其他智能系统的位置信息,研究了非视距(non line of sight,NLOS)环境中基于到达时间(time of arrival,TOA)测距的目标定位问题。在建模过程中,通过引入平衡参数来抑制NLOS误差对定位精度的影响,并成功将定位问题的...针对机器人、无人机和其他智能系统的位置信息,研究了非视距(non line of sight,NLOS)环境中基于到达时间(time of arrival,TOA)测距的目标定位问题。在建模过程中,通过引入平衡参数来抑制NLOS误差对定位精度的影响,并成功将定位问题的形式与一个广义信赖域子问题(generalized trust region subproblem,GTRS)框架进行耦合。与其他凸优化算法不同的是,本文没有联合估计目标节点的位置和平衡参数,而是采用了一种迭代求精的思想,算法可以用二分法高速有效地进行求解。所提算法与已有的算法相比,不需要任何关于NLOS路径的信息。此外,与大多数现有算法不同,所提算法的计算复杂度低,能够满足实时定位的需求。仿真结果表明:该算法具有稳定的NLOS误差抑制能力,在定位性能和算法复杂度之间有着很好的权衡。展开更多
文摘针对机器人、无人机和其他智能系统的位置信息,研究了非视距(non line of sight,NLOS)环境中基于到达时间(time of arrival,TOA)测距的目标定位问题。在建模过程中,通过引入平衡参数来抑制NLOS误差对定位精度的影响,并成功将定位问题的形式与一个广义信赖域子问题(generalized trust region subproblem,GTRS)框架进行耦合。与其他凸优化算法不同的是,本文没有联合估计目标节点的位置和平衡参数,而是采用了一种迭代求精的思想,算法可以用二分法高速有效地进行求解。所提算法与已有的算法相比,不需要任何关于NLOS路径的信息。此外,与大多数现有算法不同,所提算法的计算复杂度低,能够满足实时定位的需求。仿真结果表明:该算法具有稳定的NLOS误差抑制能力,在定位性能和算法复杂度之间有着很好的权衡。
