为提高移动台定位算法的精度,研究了基于接收信号强度(received signal strength,RSS)空时处理的指纹定位算法。该算法包含指纹数据库的建立和指纹比对,在指纹数据库建立过程中,利用空时处理的方法克服无线信号的衍射﹑散射等影响;指纹...为提高移动台定位算法的精度,研究了基于接收信号强度(received signal strength,RSS)空时处理的指纹定位算法。该算法包含指纹数据库的建立和指纹比对,在指纹数据库建立过程中,利用空时处理的方法克服无线信号的衍射﹑散射等影响;指纹比对时,研究了相同邻小区个数的选择对定位误差的影响,得出相同邻小区个数的最优选择。仿真结果表明,算法减小了RSS的波动性,具有低运算复杂度和高精度。展开更多
为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(Time of Arrival,TOA)/到达角(Angle of Arrival,AOA)混合定位算法。假设各基站(Base Station,BS)接收的多径信号都经历了散射体...为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(Time of Arrival,TOA)/到达角(Angle of Arrival,AOA)混合定位算法。假设各基站(Base Station,BS)接收的多径信号都经历了散射体单次散射,首先利用各BS测量的多径信号AOA信息来定位各散射体,再利用测量的多径信号TOA信息估计出散射体与移动台(Mobile Station,MS)之间的距离,然后将散射体作为虚拟基站来约束MS可能位置范围,并使用网格搜索来获得多个MS可能的估计位置,最后采用基于BS参考位置点的约束平均方法解算出MS估计位置。在不同NLOS场景下的仿真结果表明,与现有算法相比,所提算法取得了更好的定位性能。展开更多
文摘为提高移动台定位算法的精度,研究了基于接收信号强度(received signal strength,RSS)空时处理的指纹定位算法。该算法包含指纹数据库的建立和指纹比对,在指纹数据库建立过程中,利用空时处理的方法克服无线信号的衍射﹑散射等影响;指纹比对时,研究了相同邻小区个数的选择对定位误差的影响,得出相同邻小区个数的最优选择。仿真结果表明,算法减小了RSS的波动性,具有低运算复杂度和高精度。
文摘为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(Time of Arrival,TOA)/到达角(Angle of Arrival,AOA)混合定位算法。假设各基站(Base Station,BS)接收的多径信号都经历了散射体单次散射,首先利用各BS测量的多径信号AOA信息来定位各散射体,再利用测量的多径信号TOA信息估计出散射体与移动台(Mobile Station,MS)之间的距离,然后将散射体作为虚拟基站来约束MS可能位置范围,并使用网格搜索来获得多个MS可能的估计位置,最后采用基于BS参考位置点的约束平均方法解算出MS估计位置。在不同NLOS场景下的仿真结果表明,与现有算法相比,所提算法取得了更好的定位性能。
