針對(duì)現(xiàn)有的兩步加權(quán)最小二乘(Two-stage Weighted Least Squares,TSWLS)和約束加權(quán)最小二乘(Constrained Weighted Least Squares,CWLS)在TDOA/AOA混合定位中可能產(chǎn)生測(cè)量矩陣奇異的情況,提出了一種改進(jìn)的CWLS算法來(lái)消除奇異矩陣求逆運(yùn)算.其主要思想是在約束條件下,用含有移動(dòng)臺(tái)位置坐標(biāo)的價(jià)值函數(shù)對(duì)移動(dòng)臺(tái)坐標(biāo)和附加變量分別取偏微分,分離出引入的附加變量,使移動(dòng)臺(tái)位置坐標(biāo)與附加變量分別位于線性方程的兩邊,求解關(guān)于附加變量的一元二次方程,因此避免了對(duì)奇異矩陣求逆的運(yùn)算.在零均值的高斯白噪聲環(huán)境下,且移動(dòng)臺(tái)位于或接近監(jiān)測(cè)基站陣列中心時(shí),通過(guò)MATLAB仿真驗(yàn)證了改進(jìn)的CWLS算法比TSWLS和CWLS算法均能取得更高的定位精度,可以達(dá)到克拉美-羅下界(CramérRao Lower Bound,CRLB).

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖7實(shí)驗(yàn)結(jié)果表1算法的歸一化誤差及求解時(shí)間定位算法最大歸

第7期藍(lán)威濤，張衛(wèi)強(qiáng)等:一種自適應(yīng)智能三邊定位算法的設(shè)計(jì)與實(shí)現(xiàn)O(n2+kn)，兩者近似相等，其中k為迭代次數(shù)，在最壞的情況下，對(duì)每種算法分別進(jìn)行100次的運(yùn)算，然后求其運(yùn)行時(shí)間的平均值。如表1所示，本文算法的求解時(shí)間增加了約0．009s，在一般的應(yīng)用場(chǎng)合下，該增量完全可以忽略不....

圖7實(shí)驗(yàn)結(jié)果表1算法的歸一化誤差及求解時(shí)間定位算法最大歸

第7期藍(lán)威濤，張衛(wèi)強(qiáng)等:一種自適應(yīng)智能三邊定位算法的設(shè)計(jì)與實(shí)現(xiàn)O(n2+kn)，兩者近似相等，其中k為迭代次數(shù)，在最壞的情況下，對(duì)每種算法分別進(jìn)行100次的運(yùn)算，然后求其運(yùn)行時(shí)間的平均值。如表1所示，本文算法的求解時(shí)間增加了約0．009s，在一般的應(yīng)用場(chǎng)合下，該增量完全可以忽略不....

本文編號(hào)：4023716