非视距传播环境下的AOA定位跟踪算法
AOA混合定位算法及其性能分析
文章编号1005-0388（2002）06-0633-04一种TDOA /AOA 混合定位算法及其性能分析!邓平李莉范平志（西南交通大学移动通信研究所，四川成都610031）摘要在蜂窝移动通信系统中，智能天线阵列的应用使得服务基站（BS ）能提供较准确的移动台（MS ）电波到达角（AOA ）测量值，从而可以用于对移动台的定位估计。
文中对文献［1］的电波到达时间差（TDOA ）定位算法进行了改进，提出了一种既能继承原算法的优良性能，又可充分利用AOA 测量值信息提高定位性能的TDOA /AOA 混合定位算法，该算法还具有解析表达式解。
仿真结果表明，只要AOA 测量值达到一定精度，该算法就能取得比文献［1］的单纯TDOA 定位算法更好的性能。
关键词到达时间差，到达角，移动台，加权最小二乘算法中图分类号TN929.53文献标识码AA hybrid TDOA /AOA location algorithm andits performance analysisDENG PingLI LiFAN Ping-zhi（Institute of Mobile Communication ，Southwest Jiaotong Uniuersity ，Chengdu Sichuan 610031，China ）Abstract In ceiiuiar mobiie communication systems ，due to the appiication of smart array an-tenna ，it is possibie for serving base station （BS ）to deiiver accurate angie of arrivai （AOA ）measurement of mobiie station （MS ）radio wave.In this paper ，a time difference of arrivai （TDOA ）iocation aigorithm in reference ［1］is extended to a TDOA /AOA hybrid iocation aigo-rithm which can not oniy inherit the good performance of the originai aigorithm ，but aiso im-prove the iocation accuracy by making fuii use of the AOA measurement.The new aigorithm ai-so has a ciosed-form soiution which has been derived in this paper.Simuiation shows that ，if a reasonabie precision of the AOA measurement is achieved ，much better iocation performance can be obtained ，compared with the singie TDOA iocation aigorithm in reference ［1］.Key wordsTDOA ，AOA ，MS ，WLS aigorithm1引言在蜂窝网络中提供对移动台（MS ）的定位服务即将成为各种蜂窝网络必须具备的基本功能［2］。
研究生论文基于小波变换的TDOA无线定位算法的研究
二○一四年四月本人声明：（研究生姓名）所呈交的学位论文是在我指导下进行的研究工作及取得的研究成果，并保证与送审论文版本一致，经我审阅，现同意对其学位论文进行学术不端行为检测。
指导教师签名（不得盖章）：年月日硕士研究生学位论文单位代码分类号学密级 题（中、英文）作者姓指导教师姓名、职务学科门学摘要摘要无线通信技术高速发展的今天，无线定位技术得到了人们更多的关注，能够快速准确的提供移动终端的位置信息、对移动终端进行实时跟踪成为了我们的迫切要求。
因此，在不同的无线通信环境下，如何能够快速、有效的获得移动终端的位置信息成为了无线通信技术领域的研究热点问题。
在定位算法的实际应用时，由于受非视距传播环境的影响，系统测量得到的定位数据往往存在很大的误差量，会影响无线定位算法的准确性，如何有效的消除非视距传播引起的误差量成为了定位算法中的研究重点问题。
本文对此，提出了一种解决办法，利用小波降噪理论抑制非视距传播引起的误差量。
首先详细介绍了小波分析理论，着重介绍小波降噪的方法及步骤，并通过分析非视距传播引起的误差量的模型从理论上验证了小波降噪消除测量误差的理论依据。
接下来给出小波降噪对测量定位数据修正的具体步骤，并给出了两种定位算法。
一种是基于TDOA测量值的定位算法，一种是基于TDOA/AOA的混合定位算法，两种算法均是依据修正后的测量值实现的定位算法。
最后，在非视距环境中，对两种定位算法进行仿真评估。
仿真结果表明，算法能够有效的实现移动台的位置估计，并且定位性能明显优于其它经典算法，说明本文提出的方法可以有效抑制非视距误差对定位算法性能的影响，提高了算法的定位精度。
随着移动台定位技术的广泛应用，人们已不局限于要求对移动台的静态定位，对移动台的动态跟踪成为了迫切的要求。
本文在提出上述定位算法的基础上，给出了两种跟踪办法，一种是利用相关距离检测门限提出的跟踪算法，一种是基于卡尔曼滤波的跟踪算法。
在详细讲述两种算法的实现步骤之后对算法的性能进行仿真验证，从仿真结果上看，两种算法均能实现对移动台的跟踪，性能良好。
联合TDOA-AOA无线传感器网络r半定规划定位算法研究
联合TDOA-AOA无线传感器网络r半定规划定位算法研究张文华;于洁潇;刘开华;赵宇【摘要】在无线传感器网络定位中,TDOA和AOA联合定位可有效利用多种位置信息提高定位精度.由于传统联合加权最小二乘(WLS)的目标函数非线性,在应用于无线传感器网络定位时,会产生多个局部最优解.因此,针对该问题本文将约束加权最小二乘问题转化为二次约束二次规划问题,之后通过引入半定松弛(SDR)方法将联合定位问题转换为低复杂度的半定规划问题(SDP),进而寻找全局最优解.并且针对实际应用中参考节点带误差的情形分析和推导了定位算法.与已有算法相比,提出的算法在参考节点无误差和有误差时都有更高的精度.此外,提出的SDP算法还能够实现只有两个参考节点下的目标定位.%Joint TDOA-AOA localization is able to improve location estimation accuracy through utilizing all the a-vailable information in wireless sensor networks(WSNs). Due to the non-linearity of the equations,joint weighted least square(WLS)may converge to local optimum solution when applied to wireless sensor networks localization. Therefore,by applying semidefinite relaxation ( SDR ) to the quadratically constrained quadratic program problem which is derived from WLS method,we transformed the joint localization problem into a low complexity semidefinite programming(SDP)problem to find the global optimum solution. Localization in the presence of sensor position er-rors has also been studied. Simulation results show that,compared with the existing approaches,the proposed ap-proach has higher accuracy whether with or without sensor position errors. Furthermore,the proposed SDPmethod still has good performance with only two sensors offering location information.【期刊名称】《传感技术学报》【年(卷),期】2017(030)009【总页数】6页(P1375-1380)【关键词】无线传感器网络;目标定位;到达时间差;到达角度;半定规划【作者】张文华;于洁潇;刘开华;赵宇【作者单位】天津大学电气自动化与信息工程学院,天津300072;天津大学电气自动化与信息工程学院,天津300072;天津大学微电子学院,天津300072;天津大学电气自动化与信息工程学院,天津300072【正文语种】中文【中图分类】TP393.0由于无线传感器网络(WSNs)在无线通信,室内定位和水声传感器网络(UASN)[1]等领域的重要应用,精确的无线传感器网络定位算法近年来受到了广泛的关注。
基于扩展卡尔曼滤波的TDOA与AOA定位方法
1.定位的数学模型参考节点数目为M （3M ≥），对于定位系统可以得到M-1个TDOA 数据和M 个AOA 数据，则可以有如下非线性方程：()1112,3,...,arctan 1,2,...,i i i i i ii d d d v i M y y v i Mx x θθ=-+=⎧⎪⎛⎫⎨-=+= ⎪⎪-⎝⎭⎩()()22i i i d x x y y =-+-；()()22111d x x y y =-+-；1;i i v v θ是观测噪声。
矩阵形式如下：()Y h X V =+()()()12213121213131111111222211211...arctan ;;;arctan ...arctan M M M M M M M M M d d d d v d v d d d y y v d x x x X Y V h X v y y y v x x v y y x x θθθθθθ-⨯-⨯-⎡-⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥⎛⎫⎢⎥-⎢⎥ ⎪⎢⎥⎡⎤⎢⎥-====⎝⎭⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎛⎫-⎢⎥⎢⎥ ⎪-⎢⎥⎝⎭⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎛⎫- ⎪-⎝⎭⎣()211M -⨯⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎦ 噪声向量的协方差矩阵应为()()2121M M -⨯-方阵00R R R τθ⎡⎤=⎢⎥⎣⎦，其中R τ是TDOA观测的方差阵，R θ是AOA 观测的方差阵。
2.非视距识别和TDOA/AOA 混合定位结构流程图TDOA/AOA 混合定位方法的主要思想是使用多种定位方案，通过多样性复和来取得更高的定位精度。
NLOS 识别和TDOA/AOA 混合定位结构图3.NLOS 识别假设参与定位的目标节点数目为M ，目标节点向参考节点发送信号的传播时间为i τ，则距离为：i i r c τ=。
取K 个观察时刻，则第i 个参考节点和目标节点在k t 时刻的距离()i k r t 角度()i k t θ分别如下：()()()()()()()(),,,,,,1,2,...,0,1,....,1i k Los i k rang i k NLos i k i k Los i k bearing i k NLos i k r t r t n t r t i M k K t t n t t θθθ=++⎧⎪==-⎨=++⎪⎩；()(),,,Los i k Los i k r t t θ分别是真实距离与真实角度；()(),,,rang i k bearing i k n t n t 分别是距离的观测噪声和角度的观测噪声；均为零均值的高斯白噪声，方差分别为22,r θσσ()(),,,NLos i k NLos i k r t t θ分别是由NLOS 引起的距离误差（服从指数分布）和角度误差（服从均匀分布）；由NLOS 引起的误差与观测误差的分布不同，且有NLOS 引起的误差对TOA 测量值的影响很大，所以通过卡尔曼滤波器对数据进行处理，使TOA 估计更精确的逼近真实TOA ，以消除有NLOS 引起的误差。
无缝定位技术
无缝定位技术就是指在人类活动的地上、地下空间和外层空间范围内,能够联合采用不同定位技术以达到对各种定位应用的无缝覆盖,同时保证各种场景下定位技术、定位算法、定位精度和覆盖范围的平滑过渡和无缝连接。
泛在计算对应的泛在定位技术,其相对于无缝定位技术而言,覆盖的范围偏向于城市和室内空间。
集成定位技术是指两种或者两种以上不同的定位传感器或方法的集成,如GPS和INS两种不同传感器之间的集成,或者GPS和电子地图辅助定位两种不同方法之间的集成,其覆盖的范围可以是外层空间或者某一特定环境。
常用的无线定位技术有TOA(到达时间)、TDOA(到达时间差)、AOA(到达角度)、SSR(信号强度测距)、NFER(近场电磁测距)。
广泛使用的GNSS因为卫星时间同步采用的是高精度的原子钟,所以基于GNSS的方法一般都是TOA技术。
然而一般的无线通信系统由于基站数量多,时间同步精度受限,所以现有的基于无线通信的定位服务一般采用TDOA技术,当然在某些特定场合下也使用AOA技术;现有的短距离无线通信技术一般采用SSR技术。
多种技术的联合使用使得测距的功能上有更多的自由度,并且增强了定位的精度、可靠性和安全性。
1.1 无缝定位面临的挑战具体而言,无缝定位技术面临以下几个主要的挑战:难以依靠单一的无线技术实现无缝定位,如GNSS技术无法在封闭空间发挥其高精度定位的特点;各种定位信号无法覆盖多个不同区域,需要解决室内外连接区域的无缝连接问题;无线信号在室内外NLOS(非视距传播)环境下的复杂传播信道;无缝定位系统所需的统一的坐标和时间系统、基础设施和软硬件成本、合适的移动定位设备、标准化问题;公众无线服务的定位服务模式;其他诸如支持开放式服务的API、电源、隐私安全等问题。
1.2 无缝定位的关键技术1.2.1 无缝定位的框架和软硬件1)无缝定位基础设施是指各种定位传感器网络基础设施的集合,包括GNSS的地面增强和连续跟踪站构成全球一体化的网络基础设施,城市的各种无线通信与电视广播基站,室内环境下已有的各种定位传感器网络设施等。
aoa定位算法公式
AOA (Angle of Arrival) 定位算法是基于信号到达的方向信息来实现定位的一种方法。
下面是一种常用的AOA定位算法公式：
假设有N个基站（或天线），对于一个接收到的信号，设其在第i个基站处的接收信号功率为Pi，接收信号相位为θi，则有：
Pi = G / di^α，其中G为发送天线到接收天线之间的增益，di为接收点到第i个基站（或天线）的距离，α为信号衰减因子。
θi = arctan((yi - y) / (xi - x))，其中xi，yi为第i个基站（或天线）的坐标，x，y为接收点的坐标。
假设接收到的信号共有M个，那么可以得到M个方程：
Pi = G / di^α* cos(θi -φ)，其中φ为接收点与第i个基站（或天线）之间的信号相位差。
将θi用上面的公式代入，则可以得到一个关于φ的线性方程组：
[A][φ] = [B]，其中[A]为M×N的矩阵，[φ]和[B]分别为N×1和M×1的向量。
解这个线性方程组，则可以得到所有基站（或天线）与接收点之间的信号相位差，进而求出接收点的坐标。
非视距传播环境下的AOA定位跟踪算法
。
，
…
…
，
…
…
…
…
…
…
，
，
，
。
，
舶
。
。
。 ，
ｐｒ ａ ｐ ｅ ｔ ｈ ｄ
．
ｙＢ ｓ ｉｇ － ０ｎｅ（ Ｂ Ｂ ｃ ｌ ｈｎ ｅ ｍｏ吐 ａｅ 刀 Ｊ Ｂ ｕｃ Ｇ Ｓ ）ｓ ｆ ｅ ａ ｃａ ｎｌ ｄ ｂ ｓ ｄ ｏ ａ ｎ ａ 。 ｏ ａ Ａｎ ｅ ｇ ｌ。 ｂ ｅ ｅ ｔ ｎｄ ｔ ｃ ｎ ｌｏ ｉ ｍ ｎ Ｎｏ Ｌｎ － ｆ ｉ ｔ Ｎ Ｏ ）ｅｖｒ ｍ ｎ ｒ ａ ｒ ｋｉｇ ａｇ ｒｔ ａ ｈ ｉ ｉｅｏ ＿ ｇ （ Ｌ Ｓ ｎｉ ｎ ｅｔｏ ｂｌ ｓａ ’ ｎ ｓｈ ０ ｆ Ｍｏｉ ｔｉ ｅ ｔ
ａ（ Ａ ｌ ＡＯ ） ；
ｉｇａｇｒｈ ｅｒｌｎｔ。ｋ Ｌ ａ 卜 ｑ ｒ ｎ ｌ。ｊ ｍ；ｎｕａ ｅ ； ｅ ｓ ５ ｕａｅ ｔ ｗ ｒ ‘ 一ｂ …¨’ 。 … ¨ ｕ Ｋ； 卜３
０ 引言
近年来 ， 随着移动通信技 术的发展 运 营商提供的服务 也 更加多样化 ， 无线 定位技术受 到人们越 来越广泛 的关注 ［ ］ 一 在蜂 窝网络环境 中， 引起定 位误差 的 因素除 了测量 设备 引起
—
Ｇ ｓ 模 型适合 对 各种 定 位算 法进 行 分析 Ｂ Ｂ） ＧＳ Ｂ Ｂ又 分 为 适 合 于 宏 蜂 窝 环 境 的 单 次 反 射 圆 模 型
，
喜 箬萼 耄塞 羔 孝 离对动进 距门移台行 ： ； 萋 动的态位动跟 且 效 果 良好 台静定与态踪 跟。真 “’… 磊萎 佣 垲 哭 主 踪仿。 … 结 巩 移
，
ｆ ０ Ａ
古 白
主 誓 苎 慧 构
UWB定位常用的算法汇总：RSS、AOA、TOA、TDOA
无线定位方法是指分析接收到的无线电波信号的特征参数，然后根据特定算法计算被测对象的位置（二维/三维坐标：经度、纬度、高度）。
UWB定位技术常用的无线定位方法有如下几种：信号强度分析法（RSS）、到达角度定位法（AOA）、到达时间定位法（TOA）、到达时间差定位法（TDOA）。
到达角度定位（AOA）和信号强度分析法（RSS）AOA通过获取被测点到两个接收机的信号到达角度进行定位，需要配置复杂的天线系统，且角度误差对定位精度的影响远比测距误差大。
RSS则根据信号的传播模型，利用接收信号的强度与信号传播距离的关系，对目标进行定位。
这种方法的定位覆盖距离较近，且对信道传输模型的依赖性非常大，多径以及环境条件的变化都会使其精度严重恶化，特别是距离估计的精度与信号的带宽无关，不能发挥 UWB 带宽大的优势。
所以，RSS和AOA方法一般不单独用于UWB定位，只能作为辅助手段进行初级粗定位，UWB定位技术实现精确定位主要依靠精密测距完成。
到达时间定位（TOA）被测点（标签）发射信号到达 3 个以上的参考节点接收机（基站），通过测量到达不同接收机所用的时间，得到发射点与接收点之间的距离，然后以接收机为圆心，所测得的距离为半径做圆，3 个圆的交点即为被测点所在的位置。
但是TOA要求参考节点与被测点保持严格的时间同步，多数应用场合无法满足这一要求。
该方法实现过程中，需要测得UWB定位标签与每个基站的距离信息，从而定位标签需要与每个基站进行来回通信，因此定位标签功耗较高。
该定位方法的优势在于在定位区域内外（基站围成区域的内外），都能保持很高的定位精度。
到达时间差定位（TDOA）TDOA 是基于到达时间差定位，系统中需要有精确时间同步功能。
时间同步有两种：一种是通过有线做时间同步，有线时间同步可以控制在0.1ns 以内，同步精度非常高，但由于采用有线，所有设备要么采用中心网络的方式，要么采用级联的方式，但增加了网络维护的复杂度，也增加了施工的复杂度，成本升高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
非视距传播环境下的AOA定位跟踪算法摘要：基于几何结构的单次反射统计信道模型，提出了一种在非视距（NLOS）传播环境下对移动台的到达角（AOA）的定位与跟踪算法。
首先利用径向基函数(RBF)神经网络对NLOS 误差进行修正，再利用最小二乘（LS）算法进行移动台位置估计，然后配合相关检测距离门对移动台进行跟踪。
仿真结果表明，该跟踪算法能够有效地实现移动台的静态定位与动态跟踪，且效果良好。
?ス丶?词：非视距；到达角；跟踪算法；神经网络；最小二乘法?ブ型挤掷嗪牛? TP929.53文献标志码：A英文标题??AOA location and tracking algorithmin ??non??line??of??sight propagation environment?び⑽淖髡呙?MAO Yong??yi 1，ZHANG Ying2?び⑽牡刂?(1. Department of Postgraduate, Xi’an University of Posts and Telecommunications, Xi’an Shaanxi 710061, China??;??2. College of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an Shaanxi 710061, China英文摘要)??Abstract:Based on Geometrically Based Single??Bounce (GBSB) statistical channel model, a Angel of Arrival (AOA)??based location and tracking algorithm in Non??Line??Of??Sight (NLOS) environment for Mobile Station (MS) was proposed in this paper. The algorithm using Radical Basis Function (RBF) neural network was able to correct the NLOS errors, and then the positions of MS could be estimated by Least??Square (LS) algorithm. Furthermore, cooperating with correlation detection gate, the MS was tracked by the algorithm. The simulation results show that the proposed algorithm can efficiently track the MS dynamically, and has good results.英文关键词??Key words:Non??Line??Of??Sight (NLOS); Angel of Arrival (AOA);tracking algorithm; neural network; Least??Square(LS) algorithm??0 引言??近年来，随着移动通信技术的发展，运营商提供的服务也更加多样化，无线定位技术受到人们越来越广泛的关注［1-2］。
在蜂窝网络环境中，引起定位误差的因素除了测量设备引起的随机测量误差外，还有电波的非视距(Non Line??of??Sight, NLOS)传播效应、多径效应、多址干扰和远近效应。
由于这些因素的综合影响，将使得定位估计出现较大的偏差。
而在这些因素当中，NLOS是造成定位误差的主要原因，减少非视距影响的算法成为移动台定位研究的热点。
目前无线定位算法主要包括到达时间（Time Of Arrival, TOA）、到达时间差（Time Different Of Arrival, TDOA）、到达角（Angel Of Arrival, AOA）等［3-5］。
其中多是利用TOA和TDOA进行定位，而利用AOA定位的算法少有涉及。
现有的算法研究更多的是静态定位，而对于移动台动态跟踪的文献资料较少［6］。
??随着智能天线技术成熟应用于移动通信系统，对信号幅角的测量精度越来越高，使得用AOA定位方法进行定位成为可能。
为了实现动态连续定位服务和提高定位精度，本文提出了利用RBF神经网络对NLOS误差进行修正；再利用最小二乘(Least??Square, LS)算法进行位置估计，配合相关检测距离门对移动台进行跟踪；最后对该算法的性能进行了分析和仿真。
??1 单次反射统计信道模型??基于几何结构的单次反射统计信道（Geometrically Based Single??Bounced, GBSB）模型适合对各种定位算法进行分析，GBSB又分为适合于宏蜂窝环境的单次反射圆模型（Geometrically Based Single??Bounced Circle Model, GBSBCM），和适合于微蜂窝环境的单次反射椭圆模型（Geometrically Based Single??Bounced Ellipse Model, GBSBEM）。
本文主要考虑适用于宏蜂窝环境的GBSBCM。
如图1所示，散射物均匀分布在以MS为中心，??R??为半径的圆内，在实际应用中散射区半径??R?Э墒导什獾谩?MS与基站（Base Station, BS）间的距离??D大于R。
?Ц媚Ｐ屠?用了与实际相符的一个假设，即在宏蜂窝环境中，BS天线较高，BS附近反射物不产生反射信号。
??图片图1 基于几何结构的单次反射圆模型??由模型可得，最大时延扩展?Е营??┆?max???Ш妥畲蠼嵌壤┱躬Е泉??┆?max???Х直鹞?：???Е营??┆?max??=2R/c?В?1）???Е泉??┆?max??=??arcsin??(RD)=?お?arcsin??R(x－x??i)??2+(y－y??i)??2?В?2）??2 基于RBF神经网络的AOA测量值的修正??径向基函数(Radial Basis Function, RBF)神经网络具有较快的学习特性和逼近任意非线性映射的功能。
通过综合利用多个基站的AOA的测量值向量P，对NLOS误差进行修正，使AOA的测量值接近LOS环境下的测量值o，然后再利用LS 算法进行位置估计，使其在NLOS环境中有更高的定位精度。
图2给出了用于NLOS环境下7个基站提供的AOA测量值的修正的RBF神经网络模型。
RBF网络由输入层、隐层和输出层组成，?Е鬲?为输入与输出单元的加权值。
??输入向量为：????P=［AOA????1,AOA????2,AOA????3,AOA????4,AOA????5,AOA?? ??6,AOA????7］?В?3）??输出向量为：????o=［T????1,T????2,T????3,T????4,T????5,T????6,T????7］?В?4）??图片图2 用于NLOS环境下AOA测量值的修正的RBF神经网络模型??3 基于RBF神经网络的AOA定位算法??3.1 基于AOA的LS定位算法??设有??M?Ц龌?站参与定位，BS????i 坐标为??(x??i,y??i)??, MS坐标为??(x,y)??,各基站测量的AOA值?Е泉?i??相互独立，则有：???И?tan?? θ??i=y－y??ix－x??i?В? ??i=1,2,…,M?В?5）??式（5）可转化成以下形式：???И?tan??(θ??i)x－y=??tan??(θ??i)x??i－y??i?В? ??i=1,2,…,M?? （6）??当AOA测量值存在误差时，可以得到误差方程：???Е?=h-G??ax?В?7）其中：??G??a=??tan?? θ??1－1?お?tan?? θ??2－1?う螃螵お?tan?? θ??M－1??x=x??y?И???h=??tan??(θ??1)x??1－y??1?お?tan??(θ??2)x??2－y??2?う螃螵お?tan??(θ??M)x??M－y??M?И?采用LS算法估计MS位置为：????x = (G??T????a G????a ) - 1G??T????a h?В?8）??上面的AOA定位算法在存在视距传播时能达到满意效果，但是在NLOS条件下，由于AOA测量值误差较大，该算法的性能将受到较大影响。
??3.2 NLOS条件下的AOA定位跟踪算法??在NLOS传播环境下，各个基站接收的移动台信号到达时间不同，到达角各异的多径信号，在宏蜂窝环境中，由GBSBCM可知，多径导致的角度扩展不大于最大角度扩展，为由NLOS引起的角度误差设置了范围，增加了算法的精度。
本文先利用RBF网络对AOA测量数据进行修正，从而减小AOA测量值中的NLOS误差，再利用LS算法进行定位将有效地提高系统的定位精度，最后配合相关检测距离门对移动台进行跟踪。
??定位跟踪按以下步骤进行。
??1)假定测得??K?ё?NLOS环境下的AOA值，建立用于修正NLOS误差的RBF网络并进行训练。
以移动台的不含NLOS 误差的AOA为目标样本矢量对网络进行训练。
??2)用训练好的RBF神经网络对模拟的AOA测量数据进行修正。
??3)利用修正后的AOA值采用LS算法进行位置估算。
??4)通过RBF神经网络计算得到的定位结果??(x????i, y??i)为观测值Z????i （i=1,2,…,n）,经过跟踪处理后的点迹为S??i （i=1,2,…,n）。
?И?5)将序列??Z的前N个数据送入缓存计算均值作为起始点迹S????i，并计算距离门G。
?И?6)?Ы?下一个观测值Z????i+1与S????i比较，若两点间距离小于G，则转到4)；反之，则删除观测点迹Z????i+1并返回2)计算下一点迹。
?И?7)将??Z????i+1送入缓存作为计算的新点迹S????i+1。
?И?8)??S????i+1= S????i，返回2)，更新G，进行下一个点迹的运算，直到i=n。
?И?9)对漏掉的点迹采用线性插值进行拟合。
??3.3 距离门??G?У难∪―??Ь嗬朊?G的选取至关重要［7］，若G过大则误差大的值也进入结果会使得最后定位跟踪结果扰动太大；若G太小则会导致观测结果中过少的信息进入移动点迹，使得整个性能降低甚至无法实施跟踪。
为确定距离门G首先做出如下假设：认为观测序列Z中除去遗漏的和误差过大的数据外其他数据满足高斯过程。