Chan定位算法与TDOA估计精度的关系
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]。
TDOA定位技术及其误差分析

3 TDOA定位原理
TDOA是一种基于网络的定位技术,其基本原理是测
5
万方数据
Viliiiii:i;?。’∥二二?i,。/≯;一j{m一(∥∥#≯#≯?*一£7粥7t搿n∥一≯,,j一;#∥搿7一:77≯一,∥i,∥Z’{f 2{Eg麓
i批搿j”彩畿搿r∥’一烈一。,鬈=搿彰础f∥澎r一一∥杯,j囊缮∥织,c‘∥一,,f∥搿;,。二≈r磬硝娥彩彩g}‘缪删鬈≠。鹭删尊够誊∥∥_I{城II,≯,磐'缴”:ii班!i一1,1'·i一;?缮尊,:新×∥缮≠{≯够∥势《一#甥嬲,搿,
络环境中的平均NLOS误差达到500~700 m【4】,Korea
测量值调节到接近LOS的测量值m。另一种方法是降低非
Telecom在JS一95网络中的测量结果表明平均NLOS误
线性最小二乘法算法中NLOS测量值的权重,这种方法也
差达到589 m15],此外平均NLOS误差有随MS与BS之间
需首先判断哪些基站得到的是NLOS测量值【8】。还有一种
TDOA(Time Difference Of Arrival)到达时问差定位技 术是根据不同基站接收到的同~移动终端信号在传输路径 上的时延差异实现终端定位。TDOA技术定位依赖于网络 参数的测量,因而不需要对终端做硬件上的改动,与其他移 动网络定位技术相比,有定位精度高,响应时问短,实现简 单等优点,因而TDOA已成为3GPP中选用的定位技术之 一,预计在;降来的3G网络上将被广泛的采用÷
无线网络定位信息服务在我国还处于起步阶段,预计 在未来的两到三年里,无线网络的定位技术将成为位置信 息服务的主要组成部分,进一步推动位置服务的发展,由此 对人们的生活会产生深远的影响。在多数移动网络所在的 城市或恶劣城市环境中,MS和BS之间的电波通常难以实 现LOS传播。NLOS问题是目前移动网络定位提高定位精 度必须解决的关键问题。近年来国际上针对NLOS问题开 展了广泛研究,目前已提出一些鉴别和抑制或消除NLOS 误差的方法,但对于消除TDOA测量值中的NLOS误差还 没有找到一种切实可行的有效方法。在今后的研究工作中, 寻找如何鉴别在TDOA测量值中是否存在NLOS误差的 更好更实用方法,以及如何在NLOS识别后进行更好的处
基于信号到达角度的定位算法

基于信号到达角度的定位算法是一种利用无线信号的到达角度信息来确定目标位置的方法。
这种算法通常应用于无线通信系统中,如Wi-Fi、蓝牙和移动通信等。
以下是一些常见的基于信号到达角度的定位算法:1. 到达时间差(Time of Arrival, TOA):通过测量信号从发射端到接收端的传输时间,可以计算出信号的传播距离。
然后,根据发射端和接收端的已知位置,可以使用三角定位法确定目标的位置。
这种方法的精度受到时钟同步误差的影响。
2. 到达角度(Angle of Arrival, AOA):通过测量信号到达接收端的入射角,可以计算出信号的传播距离。
然后,根据发射端和接收端的已知位置,可以使用三角定位法确定目标的位置。
这种方法的精度受到角度测量误差的影响。
3. 到达时间差和到达角度联合定位(Joint Time Difference and Angle of Arrival, JTDOA):通过同时测量信号的到达时间和到达角度,可以提高定位精度。
这种方法通常需要多个基站协同工作,以实现对目标的精确定位。
4. 最小二乘法(Least Squares, LS):这是一种常用的数学优化方法,用于求解线性方程组。
在基于信号到达角度的定位问题中,可以通过最小化测量值与预测值之间的平方误差之和来求解目标的位置。
5. 最大似然估计(Maximum Likelihood Estimation, MLE):这是一种统计学方法,用于估计概率模型中的参数。
在基于信号到达角度的定位问题中,可以通过最大化观测数据与理论模型之间的似然函数来估计目标的位置。
6. 粒子滤波(Particle Filter, PF):这是一种非线性滤波方法,用于处理非线性和非高斯系统的状态估计问题。
在基于信号到达角度的定位问题中,可以使用粒子滤波器来实时估计目标的位置和状态。
TDOA定位的Chan算法MATLAB源代码

TDOA定位的Chan算法MATLAB源代码func on [POS_ref,POS1,POS2,POS3,POS4] = TDOA_chan(R,Pbs,Q)%% TDOA定位定位Chan算法%*********************************************************% CHAN算法,假设移动台与各基站位置较近,需进行三四WLS计算% 输入参数:% R(N-1×1): TDOA测量值% Pbs(N×2): 基站的坐标,第一列为X,第二列为Y;参考基站坐标位于第一行% 输出参数:% POS_ref(2X1):第一次WLS的估计结果,作为参考作最终定位结果的判决% POS1(2X1) :定位结果1% POS2(2X1) :定位结果2% POS3(2X1) :定位结果3% POS4(2X1) :定位结果4%这段程序用于自己产生算法输入参数,用于算法测试% delta = 10; %TDOA测量误差的标准差,用于产生Q矩阵% M=4; %参考基站外的基站数量% Xb = 20;Yb = 100; %参考的基站坐标% X = zeros(M,2);% a = 2*pi/M;% for i=1:M %生成其他基站的坐标% X(i,1) = 400*cos(a*(i-1));% X(i,2) = 400*sin(a*(i-1));% end% Xreal = -150;Yreal = 200;%移动台真实坐标% %产生TDOA测量结果% Rb = sqrt((Xreal - Xb)^2+(Yreal - Yb)^2);%移动台到基站的真实距离% N = normrnd(0,delta,1,M);%产生TDOA测量误差% Kb = Xb^2+Yb^2;% R = zeros(M,1);% for i=1:M %产生TDOA测量值% R(i) = -Rb+sqrt((Xreal - X(i,1))^2+(Yreal - X(i,2))^2)+N(i);% end% Q = (0.5*eye(M)+0.5*ones(M))*(delta^2);% Pbs = [Xb Yb;X];% N = 5;% [POS_ref POS1 POS2 POS3 POS4] = TDOA_chan(R,Pbs,Q)N = size(Pbs,1);K = zeros(1,N);K = Pbs(:,1).^2 + Pbs(:,2).^2;ha = 0.5*(R.^2-K(2:N)+K(1))Ga = -[Pbs(2:N,1)-Pbs(1,1) Pbs(2:N,2)-Pbs(1,2) R]%计算第一次WLS估计结果(远距算法)Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha;Ba = diag(Va);Fa = Ba*Q*Ba;Zacov = inv(Ga.'*inv(Fa)*Ga);%第一次WLS计算(近距算法)Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2);Ba2 = diag(Va2);Fa2 = Ba2*Q*Ba2;Zacov2 = inv(Ga.'*inv(Fa2)*Ga);%第二次WLS计算(近距算法)Gb = [1 0;0 1;1 1];Bb2 = [Za2(1)-Pbs(1,1) 0 0;0 Za2(2)-Pbs(1,2) 0;0 0 sqrt((Za2(1)-Pbs(1,1))^2+ (Za2(2)-Pbs(1,2))^2)];Fb2 = 4*Bb2*Zacov2*Bb2;POS_ref = Za2(1:2,1); %第一次WLS的估计结果,作为参考作最终定位结果的判决POS1 = sqrt(Zb2)+Pbs(1,:).'; %定位结果1POS2 = -sqrt(Zb2)+Pbs(1,:).';%定位结果2POS3 = [-sqrt(Zb2(1));sqrt(Zb2(2))]+Pbs(1,:).';%定位结果3POS4 = [sqrt(Zb2(1));-sqrt(Zb2(2))]+Pbs(1,:).';%定位结果4源代码运行结果展示037附图1.emf。
chan算法-代码(数学建模)

function [POS_ref,POS1,POS2,POS3,POS4] = TDOA_chan(R,Pbs,Q)%% TDOA定位定位Chan算法%*********************************************************% CHAN算法,假设移动台与各基站位置较近,需进行三四WLS计算% 输入参数:% R(N-1×1): TDOA测量值% Pbs(N×2): 基站的坐标,第一列为X,第二列为Y;参考基站坐标位于第一行% 输出参数:% POS_ref(2X1):第一次WLS的估计结果,作为参考作最终定位结果的判决% POS1(2X1) :定位结果1% POS2(2X1) :定位结果2% POS3(2X1) :定位结果3% POS4(2X1) :定位结果4 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%这段程序用于自己产生算法输入参数,用于算法测试% delta = 10; %TDOA测量误差的标准差,用于产生Q矩阵% M=4; %参考基站外的基站数量% Xb = 20;Yb = 100; %参考的基站坐标% X = zeros(M,2);% a = 2*pi/M;% for i=1:M %生成其他基站的坐标% X(i,1) = 400*cos(a*(i-1));% X(i,2) = 400*sin(a*(i-1));% end% Xreal = -150;Yreal = 200;%移动台真实坐标% %产生TDOA测量结果% Rb = sqrt((Xreal - Xb)^2+(Yreal - Yb)^2);%移动台到基站的真实距离% N = normrnd(0,delta,1,M);%产生TDOA测量误差% Kb = Xb^2+Yb^2;% R = zeros(M,1);% for i=1:M %产生TDOA测量值% R(i) = -Rb+sqrt((Xreal - X(i,1))^2+(Yreal - X(i,2))^2)+N(i);% end% Q = (0.5*eye(M)+0.5*ones(M))*(delta^2);% Pbs = [XbYb;X];% N = 5;% [POS_ref POS1 POS2 POS3 POS4] = TDOA_chan(R,Pbs,Q) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%N = size(Pbs,1);K = zeros(1,N);K = Pbs(:,1).^2 + Pbs(:,2).^2;ha = 0.5*(R.^2-K(2:N)+K(1))Ga = -[Pbs(2:N,1)-Pbs(1,1) Pbs(2:N,2)-Pbs(1,2) R]%计算第一次WLS估计结果(远距算法)Za = inv(Ga.'*inv(Q)*Ga)*Ga.'*inv(Q)*ha;Ba = diag(Va);Fa = Ba*Q*Ba;Zacov = inv(Ga.'*inv(Fa)*Ga);%第一次WLS计算(近距算法)Va2 = sqrt((Za2(1)-Pbs(2:N,1)).^2+(Za2(2)-Pbs(2:N,2)).^2);Ba2 = diag(Va2);Fa2 = Ba2*Q*Ba2;Zacov2 = inv(Ga.'*inv(Fa2)*Ga);%第二次WLS计算(近距算法)Gb = [1 0;0 1;1 1];Bb2 = [Za2(1)-Pbs(1,1) 0 0;0 Za2(2)-Pbs(1,2) 0;0 0 sqrt((Za2(1)-Pbs(1,1))^2+(Za2(2)-Pbs(1,2))^2)]; Fb2 = 4*Bb2*Zacov2*Bb2;POS_ref = Za2(1:2,1); %第一次WLS的估计结果,作为参考作最终定位结果的判决POS1 = sqrt(Zb2)+Pbs(1,:).'; %定位结果1POS2 = -sqrt(Zb2)+Pbs(1,:).';%定位结果2POS3 = [-sqrt(Zb2(1));sqrt(Zb2(2))]+Pbs(1,:).';%定位结果3POS4 = [sqrt(Zb2(1));-sqrt(Zb2(2))]+Pbs(1,:).';%定位结果4。
两种TDOA定位算法在水声被动定位下的精度分析

£ u K i o ̄ n s i n a # r i n g
嘲 髓擞 感
响 ⑧ 蛳 囿 @ @ ⑨凹s 锄@ 匡闶 6 闶@法在 水 声被 动 定 位 下 的精 度 分析
焦 小 涛 , 李建 昌 , 门丽 娟
基站 的位 置为 ( , Y ) , i = 0 , 1 , …, ; i = 0表 示 主站 , i =1 , 2 , …, n分别 表示 个 副站 。设 被测 目标 的位置
为 x , Y ) , r i 表示 目标 与第 i 个 副站之 间 的距 离 , △ r 表 示 目标 到第 i 个 站与到 主站之 间的距 离差 ] , 用 方程
表示 为 r r 2 0 =( — o ) +( Y— Y o )
{ r = ( 一 ) + ( Y — Y i )
【 A r =r 一 r 0 =c d i
( 1 )
J I A O X i a o t a o , L I J i a n c h a n g , ME N L i j u a n
( 1 .C o l l e g e o f E l e c t r o n i c a n d I n f o r ma t i o n E n g i n e e r i n g ,Xi ’ a n T e c h n o l o g i c a l Un i v e r s i t y,Xi ’ a n 7 1 0 0 2 1, C h i n a;
声源定位的算法原理

声源定位的算法原理声源定位算法是通过分析和处理音频信号,确定声源的位置或方向。
常见的声源定位算法包括交叉相关法、泛音法、多麦克风阵列法等。
下面将详细介绍这些算法的原理。
1.交叉相关法:交叉相关法是一种经典的声源定位算法。
它基于两个麦克风之间的时间差(Time Difference of Arrival,简称TDOA)来确定声源的位置。
首先,通过两个麦克风接收到的声音信号计算出它们的自相关函数。
然后,两个自相关函数进行互相关运算,得到互相关函数。
根据互相关函数的峰值位置,可以通过时间差来确定声源的方向。
具体步骤如下:-麦克风接收到的声音信号进行滤波和采样。
-计算出两个麦克风的自相关函数。
-对两个自相关函数进行互相关运算,得到互相关函数。
-找到互相关函数的峰值位置,根据时间差计算声源的方向。
2.泛音法:泛音法是一种利用声音的频率特征来确定声源方向的算法。
声音在传播过程中会发生多次反射,形成泛音。
这些泛音在不同位置的麦克风上的相对振幅会发生变化。
通过分析不同麦克风上的频率响应,可以确定声源的位置。
具体步骤如下:-通过多个麦克风接收到的声音信号计算频谱。
-分析不同麦克风上的频谱,在频域上找到波峰位置。
3.多麦克风阵列法:多麦克风阵列法是一种基于信号处理技术的声源定位算法。
它利用多个麦克风接收到的声音信号之间的差异来确定声源的方位。
通过利用阵列中的多个麦克风之间的时延差、振幅差和相位差等信息,可以实现高精度的声源定位。
-设置一个具有多个麦克风的阵列。
-同时接收到来自不同麦克风的声音信号,并利用信号处理技术进行预处理。
-通过计算麦克风之间的时延差、振幅差和相位差等信息,确定声源的位置。
声源定位算法在很多领域都有广泛的应用,如语音识别、视频会议、智能家居等。
通过对声音信号的分析和处理,可以准确地确定声源的位置和方位,为人们提供更多便利和服务。
基于最大似然准则的CHAN改进算法

基于最大似然准则的CHAN改进算法汪子嘉;于宏毅;胡!鹏【摘要】Chan algorithm is a classical and effective solving algorithm for TDOA (time difference of arrival)localisation with closed-formsolution,however,in practical application there exists some difficulties and deficiencies.In this paper we first illustrate the solutions set ofChan algorithm in 2-D plane,and propose a maximum likelihood criterion-based location ambiguity removal method to obtain the onlyfinalsolution.Secondly,aiming at the phenomenon that the location accuracy of Chan algorithm decreases obviously at large TDOA measuringerror,we propose a method to modify the position estimation obtained by Chan algorithm,which is based on approximate maximum likelihood,to improve its location performance.At last,the results of simulations show that the improvement measures proposed on Chan algorithm arefeasible and effective.%Chan算法是一种经典的具有闭式解的高效时差定位解算算法,但在实际应用中却存在一些困难和不足。
- 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)。
(12)
其中:
∑{ } σmax
= ΔD ⋅
λ
/
2
⋅
⎧ ⎨(M
c⎩
M
−1) −
m=2
cos ⎡⎣ϕ1,0
−ϕm,0 ⎤⎦
⎫−1/ 2 ⎬
。(13)
⎭
2 物理意义和算法流程
式(12)具有的物理含义非常重要。通过分析,本文得到 以下几个结论:
结论 1 在给定定位估计误差ΔD 下,TDOA 允许的最大估计 误差和定位系统的拓扑结构存在关联。在式(13)中,本文采 用了余弦的形式表达了系统的拓扑结构,使其更加直观和清晰。 显然,拓扑结构是由定位系统各基站的布站结构和目标移动台 的位置来共同决定的。它们共同影响着 TDOA 允许的最大误 差值。
【摘 要】在基于 TDOA(到达时间差)的定位算法中,Chan 方法由于其独特的优势得到广泛应用,但如何估计 Chan 定
位算法所需的时延估计精度暂时没有明确的函数表达式。针对 Chan 定位算法,推导了该算法定位估计误差与定位参数(TDOA)
估计精度之间的函数关系。给出了推导的具体步骤和函数关系的表达式,分析了该表达式所具有的物理意义。在移动台无线
结论 2 当所有的基站与目标手机呈直线排列时,σmax 趋向 于无穷大。这个结论实际上说明,在此种情况下,无论 TDOA 估计的精度有多高,最后的定位误差都会为无穷大。
结论 3 在给定定位估计误差ΔD 下,TDOA 估计精度的要 求与基站数有关。由式(13)可以看出,当基站数目不同时, 即使在相同的ΔD 下,σmax 会可能不同。具体的关系可以从数值 仿真中看出。
阵的逆。式(3)中,[.](M-1)×2 中的下标表示矩阵的二维维数。 式(2)的结果同时也表示以第一个基站作为系统的参考
基站。
假设 M-1 个 TDOA 的估计值都具有相同的方差值大小,
且各 TDOA 估计值之间是相互独立的,则有: Q = σ 2 I(M −1)×(M −1) ,
(4)
其中,I(M-1)× (M-1)为(M-1)× (M-1)维的单位矩阵;σ2 为 TDOA 估计精度的方差。
【Abstract】Chan method, for its unique advantages, is widely applied in TDOA (Time Difference of Arrival) positioning algorithm. However, there is now no explicit function expression on how to estimate the time-delay estimation accuracy required by Chan location algorithm. In this paper, the relation function between estimation errors of Chan location algorithm and the estimation accuracy of location parameter (TDOA) is deduced. The detailed deduction and the expression of the relation function are given and the physical meanings of the relation function also analyzed. In the design of MS (Mobile Station) radio location system, the least time delay estimation accuracy could be directly computed by this relation function according to the location accuracy required by the location system.
【Key words】radio location; location accuracy; TDOA; time delay estimation
0 引言
1996 年,美国 FCC 明确要求各移动通信运营商为移动 用户提供 E-911 服务[1],因此多个基站利用移动台无线信号 到达时刻 TOA(Time-of-Arrival)[2]和到达时间差 TDOA (Time-Difference-of-Arrival) 进 行 定 位 的 方 式 在 近 年 来 受到了广泛关注[3-4]。
rm,0 = (xm − x0 )2 + ( ym − y0 )2 ,
(1)
由文献[6],估计误差的协方差矩阵为: φ = c2 (Gt,0TQ−1Gt,0 )−1 ,
(2)
其中,c = 3*108(m/s),且
⎡(x1 − x0 ) / r1,0 − (x2 − x0 ) / r2,0 ⎤
⎢ ⎢( y1
−
y0
)
/
r1,0
−
( y2
−
y0
)
/
r2,0
⎥ ⎥
Gt , 0
=
⎢ ⎢
#
#
⎥ ⎥
,
⎢( ⎢
x1
−
x0 ) /
r1,0
− (xM
−
x0 )
/
rM ,0
⎥ ⎥
⎢⎣( y1 − y0 ) / r1,0 − ( yM − y0 ) / rM ,0 ⎥⎦(M −1)×2
(3)
式(2)中,矩阵 Q 表示 TDOA 估计误差的协方差矩阵,其 维数为(M-1)× (M-1);[.]T 表示取矩阵的转置;[.]-1 表示求矩
在众多基于 TDOA 的定位算法[5]中,Chan 算法[6]得到了 广泛的应用。这主要是因为该算法具备三大优势:①算法不 需要初值;②仅进行两次迭代就可求得最终结果;③算法的
收稿日期:2009-01-04。 作者简介:丁宏毅(1974-),男,工程师,主要从事卫星导航定位的研
究工作;柳其许(1966-),男,高级工程师,主要从事 GPS 伪码测量、卫星频率、卫星导航定位的研究工作;王 巍 (1976-),男,工程师,主要从事移动通信的研究工作。
将式(3)和式(4)代入式(2)中,可得:
∑ ⎡
⎢ ⎢ ⎢
M m=
2
⎡ ⎢ ⎢⎣
(
x1
−x r1,0
0
)
−
( xm
−
x0
)
⎤2 ⎥
rm,0 ⎥⎦
⎤ −1 ⎥ ⎥ ⎥
φ
=
c2σ
2
⎢ E (( xˆ ⎢⎢E(( yˆ
− −
x0 )( yˆ − y0 )(xˆ −
y0 x0
)) ))
⎥ ⎥
,
⎥
∑ ⎢
⎢M ⎢ ⎣m=2
=
c2σ λ
2
⋅
∑M
⎪⎧⎡ ⎨⎢
(x1
−
x0
)
−
( xm
−
x0
)
⎤2 ⎥
+
⎡ ⎢
(
y1
−
y0
)
−
(
ym
−
y0
)
⎤2 ⎥
⎪⎫ ⎬
,(8)
m=2 ⎪⎩⎢⎣ r1,0
rm,0 ⎥⎦ ⎢⎣ r1,0
rm,0 ⎥⎦ ⎪⎭
其中,ΔD 表示 Chan 算法定位估计的误差且大于等于 0。令:
tan(ϕk )
=
yk xk
定位系统的设计过程中,根据所需的定位精度,通过该表达式可以直接计算出系统所必须的最小时延估计精度。
【关键词】无线定位;定位精度;信号到达时间差;时延估计
【中图分类号】TN929.53
【文献标识码】A
【文章编号】1002-0802(2010)03-0134-03
Relation Between Chan Location Algorithm and TDOA Estimation Accuracy
DING Hong-yi①, LIU Qi-xu①, WANG Wei②
(①China National Technical Service Corporation for Surveying and Mapping, Beijing 100088, China; ②Southwest Inst Of Electron & Telecom Techn, Chengdu Sichuan 610041, China))⎤ ⎥,(6)m=2 ⎢⎣ r1,0
rm,0 ⎥⎦ ⎢⎣ r1,0
rm,0 ⎥⎦
现需对式(5)所表示的 2×2 阶矩阵求逆。
假设λ为式(5)中[.]的行列式的值,则有:
∑ ⎡
⎢
M
⎡ ⎢
(
y1
−
y0
)
−
(
ym
−
y0
)
φ
=
c2σ
2
1
⎢m=2 ⎢
⎢⎣
r1,0
rm,0
−E((xˆ
−
x0
)(
yˆ
−
y0
⎤2 ))⎥
基于式(12),当给定定位估计误差ΔD 时,可以求出 TDOA 允许的最大估计误差,算法的具体流程如下:
① 确定定位系统的基站坐标和目标手机的坐标; ② 计算式(5)中[.]的行列式值,得到λ; ③ 由式(13),求出 TDOA 允许的最大估计误差。
3 仿真和分析
考虑几种具有对称结构的定位网络,坐标的单位都为 米。A 类(三角形)基站的坐标分别为:(200,200)、(-200,200) 和(0,-282.8),此时 M=3;B 类(四边形)基站的坐标分别为: (200,200)、(-200,200)、(-200,-200)和(200,-200),此时 M = 4; C 类(六边形)基站的坐标分别为:(200,200)、(-200,200)、 (-200,-200)、(200,-200)、(-282.8,0)和(282.8,0),此时 M=6。