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。
无线监测定位：TDOA_AOA混合定位算法应用
无线监测定位：TDOA_AOA混合定位算法应用作者：暂无来源：《上海信息化》 2015年第11期在无线电干扰查处定位过程中，基于TDOA_AOA的混合定位法，是目前无线电监测网络锁定未知信号源的最合适定位算法。
然而，要实现较高的定位精度，仍需对TDOA软件的兼容性、算法复杂度进行相应改进。
文／朱冉随着无线电频谱使用密度逐步提高，无线电干扰查处任务不断增加。
当前，无线电监测网络已基本形成，但由于建设成本等因素制约，监测站数量有限。
当不明信号源出现时，无线电管理部门只能根据各监测站接收的电平大小大致确定不明信号源的区域，然后利用监测车大范围实地查找，最终确定其位置。
利用现有的无线电监测网络实现对不明信号源的定位，可以提高现有监测网络的利用率，并提高无线电管理部门的工作效率。
基于TDOA_AOA的混合定位算法通过利用多种不同类型的信号特征测量值进行定位估计，最少只需要一个测向站与一个不带测向功能的普通监测站就能完成目标信号源的定位，降低定位系统设备成本，并能保证一定的定位精度。
无线定位技术无线电定位即通过不同接收站对信号参数的估计来获得信号发射源的位置。
根据定位时采用的信号特征参数不同，有以下几类基本定位技术：基于信号到达时间（TOA，Time of Arrival）定位法。
这类方法需要发信机配合携带相关信息，较多用于移动通信网络中。
基于信号到时间定位法是发射机在发射内容中包含发射时间戳信息，接收机在接收信号时与发射时间戳对比，进而得卅信号传输时间获得距离信息。
基于信号到达时间差（TDOA，Time Difference of Arrival）定位法。
该方法是通过测出信号从发射机传输到两个监测站的到达时间差TDOA来确定目标发信机的位置。
根据多个TDOA 数据对应的多条双曲线的交点来估计目标发信机的位置。
由于通过两个监测站的TDOA计算，只能得到一条目标信号源可能位置的双曲线，要准确定位目标信号源位置，至少需要3个监测站组成定位系统同时工作。
aoa算法原理
aoa算法原理AOA算法原理AOA算法（Angle of Arrival）是一种用于定位和导航的无线通信技术。
它通过测量信号到达接收器的角度来确定发射源的位置，从而实现定位和导航的目的。
该算法在许多领域中都有广泛的应用，包括无线通信、雷达、航空航天等。
AOA算法的原理基于信号到达接收器的角度与发射源之间的空间关系。
当发射源发出信号时，信号会在空间中传播，到达接收器。
接收器会测量信号到达的角度，然后根据角度信息计算发射源的位置。
为了实现AOA算法，通常需要使用多个接收器来测量信号到达的角度。
这些接收器可以通过天线阵列或分布在不同位置的单个天线来实现。
接收器之间的距离和位置关系对于定位的精度和准确性起着重要的作用。
在进行AOA定位时，首先需要进行信号采样和预处理。
接收器会对接收到的信号进行采样，并对信号进行预处理，以提取有用的信息。
预处理过程通常包括滤波、放大、去噪等操作，以确保信号的质量和准确性。
接下来，需要对信号进行角度测量。
这可以通过计算信号到达不同接收器的时间差来实现。
根据接收器之间的距离和信号传播速度，可以计算出信号到达不同接收器的时间差，从而得到信号到达的角度。
根据测得的角度信息，可以计算出发射源的位置。
这通常需要进行三角定位或其他数学运算。
根据不同的定位算法和模型，可以得到不同的定位结果。
AOA算法具有许多优点。
首先，它可以实现高精度的定位和导航。
由于测量的是信号到达的角度，而不是距离或时间，因此可以提供更准确的定位信息。
其次，AOA算法不受信号强度的影响。
由于信号强度容易受到干扰和衰减的影响，因此在某些场景下，信号强度定位可能不够准确。
而AOA算法可以通过测量角度来避免这个问题。
此外，AOA算法还可以实现多目标定位，即同时定位多个发射源。
然而，AOA算法也存在一些挑战和限制。
首先，它对接收器的布局和位置要求较高。
接收器之间的距离和位置关系对于定位精度和准确性起着重要的作用。
如果接收器之间的距离太近或太远，或者位置关系不正确，可能会导致定位结果不准确。
非视距传播环境下的AOA定位跟踪算法
非视距传播环境下的AOA定位跟踪算法作者：毛永毅,张颖来源：《计算机应用》2011年第02期摘要：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。
关键词：非视距；到达角；跟踪算法；神经网络；最小二乘法中图分类号： TP929.53文献标志码：A英文标题英文作者名，ZHANG Ying2英文地址(1. Department of Postgraduate, Xi’an University of Posts and Telecommunications, Xi’an2. College of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an Shaanxi 710061, Ch ina英文摘要Abstract: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 MSdetection 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(AOA); tracking algorithm; neural network;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］。
TDOA／AOA数据融合定位算法
于存在 系统 的测 量误差和 由 Ｎ Ｏ Ｌ Ｓ引起的附加时延 误差 ， Ｊ可 ｒ 表示为 ：
ｒ 丁 Ｊ－ ＋ ｉ ， … ， 丁 ＝１ ２， （ ） １
其 中 Ｊ 为 Ｌ Ｓ环境下 的 Ｔ Ａ的值 ，． ｒ Ｏ Ｏ ｎ为系统测量误差 ， 服从 ０
同步 ， 因而受到广泛的关注。 在第三代移动通信 系统 中 ， 智能天
ｉ ｄ ｔ ｒ ｉ ｅ ｂ ｄ ｔ ｆ ｓｏ ｌｃ ｔｏ ａｇ ｒｔ ｍ ． ｓｍ ｕａ ｉｎ ｒ ｓ ｔ ｉ ｄｉａ ｅ ｔ ｔ ｈ ｌ ｃ ｔｏ ａｃ ｕｒ ｃ ｉ ｓｇ ｆｃａ ｔｙ ｉ — Ｓ ｅ ｅｍ ｎ ｙ ａａ ｕ ｉｎ ｏ ａ ｉｎ ｌ ｏ ｈ Ｔｈｅ ｉ ｌｔｏ ｅ ｕｌｓ ｎ ｃ ｔ ｈａ ｔ ｅ ｏ ａｉ ｎ ｉ ｃ ａ ｙ Ｓ ｉ ｎｉ ｕｅ ｎ ｅｒ ｇ ａｄＡ ｐｉａ ｏｓ ｏ ｐ ｔ Ｅ ｇｎｅｉ ｎ ｐ ｌ ｔ ｎ 计算机工程与应用 ｒ ｎ ｃｉ
Ｔ ＯＡ Ａ Ｄ ／ ＯＡ数据 融合定位算法
毛永毅
Ｍ ＡＯ Ｙｏ — ｉ ｎｇ— ｙ
西安 邮电学院 电信系 ， 西安 ７ ０ ６ １０ １
ｉ ｒ ｐ ｓ ｄ Ｔ ｅ ｐ ｓｔ ｎ ｆ ＭＳ ｓ ｃ ｌ ｕａ ｅ ｂ Ｔ ｓ ｏ ｏ ｅ ． ｈ ｏ ｉ ｏ ｏ ｉ ａ ｃ ｌｔ ｄ ｙ ＤＯＡ ｏ ａ ｉ ｎ ｌｏ ｉ ｍ ｎ ｐ ｉ ｌ ｃ ｔ ａｇ ｒｔ ｏ ｈ ａ ｄ ＡＯＡ ｏ ａｉ ｎ ｌ ｏ ｔ ｍ ，ｈ ｎ ｈ ｐ ｓｔ ｎ ｆ ＭＳ ｌ ｃ ｔ ａ ｇ ｒ ｈ ｔ ｅ ｔ ｅ ｏ ｉ ｏ ｏ ｏ ｉ ｉ
Ｄｅ ． ｏ Ｅｌｃ ｒ ｎ ｃ ｎｄ ｎｏ ｍ ａｉ Ｘｉ ａ Ｕｎｉｅ ｓｔ ｏ Ｐ ｔ ｎ Ｔｅｅｃ ｍ ｍｕｎ ｃ ｔ ｓ， ’ ｎ ０ Ｃｈ ｎ ｐｔ ｆ ｅ ｔｏ ｉ ａ Ｉ ｆｒ ｔｏｎ， ’ ｎ ｖ ｒｉｙ ｆ ｏｓ ａ ｄ ｌ ｏ ｉ ａｉ ｏｎ Ｘｉ ａ ７１ ０６１， ｉ ａ
基于WCDMA网络的非视距下TDOA／AOA混合定位算法研究
１ ＷＣＤ 网络 中的定位方法 ＭＡ
显得尤 为重要。 实际环 境中以上的Ｔ ｏ 测量值将 受到附加延 在 ＤＡ
在Ｗ Ｄ Ａ Ｃ Ｍ 网络 中， 定位信 息的不确定性 一方面 取决于 网络 时所带来的误差， 导致最后估算的值误差较大 。 因此考虑到
通过检 测信号到达两个基 站的时间差 （Ｄ Ａ Ｔ ｏ ）与 运营 商选择 的网络 设计方 案， 另一方面还取决于采用 的定位方 非视距情况 ， 法，Ｓ Ｍ 在覆 盖区内的位 置及Ｍ 处于空闲还 是激 活状态。 于第 到达角 （Ｏ ） 并引入校 正因子， Ｓ 基 ＡＡ ， 来消除非视距 的影响 ， 从而提 三代移动 通信网络的服务宗 旨、 Ｃ Ｍ 技 术 的特点及 发展 的需 高定位准确性和精度。 ＷＤ Ａ 要， 要求在 提供 多种具有不 同精度 的定位方 法 ， 以便 根据用户 设 定 基 站 ｉ 服 务 基 站 １ 移 动 设 备 的 测 量 距 离 差 为 和 与 需求 、 与移动 台位 置有关网络服务的性质 进行合理 选择 。目前 Ｌ ， ， 基站 ｉ 服务基站 １ 和 与移动 设备 的实际距离差为Ｒ ， ： ，则 在３ Ｐ 中， Ｃ Ｍ 网络选择了以下几种标准定位方法 ： Ｇ Ｐ 为Ｗ Ｄ Ａ Ｌ ，Ｃ ， 中， 为无线电传播速度 ， ； 为Ｔ Ｏ ￣测量值。 ；＝ ｒ；其 Ｃ ｒ ， ＤＡ
ｃ ｍ ｕ ｉａ ｉｎ ｅ ｈ ｏｏ ｙ Ｄ ｅ ｏ ｈ ｉ ｆｕ ｎ ｅ ｆ Ｎ ｎ — ｉ ｅ Ｏ － ｉ ｈ （Ｌ Ｓ， ｔ ｅ ｅ ｆ ｒ ａ ｃ ｏ ｗ ｒ ｌｓ ｏ ｍ ｎ ｖ ｔｏ ｔ ｃ ｎ ｌｇ ． ｕ ｔ ｔ ｅ ｎ ｌｅ ｃ ｏ ｏ ｅ Ｌ ｎ — ｆ Ｓｇ ｔ Ｎ Ｏ ） ｈ ｐ ｒｏ ｍ ｎ ｅ ｆ ｉ ｅｅ ｓ
基于空间角度传递的多跳AOA三维定位算法研究与在地形建模上的应用
基于空间角度传递的多跳AOA三维定位算法研究与在地形建模上的应用夏明;毛科技;何文秀;赵小敏;方硕瑾;陈庆章【摘要】Wireless sensor node's localization is a fundamental technology in Wireless Sensor Networks. Using the idea proposed by representative algorithm-APS multi-hop AOA ( Angle of Arrival) , a new algorithm named MSAT3D AOA Multi-hop Three Dimensional AOA with Space-based Angle Transmission was proposed. By this algorithm , target nodes can use information of anchor nodes which are more than one hop away. The MSAT3D AOA algorithm was also combined with Delaunay triangulation algorithm for terrain modeling. The results of simulation have shown that as the ratio of beacon nodes and their communication radius changes, MSAT3D AOA's localization error rate range from 7% to 27% , that is nearly 30% lower comparing with DV-Hop. At the same time,the proposed algorithm has a good terrain modeling accuracy,range from 59% to98% ,and a good terrain modeling accuracy.%节点定位是无线传感器网络的关键支撑技术之一,目前三维定位算法的研究较少.本文在针对地形建模的应用场景上,将APS多跳AOA定位算法的思想移植到三维定位中,提出了基于空间角度传递的多跳AOA 三维定位算法MSAT3DAOA(Multi-Hop Three Dimentional AOA with Space-Based Angle Transmission),使得能够利用一跳通信范围外的信标节点信息进行定位,并且与Delaunay三角剖分算法结合起来,应用在部署环境的地形建模.仿真实验数据显示,随着信标节点的比例、通信半径的变化,MSAT3D AOA定位误差率在7％到27％不等,相比DV-Hop降低了将近30％,保证了59％到98％的定位覆盖率,而且在保证定位覆盖率的同时具有较好的地形建模定位精度.【期刊名称】《传感技术学报》【年(卷),期】2012(025)005【总页数】8页(P651-658)【关键词】三维定位;无线传感器网络;角度传递;AOA;地形建模【作者】夏明;毛科技;何文秀;赵小敏;方硕瑾;陈庆章【作者单位】浙江工业大学计算机科学与技术学院,杭州 310023;浙江工业大学计算机科学与技术学院,杭州 310023;浙江工业大学计算机科学与技术学院,杭州310023;浙江工业大学计算机科学与技术学院,杭州 310023;浙江工业大学计算机科学与技术学院,杭州 310023;浙江工业大学计算机科学与技术学院,杭州 310023【正文语种】中文【中图分类】TP313.17无线传感器网络(Wireless Sensor Network，WSN)技术是随着经济和社会发展而诞生的产物，是本世纪最具有影响力和改变人类未来生活方式的高技术领域四大支柱产业之一［1］。
基于RBF神经网络的TDOA／AOA定位算法
４． ｃ ｏ ｆ ｅ ｔｏ ｉｓａ ｄＩ ｆ ｒ ａｉｎＥｎ ｉｅ ｒ ， ’ｎＪａ ｏｎ ｉｅ ｓｔ， ’ｎ７ ０ ４ Ｓ ｈ ｏｌ ｃｒ ｎｃ ｎ ｏ ｏ Ｅｌ ｎ ｍ ｔｏ ｇｎ ｅ ｎｇ Ｘｉａ ｉｏｔ ｇ Ｕｎ ｖ ｒｉ Ｘｉａ １ ０ ９） ｉ ｙ
［ ｓｒ ｃ］Ｉ ｒｅ ｏｍｉｇ ｔ ｔｅｅ ｅｔｏ ＯＳ ｐｏ ａａ ｏ ，ａＴ Ａｂ ｔａｔ ｎ ｏｄ ｒｔ ｔ ａ ｆ ｃ ｆＮＬ ｒｐｇ ｔ ｎ ＤＯＡＡＯＡ ｃｌ ａ ｏ ｌｏｉ ｍ ｂ ｓｄ ｏ ｈ Ｆ ｎｕａ ｎｔ ｒ ｓ ｉ ｅｈ ｆ ｉ ／ ｌ ａｉ ｔ ｎａｇ ｒｈ ａｅ ｎｔｅＲＢ ｅｒｌ ｅ ｋｉ ｏ ｚｉ ｔ ｗｏ
基于小波变换的AOA定位算法
基于小波变换的AOA定位算法杨阳;毛永毅;郑敏【摘要】提出了一种在非视距（ NLOS ）环境下对移动台的定位算法。
首先利用小波分析对 AOA的测量值中的 NLOS 进行修正，再利用最小二乘（ LS ）算法确定移动台的位置。
仿真结果表明，该算法能够有效地降低非视距环境误差的影响，性能优于基于 AOA 的LS 算法以及神经网络算法。
%This paper presents a location algorithm with non-line-of-sight (NLOS)errors for MS (mobile station). The wavelet analysis is used to modify the NLOS measurements of AOA, and then using the least-square (LS) algorithm to estimate the location of the mobile station. The simulation results show that, the algorithm could efficiently reduce the influence of NLOS error, and the performance is better than LS algorithm and neural network algorithm based on AOA.【期刊名称】《微型机与应用》【年(卷),期】2014(000)003【总页数】4页(P47-49,54)【关键词】非视距传播;小波分析;最小二乘法;AOA【作者】杨阳;毛永毅;郑敏【作者单位】西安邮电大学电子工程学院，陕西西安 710061;西安邮电大学电子工程学院，陕西西安 710061;西安邮电大学电子工程学院，陕西西安 710061【正文语种】中文【中图分类】TN929.53随着现在移动通信技术的高速发展，很多运营商提供的通信服务也越来越多元化，尤其是无线定位技术在诸多领域里都有了非常普遍的应用，如今，移动台的主要定位原理方法有：到达时间（TOA）定位、到达时间差（TDOA）定位、到达角（AOA）定位以及到达角与到达时间混合定位[1]等。
运用海伦公式的最优化非视距抑制定位算法
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｎｏｎ—ｌｉｎｅ－ｏｆ－ｓｉｇｈｔ（ＮＬＯＳ）ｅｒｒｏｒ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｒｅｄｕｃｅｓ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｒｉｌａｔｅｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｎ ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋｓ．Ｔｈｅｒｅｆｏｒｅ，ｂｙ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ ｉｎｃｌｕｄｉｎｇ ｂｏｔｈ ｔｈｅ ｓｔａｔｉｃ ｎｏｄｅｓ（ＳＮ）ａｎｄ ｔｈｅ ｍｏｂｉｌｅ ｎｏｄｅｓ（ＭＮ），ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｌｏｃａｌｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ａｉｍｉｎｇ ａｔ ｔｈｅ ａｒｅａ ｒｅｓｉｄｕａｌ ｍｉｎｉｍｉｚａｔｉｏｎ，ｗｈｅｒｅ ｔｈｅ ＮＬＯＳ ｃｏｒｒｕｐｔｅｄ ｌｏｃａｌｉｚａｔｉｏｎ ｉｓ ｍｏｄｅｌｅｄ ａｓ ａ ｑｕａｄｒａｔｉｃ ｐｒｏｇｒａｍｍｉｎｇ（ＱＰ）ｐｒｏｂｌｅｍ．Ｍｏｒｅｏｖｅｒ，ｔｈｅ Ｈｅｒｏｎ ｆｏｒｍｕｌａ ｉｓ ｅｍ－ ｐｌｏｙｅｄ ｔｏ ｃｏｎｓｔｒｕｃｔ ｔｈｅ ａｒｅａ ｒｅｓｉｄｕａｌ ａｎｄ ｔｈｅｒｅｆｏｒｅ ｔｈｅ ｃｏｓｔ ｆｕｎｃｔｉｏｎ ｏｆ ＱＰ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｐｒｏ－
运 用 海 伦 公 式 的最 优 化 非 视距 抑 制定 位 算 法 术
李溯南 ，华惊 宇 ，李佳珉 ，卢为党 ，陈芳妮 ，余旭涛
（１．浙 江工业 大学通 信网应用 技术研究省重点实验室 ，杭州 ３１００２３；２．东南大学移动通信 国家重点实验室 ，南京 ２１００９６）
摘 要 ：无线 网络中非视距误 差对 于三边定位算法精度 的影响较 大。针对存 在 固定节 点与移 动节点 的无线传感 网络 系统 ．
基于MIMO的单基站混合定位算法研究
基于MIMO的单基站混合定位算法研究陆音;项政;丘觐玮【摘要】传统定位算法实现时往往需要3个以上的基站,且定位精度易受非视距信号的影响.针对上述问题,提出一种基于MIMO的单基站混合定位算法,利用信号路径参数以及基站、移动台、散射体之间的位置几何关系将定位问题转化成非线性约束优化问题,并使用改进的粒子群算法对其求解得到目标估计位置.计算机仿真表明,该算法在非视距环境下具有良好的定位精度和定位稳定性.【期刊名称】《微型机与应用》【年(卷),期】2016(035)006【总页数】3页(P72-74)【关键词】MIMO;单基站定位;粒子群算法【作者】陆音;项政;丘觐玮【作者单位】南京邮电大学江苏省无线通信重点实验室,江苏南京210003;南京邮电大学江苏省无线通信重点实验室,江苏南京210003;南京邮电大学江苏省无线通信重点实验室,江苏南京210003【正文语种】中文【中图分类】TN929.5E-911法规的颁布，加上政府的强制性要求和市场利益的驱动，基于定位服务的研究越来越得到各大公司和研究机构的重视。
常用无线定位方法主要有基于到达时间(Time of Arrival，TOA)定位、基于到达角度(Angle of Arrival，AOA)定位、基于到达时间差(Time Difference Of Arrival，TDOA)定位以及一些结合上述方法的混合定位算法，如TDOA/AOA[1]、TOA/AOA等[2]。
上述方法实际操作时往往需要3个以上的工作基站，并且大多建立在LOS传输的基础上，在NLOS环境下容易产生较大定位误差。
近来的研究热点主要集中在NLOS数据的鉴别和抑制上，但定位精度仍然不太理想。
在MIMO系统中，利用收发端的多天线和自适应阵列信号处理技术不仅可以对AOA、TOA值进行估计，还可以测量估计信号出发角(Angle of Departure，AOD)[3]的值。
基于此，本文提出的定位算法把对基站数目的要求转化成对接收信号数目的要求，实现了单站定位；同时由于定位过程中利用到了NLOS信号，提高了NLOS环境下的定位精度。
aoa定位法
aoa定位法
AOA定位法是一种基于声波技术的定位方法，其全称为Acoustic Positioning System (声学定位系统) based on Angle of Arrival (AOA)。
它利用声波在空气中的传播速度较慢的特点，通过测量声波到
达不同接收器的时间差，从而计算出源信号的位置。
下面是使用AOA
定位法的详细步骤：
第一步：设置参考信号源
在使用AOA定位法进行定位前，需要先设置一个参考信号源。
一
般情况下，参考信号源放在场地的边缘或者中心位置，作为整个场地
的定位基准点。
第二步：放置接收器
在场地内放置一定数量的接收器，接收器的数量根据需要定位的
精度和场地的大小来决定。
接收器放置的位置需要固定，不能随意更改，否则会影响定位的准确性。
第三步：发送声波信号
在参考信号源处发送声波信号，声波信号将在空气中传播，被接
收器接收到。
接收器会记录下声波到达的时间差，根据时间差计算出
声波传播的角度。
第四步：计算源信号位置
根据声波传播的角度和接收器的位置，可以计算出源信号的位置。
一般会采用三角定位的方法，即通过三个接收器计算出源信号的位置，所以需要放置至少三个接收器。
AOA定位法具有定位精度高、干扰少、容易实现等优点，被广泛
应用于室内定位、无人机定位等领域。
但是，它也存在定位精度受多
径效应影响、不能跟踪移动目标、成本较高等缺点。
在实际应用中需
要根据具体情况选择合适的定位方法。
- 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。