【WSN定位】基于chan算法实现无源定位附matlab代码

简介: 【WSN定位】基于chan算法实现无源定位附matlab代码

1 内容介绍


Chan 算法是 TDOA 定位方法的一个很赞的 trick。但是很多方法一旦从学术的角度去看,就罩上了奇异的光环。TDOAthe time differnces of arrival,到达时间差。Chan 算法1是非递归双曲线方程组解法,具有解析表达式解。其主要的特点为在测量误差服从理想高斯分布时,它的定位精度高、计算量小。该算法的推导的前提是基于测量误差为零均值高斯随机变量,对于实际环境中误差较大的测量值,比如在有非视距误差的环境下,该算法的性能会有显著下降。

读取基站经纬度---获取每个基站测到目标信号的时间--根据速度*时间求其基站与基站到目标的距离差,得到两组方程--使用CHAN算法求解该双曲线方程组--舍弃无效解,得到目标位置,与GPS定位进行比较,使用大地主题公式求其距离误差。

2 仿真代码

% TDOA定位的Chan算法Matlab源码

clc;

clear all;

close all

weizhi=xlsread('4月21日.xlsx','实验四','B1:C3');

shijian=xlsread('4月21日.xlsx','实验四','D1:D150');

gps=xlsread('4月21日.xlsx','实验四','B4:C4');

cc = 3e8;%g光速

length=floor(length(shijian)/3);

x=zeros(1,length);

y=zeros(1,length);

x3=zeros(1,length);

y1=zeros(1,length);

[X(1,1),X(1,2)]= jingwei(weizhi(1,1),weizhi(1,2));   %网关1

[X(2,1),X(2,2)]= jingwei(weizhi(2,1),weizhi(2,2));   %网关2

[X(3,1),X(3,2)]= jingwei(weizhi(3,1),weizhi(3,2));   %网关3

% X(1,1)=weizhi(1,1);X(1,2)=weizhi(1,2);   %网关1

% X(2,1)=weizhi(2,1);X(2,2)=weizhi(2,2);   %网关1

% X(3,1)=weizhi(3,1);X(3,2)=weizhi(3,2);   %网关1

X=X';

for i=1:length

   

   for j= 1:3

       K(j)=X(1,j)^2 + X(2,j)^2;

   end


%% 方差

m=mean(diff,2);

var=sum((diff(1,:)-m).^2)/100 ;

   %% 画图

   figure(1)

   t=1:100;

   plot(t,diff,'bo-');

   xlabel('次数');

   ylabel('误差大小(m)');    axis([0 100 0 700])

   title('实验四')


 disp(['平均误差为',num2str(mean(diff,2)),'方差为',num2str(var)]);

   figure(2)

   plot( weizhi(1,1),weizhi(1,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','r',...

       'MarkerSize',10);hold on

   plot(weizhi(2,1),weizhi(2,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','m',...

       'MarkerSize',10);hold on

   plot(weizhi(3,1),weizhi(3,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','g',...

       'MarkerSize',10);hold on

   plot(gps(1,1),gps(1,2),'yo','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','y',...

       'MarkerSize',10);hold on

    title('实验四')

    xlabel('经度');

    ylabel('纬度');

   for i=1:length

       plot(xx(i),yy(i),'bo');hold on

   end

    axis([108.93 108.95 34.05 34.09]);

   legend('基站1','基站2','基站3','目标真实位置','TDOA定位结果');

        figure(3);

    plot( weizhi(1,1),weizhi(1,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','r',...

       'MarkerSize',10);hold on

   plot(weizhi(2,1),weizhi(2,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','m',...

       'MarkerSize',10);hold on

   plot(weizhi(3,1),weizhi(3,2),'rs','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','g',...

       'MarkerSize',10);hold on

   plot(gps(1,1),gps(1,2),'yo','LineWidth',2,...

       'MarkerEdgeColor','k',...

       'MarkerFaceColor','y',...

       'MarkerSize',10);hold on

     legend('基站1','基站2','基站3','目标真实位置');

    title('实验四')

    xlabel('经度');

    ylabel('纬度');

3 运行结果

4 参考文献

[1]沙勇. 基于Matlab的WSN定位算法仿真设计[J]. 齐齐哈尔大学学报:自然科学版, 2017, 33(6):3.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

相关文章
|
2天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
105 80
|
7天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
15天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
1天前
|
算法
基于EO平衡优化器算法的目标函数最优值求解matlab仿真
本程序基于进化优化(EO)中的平衡优化器算法,在MATLAB2022A上实现九个测试函数的最优值求解及优化收敛曲线仿真。平衡优化器通过模拟生态系统平衡机制,动态调整搜索参数,确保种群多样性与收敛性的平衡,高效搜索全局或近全局最优解。程序核心为平衡优化算法,结合粒子群优化思想,引入动态调整策略,促进快速探索与有效利用解空间。
|
21天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
27天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
15天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
23天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
100 15
|
20天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
24天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。