无线定位技术实验二 TDOA最小二乘定位法

简介: 无线定位技术实验二 TDOA最小二乘定位法

一、实验目的

进一步理解TDOA,掌握使用MATLAB实现TDOA最小二乘定位法。


二、实验要求

已知5个基站位置二维坐标分别为s_1 (0,0),s_2 (40,10),s_3 (15,30),s_4 (0,20),s_5 (40,40)km。目标位置未知,设为(x,y)。信号为声音信号,传播速度c=340m/s。目标所发出的信号到达基站 s_1的时间和到达基站s_2,s_3,s_4,s_5的时间差分别为:∆_(12=) 618338 s,∆_13=68.3523 s,∆_14=25.4042 s,∆_15=61.8338 s。

根据以上条件,利用MATLAB求目标位置(x,y)与t_1。


三、实验内容

1、Chan算法

Chan算法的推导是基于测量误差为零均值的高斯随机变量。当基站个数大于3个时,非线性方程组个数要少于未知变量的个数,可以利用加权最小二乘法得到初始解,再利用得到的初始解和约束变量进行第二次加权最小二乘法估计,最后得到改进的位置估计。

2、数学分析过程

以上问题可数学描述为


6bd5779e59d84a7dab84bdfc3a52e1d5.pngeb58e818e15749bbbbf244dee134183f.png



3、MATLAB实验过程

利用MATLAB计算(x,y)与t_1时,可根据数学分析得到的等式计算;或直接根据MATLAB中函数“pinv()”等效计算


6a5684e5a7da45839aff0ca72499b659.png


。即


56c489c4b8f0479eb5797ad854fac533.png


程序代码详见附录2。


四、实验结果

借助MATLAB计算出的结果如下图:


5d3550c836314cc8b5ebb725eb85b27f.png


即目标位置为(x,y)=(30,25)km,t_1=115 s。


相关文章
|
机器学习/深度学习 边缘计算 5G
室内定位之5G定位
室内定位之5G定位
493 1
|
机器学习/深度学习 计算机视觉
【无标题】SAR雷达系统反设计及典型目标建模与仿真实现研究——目标生成与检测(Matlab代码实现)
【无标题】SAR雷达系统反设计及典型目标建模与仿真实现研究——目标生成与检测(Matlab代码实现)
127 0
|
算法 定位技术
无线定位中TDOA时延估计算法matlab仿真
无线定位中TDOA时延估计算法matlab仿真
|
机器学习/深度学习 传感器 安全
【目标定位】多站纯方位被动定位(ca模型)附Matlab代码
【目标定位】多站纯方位被动定位(ca模型)附Matlab代码
|
传感器 数据采集 算法
UWB高精度定位技术原理与实现
**UWB的定义** UWB(Ultra Wide Band,超宽带)技术是一种新型的无线通信技术,其与传统通信技术有很大的差异。 在传统通信体制中,数据传输一般都需要使用载波来承载,UWB则不需要,取而代之的是通过发送和接收具有纳秒甚至亚纳秒级的极窄脉冲来传输数据,一个信息比特可映射为数百个这样的脉冲。
310 0
UWB高精度定位技术原理与实现
|
机器学习/深度学习 传感器 算法
【WSN定位】基于GDOP时差和频差无源定位方法研究附matlab代码
【WSN定位】基于GDOP时差和频差无源定位方法研究附matlab代码
|
传感器 机器学习/深度学习 算法
【目标定位】基于拓展卡尔曼滤波实现GPS-INS组合导航系统附matlab代码
【目标定位】基于拓展卡尔曼滤波实现GPS-INS组合导航系统附matlab代码
|
传感器 机器学习/深度学习 算法
【WSN定位】基于chan、taylor算法实现移动基站无源定位附各类参数测试matlab代码
【WSN定位】基于chan、taylor算法实现移动基站无源定位附各类参数测试matlab代码
|
传感器 机器学习/深度学习 算法
CVPR 2023 | 移动传感器引导的跨时节六自由度视觉定位,准确且高效
CVPR 2023 | 移动传感器引导的跨时节六自由度视觉定位,准确且高效
232 0
|
传感器 机器学习/深度学习 安全
一种使用无线传感器网络预测圆形区域入侵检测的 k 屏障数量的深度学习方法附matlab代码
一种使用无线传感器网络预测圆形区域入侵检测的 k 屏障数量的深度学习方法附matlab代码