文档介绍：(M23),,则可以有如下非线性方程:耳=arctan+i"i=《=J(i—x)+(),一月尸:矩阵形式如下:门=J?+(y_,)2;匕i;i)是观测噪声。y=/?(x)+v)‘;r=0"』31%..^M\;v=VM\02..A.(2M-l)xl(2W-l)xl噪声向量的协方差矩阵应为(2M-1)x(2财一1)方阵向=—dxJ』3一《arctanarctanarctanR『o°%/ 、/一凶/ 、)'一力/、y-版*知)(2A/-l)xl其中&「是TDOA观测的方差阵,Re是AOA观测的方差阵。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。BSWTOAJIG%ltBS^?AOA: AOA^H ►时个2JAOXNLOS识别和TDOA/AOA混合定位结构图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弓,则距离为:/;•=cTto取K个观察时刻,则第i个参考节点和目标节点在土时刻的距离七(上)角度et(r,)分别如下:i=1,2,...,Af;k=0,1,....,K—1(上)=,履(匕‘)+〃rg,i0)+「)杞0)=。即0)+"bearing、i0)+&NlQs,i(上)%,&),0如皿)分别是其实距离与真实角度;〃冲E(上),〃m〃,E(4)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As”(4),Qvsj0)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。卡尔曼滤波器是一种通过迭代算法实现的估计器,它可以对状态向量做出线性、无偏及最小方差的估计。用卡尔曼波波器进行参数估计,关键是找到合适的状态向量及状态向量与观测向量之间的关系。卡尔曼滤波器的状态方程:其中:Xk=[/;4丁是在4时刻的状态向量,「'表示4的径向速度。吨_]是输入噪声向量,其协方差矩阵为0)是状态转移矩阵,中='';01「0]「是噪声输入矩阵,「= ;T为采样间隔。T测量方程为:L=HXk+Vk其中:匕是观测数据向量;H=[\0];K为观测噪声序列,其协方差矩阵为R=;卡尔曼波波函数有两个递归步骤组成:一、时间更新:Xk,k-\=色siXk-\(1)A,代I=中奴卜1%1中二_]+「强-iQt「二t”)Kk=PkzH5PgH,Rj'(3)二、测量更新:Xk=-^Kk(Yk-HkXk^(4)Pk={l-KkHk)Pkk_x(5)其中,是卡尔曼滤波增益;4是XNKJ协方差矩阵;由于无法事先确定待测目标与参与定位的M个参考节点之间的环境是LOS还是NLOS,E以利用历史距离测量值和无偏卡尔曼滤波处理结果周期性的检测待测节点与参考节点之间的LOS/NLOS传播环境,其中检测周期和误差计算样本值有实验确定。对于每一个参考节点,通过收集一组Ng个TOA原始数据周期性的完成LOS/NLOS的假设测试。设X&)是第i个