文档介绍：Chan算法及其验证
由于实际条件，以TOA得出测量值对硬件要求很高，难以实现。所以我们由 TDOA来得出算法所需的测量值。
实际中，基站根据接受到的信号难以得到移动点到基站的具体距离， 则TDOA
定位是接收移动台发出的信号到达不同基站的时间差 ，由此计算出移动台到基站
间的距离之差。根据移动台到两个基站的距离差能建立唯一的一条双曲线 ，根据
至少3个基站建立的双曲线方程组求解求交点来得到移动台的坐标。 而实际中由
于种种误差，完全一致的交点是不存在的，需要较多的基站得到超过未知量数目
(2)的方程组得到更多的冗余信息，来实现更准确的定位。 Chan算法则是一种
处理TDOA测量值得到估计点的可行的方法。
Chan算法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，并且可以通过增加 基站数量来提高算法精度。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。Chan算法可分为只有三个BS参与定位和三个以上BS 定位两种。而实际中往往采用三个以上 BS定位。
当基站的数量大于3时,TDOA值得到的非线性方程组个数要多于未知变量的 个数，现将初始的TDOA方程组化为线性方程组，然后用加权最小二乘法得到初始 解，再用第一次的到的初始解等约束变量进行第二次加权最小二乘估计，最后得到 改进的位置估计。以下为该处理过程的 matlab语句如下：
%计算第一次 wls估计结果(远距算法)
Za = in v(Ga.'*i nv(Q)*Ga)*Ga.'* in v(Q)*ha
%第一次WLS计算(近距算法)
Va2 = sqrt((Za2(1)-Pbs(2:N,1)).A2+(Za2(2)-Pbs(2:N,2)).A2)
Ba2 = diag(Va2);
Fa2 = Ba2*Q*Ba2;
Za2 = in v(Ga.'* in v(Fa2)*Ga)*Ga.'* in v(Fa2)*ha;
Zacov2 = in v(Ga.'* in v(Fa2)*Ga);
%第二次WLS计算(近距算法)
hb = [(Za2(1)-Xb)A2; (Za2(2)-Yb)A2; Za2(3)A2]
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))A2+(Za2 (2)-Pbs(1,2))A2)];
Fb2 = 4*Bb2*Zacov2*Bb2;
Zb2 = in v(Gb'* in v(Fb2 )*Gb)*Ga.'* in v(Fb2 )*hb;