无线定位中时延估计算法研究

无线定位论文 时延估计论文 扩展卡尔曼滤波论文 无味卡尔曼滤波论文 扩展卡尔曼粒子滤波论文
论文详情
无线定位技术是一项古老而又年轻的技术。随着通信技术的发展和信息时代的到来,无线定位技术已经应用到人们生活的各个领域:安全服务、资讯服务、导航服务、追踪服务等众多方面,它正在改变着人们的生活方式。无线定位技术本质上是通过检测移动台和多个固定位置收发信机之间传播信号的特征参数来估计目标移动台的几何位置。常用的信号特征参数有信号到达强度(SOA)、信号到达角度(AOA)、信号到达时间(TOA)以及信号到达时间差(TDOA)。目前基于TOA/TDOA的定位方法应用较为广泛,本文的主要工作是研究TOA/TDOA时延参数的估计算法。论文分别研究了固定时延和时变时延两种情况下的时延参数的估计算法,其中时变时延贝叶斯估计算法的研究是本文的重点。对于固定时延,论文研究了广义相关法(GCC)、三阶累积量和双谱法以及四阶累积量相关联合法。相关法虽然经典简单,但是它要求信号与噪声、噪声与噪声之间相互独立,而高阶累积量法恰好能解决此问题。对于时变时延,论文研究了一系列贝叶斯估计方法:扩展卡尔曼滤波(EKF)方法、无味卡尔曼滤波(UKF)方法、粒子滤波(PF)方法、扩展卡尔曼粒子滤波(EPF)方法、无味粒子滤波(UPF)方法。卡尔曼滤波是高斯噪声下线性系统的最优估计。当系统是非线性时,EKF可以利用非线性函数的一阶泰勒级数展开对其进行线性近似,提供一种次优估计。UKF则以UT变换为基础,采用了卡尔曼滤波框架,没有忽略高阶项而且不需要计算复杂的雅克比矩阵,计算精度较EKF更高。PF是近年来被广泛使用的一种基于蒙特卡罗(Monte Carlo)思想的贝叶斯方法,其基本思想是利用一系列采样粒子来近似状态的后验概率分布,进而得到状态的估计值,它的特点和优势就是可以有效地处理非线性、非高斯环境下的状态估计。重要性函数是粒子滤波技术的关键,它的选择直接决定粒子滤波的滤波性能。标准PF的重要性函数没有考虑当前的观测值,而EPF基于EKF来产生重要性函数,UPF基于UKF来产生重要性函数,这两种重要性函数充分结合当前的观测值,更加接近真实的后验概率分布,因此EPF和UPF的滤波性能较PF更强。文中详细讨论了上述算法并将其用于估计时变时延,实验结果具有一定的理论意义和实际价值。文章最后对论文工作进行了总结,并就课题的进一步工作进行了展望。
致谢第5-6页
中文摘要第6-7页
ABSTRACT第7-8页
1 绪论第12-20页
    1.1 无线定位技术概述第12-17页
        1.1.1 无线定位方式第12页
        1.1.2 无线定位方法第12-14页
        1.1.3 无线定位技术的典型应用第14-17页
    1.2 时延估计技术的发展现状和发展趋势第17-19页
        1.2.1 时延估计算法的发展现状第17-18页
        1.2.2 时延估计算法的发展趋势第18-19页
    1.3 本文的主要内容第19-20页
2 基础知识第20-26页
    2.1 相关函数估计理论第20页
        2.1.1 自相关函数估计第20页
        2.1.2 互相关函数估计第20页
    2.2 高阶累积量与高阶谱第20-24页
        2.2.1 高阶累积量第21-23页
        2.2.2 高阶谱第23-24页
    2.3 自适应滤波理论第24-26页
3 时延估计经典算法分析第26-35页
    3.1 无线定位时延估计信号模型第26-27页
    3.2 基于广义互相关(GCC)的时延估计方法第27-28页
    3.3 基于三阶累积量及双谱法的时延估计方法第28-29页
    3.4 四阶累积量及相关联合的时延估计方法第29-30页
    3.5 算法仿真第30-35页
        3.5.1 仿真实验第30-33页
        3.5.2 仿真实验结果分析第33-35页
4 基于卡尔曼滤波的时延估计算法研究第35-50页
    4.1 贝叶斯估计第35-36页
        4.1.1 状态空间模型第35页
        4.1.2 贝叶斯估计公式第35-36页
    4.2 标准卡尔曼滤波第36-40页
        4.2.1 卡尔曼滤波的信号模型第37-38页
        4.2.2 卡尔曼滤波方程第38-39页
        4.2.3 卡尔曼滤波的具体实现第39-40页
    4.3 扩展卡尔曼滤波(EKF)第40-41页
    4.4 无味卡尔曼滤波(UKF)第41-45页
        4.4.1 无味变换(UT)第42-44页
        4.4.2 UKF算法步骤第44-45页
    4.5 基于EKF的时延估计第45-47页
        4.5.1 时延估计的自适应模型第45-46页
        4.5.2 EKF时延估计步骤第46-47页
    4.6 基于UKF的时延估计第47-48页
    4.7 仿真实验第48-50页
5 基于粒子滤波的时延估计算法研究第50-68页
    5.1 蒙特卡罗思想第50-51页
    5.2 粒子滤波的关键技术第51-58页
        5.2.1 重要性密度采样(IS)第51-53页
        5.2.2 序贯重要性采样(SIS)第53-55页
        5.2.3 SIS粒子退化现象第55页
        5.2.4 SIS粒子退化解决办法第55-57页
        5.2.5 采样-重要性重采样(SIR)第57-58页
    5.3 扩展卡尔曼粒子滤波算法(EPF)第58-60页
    5.4 无味粒子滤波算法(UPF)第60-61页
    5.5 粒子滤波的发展趋势第61-62页
    5.6 基于粒子滤波系列算法的时延估计第62-66页
        5.6.1 基于标准PF的时延估计第62-63页
        5.6.2 基于EPF的时延估计第63-64页
        5.6.3 基于UPF的时延估计第64-66页
    5.7 仿真实验第66-68页
6 总结与展望第68-70页
    6.1 全文总结第68页
    6.2 课题展望第68-70页
参考文献第70-73页
作者简历第73-75页
学位论文数据集第75页
论文购买
论文编号ABS859688,这篇论文共75页
会员购买按0.30元/页下载,共需支付22.5
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付37.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656