基于联合条件概率判决NLOS的数据融合定位算法

doi:10.3778/j.issn.1002-8331.2010.26.026

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 83-85.DOI: 10.3778/j.issn.1002-8331.2010.26.026

基于联合条件概率判决NLOS的数据融合定位算法

胡磊，钟子发，康凯

解放军电子工程学院信息系，合肥 230037

收稿日期:2009-11-06 修回日期:2010-01-26 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 胡磊

Data fusion positioning algorithm based on joint conditional probability decision of NLOS

HU Lei，ZHONG Zi-fa，KANG Kai

Department of Information，Electronic and Engineering Institute of PLA，Hefei 230037，China

Received:2009-11-06 Revised:2010-01-26 Online:2010-09-11 Published:2010-09-11
Contact: HU Lei

摘要/Abstract

摘要： 针对蜂窝移动通信定位技术中常见的非视距传播（NLOS）问题，提出了一种利用来波信号强度和来波方位角测量值的联合条件概率判决NLOS的算法（JCPDS-RA，joint conditional probability decision scheme with RSS and AOA），并将其与数据融合定位技术相结合，提高定位精度。推导了NLOS环境下RSS和AOA的条件概率密度模型，给出了JCPDS－RA算法和数据融合流程图，并进行了仿真实验，结果表明，该算法有效地提高了定位精度并有一定的普适性。

关键词: 非视距传播, 数据融合, 混合定位, 来波信号强度, 来波方位角

Abstract: Considering the problems of NLOS in cellular mobile location technology，a novel algorithm using the joint conditional probability of received signal strength and angle of arrival to identify NLOS measurements is proposed.Then data fusion method is incorporated to improve location precision.The conditional probability models of RSS and AOA under NLOS channel are deduced，and the flowcharts of JCPDS-RA algorithm and data fusion are introduced.Moreover，several experiments are carried out to testify the accuracy and stability of the algorithm.

Key words: Non-Line-Of-Sight（NLOS）, data fusion, hybrid location, Return Signal Simulator（RSS）, Angle of Arrival（AOA）

中图分类号:

TP301.6

胡磊，钟子发，康凯. 基于联合条件概率判决NLOS的数据融合定位算法[J]. 计算机工程与应用, 2010, 46(26): 83-85.

HU Lei，ZHONG Zi-fa，KANG Kai . Data fusion positioning algorithm based on joint conditional probability decision of NLOS[J]. Computer Engineering and Applications, 2010, 46(26): 83-85.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	赵怡，高淑萍，何迪. 基于深度学习的眼动跟踪数据融合算法[J]. 计算机工程与应用, 2021, 57(10): 211-217.
[3]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[4]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[5]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[6]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[7]	贾宗璞，王冠琼，彭维平，郭海儒. 低耗能的支持完整性验证的隐私保护融合方案[J]. 计算机工程与应用, 2017, 53(5): 116-120.
[8]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[9]	杨健1，赵杭生2，陈曦3. 认知无线网络中频谱预测的协作策略设计[J]. 计算机工程与应用, 2017, 53(15): 111-116.
[10]	王华1，王连华2，邓军3. 数据融合算法在煤自然发火实验系统中的应用[J]. 计算机工程与应用, 2015, 51(23): 226-229.
[11]	倪育德，马宇申，刘萍. ADS-B与TCAS II数据融合算法研究[J]. 计算机工程与应用, 2015, 51(22): 218-221.
[12]	张怡，席彦彪，李刚伟，赵凯华. 基于卡尔曼滤波的TDOA/AOA混合定位算法[J]. 计算机工程与应用, 2015, 51(20): 62-66.
[13]	张明阳，沈明玉. 基于WSN的数据融合在水质监测中的研究[J]. 计算机工程与应用, 2014, 50(23): 234-238.
[14]	黄登成1，2，张丽2，尹晓利2，3，王昆2，3. 数据融合技术在提高NPP估算精度中的应用[J]. 计算机工程与应用, 2014, 50(22): 193-198.
[15]	党小超1，2，高琪1，郝占军1，2. 基于小波变换的分布式WSN数据融合模型研究[J]. 计算机工程与应用, 2014, 50(22): 97-101.

基于联合条件概率判决NLOS的数据融合定位算法

Data fusion positioning algorithm based on joint conditional probability decision of NLOS

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics