通信高精度定位理论与技术丛书蜂窝网信息融合定位理论与方法

上 篇

第1章 绪论 3
1.1 蜂窝网定位技术概述 3
1.1.1 无线定位技术的概念 3
1.1.2 蜂窝网定位技术的应用领域 4
1.1.3 蜂窝网定位技术的发展 5
1.1.4 蜂窝网定位系统的分类 7
1.2 信息融合技术概述 9
1.2.1 信息融合技术基础 9
1.2.2 信息融合的体系结构和分类 10
1.2.3 信息融合技术的研究现状 11
1.2.4 多源信息融合的优势 12
1.2.5 多源信息融合存在的主要问题 13
1.3 蜂窝网信息融合定位技术的可行性分析 15
1.3.1 基于信息融合的定位技术研究现状 15
1.3.2 蜂窝网信息融合定位技术的可行性和意义 15
参考文献 17
第2章 无线定位理论基础 18
2.1 无线定位常用方法 18
2.1.1 场强定位方法 18
2.1.2 基于到达时间测量的定位方法 19
2.1.3 基于到达时间差测量的定位方法 20
2.1.4 基于信号到达角的定位方法 21
2.1.5 基于指纹匹配的定位方法 22
2.2 传统的定位参数测量方法 23
2.2.1 时延估计 23
2.2.2 角度估计 24
2.2.3 时延和到达角联合估计 27
2.3 NLOS误差鉴别与抑制方法 28
2.4 传统的移动台位置解算算法 30
2.4.1 非迭代定位算法 31
2.4.2 迭代定位算法 36
2.5 定位性能指标 40
参考文献 42
第3章 蜂窝网定位中的时延估计算法 47
3.1 超分辨时延估计算法 47
3.1.1 OFDM信号时延估计模型 47
3.1.2 子空间类时延估计算法 49
3.1.3 *大似然时延估计算法 53
3.2 基于蒙特卡罗直接抽样的*大似然时延估计算法 58
3.2.1 信号模型 59
3.2.2 算法原理 60
3.2.3 克拉美罗下界 62
3.2.4 算法仿真与分析 63
3.3 基于重要性抽样的*大似然时延估计算法 66
3.3.1 信号模型 66
3.3.2 算法原理 67
3.3.3 克拉美罗下界 71
3.3.4 算法仿真与分析 72
3.4 本章小结 76
参考文献 76
第4章 蜂窝网定位中的时延和到达角联合估计算法 78
4.1 基于求根MUSIC的时延和到达角联合估计 78
4.1.1 时延和到达角联合估计模型 79
4.1.2 算法原理 80
4.1.3 算法仿真与分析 83
4.2 基于Hadamard积扩展子空间的时延和到达角联合估计 90
4.2.1 算法原理 91
4.2.2 克拉美罗下界 93
4.2.3 算法仿真与分析 96
4.3 本章小结 100
参考文献 100
第5章 蜂窝网定位系统的NLOS误差抑制算法 102
5.1 蜂窝网定位系统的误差分析 102
5.2 典型的定位误差鉴别与抑制算法分析 103
5.2.1 NLOS误差鉴别算法 103
5.2.2 NLOS误差抑制算法 105
5.3 基于信号斜度归零准则的NLOS误差抑制算法 107
5.3.1 NLOS误差的信道模型 108
5.3.2 基于信号斜度归零准则的NLOS误差鉴别算法 108
5.3.3 基于数据斜度归零准则的NLOS误差抑制算法 110
5.3.4 算法仿真与分析 111
5.4 基于偏差Kalman滤波器和神经网络的NLOS误差抑制算法 114
5.4.1 偏差Kalman滤波器 114
5.4.2 Kalman滤波器对TOA进行无偏估计的算法推导 115
5.4.3 基于BP神经网络的NLOS误差环境模型系数估计 116
5.4.4 算法总体流程 118
5.4.5 算法仿真与分析 118
5.5 本章小结 122
参考文献 122
第6章 蜂窝移动通信系统信息融合定位理论 124
6.1 引言 124
6.2 信息融合定位系统的总体设计方案 125
6.3 基于信息融合的蜂窝网定位系统结构 127
6.3.1 信息融合定位系统的功能结构 127
6.3.2 信息融合定位系统的层次结构 128
6.3.3 信息融合定位系统的整体框架 129
6.4 基于多源测量参数信息的数据层融合定位算法 130
6.4.1 经典无线位置估计算法 130
6.4.2 基于多目标优化理论的多源测量参数信息融合定位 132
6.5 多目标优化信息融合定位的求解方法 134
6.5.1 多目标优化理论的*优解 134
6.5.2 多目标优化问题的经典求解方法 135
6.5.3 基于遗传算法的多目标进化算法 137
6.6 基于多目标优化的数据层信息融合定位方法 138
6.7 基于分布式结构的改进遗传算法 141
6.7.1 改进遗传算法的必要性 141
6.7.2 常见的变异改进型遗传算法 142
6.7.3 分布式遗传算法原理 143
6.7.4 分布式遗传算法设计 144
6.8 基于分布式遗传算法的测量参数数据层定位算法 145
6.8.1 目标种群设计 145
6.8.2 子种群设计 146
6.8.3 分布式遗传算法的整体流程 148
6.8.4 算法仿真与分析 148
6.9 本章小结 153
参考文献 154
第7章 移动台位置融合决策与系统性能评估优化 155
7.1 信息融合定位系统的决策层融合结构 155
7.1.1 决策层融合的概念和常用方法 155
7.1.2 信息融合定位系统的决策层融合结构 156
7.2 基于贝叶斯规则的决策层融合算法 159
7.2.1 贝叶斯决策层融合算法 159
7.2.2 贝叶斯决策层融合的序贯递推 160
7.2.3 贝叶斯决策层融合的性能分析 161
7.3 基于闭环反馈结构的改进粒子滤波决策层融合定位 162
7.3.1 基本的粒子滤波算法 162
7.3.2 闭环反馈型的改进粒子滤波器 165
7.3.3 基于IUKF算法的粒子重采样 167
7.4 算法仿真与分析 175
7.5 信息融合定位系统的性能评估 178
7.5.1 信息融合定位系统性能评估的作用 178
7.5.2 信息融合定位系统的测试评估原理 179
7.6 信息融合定位系统的控制优化 181
7.6.1 控制优化的整体策略 181
7.6.2 基于信息反馈的控制优化结构 182
7.6.3 基于专家系统辅助的性能优化方法 183
7.7 本章小结 188
参考文献 188

下 篇

第8章 基于数据域融合的直接定位方法 191
8.1 直接定位方法基本原理 191
8.1.1 直接定位技术概述 191
8.1.2 直接定位信号模型 192
8.1.3 直接定位解算方法 193
8.2 基于角度和多普勒信息的多站直接定位方法 194
8.2.1 基于角度和多普勒信息的信号接收模型 195
8.2.2 基于*大似然准则的直接定位算法 196
8.2.3 克拉美罗下界推导 199
8.2.4 算法仿真与分析 201
8.3 基于时延和多普勒信息的多站直接定位方法 206
8.3.1 基于时延和多普勒信息的信号接收模型 207
8.3.2 基于分段信号相关累加的移动台直接定位算法 208
8.3.3 克拉美罗下界推导 212
8.3.4 算法仿真与分析 214
8.4 本章小结 218
参考文献 218
第9章 融合多径信息的直接定位方法 220
9.1 基于反射体信息辅助的多径点源直接定位算法 220
9.1.1 基于角度和时延信息的多径信号接收模型 220
9.1.2 算法基本原理 222
9.1.3 克拉美罗下界推导 228
9.1.4 算法仿真与分析 232
9.2 基于旋转不变性的多径分布源直接定位算法 236
9.2.1 相干分布源信号接收模型 236
9.2.2 算法基本原理 239
9.2.3 计算量分析 241
9.2.4 算法仿真与分析 242
9.3 基于迭代优化的低复杂度直接定位方法 247
9.3.1 基于子空间正交性的直接定位滤波模型 247
9.3.2 修正容积卡尔曼滤波算法原理 249
9.3.3 计算量分析 252
9.3.4 算法仿真与分析 252
9.4 本章小结 256
参考文献 256
第10章 基于路径追踪溯源的蜂窝网定位方法 258
10.1 基于路径追踪溯源的蜂窝网定位理论基础 258
10.1.1 经典蜂窝网信道模型 258
10.1.2 地理信息系统（GIS） 262
10.1.3 路径追踪对于无线定位技术的意义 264
10.2 基于路径追踪溯源的蜂窝网定位原理 265
10.2.1 位置指向性路径与区域指向性路径 266
10.2.2 基于虚拟定位站的路径追踪定位算法框架 269
10.3 无线信号传播环境模型的建立 271
10.3.1 无线信号传播环境模型 271
10.3.2 基于GIS环境模型的建立 273
10.4 基于聚类分析的反向路径追踪算法 276
10.4.1 位置指向性路径的反向追踪算法 277
10.4.2 区域指向性路径的反向追踪算法 281
10.4.3 算法仿真与分析 283
10.5 路径追踪定位算法的CRLB与GDOP 290
10.5.1 镜像定位站位置估计 291
10.5.2 克拉美罗下界推导 297
10.5.3 几何精度因子（GDOP） 304
10.5.4 算法仿真与分析 318
10.6 基于路径追踪的决策层信息融合定位算法 325
10.6.1 移动台位置粗估计过程 325
10.6.2 异常检测过程 326
10.6.3 加权融合过程 328
10.6.4 算法总体流程 331
10.6.5 算法仿真与分析 332
10.7 本章小结 338
参考文献 339