基于多层神经网络的超宽带室内精确定位算法

2014-03-13沈冬冬李晓伟宋旭文贺志楠

电子科技 2014年5期

关键词：模型

沈冬冬，李晓伟，宋旭文，贺志楠

(西安电子科技大学电子工程学院，中国西安 710071)

无线通信技术［1］的发展使得对于无线定位的需求日趋增加，传统的室外定位技术已被广泛应用，人们对复杂室内环境精确定位的需求越来越强烈，比如消防、医疗等。超宽带(Ultra－WideBand，UWB)［2］因为是一种无载波通信技术，以及GHz 量级的带宽，所以可有效地降低发射信号功率、系统复杂度的同时提供厘米级的定位精度。

根据目前的研究状况，超宽带室内精确定位算法可以分为5 类:基于信号到达时间(Direction of Arrival，TOA)的定位算法［3］、基于信号到达时间差(Time Difference of Arrival，TDOA)的定位算法［4］、基于信号到达角度(Angle of Attack，AOA)的定位算法［5］、基于接收信号强度(Received Signal Strength Indication，RSSI)的定位算法以及混合定位算法［6］。考虑到实现的可能性以及复杂程度，基于信号到达时间(Time of Arrival，TOA)的定位算法被排除，同时考虑到定位的精度，基于接收信号强度(RSSI)的定位算法也被排除。

随着对定位精度要求的不断提高，单一定位方法无法满足需求，融合两种及以上的混合定位方法就成了一个发展趋势。文献［7］讨论了TDOA/AOA 混合定位方法，获得了比TDOA、AOA 单一定位算法更高的定位精度。因此，本文提出了一种基于多层神经网络的超宽带混合定位算法，利用多层神经网络对到达时间差(TDOA)和到达角度(AOA)测量值中的非视距传播误差进行修正，来提高超宽带的定位精度，与传统TDOA/AOA 定位算法相比，定位精度有所提高。