【正文】 誤差的新的算法思路。首先，提高定位的精確度，可以提高民眾生活的便利性，可以精確的指導(dǎo)出行，減少了出行成本。在視距環(huán)境中，可以較為精確的對目標(biāo)進行定位。因此,NLOS 傳播誤差的主要因素之一。無線定位系統(tǒng)有雷達、無線電導(dǎo)航系統(tǒng)、無線電測向和全球定位系統(tǒng)等。導(dǎo)航和定位密切相關(guān),連續(xù)定位本質(zhì)上是導(dǎo)航。的圓軌道平面上，每面相隔 60176。最初，對地面移動用戶的定位來XXXXXXX 學(xué)士學(xué)位論文3說，以 GPS 最為重要。如智能手機，如今的移動臺既可以用蜂窩基站定位，也可以實現(xiàn) GPS 定位。XXXXXXX 學(xué)士學(xué)位論文5到達時間差法（TDOA）由于 TOA 定位方法中信標(biāo)節(jié)點與待定位節(jié)點間時間同步要求非常嚴(yán)格，需要增加硬件成本，因此采用到達時間差法（TDOA，Time Difference of Arrival）定位方法。假設(shè)信標(biāo)節(jié)點（ ） 、 （ ）測得待定位節(jié)點信號到達角度分別為 、 ，根1,XY2, 1?2據(jù)幾何關(guān)系可求出待定位節(jié)點位置（ , ） 。繞射對信號的強度，到達目標(biāo)的傳輸時間，傳播的角XXXXXXX 學(xué)士學(xué)位論文6度都有極大的影響。若測量的精度的不準(zhǔn)確就會對定位精度產(chǎn)生較大的影響。在現(xiàn)實生活中，基站的位置是不定的，隨著地域的變化而變化，定位精度會進一步降低，誤差會進一步加大。對于 TOA 定位方法，常用的定位算法有最小均方算法(LS) 【1】 ，似然最大似然估計算法(AML) 【1】 ，殘差加權(quán)算法 【1】 和殘差檢測算法（RT） 【1】 等 最小均方(LS)算法 【1】設(shè)移動臺的位置坐標(biāo)是 ，基站的位置及其坐標(biāo)分別為 A( , )，B( ),??,Tdxy? 0XY1,C( )……。通過 LS 算法會減小誤差，但不會消除誤差。 近似最大似然估計(AML)算法 【1】 設(shè)移動臺的坐標(biāo)是 。 （6）??0iiixgR??? （7）0iiiyh 求解過程：首先，從矩陣中解出R（其中R是x和y的函數(shù)） ，其次，將其關(guān)系式帶入式 2Rxy??（8）中，將其兩方程式聯(lián)立方程組，則可解出移動臺的坐標(biāo) 。即 和 ，其?kX?(,)skRS?中 k=1，2，?。然后計算 標(biāo)?()k?()xBk()y2()xk?2()y2?量大于最佳判決門限的個數(shù)。XXXXXXX 學(xué)士學(xué)位論文113 基于 TOA 的新算法的思路與設(shè)計 新算法的思路由于NLOS作用，預(yù)示著根本無法極為準(zhǔn)確的求出準(zhǔn)確的位置坐標(biāo)，只能不斷逼近。不管移動臺還是基站，隨著科學(xué)技術(shù)的不斷發(fā)展，運算速度會不斷的加快，這也使迭代法的運用有了根本保證。方法使用函數(shù) f(x）的泰勒級數(shù)的前面幾項來尋找方程 f(x) = 0 的根。再次過點 作 的切線，并求該切1(,)f()yf?線與 x 軸交點的橫坐標(biāo)為 (3)21()xxf???稱 為 r 的二次近似值。 最速下降法最速下降法（steepest descent method）是一種利用高等數(shù)學(xué)中梯度和極值的性質(zhì)，結(jié)合數(shù)值計算的方法而形成的一種尋找局部極值的方法。一般情況下，確定步長的方法是由線性搜索算法來確定。但這兩種方法運算較為復(fù)雜。R 的值越逼近與某一值，NLOS 測量誤差越小。這里我們要借助雅克比矩陣來進行計算。進而得到最小距離 R。程序見（附錄三） 。由仿真程序可以看出牛頓迭代法最為復(fù)雜。高斯牛頓法的缺點在于：若初始點距離極小值點過遠，迭代步長過大會導(dǎo)致迭代下一代的函數(shù)值不一定小于上一代的函數(shù)值。另外有人采用RW (residual weighting)方法，不需要統(tǒng)計出NLOS誤差。這也為迭代法的實施提供了可能。總體來說，處理器速度和網(wǎng)絡(luò)速度都不會成為定位精度的致命問題。大學(xué)四年，我從一個初出茅廬的毛頭小子成長為山東農(nóng)業(yè)大學(xué)的畢業(yè)生。最后，再一次向曾經(jīng)關(guān)心我、支持過我的親朋好友致以深深的謝意，感謝大家的慷慨幫助!XXXXXXX 學(xué)士學(xué)位論文21我會時刻懷揣著對學(xué)校，對各位老師感恩的心走向未來。 %中心橫坐標(biāo)Y=0。go39。r_var=2。 hold on plot(x(1)+X,x(2)+Y,39。r1=sqrt(sum(x.^2))+n(1)。 %定位出的橫坐標(biāo)Eucdis=x_estx39。Eucdisoriginal=[x(1),x(2)]estimate=[x_est(1),x_est(2)]附錄二注釋：此程序主要基于TOA技術(shù)運用最小二乘法（LS）來減少NLOS傳播產(chǎn)生的誤差。 % 延時的時間是x*10 ns。 nsides = 128。 hold on end plot(MS_ini(1), MS_ini(2), 39。,10)。) for i = 1:n c = BS(i,:)。, col)。*P)^(1)*P39。,39。0 10 0 10]。hold on。xlabel39。 %測量距離的方程 iter = 30。 for i = 1:iter G = jacob(so,u)。end。plot(1:iter,uo_nr(1,:),39。plot(1:iter,uo_sd(1,:),39。,39。plot(1:iter,uo_nr(2,:),39。plot(1:iter,uo_sd(2,:),39。,39。 % 基站的數(shù)目N = size(so,1)。H = 2.*[A B。 end。end。for i = 1:M A = A + ((r(i)norm(uso(:,i)))*(u(1)so(1,i)))/norm(uso(:,i))。for i = 1:M dx(i) = (u(1)so(1,i))/norm(uso(:,i))。 C = C + (u(2)so(2,i))^2/(norm(uso(:,i)))^2 ((r(i)norm(uso(:,i)))*(u(1)so(1,i))^2)/(norm(uso(:,i)))^3。number of iterations39。,39。)。number of iterations39。,39。)。end。*(rf_TOA)。end。 % BS與MS的真實距離sigma2 = 。axis([5,15,5,15])。r^39。 % 關(guān)閉所有圖形warning off。,39。 B(2,:) = (BS(3,1)^2 + BS(3,2)^2) L(3)^2 + L(1)^2。 line(r*cos(a)+c(1), r*sin(a)+c(2), 39。 end if picture_TOA == 1 figure (2) TITLE(39。,39。, col)。) for i =1:n c = BS(i,:)。 % 假設(shè)基站的坐標(biāo)，其中必有一基站坐標(biāo)位于坐標(biāo)原點MS_ini = [30 30]。)。*H)*H39。H=[x2 y2。amp。n=nmean(n)。go39。D=d/sqrt(3)。俗話說：“一日為師，終身為父” ，即使我走出學(xué)校這座象牙塔，我不會忘記各位老師對我的教誨。XXXXXXX 學(xué)士學(xué)位論文19參考文獻[1] 程相波、馮光焰等 .NLOS 環(huán)境下幾種 TOA 定位算法的性能比較, 武警石家莊指揮學(xué)院,(4)[2] Gang Wang, Member, IEEE, H. NLOS Error Mitigation for TOABasedLocalization via Convex Relaxation．2022[3] CHAN Yiutong，TSUI Wing—yue．Timeofarrival Based localization Under NLOS Conditions[J]．IEEE Trans．Vehicular Technology，2022，55(1)：17—24．[4] 誤差模型下的無線傳感網(wǎng)定位方法與仿真. [5] 常戎、 NLOS 環(huán)境下定位精度的 TOA 數(shù)據(jù)處理方法，北京航空航天大， （32）[6] Thomas N J，Cruickshank D G M，Laurenson D I．A robust location estimator architecture with biased Kalman filtering of TOA data for wireless systems.IEEE Press，2022：296—300[7] Jazzar S A1，Caffery J Jr．ML＆Bayesian TOA location estimators for NLOS environments. IEEE Press，2022：1178 —1181[8] Ertel R B，Reed J H．Angle and time of arrival statistics for circular and elliptical scattering models．IEEE Journal on Selected Areas in XXXXXXX 學(xué)士學(xué)位論文20Communications, 1999,1829—1840[9] He Yan，Hu Hanying，Zhou Shan．A TOA based believable factor mobile location algorithm .IEEE Press，2022：260 —263[10] Liu Ying，Wang Shuxun．TOA estimation method using fourthorder cumulants. Publishing House of Electronics Industry，2022：210 —214[11] Winter J，Wengerter C．High resolution estimation of the time of arrival for GSM location IEEE Press，2022：1343—1347[12] ，2022[13] 張凡、.2022[14] [15] FCC,Revision of the missions rules to insure patibility with enhanced 911 emergency caling systems．Technical Report RM 1996[16] 甄杰、馬曉紅等. 非視線傳播環(huán)境下基于 TOA 的綜合無線定位算法. 大連理工大學(xué)學(xué)報。但如今隨著 4G 時代的來臨，無線通信的傳輸速度也達到兆級別。如今處理器的發(fā)展速度非?？欤幚砥鞯男阅軙泻艽蟮氖Ｓ?。然而，要在實際情況中統(tǒng)計出分布情況是非常困難的。梯度下降法和高斯牛頓法都是最優(yōu)化方法。而最速下降法收斂慢，效率最低。分別使用牛頓迭代算法，高斯牛頓(2,3)迭代算法和最速下降法進行逼近運算。此時，此點即為方程 R 的極值點。(2)高斯牛頓迭代算法根據(jù)高斯牛頓迭代算法，我們可以知道，通過調(diào)整回歸系數(shù)，達到非線性擬合的目的。則我們此時可以確定距離方程 R 為 =d+ er(t,s)（6）其中 R 為移動臺到基站的檢測距離（包括 NLOS 誤差） ，d 為移動臺到基站的真實距離（即 LOS 檢測距離） 。減少了 NLOS 誤差帶來的影響。其迭代公式為