目录
PERFORMANCE ANALYSIS FOR LOCALIZATION ALGORITHMS
CRLB给出了使用相同数据的任何无偏估计可获得的方差的下界,因此它可以作为与定位算法的均方误差(MSE)进行比较的重要基准。 然而,有偏估计的MSE可能小于CRLB。
在第1节中提供了在存在高斯噪声的情况下使用TOA测量进行CRLB计算的过程。 在第2节中,我们给出了定位估计量的理论均值和MSE表达式,其推导基于成本函数的最小化或最大化。
1 CRLB Computation
生成CRLB的关键是构造相应的Fisher信息矩阵(FIM)。 FIM逆的对角元素是可实现的最小方差值。 考虑公式2.1的一般测量模型,使用以下步骤总结计算CRLB的标准程序:
或者,当测量误差为零 - 均值高斯分布时,I(x)也可以计算为[20]
where C denotes the covariance matrix for n . We now utilize Equation 2.154 to determine the FIMs for positioning with TOA measure -ments based on Equations 2.8 and their associated noise covariance matrices, respectively. The FIM based on TOA measurements of Equation 2.5 , denoted by , is
注:
It is straightforward to show that
Employing Equ