NLOS误差-Wylie鉴别与抑制算法

做了一个图可以简洁的看:

抑制算法:

很多论文中,没有对抑制重构算法进行准确的描述,很有可能大都是“搬运”罢了,我做一下重构的说明。

部分内容摘自论文《TD-SCDMA系统DOA-TOA定位技术研究》。

从图中可知,rm-sm(观测 -  平滑)曲线的最大误差点,应该是观测曲线最低,平滑曲线最大时,此时的误差时负的。

即 观测曲线在平滑曲线的下面,因此此时的误差值近似于 :系统误差+NLOS误差(因为平滑曲线把系统误差平滑掉了)

因此,在该点tn时刻,观测点应当是: LOS值 - 系统误差,把平滑曲线下拉至该点,然后再往上调整 系统误差 ,就能够得到LOS值了。

  • 3
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 14
    评论
抗非直射传播路径(NLOS)的TDOA(时间差到达)定位算法是指在信号传播过程中存在非直射路径的情况下,通过测量信号到达各个接收器的时间差,实现定位的算法。下面是一个简单的示例代码: ```python import numpy as np def TDOA_NLOS(localization_array): # 假设有三个接收器,初始位置已知 receiver1 = np.array([0, 0]) receiver2 = np.array([1, 0]) receiver3 = np.array([0, 1]) # 信号传播速度为光速 c = 299792458 # 测量到达三个接收器的时间 t1 = localization_array[0] t2 = localization_array[1] t3 = localization_array[2] # 构建矩阵方程 Ax = b A = np.array([[2*(receiver1[0]-receiver2[0]), 2*(receiver1[1]-receiver2[1])], [2*(receiver1[0]-receiver3[0]), 2*(receiver1[1]-receiver3[1])], [2*c*(t2-t1), 2*c*(t3-t1)]]) b = np.array([c**2*(t1**2-t2**2+receiver1[0]**2-receiver2[0]**2+receiver1[1]**2-receiver2[1]**2), c**2*(t1**2-t3**2+receiver1[0]**2-receiver3[0]**2+receiver1[1]**2-receiver3[1]**2), 0]) # 使用最小二乘法求解矩阵方程 x = np.linalg.lstsq(A, b, rcond=None)[0] return x # 在主程序中调用定位函数 localization_array = np.array([1.5, 2.0, 2.5]) localization_result = TDOA_NLOS(localization_array) print("目标位置为:", localization_result) ``` 这段代码的主要思路是通过构建一个线性方程组,将三个接收器的位置和到达时间差关系转化为一个矩阵方程,然后使用最小二乘法求解方程组,得出目标的位置坐标。注意代码中的坐标单位为米,时间单位为秒。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AdamFriedrich

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值