無線定位技術(shù)自誕生以來,，一直都是眾多研究人員關(guān)注的熱點。目前,，該技術(shù)的研究已經(jīng)取得了較多的研究成果,，如基于TOA的被動定位或者是借助于類似GPS系統(tǒng)的主動定位技術(shù)都得到了很好的應(yīng)用。由于多目標(biāo)定位在精度和計算復(fù)雜度上存在著矛盾,，在復(fù)雜的密集環(huán)境下,，難以同時保證定位的有效性和實時性，故目前大部分的研究工作都集中在單目標(biāo)的定位精度提高方面,，限制了該技術(shù)進(jìn)一步推廣[1],。

    本文主要致力于在CDMA環(huán)境下改善多目標(biāo)定位技術(shù)及其精度問題。文中主要涉及兩個方面：(1)在CDMA環(huán)境中,，解決多目標(biāo)聯(lián)合檢測問題,；(2)多源數(shù)據(jù)的融合技術(shù)，主要考慮如何利用Marginalized粒子濾波(MPF)對多源數(shù)據(jù)進(jìn)行有效的融合處理,，建立合適的數(shù)據(jù)融合模型,，在線性和非線性問題中找到平衡點，使之既能保證高定位精度,，又能盡可能地減少計算量[2-3],。
1 基于CDMA的多目標(biāo)檢測技術(shù)
    從理論上講，多基站多目標(biāo)的數(shù)據(jù)處理存在著很多問題,，主要分為以下三個方面：
    (1)如何在多目標(biāo)環(huán)境中,，使所有定位基站能辨識同一目標(biāo)；
    (2)多目標(biāo)起始定位,；
    (3)多目標(biāo)跟蹤保持,。
    在3G通信系統(tǒng)中，利用一個基站,，結(jié)合TOA和DOA信息,，可以獲得位置信息。而不同基站探測到的同一批目標(biāo)的結(jié)果,，在理論上應(yīng)該是重合的,，這時可將多目標(biāo)環(huán)境中所有基站辨識同一批目標(biāo)的問題，看作是單基站目標(biāo)跟蹤的特殊情況,，即問題(1)是問題(2),、(3)的特殊情況。至于多目標(biāo)問題,，如果是在CDMA通信系統(tǒng)中,，則可以利用碼分多址特性來判斷是否屬于同一批目標(biāo)。所以問題(2)才是關(guān)鍵，而解決了問題(2),，稍加改動就可用于問題(3),。由于絕大部分通信系統(tǒng)都采用異步CDMA，如WCDMA等,，因此本文重點分析異步CDMA多目標(biāo)檢測的處理[4-5],。


    對于混合線性/非線性系統(tǒng)而言，其狀態(tài)空間模型如式(6)所示,。在式(7)的模型當(dāng)中,，狀態(tài)變量xk包含了線

性

 
態(tài)從系統(tǒng)模型中分離出來,并采用KF對之進(jìn)行估計，并由此降低所需的粒子數(shù)目和粒子維數(shù),，減少了計算量。圖5所示為不同濾波模式下的跟蹤誤差比較,，圖6表示的是3個目標(biāo)運動位置的標(biāo)準(zhǔn)誤差,。從圖中可以看出，標(biāo)準(zhǔn)差的平均值控制在80 m左右,，在高噪聲的情況下是可以接受的,。

    總體來說，把Marginalized粒子濾波應(yīng)用在混合線性/非線性變量的機動目標(biāo)模型當(dāng)中,，不僅使估計精度有所改善,，而且大大減少了計算時間。在一些實時性要求較高的應(yīng)用當(dāng)中,，它將能夠滿足實時濾波的要求,。算法中對非線性變量估計采用的是一般的粒子濾波器。針對粒子濾波器的不足,，還可以把算法中粒子濾波器估計的部分加入高斯或者正則化進(jìn)行改進(jìn),，以獲得更高的估計精度和更優(yōu)的濾波時間。同時,，由于可以利用碼分多址區(qū)別不同的用戶,，所以在終端辨識上不存在模糊問題，同時利用MPF對量測數(shù)據(jù)進(jìn)行狀態(tài)融合處理,，在密集環(huán)境下,，其定位精度在100 m以內(nèi)，對多目標(biāo)定位跟蹤而言,，這種結(jié)果是可以接受的,。另外，論文中并沒有考慮觀測量誤差的修正,，相信進(jìn)一步改善精度仍然是有可能的,。
參考文獻(xiàn)
[1] TSENG P H, Feng Kaiten. Hybird network/satellite-based  location estimation and tracking systems for wireless networks[J]. Vehicular Technology, IEEE Transaction, 2009,9(58):5174-5189.
[2] 郭磊，唐斌.多站無源跟蹤系統(tǒng)容錯算法[J].電子科技大學(xué)學(xué)報，2008,，37(5):681-684.
[3] 梁軍,喬立巖,彭喜元. 基于SIR粒子濾波狀態(tài)估計和殘差平滑的故障檢測算法[J].電子學(xué)報, 2007,35(B12):32-36.
[4] ANNALINGAM D, AL F H, STIPIDIS E. Successive blind Multi-target adaptive antenna array and interference cancellation for DS-CDMA[J]. Electronics  Letters, 2009,42(20):1165-1166.
[5] LIU J S, CHEN R. Sequential monte carlo methods for dyamical systems[J].Journal of the American Statistical Association,1998,93(433):1032-1044.
[6] NORDLAND P J, GUSTAFSSON F. Marginalized particle filter for accurate and reliable terrain-aided navigation[J]. Aerospace and Electronic Systems,IEEE Transaction 2009,45(4):1385-1399.
[7] BA A, MECHBAL N, VERGE M. On-line drilling process monitoring by Marginalized Particle Filter[C].Aerospace conference,2009:1-6.
[8] HOLSOPPLE J, YANG S J. Designing a  data fusion system using a top-down approach[C].Miltitary Communications Conference, 2009:1-7.
[9] Lu Ting, BUGALLO, MONICA F. Simplified marginalized particle filtering for tracking multimodal posteriors[C]. Statistical Signal Processing, IEEE/SP 14th Workshop on,2007:269-273.
[10]    KIM S, HOLMSTROM L, MCNAMES J. Multiharmonic tracking using marginalized particle filters[C].30th Annual International IEEE EMBS Conference,2008:29-33.
[11] Li Cuiyun, Ji Hongbing. Marginalized particle filter based track-before-detect algorithm for small dim infrared target[C]. Artifical Intelligence and computational Intelligence, 2009:321-325.