??? 摘 要: 針對(duì)cdma2000-1X網(wǎng)絡(luò)中無(wú)線(xiàn)信號(hào)的特點(diǎn)和無(wú)源定位的需要,通過(guò)將N階多項(xiàng)式平滑擬合及加權(quán)修正的思想融合到遺傳算法" title="遺傳算法">遺傳算法中,,提出了一種改進(jìn)的遺傳算法來(lái)消除NLOS誤差和多徑" title="多徑">多徑傳播誤差對(duì)載干比的影響。不僅避免了遺傳算法“早熟”的發(fā)生,,而且還可以根據(jù)實(shí)際情況靈活改變搜索精度,使算法搜索達(dá)到全局最優(yōu),,從而實(shí)現(xiàn)精確估計(jì)信號(hào)到達(dá)方位的目的,。經(jīng)過(guò)場(chǎng)外試驗(yàn)和MATLAB仿真驗(yàn)證該算法可以達(dá)到比較好的效果。
??? 關(guān)鍵詞: 無(wú)源定位? 信號(hào)到達(dá)時(shí)延? 信號(hào)到達(dá)方位? 非視距誤差? 載干比
?
??? 由于美國(guó)聯(lián)邦通訊委員會(huì)在E-911標(biāo)準(zhǔn)中要求無(wú)線(xiàn)通信網(wǎng)絡(luò)必須能夠提供基于移動(dòng)用戶(hù)的位置估計(jì)的功能,,無(wú)線(xiàn)定位越來(lái)越受到各國(guó)公司及研究人員的關(guān)注[1],。利用各種通信標(biāo)準(zhǔn)中現(xiàn)有的資源,在復(fù)雜的無(wú)線(xiàn)通信環(huán)境中提高定位的精度是當(dāng)前研究的重點(diǎn),。在CDMA系統(tǒng)中為實(shí)現(xiàn)符合E-911精度要求的定位,,有兩個(gè)問(wèn)題必須解決:一是怎樣減小基站與用戶(hù)間的非視距NLOS(Non-Line-of Sight)誤差、多徑傳播誤差對(duì)定位精度" title="定位精度">定位精度的影響,;二是由于CDMA蜂窩系統(tǒng)是一個(gè)功率控制系統(tǒng),,當(dāng)用戶(hù)發(fā)射信號(hào)只能被一個(gè)基站接收時(shí),怎樣實(shí)現(xiàn)用戶(hù)定位,,并能使定位精度盡可能得到提高[2-3],。在此情況下,TOA/AOA(Time of Arrival/Angle of Arrival)是最為有效的方法,。該方法中,,信號(hào)到達(dá)角的精確估計(jì)是實(shí)現(xiàn)高精度定位的必要條件,。精確的信號(hào)到達(dá)角估計(jì)必須借助于基站通過(guò)通信網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。但在無(wú)源定位系統(tǒng)中,,被定位對(duì)象和基站并不參與定位過(guò)程,,信號(hào)到達(dá)角是根據(jù)定位設(shè)備自身所接收的信息來(lái)估計(jì)得到的。由于受天線(xiàn)分辨率等因素的影響,,往往并不能從測(cè)量值中精確估計(jì)出信號(hào)到達(dá)角,而是獲得信號(hào)到達(dá)方位角的范圍,,即信號(hào)到達(dá)方位OOA(Orientation of Arrival),。若在定位的后期處理部分加上適當(dāng)?shù)膬?yōu)化算法也能實(shí)現(xiàn)精確定位。
??? 在天線(xiàn)分辨率確定的前提下,,信號(hào)到達(dá)方位估計(jì)得越準(zhǔn)確,,最后的定位精度也就會(huì)越高。而NLOS誤差和多徑傳播誤差是信號(hào)到達(dá)方位準(zhǔn)確估計(jì)的主要干擾因素,。這些因素的存在不僅會(huì)使信號(hào)到達(dá)方位的判斷產(chǎn)生偏差,,甚至?xí)a(chǎn)生錯(cuò)誤判斷,所以要提高定位精度就必須消除這些因素的影響,。
??? 遺傳算法是近年來(lái)智能算法領(lǐng)域提出的解決工程優(yōu)化問(wèn)題的一種有效方法,,可以用來(lái)消除NLOS誤差和多徑傳播誤差。但傳統(tǒng)的遺傳算法并不能有效地消除這些誤差的影響,,需要對(duì)傳統(tǒng)的遺傳算法進(jìn)行改進(jìn),,以便達(dá)到比較理想的效果。
??? 用N階多項(xiàng)式對(duì)一段時(shí)間內(nèi)的測(cè)量值進(jìn)行平滑擬合,,根據(jù)擬合值與測(cè)量值之間的偏差,,對(duì)平滑值進(jìn)行加權(quán)修正,可以得到近似LOS環(huán)境下的測(cè)量值[4],,但是由于受定位時(shí)間要求的限制,,天線(xiàn)在每個(gè)角度的測(cè)量值不能太多,并且算法的搜索精度也不能根據(jù)實(shí)際情況靈活地改變,,所以?xún)H采用該方法消除非視距誤差和多徑傳播誤差的影響并不能達(dá)到理想的效果,。
??? 本文提出了把上述兩種方法融合到一起使用的改進(jìn)遺傳算法,經(jīng)過(guò)場(chǎng)外試驗(yàn)和MATLAB仿真驗(yàn)證,,改進(jìn)后的算法能夠有效地消除NLOS誤差和多徑傳播誤差對(duì)測(cè)量值的影響,,實(shí)現(xiàn)準(zhǔn)確估計(jì)信號(hào)到達(dá)方位的目的。
1 定位方法及信號(hào)到達(dá)方位的判斷
?? 在cdma2000-1x無(wú)源定位系統(tǒng)中,,由于定位的過(guò)程是在被定位對(duì)象與基站正常通信的基礎(chǔ)上通過(guò)定位設(shè)備來(lái)完成的,,不需要被定位對(duì)象和基站參與定位過(guò)程。本文采用的方法如圖1所示,。?
?????????????????????
??? 當(dāng)基站與被定位對(duì)象通信時(shí),,定位設(shè)備可以獲取信號(hào)從基站經(jīng)被定位對(duì)象到達(dá)定位設(shè)備所需的時(shí)延和,。由于定位設(shè)備和基站的位置是確定的,并且可以通過(guò)定位設(shè)備利用GPS測(cè)量獲得,。由圖1可知,,通過(guò)定位設(shè)備,可得到x+y和z的值,,由余弦定理可知:只要得到角度?茲的值,,就可以求出x的值。由于基站和定位設(shè)備位置是可以直接測(cè)得的,,若能準(zhǔn)確估計(jì)出信號(hào)從被定位對(duì)象到定位設(shè)備的到達(dá)角,,就可以得到被定位對(duì)象的具體位置。
??? 在上述定位過(guò)程中,,OOA信息的準(zhǔn)確獲得是實(shí)現(xiàn)精確定位的必要前提,,而OOA信息是通過(guò)對(duì)定位設(shè)備測(cè)得的載波干擾比即載干比CIR(Carrier to Interference Ratio)進(jìn)行分析獲得的。
??? 在LOS環(huán)境下,,由于天線(xiàn)有主瓣和旁瓣,,當(dāng)天線(xiàn)正對(duì)著信號(hào)到達(dá)方位時(shí),主瓣也正對(duì)信號(hào)到達(dá)方位,,則測(cè)量所得到的信號(hào)的載干比的均值比較大,,而方差則普遍比較小,即載干比的分布比較集中,;而當(dāng)天線(xiàn)偏離信號(hào)到達(dá)方位時(shí),,主瓣也偏離信號(hào)到達(dá)方位,則測(cè)量得到的信號(hào)載干比的均值比較小,,而方差則普遍較大,,即載干比的分布比較分散。上述特點(diǎn)在多次場(chǎng)外試驗(yàn)中也得到了充分驗(yàn)證,。針對(duì)以上特點(diǎn),,可以把載干比的均值和方差兩個(gè)量作為判斷標(biāo)準(zhǔn),進(jìn)而判斷天線(xiàn)所對(duì)方向與信號(hào)的到達(dá)方位的偏離程度,。由于載干比的值是負(fù)值(單位dB),,所以可以利用載干比的均值和方差的乘積作為判斷指標(biāo)。若兩者的乘積值越大,,則表明定位設(shè)備的天線(xiàn)所對(duì)的方向就越接近信號(hào)到達(dá)方位,;反之,就越偏離信號(hào)的到達(dá)方位,。
??? 在NLOS環(huán)境中,,定位設(shè)備在各個(gè)角度接收到的信號(hào)載干比受NLOS誤差和多徑傳播誤差的影響比較大,甚至?xí)贿@些干擾所淹沒(méi),,所以直接利用測(cè)量所得的載干比的均值和方差進(jìn)行判斷就很難準(zhǔn)確地估計(jì)天線(xiàn)所對(duì)的方向與信號(hào)到達(dá)方位的偏離程度,,甚至?xí)?lái)很大的偏差,。要想使定位設(shè)備在各種通信環(huán)境中均能實(shí)現(xiàn)精確定位,就必須采用一些優(yōu)化算法消除NLOS誤差和多徑傳播誤差的影響,。
2 傳統(tǒng)遺傳算法優(yōu)缺點(diǎn)分析
??? 遺傳算法(Genetic Algorithm) 是一類(lèi)借鑒生物界進(jìn)化規(guī)律演化而來(lái)的隨機(jī)搜索方法,,是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程的計(jì)算模型。作為一種新的全局最優(yōu)化搜索算法,,它以其簡(jiǎn)單通用,、魯棒性強(qiáng)、適于并行處理以及高效,、實(shí)用等顯著特點(diǎn),,在各個(gè)領(lǐng)域得到廣泛的應(yīng)用[5]。
??? 由于該算法搜索過(guò)程不直接作用在變量上,,而是對(duì)參數(shù)集進(jìn)行個(gè)體編碼,,所以采用合適的編碼方法可以靈活改變搜索精度,。采用概率化的尋優(yōu)方法,,能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間,自適應(yīng)地調(diào)整搜索方向,,不需要確定的規(guī)則,并且算法是從串集開(kāi)始搜索,,覆蓋面積大,利于全局擇優(yōu),。即使算法的初始串集本身帶有大量與最優(yōu)解甚遠(yuǎn)的信息,,通過(guò)選擇、交叉,、變異操作也能迅速排除與最優(yōu)解相差極大的串,,因此該算法是一個(gè)強(qiáng)烈的濾波過(guò)程,具有很強(qiáng)的容錯(cuò)能力[5],。正是由于遺傳算法的上述優(yōu)點(diǎn),,使得遺傳算法可以用來(lái)消除非視距誤差對(duì)信號(hào)載干比的影響。
??? 但傳統(tǒng)的遺傳算法也有其致命的缺點(diǎn),,如“早熟”和局部搜索" title="局部搜索">局部搜索能力差,。“早熟”容易導(dǎo)致搜索陷入局部最優(yōu)解,,而局部搜索能力差可能導(dǎo)致搜索后期效率不高,,甚至陷入隨機(jī)搜索的誤區(qū)。初始化群體的選擇和編碼方法的選擇也會(huì)給遺傳算法帶來(lái)很大的影響,。因此為了充分發(fā)揮遺傳算法的性能,,就必須對(duì)遺傳算法進(jìn)行改進(jìn),以達(dá)到發(fā)揮其優(yōu)越性而克服其缺陷的目的,。
3 N階多項(xiàng)式平滑及加權(quán)修正算法
??? 該方法的主要思想是:首先對(duì)天線(xiàn)在每個(gè)角度下的測(cè)量值利用N階多項(xiàng)式進(jìn)行平滑擬合(N階多項(xiàng)式的系數(shù)是根據(jù)測(cè)量值用泰勒級(jí)數(shù)來(lái)獲得的,,采用的最優(yōu)化準(zhǔn)則是最小二乘法),;然后對(duì)平滑曲線(xiàn)進(jìn)行采樣,根據(jù)平滑曲線(xiàn)采樣點(diǎn)與該點(diǎn)所在曲線(xiàn)段的均值的偏差,,進(jìn)行加權(quán)修正平滑曲線(xiàn),。加權(quán)系數(shù)的選取遵循偏差絕對(duì)值大加權(quán)系數(shù)小,偏差絕對(duì)值小加權(quán)系數(shù)大的原則,。
??? 采用該方法可以把NLOS環(huán)境下測(cè)量得到的測(cè)量值通過(guò)擬合,、平滑加權(quán)修正得到近似LOS環(huán)境下的測(cè)量值,達(dá)到消除NLOS誤差和多徑傳播誤差的效果,,但是該方法也受測(cè)量值數(shù)量的限制,,即在測(cè)量值比較少的情況下,采用該方法效果也并不理想[3],。該方法的修正是在平滑值基礎(chǔ)上進(jìn)行加權(quán)修正的,,加權(quán)系數(shù)的選擇對(duì)算法的性能影響也比較大。加權(quán)系數(shù)的選取不能太大,,否則會(huì)引來(lái)額外的誤差,;如果加權(quán)系數(shù)選取的過(guò)小,則不能達(dá)到完全消除NLOS誤差和多徑傳播誤差的目的,,并且該方法的搜索精度不能根據(jù)實(shí)際情況做適當(dāng)?shù)母淖?。因此在測(cè)量值受誤差影響比較嚴(yán)重或者影響不斷變化的情況下并不能有效消除NLOS誤差和多徑傳播誤差的影響。
4 改進(jìn)遺傳算法
??? 改進(jìn)遺傳算法是把N階多項(xiàng)式平滑及加權(quán)修正法與遺傳算法融合一起使用,。該算法主要是利用N階多項(xiàng)式擬合加權(quán)修正的思想來(lái)彌補(bǔ)遺傳算法的“早熟”和局部搜索能力差的缺陷,;利用遺傳算法全局搜索能力強(qiáng)和容錯(cuò)能力強(qiáng)及搜索精度可以靈活改變的優(yōu)勢(shì)來(lái)彌補(bǔ)加權(quán)系數(shù)選擇的局限對(duì)N階多項(xiàng)式擬合加權(quán)修正算法性能的影響,并且有效降低了測(cè)量值數(shù)量對(duì)算法性能的影響,,使改進(jìn)算法的性能在實(shí)際應(yīng)用中得以充分發(fā)揮,。
??? 改進(jìn)遺傳算法如下:
??? (1)在初始化群體選擇時(shí),把N階多項(xiàng)式平滑,、擬合的方法融入其中,,實(shí)現(xiàn)初始化群體在搜索空間的均勻分布,從而有效避免早熟現(xiàn)象的發(fā)生,,減小搜索陷入局部最優(yōu)解得可能性,,并且可以降低測(cè)量值數(shù)量對(duì)算法性能的影響。
??? 實(shí)現(xiàn)思路:在測(cè)量值的基礎(chǔ)上利用最小二乘法和泰勒級(jí)數(shù)的方法對(duì)測(cè)量值進(jìn)行N階多項(xiàng)式平滑,、擬合,,形成擬合曲線(xiàn);然后利用均勻采樣的方法對(duì)曲線(xiàn)進(jìn)行采樣,,把采樣所得的值作為測(cè)量值的有效補(bǔ)充,。假設(shè)在每個(gè)角度下的測(cè)量值個(gè)數(shù)為N,則經(jīng)過(guò)擬合后的曲線(xiàn)可以分為N-1段,。若在改進(jìn)遺傳算法中選擇的初始化群體中元素的個(gè)數(shù)為W=a(N-1),則在選擇遺傳算法的初始群體時(shí),,在平滑曲線(xiàn)的每一段隨機(jī)選取a個(gè)值作為初始化群體的元素,,通過(guò)上述方法就實(shí)現(xiàn)了初始化群體在搜索空間的均勻分布,可以有效避免搜索陷入局部最優(yōu)的發(fā)生,。
??? (2)在進(jìn)行編碼之前,,先對(duì)采樣點(diǎn)進(jìn)行等級(jí)劃分,把采樣值均勻劃分為2 000個(gè)等級(jí),,等級(jí)劃分規(guī)則如下:令最小的采樣值為Mmin,,其等級(jí)值Smin=1,最大的采樣值為Mmax,,其等級(jí)值Smax=2001,,等級(jí)間隔為scale。則:?
???
??? 假設(shè)采樣值M的等級(jí)值為SM,,則有:
???
??? 然后把初始化群體中的元素也轉(zhuǎn)換成相應(yīng)的等級(jí)值,,參與遺傳算法的編碼。
??? (3)為了使算法能隨通信環(huán)境的改變而靈活改變搜索精度,,在對(duì)初始化群體的元素等級(jí)進(jìn)行編碼時(shí),,采用格雷碼" title="格雷碼">格雷碼進(jìn)行編碼。這樣,,在通信環(huán)境惡劣的情況下,,就可以自動(dòng)增大搜索精度,;而在通信環(huán)境理想時(shí),,就可以自動(dòng)減小搜索精度,從而使算法能更有效地消除NLOS誤差和多徑傳播誤差,。
??? 在本改進(jìn)算法中,,采用格雷碼進(jìn)行個(gè)體編碼,該碼是由自然二進(jìn)制碼轉(zhuǎn)換而來(lái),,其轉(zhuǎn)換方法如下:假設(shè)自然二進(jìn)制編碼為B=bmbm-1…b2b1,其對(duì)應(yīng)的格雷碼的轉(zhuǎn)換公式為:
???
??? 格雷碼的特點(diǎn)是連續(xù)的兩個(gè)整數(shù)所對(duì)應(yīng)的編碼值之間只有一個(gè)碼位是不相同的,,任意兩個(gè)整數(shù)的差是這兩個(gè)整數(shù)所對(duì)應(yīng)的格雷碼之間的海明距離,這使得在遺傳算法中的一次交叉,、變異操作也僅使其對(duì)應(yīng)的參數(shù)發(fā)生微小的變化,,有助于提高遺傳算法的局部搜索能力,也便于交叉,、變異操作,,并且可以根據(jù)測(cè)量值的實(shí)際情況對(duì)搜索精度做靈活的改變[5]。
??? (4)為了保持樣本的多樣性,,本改進(jìn)算法采用單點(diǎn)交叉的方法,,交叉概率為0.4。這樣既可以滿(mǎn)足產(chǎn)生新個(gè)體的要求,,又不會(huì)破壞個(gè)體的適應(yīng)度,,使算法很容易地搜索到最優(yōu)解附近,,具有很強(qiáng)的全局搜索能力。
??? 在本文的改進(jìn)算法中,,選取的變異概率為0.001,,變異方法是非均勻變異,它相當(dāng)于整個(gè)解向量在解空間作了一個(gè)輕微的變動(dòng),,可以重點(diǎn)搜索原個(gè)體附近的微小區(qū)域,,更有利于搜索到最優(yōu)解,使算法只需花費(fèi)很小的代價(jià)就可以從最優(yōu)解附近搜索到達(dá)最優(yōu)解,。
??? (5)在適應(yīng)函數(shù)選取前把交叉前后的串先進(jìn)行解碼,,把等級(jí)值轉(zhuǎn)換為載干比值。
實(shí)現(xiàn)思路如下:先把格雷碼轉(zhuǎn)換為自然二進(jìn)制碼,,假設(shè)格雷碼為:G=gmgm-1…g2g1,,則轉(zhuǎn)化為自然二進(jìn)制的方法為:
???
??? 再把解碼后的等級(jí)值轉(zhuǎn)換成載干比值,轉(zhuǎn)換方法如下:假設(shè)采樣點(diǎn)N的等級(jí)值為SN,,則采樣點(diǎn)N的初始值為:
??? ?
??? (6)在適應(yīng)函數(shù)選取及復(fù)制操作中,,把交叉、變異操作前的初始化群體的值和操作后的值按照它們與所在曲線(xiàn)段的均值的偏差的大小進(jìn)行加權(quán)疊加,,產(chǎn)生新的初始化群體元素,。
??? 實(shí)現(xiàn)思路為:①先找出搜索點(diǎn)所在曲線(xiàn)段,然后求出該曲線(xiàn)段的載干比的平均值;②計(jì)算搜索點(diǎn)在交叉,、變異操作前的載干比值與所在曲線(xiàn)段的載干比均值的標(biāo)準(zhǔn)偏差,,令為f1;③計(jì)算搜索點(diǎn)在交叉、變異操作后的載干比值與所在曲線(xiàn)段的載干比的平均值的標(biāo)準(zhǔn)偏差,,令為f2;④若設(shè)搜索點(diǎn)的載干比為CIR1,交叉變異操作后的載干比為CIR2,,選擇復(fù)制后的載干比為new_CIR;令:a1=f1/(f1+f2), a2=f2/(f1+f2)則:?
???
??? 在原來(lái)初始化群體元素的基礎(chǔ)上,該方法利用交叉,、變異操作,,對(duì)元素附近區(qū)域進(jìn)行搜索,然后根據(jù)偏差的大小進(jìn)行加權(quán)修正,,充分利用各個(gè)曲線(xiàn)段內(nèi)相鄰點(diǎn)之間的相關(guān)性,,可以更為有效地消除NLOS和多徑傳播的影響。
??? 為了減小算法搜索隨機(jī)性對(duì)優(yōu)化結(jié)果的影響,,本文采用多次迭代,、求平均值的方法。
5 仿真結(jié)果及性能分析
??? NLOS和多徑傳播是載干比測(cè)量值產(chǎn)生偏差的主要因素,,它既可使載干比的測(cè)量值產(chǎn)生正向偏差,,也可使載干比測(cè)量值產(chǎn)生負(fù)向偏差,并且偏差的統(tǒng)計(jì)特性也是未知的。
??? 為了充分驗(yàn)證算法在各種通信環(huán)境下的性能,,本文分兩部分進(jìn)行驗(yàn)證:第一部分是對(duì)一般的通信環(huán)境(受NLOS誤差和多徑傳播誤差影響比較?。y(cè)量結(jié)果進(jìn)行驗(yàn)證,第二部分是對(duì)通信環(huán)境比較復(fù)雜情況下(受NLOS誤差和多徑傳播誤差影響比較大且不斷變化)測(cè)量結(jié)果進(jìn)行驗(yàn)證,。由于對(duì)信號(hào)達(dá)到方位信息的判斷是通過(guò)載干比的均值和方差兩個(gè)指標(biāo)來(lái)衡量的,,所以在驗(yàn)證算法性能時(shí),主要也是從優(yōu)化前后載干比的均值和方差的變化情況來(lái)綜合衡量算法的性能,。
??? 本文采用MATLAB做仿真驗(yàn)證,。仿真結(jié)果如圖2~圖7及表1和表2所示。在圖2,、4,、6中的橫坐標(biāo)表示在每個(gè)角度下獲得的測(cè)量值的個(gè)數(shù),在圖3,、5,、7中橫坐標(biāo)表示優(yōu)化后輸出的載干比個(gè)數(shù);在圖2 ,、3,、4、5中縱坐標(biāo)表示載干比值(單位dB),,在圖6,、7中縱坐標(biāo)表示載干比方差。
??????????????????????????
??? 其中,,表1和表2中的角度偏差是天線(xiàn)所對(duì)方向與信號(hào)到達(dá)方位的偏差,,指標(biāo)是判斷角度偏差大小的衡量指標(biāo),即載干比的均值與方差的乘積,。平均指標(biāo)是天線(xiàn)在每個(gè)角度下所有測(cè)量值產(chǎn)生的指標(biāo)的總和與測(cè)量值個(gè)數(shù)的比值,。從圖2~3分析可知優(yōu)化后載干比的均值變化不大,,而分布相對(duì)比較集中,,既方差普遍變小,并且各個(gè)角度之間的方差區(qū)別更加明顯,。從表1可以看出,,優(yōu)化后每個(gè)測(cè)量值的平均指標(biāo)有所提高,并且區(qū)分更為明顯,。
?
??? 從圖4~圖7及表2分析可知優(yōu)化后載干比的均值變化不大,,但方差變化普遍有所減小,并且比較明顯,。在優(yōu)化前由于受干擾因素的影響比較大,,利用載干比的均值與方差的乘積作為指標(biāo)來(lái)判斷天線(xiàn)所對(duì)角度與實(shí)際信號(hào)到達(dá)方位的偏離程度是非常困難的,因?yàn)閺膱D中可以看到載干比的分布都比較分散,,并且各個(gè)角度下的差別不大,,在干擾因素比較大的情況下,,甚至還會(huì)出現(xiàn)偏離程度比較大,但測(cè)量值所反應(yīng)出的判斷指標(biāo)反而比較大,,導(dǎo)致嚴(yán)重的錯(cuò)誤判斷(如天線(xiàn)在-60°時(shí)的情況),。而經(jīng)過(guò)優(yōu)化處理后,載干比的分布比較集中,,并且方差普遍降到一個(gè)較小的范圍內(nèi),,從表2中反應(yīng)的指標(biāo)分析,各個(gè)角度偏差的判斷指標(biāo)也都得到了提高,,并且差別也比較明顯,。即使是在干擾因素影響比較大的情況下,也能避免偏離程度比較大而測(cè)量值所反應(yīng)的判斷指標(biāo)也比較大的情況發(fā)生,,有效抑制錯(cuò)誤判斷的發(fā)生,,從而實(shí)現(xiàn)了信號(hào)到達(dá)方位的精確估計(jì)。
??????????????????????????????
???????????????????????????????
????場(chǎng)外試驗(yàn)和仿真實(shí)驗(yàn)表明,,該算法不僅能避免遺傳算法“早熟”現(xiàn)象的發(fā)生,,而且克服了N階多項(xiàng)式擬合及加權(quán)修正的方法不能根據(jù)實(shí)際情況靈活調(diào)整搜索精度的缺陷,并且有效抑制了測(cè)量值的數(shù)量對(duì)誤差消除程度的影響,,可以有效消除NLOS誤差和多徑傳播誤差對(duì)測(cè)量值的影響,,避免錯(cuò)誤判斷的發(fā)生,實(shí)現(xiàn)精確估計(jì)信號(hào)到達(dá)方位的目的,。
參考文獻(xiàn)
[1] 范平志,鄧平,劉林.蜂窩網(wǎng)無(wú)線(xiàn)定位[M].北京:電子工業(yè)出版社,2002.
[2] CAFFERY J. Wireless location in CDMA celluar radio?systems [M].Boston:Kluwer Academic Publishers,2000.
[3] CAFFERY J. STUBER L. Subecriber location in CDMA?celluar networks [J]. IEEE Trans,on Vehicular Technology,1998,47(2):406-415.
[4] WYLIE M P, HOLTZMAN J. The non-line-of sight?problem in mobile location estimate [A].IEEE International ?conference on universal person communication Cambridge,Massachusetts,USA, 1996: 827-831.
[5] 周明,孫樹(shù)棟.遺傳算法原理及應(yīng)用[M].北京:國(guó)防工業(yè)出版社,1999.
?