UWB定位中基于神经网络的TDOA解算方法
收藏资源简介
提出了一种在LOS(视距)环境下基于神经网络的UWB精确定位算法,通过BP神经网络算法对数据进行大量训练,得到最优化的神经元权系数,形成神经网络,从而实现TDOA(到达时间差)定位的解算。仿真结果表明,在UWB的通信环境下,与经典的Taylor算法和Chan算法比,方法在实时处理要求下定位性能是最优的,在计算复杂度代价与定位精度方面取得折中,可满足实际定位应用中低功耗、低复杂度和快速高精度定位的要求。
提出了一种在LOS(视距)环境下基于神经网络的UWB精确定位算法,通过BP神经网络算法对数据进行大量训练,得到最优化的神经元权系数,形成神经网络,从而实现TDOA(到达时间差)定位的解算。仿真结果表明,在UWB的通信环境下,与经典的Taylor算法和Chan算法比,方法在实时处理要求下定位性能是最优的,在计算复杂度代价与定位精度方面取得折中,可满足实际定位应用中低功耗、低复杂度和快速高精度定位的要求。