• ISSN 1673-5722
  • CN 11-5429/P

基于改进Chan-Taylor算法的震后定位搜索技术研究

胡喆馨 卜凡亮 王媛媛

胡喆馨,卜凡亮,王媛媛,2023. 基于改进Chan-Taylor算法的震后定位搜索技术研究. 震灾防御技术,18(1):178−185. doi:10.11899/zzfy20230119. doi: 10.11899/zzfy20230119
引用本文: 胡喆馨,卜凡亮,王媛媛,2023. 基于改进Chan-Taylor算法的震后定位搜索技术研究. 震灾防御技术,18(1):178−185. doi:10.11899/zzfy20230119. doi: 10.11899/zzfy20230119
Hu Zhexin, Bu Fanliang, Wang Yuanyuan. Research on the Post-earthquake Localization Search Technology Based on the Improved Chan-Taylor Algorithm[J]. Technology for Earthquake Disaster Prevention, 2023, 18(1): 178-185. doi: 10.11899/zzfy20230119
Citation: Hu Zhexin, Bu Fanliang, Wang Yuanyuan. Research on the Post-earthquake Localization Search Technology Based on the Improved Chan-Taylor Algorithm[J]. Technology for Earthquake Disaster Prevention, 2023, 18(1): 178-185. doi: 10.11899/zzfy20230119

基于改进Chan-Taylor算法的震后定位搜索技术研究

doi: 10.11899/zzfy20230119
详细信息
    作者简介:

    胡喆馨,女,生于1997年。硕士研究生。主要从事安全防范技术与工程研究。E-mail:619631920@qq.com

    通讯作者:

    卜凡亮,男,生于1965年。教授。主要从事安全防范技术与工程研究。E-mail:bufanliang@sina.com

Research on the Post-earthquake Localization Search Technology Based on the Improved Chan-Taylor Algorithm

  • 摘要: 针对震后复杂的非视距传播环境,在充分了解废墟状态下信道特征和信号传播特点的基础上,构建震后无线定位系统框架,提出改进的Chan-Taylor位置解算方法,将改进的残差加权算法与多元泰勒级数展开算法相融合,并进行二次残差加权。对废墟环境进行实地调研,并通过Matlab进行仿真模拟实验,仿真结果表明,改进后的算法能更好地抑制非视距环境下TDOA的测量误差,对震后被压埋幸存者的位置解算与及时营救具有重要意义。
  • 地震,是我国常见的自然灾害之一,具有频度高、强度大、震源浅、分布广等特点(杜浩国等,2021)。根据中国地震台网监测,2020年中国大陆及其相邻地区共发生5级以上地震28次(杜方,2021)。随着城市规模、人口密度的扩大,灾难发生后所带来的生命财产损失更加难以估量(王文和等,2019),且受害者被压埋时间越久,存活率越低。未能快速准确判断废墟中被困人员数量、位置等是错过黄金救援时间的关键因素(许建华等,2016)。因此,地震发生后黄金时间段内开展定位搜救工作刻不容缓。

    传统的搜救方式有搜救犬、生命探测仪等,随着移动通信技术的发展与手机的普及,基于手机信号的移动定位技术成为震后搜救的新思路。德国救援联邦机构曾调查显示,在灾害情况下,约有80%的受害者都随身携带着手机(Zorn等,2010)。我们可以通过手机信号定位手机,从而确定被困人员的位置。然而由于震后的信号传输往往处于非视距环境中,目标位置与估计位置之间存在障碍,定位精度受到严重影响,因此优化位置解算方法,选择更合适的算法进行定位搜救是本文研究的重点内容。

    手机一般会在开关机、接收或发送短信、接听或拨出电话、位置更新、数据服务等情况下发射信号,而针对震后灾难现场的实际情况,被埋幸存者往往无法主动使用手机,因此诱导手机发射信号是定位手机的第一步。在进行各种服务请求时,均会分配1个独立专用控制信道(Standalone Dedicated Control Channel,SDCCH),短信息、电话、位置更新等各种消息都会在该信道上进行交互。因此,可对待定位移动终端发送短信或者拨打电话,直至建立SDCCH信道为止,无需幸存者真正应答(何蛟,2016)。而基于基站定位的定位技术根据测量值的不同,可分为多边测量法、基于到达时间(Time of Arrival,TOA)算法(Wang等,2003Ke等,2009)、基于到达时间差(Time Difference of Arrival,TDOA)算法(陆音等,2015)、基于到达角度(Angle of Arrival,AOA)算法(郭丽梅等,2010)、接收信号强度(Received Signal Strength Indication,RSSI)定位技术等,针对障碍物遮挡的复杂环境,存在基于TDOA、RSSI的空间协同优化算法和多制式融合等定位技术(穆波等,2020)。其中,TDOA算法可以在几何上描述为求解双曲线交点的过程,Chan等(1994)首次提出两步加权最小二乘的位置解算方法,也称为Chan算法,通过近似的最大似然估计可以在TDOA的测量存在误差的条件下达到较高的定位精度。Foy等(1976)提出用泰勒级数的方式进行位置解算的方法,通过迭代不断逼近待定位的目标点。杨俊峰等(2013)提出了一种结合2种算法优点的组合算法,避免泰勒级数展开法中容易陷入局部最小值的问题。基于Taylor算法和Chan的定位方法也被应用于各个方面,且有着不错的定位效果,如应用于微震源定位(杨俊峰,2013)、农业生产环境下的智能感知(刘恩华,2015)、室内定位(陈大伟等,2021)、民航监视系统中的监控定位(程擎等,2021)、燃气管道泄漏的定位(郭兴,2021)等。但实际震后场景中,环境布局复杂,废墟坍塌情况在实际环境因素、受灾程度等影响下各不相同,路径损耗较大(武有文等,2017),且建筑物对无线信号的反射、折射导致存在大量的NLOS传播条件,均将导致TDOA的观测值具有更大的误差,从而影响定位算法的解算。

    本文主要研究在针对震后的NLOS环境,对传统的组合算法进行优化,利用改进后的最小残差加权提高复杂的灾后环境下的初值估计精度,解决灾后环境LOS基站占比较低的条件下加权不够优化的问题,并结合灾害现场存在多个静止的待定位搜救目标的特点,利用待定位目标之间的距离约束进行泰勒级数展开,基于改进Chan-Taylor算法的震后定位搜救算法,提高灾后搜救定位的精度。

    地震发生后建筑物坍塌、路面塌陷等情况时有发生,针对被埋受害者亟待定位救援的问题,设计基于受害者手机信号的定位搜救系统,主要分为可移动紧急救援基站对手机信号的诱发与探测、相关数据的捕获、定位算法的位置解算、缩小定位范围并更新定位结果等板块,搜救系统的具体工作流程如下(图1):

    图 1  定位搜救系统流程
    Figure 1.  The process of localization search and rescue system

    (1)受害者往往不便移动,无法主动使用手机发射信号,因此紧急救援基站提高发射功率,建立独立专用控制信道SDCCH,诱导手机发射信号。

    (2)剔除救援人员或无关人员的手机信号,记录可移动紧急救援基站自身的位置信息,获取待定位目标到不同紧急救援基站之间的到达时间差。

    (3)利用算法模块对待定位目标进行位置解算,获取受害者的被困位置。

    (4)缩小定位范围,重复算法步骤,实时更新定位结果,确定最终位置。

    设第mm∈{1,2,3......M})个待定位目标的位置坐标为(XmYm),用于定位的第ii∈{1,2,3......I})个应急救援基站BSi的坐标为(xiyi),则待定位目标到第i个应急救援基站之间的实际距离rm,i为:

    $$ {r_{m,i}} = \sqrt {{{({X_m} - {x_i})}^2} + {{({Y_m} - {y_i})}^2}} $$ (1)

    若令BS1为参考基站,则第m个待定位目标到BS1和第i个基站BSi之间的测量距离差rm,i1可表示为:

    $$ {r_{m,i1}} = {r_i} - {r_1} = c \cdot {t_{i1}} $$ (2)

    式中,c为电磁波的传播速度,c=$ 3 \times {10^8}{\text{ m/s}} $rir1分别为待定位目标到第i个基站和第1个基站之间的距离;ti1为待定位目标发射信号到达BS1和BSi的时间差,即TDOA的测量值。由于至少需要3个基站(Chen,1999),即2组TDOA测量值才可解算出待定位目标位置,因此设共有T组TDOA测量值,共可组成K种组合方式,则:

    $$ T = I - 1 $$ (3)
    $$ K = \mathop C\nolimits_T^2 $$ (4)

    分别对每种组合进行两步加权最小二乘估计,得到目标位置估计值和残差ek,残差表示由测量的TDOA计算得到的距离差和实际距离差之间的差值,反应了回归方程的预测所带来的误差(魏佳琛,2021),定义为:

    $$ {e_{{k}}} = \frac{{{e_{m1}} + {e_{m2}}}}{2} = \frac{{{{[}}{{{r}}_{{{m,ij}}}} - {{(}}{{{r}}_{{{m,i}}}} - {{r}}{}_{{{m,j}}}{{)]}} + {{[}}{{{r}}_{{{m,gh}}}} - {{(}}{{{r}}_{{{m,g}}}} - {{{r}}_{{{m,h}}}}{{)]}}}}{{{2}}} $$ (5)

    式中,ek为求解目标位置时每种组合中两个TDOA残差em1em2的均值。将所有残差均值做归一化处理:

    $$ E = \frac{{\displaystyle\sum\limits_{k = 1}^K {{e_k}} }}{K} $$ (6)

    在所有TDOA组合中选取使得归一化残差最小的组合,记为集合Kmin。定义Kmin中TDOA的个数为P,其补集为Q1(Q1=T−P),依次将Q1中TDOA加入到初始组合之中,将新增后的组合依次进行两步加权最小二乘估计,得到新的目标估计值和归一化残差,将其中残差最小的组合加入集合Kmin中,此时补集Q2=Q1−1。当Q2>0时,重复以上步骤。

    依据Kmin中的组合所得到的所有位置估计进行残差加权。将权重设置为残差倒数的高次幂,可以加大震后环境中NLOS基站个数占比较大时对非视距误差的抑制,减小非视距误差的影响,权重值表示为:

    $$ W = {\left( {\frac{1}{{\text{E}}}} \right)^n} \text{,} {\text{n}} \geqslant 2 $$ (7)

    依次按照残差将各组合加权,得到待定位目标的初步位置:

    $$ ({X}'_{m},{Y}'_{m})=\frac{{\displaystyle \sum _{v=1}^{V}({X}_{v},{Y}_{v})\cdot {W}_{v}}}{{\displaystyle \sum _{v=1}^{V}{W}_{v}}} $$ (8)

    式中,V为集合中得到的所有位置估计的数目。

    将改进的残差加权算法得到的初步位置值作为泰勒级数展开的初值,可以解决因初值偏差过大而导致迭代结果陷入局部最小值的问题。同时,根据灾难现场待定位目标较多的情况,可结合定位目标之间的距离关系进行约束,充分利用有用信息,建立多元Taylor级数展开方程组(式9)。其中,定位目标之间的距离关系用残差加权得到的初步估计值表示。

    $$ \left\{ \begin{array}{l} {f_1} = c \cdot {t_{i1}} = {r_{m,i1}} = \sqrt {{{\left( {{X_m} - {x_i}} \right)}^2} + {{\left( {{Y_m} - {y_i}} \right)}^2}} + \sqrt {{{\left( {{X_m} - {x_1}} \right)}^2} + {{\left( {{Y_m} - {y_1}} \right)}^2}} + {\varepsilon _{mi}} \\ {f_2} = {R_{m,n}}' = {R_{m,n}} + {\sigma _{mn}} = \sqrt {{{\left( {{X_m} - {X_n}'} \right)}^2} + {{\left( {{Y_m} - {Y_n}'} \right)}^2}} = \sqrt {{{\left( {{X_m} - {X_n}} \right)}^2} + {{\left( {{Y_m} - {Y_n}} \right)}^2}} + {\sigma _{mn}} \\ \end{array} \right. $$ (9)

    式中,Rm,n为第m个待定位目标与第n个待定位目标间的实际距离,R'm,n为其估计距离;ε、σ分别为目标与基站之间、目标之间测量距离和实际距离的误差。f进行泰勒级数展开的公式为:

    $$ f = \mathop f\limits^ \wedge + \left( {\Delta x\frac{\partial }{{\partial x}} + \Delta y\frac{\partial }{{\partial y}}} \right)\mathop f\limits^ \wedge + \frac{1}{{2!}}{\left( {\Delta x\frac{\partial }{{\partial x}} + \Delta y\frac{\partial }{{\partial y}}} \right)^2}\mathop f\limits^ \wedge + \cdots \frac{1}{{n!}}{\left( {\Delta x\frac{\partial }{{\partial x}} + \Delta y\frac{\partial }{{\partial y}}} \right)^n}\mathop f\limits^ \wedge $$ (10)

    忽略泰勒展开式的二阶以上分量,并结合式(9)将其转换为矩阵的形式:

    $$ {\boldsymbol{\psi}} = h - {\boldsymbol{G}}{\boldsymbol{\delta}} $$ (11)
    $$ {\boldsymbol{\psi}} = {\left[ {{\varepsilon _{12}}{\text{ }}{\varepsilon _{13}}{\text{ }} \cdots {\varepsilon _{mi}}{\text{ }} \cdots {\varepsilon _{MI}}{\text{ }}{\sigma _{1,2}}{\text{ }} \cdots {\sigma _{{\text{mn}}}}{\text{ }} \cdots {\sigma _{\left( {M - 1} \right)M}}} \right]^{\text{T}}} $$ (12)
    $$\begin{split} & {\boldsymbol{h}} = [ {r_{1,21}} - \left( {{r_{1,2}} - {r_{1,1}}} \right){r_{1,31}} - \left( {{r_{1,3}} - {r_{1,1}}} \right) \cdots {r_{m,i1}} - \left( {{r_{m,{\text{i}}}} - {r_{m,1}}} \right) \cdots {r_{M,I1}}\\& - \left( {{r_{m,I}} - {r_{M,1}}} \right){R_{1,2}}' - {{\text{R}}_{{\text{1,2}}}} \cdots {R_{m,n}}' - {R_{m,n}} \cdots {{\text{R}}_{\left( {{{M}}-1} \right)M}}' - {R_{\left( {{{M }}- 1} \right){{M}}}} ]^{\text{T}} \end{split} $$ (13)
    $$ {\boldsymbol{\delta}} = {\left[ {\Delta {X_1}{\text{ }}\Delta {Y_1}{\text{ }}\Delta {X_2}{\text{ }}\Delta {Y_2}{\text{ }} \cdots {\text{ }}\Delta {X_M}{\text{ }}\Delta {Y_M}} \right]^{\text{T}}} $$ (14)

    式中,Ψ为误差矢量,h为实际值与测量值之间的差值矩阵,$ {\boldsymbol{\delta}} $为估计误差矩阵。

    G的前M∙(I−1)行中,第$[ $m−1)∙(I−1)+1$] $m∙(I−1)行对应的第(2m−1)和2m列记为矩阵Gm

    $$ {{\boldsymbol{G}}_{\boldsymbol{m}}} = \left[ \begin{array}{cc} \dfrac{{{x_1} - {X_m}}}{{{r_{m,1}}}} - \dfrac{{{x_2} - {X_m}}}{{{r_{m,2}}}} & \dfrac{{{y_1} - {Y_m}}}{{{r_{m,1}}}} - \dfrac{{{y_2} - {Y_m}}}{{{r_{m,2}}}} \\ \dfrac{{{x_1} - {X_m}}}{{{r_{m,1}}}} - \dfrac{{{x_3} - {X_m}}}{{{r_{m,3}}}} & \dfrac{{{y_1} - {Y_m}}}{{{r_{m,1}}}} - \dfrac{{{y_3} - {Y_m}}}{{{r_{m,3}}}} \\ \vdots & \vdots \\ \dfrac{{{x_1} - {X_m}}}{{{r_{m,1}}}} - \dfrac{{{x_I} - {X_m}}}{{{r_{m,I}}}} & \dfrac{{{y_1} - {Y_m}}}{{{r_{m,1}}}} - \dfrac{{{y_I} - {Y_m}}}{{{r_{m,I}}}} \\ \end{array} \right] $$ (15)

    其余列为0;第$[ $M∙(I−1)+1$] $行至$[ $M∙(I−1)+(M−1)$] $行中,当$ h = {R_{m,n}}' - {R_{m,n}} $时,G中对应的该行第2m−1、2m、2n−1、2n列的值分别为$ \dfrac{{{X_m} - {X_n}}}{{{R_{m,n}}}} $$ \dfrac{{{Y_m} - {Y_n}}}{{{R_{m,n}}}} $$ - \dfrac{{{X_m} - {X_n}}}{{{R_{m,n}}}} $$ - \dfrac{{{Y_m} - {Y_n}}}{{{R_{m,n}}}} $,该行其余列的值为0。

    不断更新目标值进行迭代计算,设立门限值为$ \left| {\Delta {X_m}} \right| + \left| {\Delta {Y_m}} \right| < \eta $,重复以上迭代过程直至误差满足门限值。

    将改进后的残差加权算法得到的粗略位置估计,与再次进行多元泰勒级数展开后的精确位置估计进行残差加权,避免前2个阶段目标位置估计中的异常情况对整体的定位性能造成影响,提高改进后算法的定位精度。

    采用MATLAB仿真工具对改进后Chan-Taylor算法的性能进行验证。

    在震后复杂的NLOS环境下,TDOA的误差包括测量系统的测量误差及附加时延误差,TDOA的测量值往往较无障碍环境中大,因此采用算法优化NLOS误差进行定位。待定位目标发射信号到第i个救援基站的到达时间τi可表示为:

    $$ {\tau _i} = {\tau _{{\rm{los}}}} + {\tau _{{\rm{sys}}}} + {\tau _{\rm{N}}} $$ (16)

    式中,τlos为LOS环境下目标发射信号到基站的传播时间;τsys为测量系统的测量误差;τN为NLOS环境下引起的时延误差,一般而言,τN服从指数分布(Bellusci等,2009李德建等,2012),概率密度函数记为:

    $$ P\left( {{\tau _{\rm{N}}}|{\tau _{{\rm{rms}}}}} \right) = \frac{1}{{{\tau _{{\rm{rms}}}}}}\exp \left( { - \frac{{{\tau _{\rm{N}}}}}{{{\tau _{{\rm{rms}}}}}}} \right) {\tau _{\rm{N}}} \geqslant 0 $$ (17)

    τrms为均方根时延扩展,可表示为:

    $$ {\tau _{{\rm{rms}}}} = Tr_{m,i}^\lambda \xi $$ (18)

    T$ r = 1{\text{ }} $km时τrms的中值;λ取值在0.5至1之间;ξ是标准差为4~6 dB的对数正态分布随机变量,不同信道环境中T的取值如表1所示。

    表 1  不同信道环境下的参数取值
    Table 1.  Parameters for different channel environments
    信道环境T/ μs
    远郊地区0.10
    一般市区0.40
    典型城区0.98
    恶劣城区2.53
    丘陵地区6.88
    下载: 导出CSV 
    | 显示表格

    对于震后环境,缺少固定的信道模型,由于钢筋、混凝土、砖块等各种材质阻碍的影响,时延误差较大,其信道状态可近似看作恶劣城区。

    分别利用Chan算法、Taylor级数展开算法、Chan-Taylor算法以及本文改进Chan-Taylor算法对目标位置进行仿真定位,每种算法仿真1000次,得到估计点分布情况与定位误差的累积分布,以及本文算法在不同数量救援基站参与定位情况下的性能验证。

    图2显示了在2个待定位目标的情况下,依照不同算法仿真1000次后获得的目标估计位置的分布情况,根据估计位置的离散情况可以看出,改进后的Chan-Taylor算法估计的位置坐标更集中于待搜救目标点附近,相较于其他算法更具鲁棒性。

    图 2  目标估计位置分布情况
    Figure 2.  Localization distribution of target estimation

    图3展示了非视距环境下,4个基站参与定位时不同算法的定位误差累计分布曲线,由仿真结果可以看出,在NLOS环境中TDOA测量值误差较大的情况下,本文的定位算法精度明显优于其他算法,具有更高的定位精度,能更好的为复杂震后环境搜救过程提供算法支持。

    图 3  定位误差累计分布曲线
    Figure 3.  Localization error cumulative distribution curve

    为进一步验证实际环境下本文定位算法的有效性,选取小区单元楼堆满杂物的楼梯间和石块遍布的天台为测试环境,模拟震后障碍物堆积的复杂环境,如图4所示。

    图 4  定位测试场景
    Figure 4.  The test scenario of localization

    由于天线部署等实际因素的考虑,本文采用模拟基站,针对非视距环境下的角度、时延以及反射墙体等,采用三维射线跟踪的方法生成(唐亚平等,2014),并利用测距仪测量周围环境的距离参数。在实测仿真条件下对比传统定位算法与本文改进的Chan-Taylor算法,得到定位误差均值与均方根误差(Root Mean Squared Error,RMSE)如表2所示:

    表 2  均方根误差对比
    Table 2.  Comparison of the root mean squared error
    项目算 法
    ChanTaylorChan-Taylor改进的
    Chan-Taylor
    均方根误差8.3517.4795.9823.556
    误差平均值2.8452.4391.8761.372
    下载: 导出CSV 
    | 显示表格

    表2可以看出,利用本文改进的Chan-Taylor算法进行定位具有更小的定位误差,展现出更好的定位效果,与此同时,均方根误差的值也最小,说明定位性能也相对更加稳定,更适合复杂环境下的震后定位。

    图5展示了定位误差随基站个数的变化趋势。由图5中可知,定位误差随基站个数的增多而逐渐降低,但降低速度逐渐减缓,因此在实际定位搜救行动当中,在条件允许的情况下,适当增加应急救援基站的个数可以使目标定位更准确。

    图 5  定位误差随基站个数的变化
    Figure 5.  Localization error varies with the number of base stations

    震后定位救援时效性是十分关键的因素。表3记录对比了各个算法所需的时间。

    表 3  不同定位算法的运行时间
    Table 3.  Running time of the different localization algorithms
    项目算法
    ChanTaylorChan-Taylor改进的Chan-Taylor
    4个基站参与定位运行时间/s1.0691.4541.6461.652
    5个基站参与定位运行时间/s1.0971.5101.7221.715
    6个基站参与定位运行时间/s1.1311.6121.8981.919
    下载: 导出CSV 
    | 显示表格

    本文算法在组合算法的基础上对最小残差加权进行改进,并利用待定位目标之间的距离约束进行泰勒级数展开,可在运行时间相差较小的情况下,提高定位准确度。

    综上,改进后的Chan-Taylor算法通过优化残差加权以及增加待定位目标之间的约束,使得定位准确度上升,能更好的应对震后复杂环境中NLOS带来的误差影响。算法的解算时间上虽较普通定位算法有些许增加,但仍能满足定位救援的需要,而且随着参与定位的基站数量的增加,定位时间也逐渐上升,因此在实际的定位搜救行动当中,要根据现场非视距影响情况合理规划救援基站数量。

    地震发生后的紧急搜救定位是一个复杂的课题,高效且准确的定位技术是赢得更高生还率的关键所在。针对震后被埋幸存者的实际情况构建了无线定位搜救系统,提出改进的Chan-Taylor算法,将改进的残差加权算法作为多元泰勒级数展开的初值进行迭代运算,并将2个阶段的估计结果进行二次残差加权。结果表明,该算法能较好的抑制震后复杂环境下的非视距误差,满足震后搜救定位需求,为救援人员快速实施搜救提供了新思路。

    致谢 本研究使用了中国地震台网监测数据,在此表示感谢。同时感谢编辑和审稿人对改进论文的有益意见和建议。

  • 图  1  定位搜救系统流程

    Figure  1.  The process of localization search and rescue system

    图  2  目标估计位置分布情况

    Figure  2.  Localization distribution of target estimation

    图  3  定位误差累计分布曲线

    Figure  3.  Localization error cumulative distribution curve

    图  4  定位测试场景

    Figure  4.  The test scenario of localization

    图  5  定位误差随基站个数的变化

    Figure  5.  Localization error varies with the number of base stations

    表  1  不同信道环境下的参数取值

    Table  1.   Parameters for different channel environments

    信道环境T/ μs
    远郊地区0.10
    一般市区0.40
    典型城区0.98
    恶劣城区2.53
    丘陵地区6.88
    下载: 导出CSV

    表  2  均方根误差对比

    Table  2.   Comparison of the root mean squared error

    项目算 法
    ChanTaylorChan-Taylor改进的
    Chan-Taylor
    均方根误差8.3517.4795.9823.556
    误差平均值2.8452.4391.8761.372
    下载: 导出CSV

    表  3  不同定位算法的运行时间

    Table  3.   Running time of the different localization algorithms

    项目算法
    ChanTaylorChan-Taylor改进的Chan-Taylor
    4个基站参与定位运行时间/s1.0691.4541.6461.652
    5个基站参与定位运行时间/s1.0971.5101.7221.715
    6个基站参与定位运行时间/s1.1311.6121.8981.919
    下载: 导出CSV
  • 陈大伟, 钱路雁, 陈诗军等, 2021. 基于改进Chan算法和多元Taylor算法的室内定位方法. 电脑知识与技术, 17(1): 11—15

    Chen D. W. , Qian L. Y. , Chen S. J. , et al. , 2021. Indoor location based on improved Chan algorithm and Taylor algorithm. Computer Knowledge and Technology, 17(1): 11—15. (in Chinese)
    程擎, 胡苗苗, 史晓红等, 2021. 改进的Taylor-Chan算法的多点定位精度研究. 航空计算技术, 51(6): 1—3, 8 doi: 10.3969/j.issn.1671-654X.2021.06.001

    Cheng Q. , Hu M. M. , Shi X. H. , et al. , 2021. Multi-point positioning accuracy based on improved Taylor-Chan algorithm. Aeronautical Computing Technique, 51(6): 1—3, 8. (in Chinese) doi: 10.3969/j.issn.1671-654X.2021.06.001
    杜方, 2021.2020年地震活动综述. 四川地震, (2): 1—6

    Du F. , 2021. Summary of Earthquake Activities in 2020. Earthquake Research in Sichuan, (2): 1—6. (in Chinese)
    杜浩国, 孙志, 杜浩标等, 2021. 震后基于无人机快速三维定位被困人员模型研究. 震灾防御技术, 16(2): 404—413 doi: 10.11899/zzfy20210220

    Du H. G. , Sun Z. , Du H. B. , et al. , 2021. Research on the model of UAV Fast 3 D positioning of trapped people after earthquake. Technology for Earthquake Disaster Prevention, 16(2): 404—413. (in Chinese) doi: 10.11899/zzfy20210220
    郭丽梅, 罗大庸, 2010. 非视距环境中TOA/AOA混合定位方法. 电路与系统学报, 15(5): 26—30

    Guo L. M. , Luo D. Y. , 2010. A TOA/AOA hybrid location method in non-line-of-sight environment. Journal of Circuits and Systems, 15(5): 26—30. (in Chinese)
    郭兴, 2021. 燃气管道泄漏的检测与定位研究. 长春: 吉林建筑大学.

    Guo X., 2021. Research on detection and location of gas pipeline leakage. Changchun: Jilin Jianzhu University. (in Chinese)
    何蛟, 2016. 基于移动通信的生命无线智能探测技术研究. 杭州: 浙江大学.

    He J., 2016. Research on disaster relief techniques based on mobile communication. Hangzhou: Zhejiang University. (in Chinese)
    李德建, 周正, 李斌等, 2012. 办公室环境下的超宽带信道测量与建模. 电波科学学报, 27(3): 432—439 doi: 10.13443/j.cjors.2012.03.015

    Li D. J. , Zhou Z. , Li B. , et al. , 2012. Ultra wideband channel measurement and modeling for the office environment. Chinese Journal of Radio Science, 27(3): 432—439. (in Chinese) doi: 10.13443/j.cjors.2012.03.015
    刘恩华, 徐科明, 2015. 基于Chan和Taylor的改进定位算法在智慧农业中的应用研究. 中国农机化学报, 36(6): 253—255, 318 doi: 10.13733/j.jcam.issn.2095-5553.2015.06.060

    Liu E. H, Xu K. M. , 2015. Application study of the improved location algorithm based on Chan and Taylor in wisdom agriculture. Journal of Chinese Agricultural Mechanization, 36(6): 253—255, 318. (in Chinese) doi: 10.13733/j.jcam.issn.2095-5553.2015.06.060
    陆音, 王宝全, 丘觐玮, 2015. CHAN算法在LOS和NLOS环境下的定位研究. 计算机技术与发展, 25(9): 61—65

    Lu Y. , Wang B. Q. , Qiu J. W. , 2015. Study on Localization of CHAN Algorithm in LOS and NLOS Environment. Computer Technology and Development, 25(9): 61—65. (in Chinese)
    穆波, 刘超, 王廷春等, 2020. 危化品企业人员作业安全与风险智能管控平台建设研究. 安全与环境工程, 27(5): 134—140

    Mu B. , Liu C. , Wang T. C. , et al. , 2020. Development of intelligent management and control platform of site operation safety risk for hazardous chemical enterprises. Safety and Environmental Engineering, 27(5): 134—140. (in Chinese)
    唐亚平, 徐大专, 朱秋明等, 2014. 基于三维反向射线跟踪的电波传播预测. 计算机工程, 40(3): 143—146, 151 doi: 10.3969/j.issn.1000-3428.2014.03.029

    Tang Y. P. , Xu D. Z. , Zhu Q. M. , et al. , 2014. Radio wave propagation prediction based on 3 D reverse ray-tracing. Computer Engineering, 40(3): 143—146, 151. (in Chinese) doi: 10.3969/j.issn.1000-3428.2014.03.029
    王文和, 刘林精, 张爽等, 2019. 城市综合应灾能力的耦合协调度评估. 安全与环境工程, 26(6): 79—84, 93

    Wang W. H. , Liu L. J. , Zhang S. , et al. , 2019. Evaluation of coupling coordination degree of urban comprehensive disaster response capability. Safety and Environmental Engineering, 26(6): 79—84, 93. (in Chinese)
    魏佳琛, 2021. NLOS环境下基于最优化理论的TDOA定位算法研究. 北京: 北京邮电大学.

    Wei J. C., 2021. TDOA position estimate algorithm based on optimization method in NLOS environment. Beijing: Beijing University of Posts and Telecommunications. (in Chinese)
    武有文, 洪利, 姚振静等, 2017. 地震废墟环境下Wi-Fi无线信号传播模型参数测量. 震灾防御技术, 12(1): 210—219 doi: 10.11899/zzfy20170122

    Wu Y. W. , Hong L. , Yao Z. J. , et al. , 2017. Parameter measurement of Wi-Fi radio signal propagating in constrction ruins by earthquake. Technology for Earthquake Disaster Prevention, 12(1): 210—219. (in Chinese) doi: 10.11899/zzfy20170122
    许建华, 李伟华, 杜晓霞等, 2016. 人员伤亡规模不同的特别重大地震灾害专业救援对比分析. 震灾防御技术, 11(4): 781—790 doi: 10.11899/zzfy20160408

    Xu J. H. , Li W. H. , Du X. X. , et al. , 2016. Comparative analysis of professional rescues for catastrophic earthquakes with different death levels. Technology for Earthquake Disaster Prevention, 11(4): 781—790. (in Chinese) doi: 10.11899/zzfy20160408
    杨俊峰, 2013. Chan算法和Taylor级数混合算法的微震源定位方法研究. 电子测试, (3—4): 70—72

    Yang J. F., 2013. Research on microseism source localization based on Chan algorithm and Taylor series algorithm. Electronic Test, (3—4): 70—72. (in Chinese)
    杨俊峰, 张丕状, 2013. 基于Chan算法和Taylor级数混合算法的到达时差定位. 核电子学与探测技术, 33(4): 480—482, 526 doi: 10.3969/j.issn.0258-0934.2013.04.020

    Yang J. F. , Zhang P. Z. , 2013. Time difference of arrival localization based on Chan algorithm and Taylor series algorithm. Nuclear Electronics and Detection Technology, 33(4): 480—482, 526. (in Chinese) doi: 10.3969/j.issn.0258-0934.2013.04.020
    Bellusci G. , Janssen G. J. M. , Yan J. L. , et al. , 2009. Modeling distance and bandwidth dependency of TOA-based UWB ranging error for positioning. Research Letters in Signal Processing, 2009: 468597.
    Chan Y. T. , Ho K. C. , 1994. A simple and efficient estimator for hyperbolic location. IEEE Transactions on Signal Processing, 42(8): 1905—1915. doi: 10.1109/78.301830
    Chen P. C. , 1999. A non-line-of-sight error mitigation algorithm in location estimation. In: WCNC. 1999 IEEE Wireless Communications and Networking Conference. New Orleans, USA: IEEE, 316—320.
    Foy W. H. , 1976. Position-location solutions by Taylor-series estimation. IEEE Transactions on Aerospace and Electronic Systems, AES-12(2): 187—194. doi: 10.1109/TAES.1976.308294
    Ke W. , Wu L. N. , 2009. Constrained least squares algorithm for TOA-based mobile location under NLOS environments. In: Proceedings of the 5 th International Conference on Wireless Communications. Beijing, China: IEEE, 5150—5153.
    Wang X. , Wang Z. X. , O’Dea B. , 2003. A TOA-based location algorithm reducing the errors due to non-line-of-sight (NLOS) propagation. IEEE Transactions on Vehicular Technology, 52(1): 112—116.  doi: 10.1109/TVT.2002.807158
    Zorn S. , Rose R. , Goetz A. , et al. , 2010. A novel technique for mobile phone localization for search and rescue applications. In: 2010 International Conference on Indoor Positioning and Indoor Navigation. Zurich, Switzerland: IEEE, 1—4.
  • 期刊类型引用(2)

    1. 周仁才,徐雨,刘杰,马千军. 基于多源传感器的电力新材料智慧仓储系统设计. 自动化与仪器仪表. 2024(03): 153-157 . 百度学术
    2. 姚君,邵将,朱金佗,宗威,李轩轩. 公共安全与保障视角下的应急救援装备工业设计及应用研究综述. 包装工程. 2024(18): 1-16+513 . 百度学术

    其他类型引用(1)

  • 加载中
图(5) / 表(3)
计量
  • 文章访问数:  229
  • HTML全文浏览量:  42
  • PDF下载量:  10
  • 被引次数: 3
出版历程
  • 收稿日期:  2022-02-15
  • 刊出日期:  2023-03-31

目录

/

返回文章
返回