蜂窝网信息融合定位理论与方法

本书汇集了作者近年来在蜂窝网信息融合定位领域的研究成果，主要内容包括无线定位理论基础、蜂窝网定位参数测量算法、NLOS误差鉴别与抑制算法、蜂窝网信息融合定位理论与方法、基于数据域融合的直接定位方法、基于路径追踪的决策层信息融合定位方法等。重点研究了基于测量参数、地理信息、传播路径和原始数据域信息的蜂窝网融合定位方法，构建了蜂窝网信息融合定位模型，同时给出了算法仿真与分析。本书适合于高等院校通信、导航专业高年级本科生和研究生学习参考，也可供致力于移动通信与无线定位研究的高校教师、研究所或公司研究人员参考使用。

王建辉，博士（后），解放军信息工程大学副教授，硕士生导师。主要研究方向为无线信号定位和移动通信。主持国家自然科学基金、河南省科技攻关项目、军内科研，以及解放军信息工程大学很好青年基金共计7项，作为主要参与人完成国家863项目、武器装备预研项目，以及型号研制类项目10余项。

上篇
章绪论3
1.1蜂窝网定位技术概述3
1.1.1无线定位技术的概念3
1.1.2蜂窝网定位技术的应用领域4
1.1.3蜂窝网定位技术的发展5
1.1.4蜂窝网定位系统的分类7
1.2信息融合技术概述9
1.2.1信息融合技术基础9
1.2.2信息融合的体系结构和分类10
1.2.3信息融合技术的研究现状11
1.2.4多源信息融合的优势12
1.2.5多源信息融合存在的主要问题13
1.3蜂窝网信息融合定位技术的可行性分析15
1.3.1基于信息融合的定位技术研究现状15
1.3.2蜂窝网信息融合定位技术的可行性和意义15
参考文献17
第2章无线定位理论基础18
2.1无线定位常用方法18
2.1.1场强定位方法18
2.1.2基于到达时间测量的定位方法19
2.1.3基于到达时间差测量的定位方法20
2.1.4基于信号到达角的定位方法21
2.1.5基于指纹匹配的定位方法22
2.2传统的定位参数测量方法23
2.2.1时延估计23
2.2.2角度估计24
2.2.3时延和到达角联合估计27
2.3NLOS误差鉴别与抑制方法28
2.4传统的移动台位置解算算法30
2.4.1非迭代定位算法31
2.4.2迭代定位算法36
2.5定位性能指标40
参考文献42
第3章蜂窝网定位中的时延估计算法47
3.1超分辨时延估计算法47
3.1.1OFDM信号时延估计模型47
3.1.2子空间类时延估计算法49
3.1.3优选似然时延估计算法53
3.2基于蒙特卡罗直接抽样的优选似然时延估计算法58
3.2.1信号模型59
3.2.2算法原理60
3.2.3克拉美罗下界62
3.2.4算法仿真与分析63
3.3基于重要性抽样的优选似然时延估计算法66
3.3.1信号模型66
3.3.2算法原理67
3.3.3克拉美罗下界71
3.3.4算法仿真与分析72
3.4本章小结76
参考文献76
第4章蜂窝网定位中的时延和到达角联合估计算法78
4.1基于求根MUSIC的时延和到达角联合估计78
4.1.1时延和到达角联合估计模型79
4.1.2算法原理80
4.1.3算法仿真与分析83
4.2基于Hadamard积扩展子空间的时延和到达角联合估计90
4.2.1算法原理91
4.2.2克拉美罗下界93
4.2.3算法仿真与分析96
4.3本章小结100
参考文献100
第5章蜂窝网定位系统的NLOS误差抑制算法102
5.1蜂窝网定位系统的误差分析102
5.2典型的定位误差鉴别与抑制算法分析103
5.2.1NLOS误差鉴别算法103
5.2.2NLOS误差抑制算法105
5.3基于信号斜度归零准则的NLOS误差抑制算法107
5.3.1NLOS误差的信道模型108
5.3.2基于信号斜度归零准则的NLOS误差鉴别算法108
5.3.3基于数据斜度归零准则的NLOS误差抑制算法110
5.3.4算法仿真与分析111
5.4基于偏差Kalman滤波器和神经网络的NLOS误差抑制算法114
5.4.1偏差Kalman滤波器114
5.4.2Kalman滤波器对TOA进行无偏估计的算法推导115
5.4.3基于BP神经网络的NLOS误差环境模型系数估计116
5.4.4算法总体流程118
5.4.5算法仿真与分析118
5.5本章小结122
参考文献122
第6章蜂窝移动通信系统信息融合定位理论124
6.1引言124
6.2信息融合定位系统的总体设计方案125
6.3基于信息融合的蜂窝网定位系统结构127
6.3.1信息融合定位系统的功能结构127
6.3.2信息融合定位系统的层次结构128
6.3.3信息融合定位系统的整体框架129
6.4基于多源测量参数信息的数据层融合定位算法130
6.4.1经典无线位置估计算法130
6.4.2基于多目标优化理论的多源测量参数信息融合定位132
6.5多目标优化信息融合定位的求解方法134
6.5.1多目标优化理论的最优解134
6.5.2多目标优化问题的经典求解方法135
6.5.3基于遗传算法的多目标进化算法137
6.6基于多目标优化的数据层信息融合定位方法138
6.7基于分布式结构的改进遗传算法141
6.7.1改进遗传算法的必要性141
6.7.2常见的变异改进型遗传算法142
6.7.3分布式遗传算法原理143
6.7.4分布式遗传算法设计144
6.8基于分布式遗传算法的测量参数数据层定位算法145
6.8.1目标种群设计145
6.8.2子种群设计146
6.8.3分布式遗传算法的整体流程148
6.8.4算法仿真与分析148
6.9本章小结153
参考文献154
第7章移动台位置融合决策与系统性能评估优化155
7.1信息融合定位系统的决策层融合结构155
7.1.1决策层融合的概念和常用方法155
7.1.2信息融合定位系统的决策层融合结构156
7.2基于贝叶斯规则的决策层融合算法159
7.2.1贝叶斯决策层融合算法159
7.2.2贝叶斯决策层融合的序贯递推160
7.2.3贝叶斯决策层融合的性能分析161
7.3基于闭环反馈结构的改进粒子滤波决策层融合定位162
7.3.1基本的粒子滤波算法162
7.3.2闭环反馈型的改进粒子滤波器165
7.3.3基于IUKF算法的粒子重采样167
7.4算法仿真与分析175
7.5信息融合定位系统的性能评估178
7.5.1信息融合定位系统性能评估的作用178
7.5.2信息融合定位系统的测试评估原理179
7.6信息融合定位系统的控制优化181
7.6.1控制优化的整体策略181
7.6.2基于信息反馈的控制优化结构182
7.6.3基于专家系统辅助的性能优化方法183
7.7本章小结188
参考文献188
下篇
第8章基于数据域融合的直接定位方法191
8.1直接定位方法基本原理191
8.1.1直接定位技术概述191
8.1.2直接定位信号模型192
8.1.3直接定位解算方法193
8.2基于角度和多普勒信息的多站直接定位方法194
8.2.1基于角度和多普勒信息的信号接收模型195
8.2.2基于优选似然准则的直接定位算法196
8.2.3克拉美罗下界推导199
8.2.4算法仿真与分析201
8.3基于时延和多普勒信息的多站直接定位方法206
8.3.1基于时延和多普勒信息的信号接收模型207
8.3.2基于分段信号相关累加的移动台直接定位算法208
8.3.3克拉美罗下界推导212
8.3.4算法仿真与分析214
8.4本章小结218
参考文献218
第9章融合多径信息的直接定位方法220
9.1基于反射体信息辅助的多径点源直接定位算法220
9.1.1基于角度和时延信息的多径信号接收模型220
9.1.2算法基本原理222
9.1.3克拉美罗下界推导228
9.1.4算法仿真与分析232
9.2基于旋转不变性的多径分布源直接定位算法236
9.2.1相干分布源信号接收模型236
9.2.2算法基本原理239
9.2.3计算量分析241
9.2.4算法仿真与分析242
9.3基于迭代优化的低复杂度直接定位方法247
9.3.1基于子空间正交性的直接定位滤波模型247
9.3.2修正容积卡尔曼滤波算法原理249
9.3.3计算量分析252
9.3.4算法仿真与分析252
9.4本章小结256
参考文献256
0章基于路径追踪溯源的蜂窝网定位方法258
10.1基于路径追踪溯源的蜂窝网定位理论基础258
10.1.1经典蜂窝网信道模型258
10.1.2地理信息系统（GIS）262
10.1.3路径追踪对于无线定位技术的意义264
10.2基于路径追踪溯源的蜂窝网定位原理265
10.2.1位置指向性路径与区域指向性路径266
10.2.2基于虚拟定位站的路径追踪定位算法框架269
10.3无线信号传播环境模型的建立271
10.3.1无线信号传播环境模型271
10.3.2基于GIS环境模型的建立273
10.4基于聚类分析的反向路径追踪算法276
10.4.1位置指向性路径的反向追踪算法277
10.4.2区域指向性路径的反向追踪算法281
10.4.3算法仿真与分析283
10.5路径追踪定位算法的CRLB与GDOP290
10.5.1镜像定位站位置估计291
10.5.2克拉美罗下界推导297
10.5.3几何精度因子（GDOP）304
10.5.4算法仿真与分析318
10.6基于路径追踪的决策层信息融合定位算法325
10.6.1移动台位置粗估计过程325
10.6.2异常检测过程326
10.6.3加权融合过程328
10.6.4算法总体流程331
10.6.5算法仿真与分析332
10.7本章小结338
参考文献339