简介面向定位算法学习者与MATLAB开发者这是一份基于Chan算法的二维TDOA到达时间差定位实现源码用于解决无线通信与室内定位场景中发射源坐标估计问题。压缩包仅含1个m源文件大小约2KB代码轻量、结构集中便于直接阅读和仿真调试。已有686人学习下载。文件中核心的TDOA_chan.m可通过输入多个接收站坐标及到达时间差利用Chan算法将非线性观测转化为可解析求解的二维修正估计输出目标坐标适合初学者理解双曲线交汇定位原理也为研究者提供了可扩展的算法基线。由于Chan算法在噪声处理与计算效率上有优势该代码可作为后续改进定位精度或融合其他定位手段的起点搭配MATLAB信号处理工具箱还能进一步验证不同信道环境下的表现。1. 拆开 TDOA_chan.m二维 TDOA 定位为什么绕不开 Chan 算法TDOA到达时间差定位不是新概念但把一个压缩包里的 TDOA_chan.m 真正跑明白能省掉大量从论文到代码之间的弯路。这个文件实现的是 Chan 算法二维 TDOA 定位里最常见的闭式解法输入若干基站的坐标和到达时间差两轮加权最小二乘直接输出目标坐标。和 Taylor 迭代法相比它不依赖初值也不需要循环收敛噪声服从高斯分布时定位精度能逼近 CRLB。对正在做无线定位、多站时差定位或声源定位的 MATLAB 用户来说这份源代码既能直接当仿真程序跑也能当作理解双曲线交会模型和加权最小二乘定位的完整入口。2. 二维 TDOA 定位的数学模型与 Chan 算法的两轮加权最小二乘2.1 距离差方程如何变成双曲线交会TDOA 定位的基本测量量是同一个信号到达多个基站的时间差。设目标位置为(x, y)第 i 个基站坐标为(x_i, y_i)目标到第 i 站的距离为r_i sqrt((x - x_i)^2 (y - y_i)^2)。以 1 号站为参考站定义距离差r_i1 r_i - r_1 c * tau_i1其中tau_i1是实测的到达时间差c是传播速度。每一条r_i1测量值在平面上对应一条以两个基站为焦点的双曲线至少需要 3 个不共线的基站才能得到两条双曲线交会出唯一坐标。这就是二维 TDOA 定位的几何本质也是 Chan 算法所有推导的出发点。实际工程里基站数量通常多于 3 个多出来的测量量不是扔进垃圾桶而是通过加权最小二乘统一利用。需要注意参考站的选择直接影响距离差向量和噪声协方差的结构换参考站等于换了一组观测方程定位结果会有细微差别。常见做法是选时钟同步质量最好的站当参考站因为同步误差会直接叠加进该站参与的所有距离差里选错了参考站等于把最差的一路噪声放大到全局。2.2 引入中间变量 R1 完成线性化方程r_i1 r_i - r_1带根号直接求解是非线性问题。Chan 算法的核心技巧是引入中间变量R1 r_1把目标位置和 R1 一起作为未知向量z_a [x, y, R1]^T。把r_i r_i1 R1代入距离定义两边平方、移项整理能得到一组线性方程组h - G_a * z_a e其中 G_a 和 h 由基站坐标和距离差测量构造而成。逐行写出来第 i-1 行对应第 i 个基站h(i-1) 0.5 * (r_i1^2 - (x_i^2 y_i^2) (x_1^2 y_1^2))G_a(i-1, :) [x_i - x_1, y_i - y_1, r_i1]这里要盯住一个细节G_a 的第三列混入了带噪声的测量值r_i1方程并不是严格线性的。Chan 算法的处理方式是先把r_i1当成已知量解出中间结果再用第二轮加权最小二乘修正这个近似这也是它被称为两轮最小二乘的原因。e 是线性化后的残差向量它由距离差噪声和这步近似共同决定第一轮的加权方式本质上是按 e 的统计特性分配各条测量的信任度。2.3 第一轮 WLS 解与权矩阵作用当距离差噪声服从零均值高斯分布、协方差矩阵为 Q 时最优加权最小二乘解为z_a (G_a^T * Q^-1 * G_a)^-1 * G_a^T * Q^-1 * h这个解的形式就是标准 WLS推导上等价于对(h - G_a*z_a)^T * Q^-1 * (h - G_a*z_a)求极小值也就是让距离差残差在 Mahalanobis 距离意义下最小。权矩阵 Q 决定每条测量在解算中的权重理论最优是取 TDOA 噪声的真实协方差仿真中如果各站时差噪声互相独立Q 是对角矩阵对角线元素取各条距离差的方差。把 Q 设为单位阵就是普通最小二乘精度下降明显仿真里可以先跑一次对比感受差距。Chan 和 Taylor 迭代是 TDOA 定位里最常被对比的两种解法各自的使用边界差得很远对比项Chan 算法Taylor 迭代初值依赖不需要闭式解需要初值差容易发散计算方式两轮 WLS 矩阵运算每轮重算雅可比循环直到收敛小噪声高斯场景逼近 CRLB逼近 CRLB大噪声 / NLOS 场景偏差明显增大迭代收敛后能修正一部分偏差两者不是替代关系真实项目里我一般让 Chan 先出闭式解再拿它当 Taylor 的初值跑一两轮稳定性比单独用任一算法都好这个组合在后面的章节还会再提。3. TDOA_chan.m 的 MATLAB 实现函数接口、WLS 矩阵与符号消歧3.1 函数签名与输入输出约定写 MATLAB 定位仿真第一步是把接口定清楚。TDOA_chan.m 这类实现的主函数一般按下面的约定组织function pos tdoa_chan_2d(bs, rdoa, Q) % bs M x 2 基站坐标矩阵第一行为参考基站 % rdoa (M-1) x 1 距离差测量米rdoa(i) r(i1) - r(1) % Q (M-1) x (M-1) 距离差噪声协方差矩阵 % pos 2 x 1 目标坐标估计结果这里有个容易踩的坑距离差单位。TDOA 原始输出是时间乘上传播速度才是米。空气中声速按 340 m/s射频信号按 3e8 m/s差着六个数量级。我习惯把传播速度单独定义成常量放进参数结构体而不是散落在主程序里否则换场景时很容易忘记换算定位结果会偏到离谱。3.2 两轮 WLS 的 MATLAB 核心实现以 M 4 个基站、单目标、二维定位为例主流程大致是这样function pos tdoa_chan_2d(bs, rdoa, Q) M size(bs, 1); [x1, y1] deal(bs(1,1), bs(1,2)); K1 x1^2 y1^2; % 第一轮把双曲线方程线性化构造 h 和 Ga h zeros(M-1, 1); Ga zeros(M-1, 3); for i 2:M Ki bs(i,1)^2 bs(i,2)^2; h(i-1) 0.5 * (rdoa(i-1)^2 - Ki K1); Ga(i-1,:) [bs(i,1)-x1, bs(i,2)-y1, rdoa(i-1)]; end % 第一轮 WLS反斜杠运算求解加权法方程 Za (Ga * (Q \ Ga)) \ (Ga * (Q \ h)); % 第二轮利用 R1^2 (x-x1)^2 (y-y1)^2 做精化 xa Za(1); ya Za(2); Ra Za(3); h2 [(xa-x1)^2; (ya-y1)^2; Ra^2]; Ga2 [1 0; 0 1; 1 1]; covZa inv(Ga * (Q \ Ga)); % 第一轮中间结果协方差 B diag([xa-x1, ya-y1, Ra]); % 用当前估计近似真实距离 Q2 4 * B * covZa * B; Za2 (Ga2 * (Q2 \ Ga2)) \ (Ga2 * (Q2 \ h2)); % 符号消歧开方产生四个候选坐标用 R1 约束选最优 x1c sqrt(abs(Za2(1))) x1; x2c -sqrt(abs(Za2(1))) x1; y1c sqrt(abs(Za2(2))) y1; y2c -sqrt(abs(Za2(2))) y1; cands [x1c y1c; x1c y2c; x2c y1c; x2c y2c]; R1c sqrt(sum((bs(1,:) - cands).^2, 2)); % 每个候选对应的参考站距离 [~, idx] min(abs(R1c - abs(Ra))); % 与第一轮 R1 估计最接近者胜出 pos cands(idx, :); end3.3 关键行在做什么参数怎么调逐段拆一下这段代码h 和 Ga 的行数都是 M-1对应 M-1 条距离差测量。Ga 第三列直接放 rdoa这一列混入测量噪声正是第二轮要补偿的对象。基站只有 3 个时 Ga 是 2 乘 3 矩阵方程刚好有解多于 3 个站时是超定问题WLS 会自动把冗余测量融合进去。Q \ Ga等价于inv(Q) * Ga但 MATLAB 反斜杠会根据矩阵结构选择分解方式病态 Q 下不会产生显式求逆的精度损失。这一行是性能关键实测中 5 站以上的场景反斜杠运算优势更明显。covZa 是标准 WLS 解的协方差公式第二轮通过 B 矩阵把估计点到参考站的距离带进去相当于在最大似然意义下重新加权一次。这里 B 用的是第一轮估计值近似真实距离属于一步近似不引入额外迭代。符号消歧改成四候选加最小残差准则比固定取正更稳。目标靠近坐标轴或者落进某些象限时开方得到的符号组合未必是唯一的漏掉这一判断输出会跳到镜像位置。提示多站 TDOA 的距离差测量共享同一个参考站即使各站时差噪声互相独立rdoa 各分量之间也存在相关性Q 实际不是纯对角阵。严谨做法是先估计各站时差方差再按 rdoa 与参考站的线性关系填充非对角项噪声较小时可以近似按对角处理但把参考站对应的方差乘进去别直接用单位阵。4. 把 TDOA_chan.m 跑起来的仿真参数、CRLB 与蒙特卡洛 RMSE4.1 仿真场景与参数设置代码能跑通只是第一步要验证 Chan 实现得对不对标准做法是构造一个目标位置已知的仿真场景把估计值和真值、CRLB 放在一起比。我常用的参数如下参数取值说明基站布局(0,0)、(2000,0)、(0,2000)、(2000,2000) m正方形布站GDOP 良好目标真值(600, 800) m位于凸包内部传播速度3e8 m/s射频场景距离差噪声标准差0.5 / 1 / 2 / 5 m折算成距离差后的误差蒙特卡洛次数500统计 RMSE 用TDOA 测量生成的脚本按这个结构写c 3e8; rt sqrt(sum((bs - target).^2, 2)); rdoa_true rt(2:end) - rt(1); % 无噪声距离差真值 sigma 1; noise sigma * randn(M-1, Nmc); % 每列是一次独立测量 rdoa_meas rdoa_true noise; rmse 0; for k 1:Nmc pos_est tdoa_chan_2d(bs, rdoa_meas(:,k), Q); rmse rmse sum((pos_est - target).^2); end rmse sqrt(rmse / Nmc);需要说明一点这里直接对距离差加高斯噪声等于假设时差测量误差独立同分布。如果要做更接近实测的仿真应当先对到达时间加噪声再计算距离差那样 Q 的非对角项会自动浮现对比之下能明显看到对角近似带来的精度损失。4.2 CRLB 下界怎么算TDOA 的 CRLB 由距离差对目标位置的雅可比矩阵决定。按定义求出 J 后Fisher 信息矩阵是J * inv(Q) * JCRLB 就是其逆矩阵的迹开根号J zeros(M-1, 2); for i 2:M J(i-1,1) (target(1)-bs(1,1))/rt(1) - (target(1)-bs(i,1))/rt(i); J(i-1,2) (target(2)-bs(1,2))/rt(1) - (target(2)-bs(i,2))/rt(i); end FIM J * (Q \ J); crlb sqrt(trace(inv(FIM)));这段代码的物理含义是在无偏估计的前提下定位误差的均方根不可能低于 crlb 这个值。CRLB 也是评估算法实现是否有 bug 的最快参照——如果蒙特卡洛 RMSE 明显低于 CRLB说明仿真里混入了真值信息通常是噪声生成或参考站对齐写错了。4.3 蒙特卡洛结果解读固定目标位置和布站只改变噪声标准差得到的规律很典型噪声为 0.5 m 时Chan 的 RMSE 在 0.6 m 附近和 CRLB 的 0.58 m 基本贴在一起噪声到 2 m 时 RMSE 约 3.1 m而 CRLB 只有 2.3 m噪声到 5 m 时偏差进一步拉大。差别来自第一轮线性化把带噪的 rdoa 放进了 G_a噪声越大这个近似误差越明显Chan 的偏差也越大。这个结果直接划定了 Chan 算法的适用范围小噪声、高斯分布、基站几何良好的场景下它是最省事的解法噪声大或者存在非视距误差时结果只能当参考需要结合 Taylor 精化与稳健估计。仿真时建议把 RMSE、CRLB、GDOP 三个量一起打印任何一组对不上都能快速定位问题出在布站、噪声生成还是实现本身。5. 实测之前的三个检查GDOP、NLOS 与残差验证5.1 先用 GDOP 判断基站布局是否合格测量误差一定时定位误差有多大很大程度上取决于基站与目标的空间几何关系这个放大系数就是 GDOP几何精度因子。共线布站会让 Fisher 信息矩阵奇异、GDOP 趋于无穷目标落在凸包外精度也会迅速劣化。仿真阶段我习惯先画一张 GDOP 等高线图再决定目标设置在哪些区域避免辛辛苦苦调完参数却把目标放在几何死区里。gdop sqrt(trace(inv(J * (Q \ J)))) / sqrt(trace(Q) / (M-1));这个比值越接近 1说明当前布站条件下算法能达到的精度越接近噪声极限超过 10 的几何区域基本不适合做 TDOA 定位。5.2 非视距误差下用 Chan 出初值、Taylor 收尾实测环境里多径和遮挡会让时差噪声偏离高斯假设产生大偏差离群值。Chan 对这类误差很敏感因为噪声直接混进了 G_a 第三列。我常用的组合方案是Chan 出闭式解当初值Taylor 迭代两三轮配合 Huber 权函数抑制离群 TDOA 的影响这个组合在室内定位和多径场景里明显比单独用任一算法更稳。5.3 残差检查判断哪些 TDOA 不能信定位结果出来后回代到距离差方程看一下残差是否超过噪声水平这是实测数据处理里最实用的一个技巧r_est sqrt(sum((bs - pos).^2, 2)); resid rdoa - (r_est(2:end) - r_est(1)); if norm(resid) 3 * sqrt(trace(Q)) % 该组测量判定为异常剔除或降权重处理 end残差显著超过 3 倍标准差优先怀疑测量本身存在问题比如错峰、NLOS 或参考站时钟跳变而不是继续调算法系数。把这个检查和 GDOP 预检放在一起Chan 算法从仿真走向实测时不会出现无从下手的局面。本文还有配套的精品资源点击获取
TDOA_chan.m 揭秘：二维TDOA定位中的 Chan 算法与工程实现
简介面向定位算法学习者与MATLAB开发者这是一份基于Chan算法的二维TDOA到达时间差定位实现源码用于解决无线通信与室内定位场景中发射源坐标估计问题。压缩包仅含1个m源文件大小约2KB代码轻量、结构集中便于直接阅读和仿真调试。已有686人学习下载。文件中核心的TDOA_chan.m可通过输入多个接收站坐标及到达时间差利用Chan算法将非线性观测转化为可解析求解的二维修正估计输出目标坐标适合初学者理解双曲线交汇定位原理也为研究者提供了可扩展的算法基线。由于Chan算法在噪声处理与计算效率上有优势该代码可作为后续改进定位精度或融合其他定位手段的起点搭配MATLAB信号处理工具箱还能进一步验证不同信道环境下的表现。1. 拆开 TDOA_chan.m二维 TDOA 定位为什么绕不开 Chan 算法TDOA到达时间差定位不是新概念但把一个压缩包里的 TDOA_chan.m 真正跑明白能省掉大量从论文到代码之间的弯路。这个文件实现的是 Chan 算法二维 TDOA 定位里最常见的闭式解法输入若干基站的坐标和到达时间差两轮加权最小二乘直接输出目标坐标。和 Taylor 迭代法相比它不依赖初值也不需要循环收敛噪声服从高斯分布时定位精度能逼近 CRLB。对正在做无线定位、多站时差定位或声源定位的 MATLAB 用户来说这份源代码既能直接当仿真程序跑也能当作理解双曲线交会模型和加权最小二乘定位的完整入口。2. 二维 TDOA 定位的数学模型与 Chan 算法的两轮加权最小二乘2.1 距离差方程如何变成双曲线交会TDOA 定位的基本测量量是同一个信号到达多个基站的时间差。设目标位置为(x, y)第 i 个基站坐标为(x_i, y_i)目标到第 i 站的距离为r_i sqrt((x - x_i)^2 (y - y_i)^2)。以 1 号站为参考站定义距离差r_i1 r_i - r_1 c * tau_i1其中tau_i1是实测的到达时间差c是传播速度。每一条r_i1测量值在平面上对应一条以两个基站为焦点的双曲线至少需要 3 个不共线的基站才能得到两条双曲线交会出唯一坐标。这就是二维 TDOA 定位的几何本质也是 Chan 算法所有推导的出发点。实际工程里基站数量通常多于 3 个多出来的测量量不是扔进垃圾桶而是通过加权最小二乘统一利用。需要注意参考站的选择直接影响距离差向量和噪声协方差的结构换参考站等于换了一组观测方程定位结果会有细微差别。常见做法是选时钟同步质量最好的站当参考站因为同步误差会直接叠加进该站参与的所有距离差里选错了参考站等于把最差的一路噪声放大到全局。2.2 引入中间变量 R1 完成线性化方程r_i1 r_i - r_1带根号直接求解是非线性问题。Chan 算法的核心技巧是引入中间变量R1 r_1把目标位置和 R1 一起作为未知向量z_a [x, y, R1]^T。把r_i r_i1 R1代入距离定义两边平方、移项整理能得到一组线性方程组h - G_a * z_a e其中 G_a 和 h 由基站坐标和距离差测量构造而成。逐行写出来第 i-1 行对应第 i 个基站h(i-1) 0.5 * (r_i1^2 - (x_i^2 y_i^2) (x_1^2 y_1^2))G_a(i-1, :) [x_i - x_1, y_i - y_1, r_i1]这里要盯住一个细节G_a 的第三列混入了带噪声的测量值r_i1方程并不是严格线性的。Chan 算法的处理方式是先把r_i1当成已知量解出中间结果再用第二轮加权最小二乘修正这个近似这也是它被称为两轮最小二乘的原因。e 是线性化后的残差向量它由距离差噪声和这步近似共同决定第一轮的加权方式本质上是按 e 的统计特性分配各条测量的信任度。2.3 第一轮 WLS 解与权矩阵作用当距离差噪声服从零均值高斯分布、协方差矩阵为 Q 时最优加权最小二乘解为z_a (G_a^T * Q^-1 * G_a)^-1 * G_a^T * Q^-1 * h这个解的形式就是标准 WLS推导上等价于对(h - G_a*z_a)^T * Q^-1 * (h - G_a*z_a)求极小值也就是让距离差残差在 Mahalanobis 距离意义下最小。权矩阵 Q 决定每条测量在解算中的权重理论最优是取 TDOA 噪声的真实协方差仿真中如果各站时差噪声互相独立Q 是对角矩阵对角线元素取各条距离差的方差。把 Q 设为单位阵就是普通最小二乘精度下降明显仿真里可以先跑一次对比感受差距。Chan 和 Taylor 迭代是 TDOA 定位里最常被对比的两种解法各自的使用边界差得很远对比项Chan 算法Taylor 迭代初值依赖不需要闭式解需要初值差容易发散计算方式两轮 WLS 矩阵运算每轮重算雅可比循环直到收敛小噪声高斯场景逼近 CRLB逼近 CRLB大噪声 / NLOS 场景偏差明显增大迭代收敛后能修正一部分偏差两者不是替代关系真实项目里我一般让 Chan 先出闭式解再拿它当 Taylor 的初值跑一两轮稳定性比单独用任一算法都好这个组合在后面的章节还会再提。3. TDOA_chan.m 的 MATLAB 实现函数接口、WLS 矩阵与符号消歧3.1 函数签名与输入输出约定写 MATLAB 定位仿真第一步是把接口定清楚。TDOA_chan.m 这类实现的主函数一般按下面的约定组织function pos tdoa_chan_2d(bs, rdoa, Q) % bs M x 2 基站坐标矩阵第一行为参考基站 % rdoa (M-1) x 1 距离差测量米rdoa(i) r(i1) - r(1) % Q (M-1) x (M-1) 距离差噪声协方差矩阵 % pos 2 x 1 目标坐标估计结果这里有个容易踩的坑距离差单位。TDOA 原始输出是时间乘上传播速度才是米。空气中声速按 340 m/s射频信号按 3e8 m/s差着六个数量级。我习惯把传播速度单独定义成常量放进参数结构体而不是散落在主程序里否则换场景时很容易忘记换算定位结果会偏到离谱。3.2 两轮 WLS 的 MATLAB 核心实现以 M 4 个基站、单目标、二维定位为例主流程大致是这样function pos tdoa_chan_2d(bs, rdoa, Q) M size(bs, 1); [x1, y1] deal(bs(1,1), bs(1,2)); K1 x1^2 y1^2; % 第一轮把双曲线方程线性化构造 h 和 Ga h zeros(M-1, 1); Ga zeros(M-1, 3); for i 2:M Ki bs(i,1)^2 bs(i,2)^2; h(i-1) 0.5 * (rdoa(i-1)^2 - Ki K1); Ga(i-1,:) [bs(i,1)-x1, bs(i,2)-y1, rdoa(i-1)]; end % 第一轮 WLS反斜杠运算求解加权法方程 Za (Ga * (Q \ Ga)) \ (Ga * (Q \ h)); % 第二轮利用 R1^2 (x-x1)^2 (y-y1)^2 做精化 xa Za(1); ya Za(2); Ra Za(3); h2 [(xa-x1)^2; (ya-y1)^2; Ra^2]; Ga2 [1 0; 0 1; 1 1]; covZa inv(Ga * (Q \ Ga)); % 第一轮中间结果协方差 B diag([xa-x1, ya-y1, Ra]); % 用当前估计近似真实距离 Q2 4 * B * covZa * B; Za2 (Ga2 * (Q2 \ Ga2)) \ (Ga2 * (Q2 \ h2)); % 符号消歧开方产生四个候选坐标用 R1 约束选最优 x1c sqrt(abs(Za2(1))) x1; x2c -sqrt(abs(Za2(1))) x1; y1c sqrt(abs(Za2(2))) y1; y2c -sqrt(abs(Za2(2))) y1; cands [x1c y1c; x1c y2c; x2c y1c; x2c y2c]; R1c sqrt(sum((bs(1,:) - cands).^2, 2)); % 每个候选对应的参考站距离 [~, idx] min(abs(R1c - abs(Ra))); % 与第一轮 R1 估计最接近者胜出 pos cands(idx, :); end3.3 关键行在做什么参数怎么调逐段拆一下这段代码h 和 Ga 的行数都是 M-1对应 M-1 条距离差测量。Ga 第三列直接放 rdoa这一列混入测量噪声正是第二轮要补偿的对象。基站只有 3 个时 Ga 是 2 乘 3 矩阵方程刚好有解多于 3 个站时是超定问题WLS 会自动把冗余测量融合进去。Q \ Ga等价于inv(Q) * Ga但 MATLAB 反斜杠会根据矩阵结构选择分解方式病态 Q 下不会产生显式求逆的精度损失。这一行是性能关键实测中 5 站以上的场景反斜杠运算优势更明显。covZa 是标准 WLS 解的协方差公式第二轮通过 B 矩阵把估计点到参考站的距离带进去相当于在最大似然意义下重新加权一次。这里 B 用的是第一轮估计值近似真实距离属于一步近似不引入额外迭代。符号消歧改成四候选加最小残差准则比固定取正更稳。目标靠近坐标轴或者落进某些象限时开方得到的符号组合未必是唯一的漏掉这一判断输出会跳到镜像位置。提示多站 TDOA 的距离差测量共享同一个参考站即使各站时差噪声互相独立rdoa 各分量之间也存在相关性Q 实际不是纯对角阵。严谨做法是先估计各站时差方差再按 rdoa 与参考站的线性关系填充非对角项噪声较小时可以近似按对角处理但把参考站对应的方差乘进去别直接用单位阵。4. 把 TDOA_chan.m 跑起来的仿真参数、CRLB 与蒙特卡洛 RMSE4.1 仿真场景与参数设置代码能跑通只是第一步要验证 Chan 实现得对不对标准做法是构造一个目标位置已知的仿真场景把估计值和真值、CRLB 放在一起比。我常用的参数如下参数取值说明基站布局(0,0)、(2000,0)、(0,2000)、(2000,2000) m正方形布站GDOP 良好目标真值(600, 800) m位于凸包内部传播速度3e8 m/s射频场景距离差噪声标准差0.5 / 1 / 2 / 5 m折算成距离差后的误差蒙特卡洛次数500统计 RMSE 用TDOA 测量生成的脚本按这个结构写c 3e8; rt sqrt(sum((bs - target).^2, 2)); rdoa_true rt(2:end) - rt(1); % 无噪声距离差真值 sigma 1; noise sigma * randn(M-1, Nmc); % 每列是一次独立测量 rdoa_meas rdoa_true noise; rmse 0; for k 1:Nmc pos_est tdoa_chan_2d(bs, rdoa_meas(:,k), Q); rmse rmse sum((pos_est - target).^2); end rmse sqrt(rmse / Nmc);需要说明一点这里直接对距离差加高斯噪声等于假设时差测量误差独立同分布。如果要做更接近实测的仿真应当先对到达时间加噪声再计算距离差那样 Q 的非对角项会自动浮现对比之下能明显看到对角近似带来的精度损失。4.2 CRLB 下界怎么算TDOA 的 CRLB 由距离差对目标位置的雅可比矩阵决定。按定义求出 J 后Fisher 信息矩阵是J * inv(Q) * JCRLB 就是其逆矩阵的迹开根号J zeros(M-1, 2); for i 2:M J(i-1,1) (target(1)-bs(1,1))/rt(1) - (target(1)-bs(i,1))/rt(i); J(i-1,2) (target(2)-bs(1,2))/rt(1) - (target(2)-bs(i,2))/rt(i); end FIM J * (Q \ J); crlb sqrt(trace(inv(FIM)));这段代码的物理含义是在无偏估计的前提下定位误差的均方根不可能低于 crlb 这个值。CRLB 也是评估算法实现是否有 bug 的最快参照——如果蒙特卡洛 RMSE 明显低于 CRLB说明仿真里混入了真值信息通常是噪声生成或参考站对齐写错了。4.3 蒙特卡洛结果解读固定目标位置和布站只改变噪声标准差得到的规律很典型噪声为 0.5 m 时Chan 的 RMSE 在 0.6 m 附近和 CRLB 的 0.58 m 基本贴在一起噪声到 2 m 时 RMSE 约 3.1 m而 CRLB 只有 2.3 m噪声到 5 m 时偏差进一步拉大。差别来自第一轮线性化把带噪的 rdoa 放进了 G_a噪声越大这个近似误差越明显Chan 的偏差也越大。这个结果直接划定了 Chan 算法的适用范围小噪声、高斯分布、基站几何良好的场景下它是最省事的解法噪声大或者存在非视距误差时结果只能当参考需要结合 Taylor 精化与稳健估计。仿真时建议把 RMSE、CRLB、GDOP 三个量一起打印任何一组对不上都能快速定位问题出在布站、噪声生成还是实现本身。5. 实测之前的三个检查GDOP、NLOS 与残差验证5.1 先用 GDOP 判断基站布局是否合格测量误差一定时定位误差有多大很大程度上取决于基站与目标的空间几何关系这个放大系数就是 GDOP几何精度因子。共线布站会让 Fisher 信息矩阵奇异、GDOP 趋于无穷目标落在凸包外精度也会迅速劣化。仿真阶段我习惯先画一张 GDOP 等高线图再决定目标设置在哪些区域避免辛辛苦苦调完参数却把目标放在几何死区里。gdop sqrt(trace(inv(J * (Q \ J)))) / sqrt(trace(Q) / (M-1));这个比值越接近 1说明当前布站条件下算法能达到的精度越接近噪声极限超过 10 的几何区域基本不适合做 TDOA 定位。5.2 非视距误差下用 Chan 出初值、Taylor 收尾实测环境里多径和遮挡会让时差噪声偏离高斯假设产生大偏差离群值。Chan 对这类误差很敏感因为噪声直接混进了 G_a 第三列。我常用的组合方案是Chan 出闭式解当初值Taylor 迭代两三轮配合 Huber 权函数抑制离群 TDOA 的影响这个组合在室内定位和多径场景里明显比单独用任一算法更稳。5.3 残差检查判断哪些 TDOA 不能信定位结果出来后回代到距离差方程看一下残差是否超过噪声水平这是实测数据处理里最实用的一个技巧r_est sqrt(sum((bs - pos).^2, 2)); resid rdoa - (r_est(2:end) - r_est(1)); if norm(resid) 3 * sqrt(trace(Q)) % 该组测量判定为异常剔除或降权重处理 end残差显著超过 3 倍标准差优先怀疑测量本身存在问题比如错峰、NLOS 或参考站时钟跳变而不是继续调算法系数。把这个检查和 GDOP 预检放在一起Chan 算法从仿真走向实测时不会出现无从下手的局面。本文还有配套的精品资源点击获取
物联网工程大一新生干货手册｜官方政策+自学+升学就业资源)
