文獻標識碼： A
文章編號： 0258-7998(2012)02-0105-04
無線定位技術自誕生以來，一直都是眾多研究人員關注的熱點。目前，該技術的研究已經取得了較多的研究成果，如基于TOA的被動定位或者是借助于類似GPS系統(tǒng)的主動定位技術都得到了很好的應用。由于多目標定位在精度和計算復雜度上存在著矛盾，在復雜的密集環(huán)境下，難以同時保證定位的有效性和實時性，故目前大部分的研究工作都集中在單目標的定位精度提高方面，限制了該技術進一步推廣[1]。
本文主要致力于在CDMA環(huán)境下改善多目標定位技術及其精度問題。文中主要涉及兩個方面：(1)在CDMA環(huán)境中，解決多目標聯(lián)合檢測問題；(2)多源數(shù)據(jù)的融合技術，主要考慮如何利用Marginalized粒子濾波(MPF)對多源數(shù)據(jù)進行有效的融合處理，建立合適的數(shù)據(jù)融合模型，在線性和非線性問題中找到平衡點，使之既能保證高定位精度，又能盡可能地減少計算量[2-3]。
1 基于CDMA的多目標檢測技術
從理論上講，多基站多目標的數(shù)據(jù)處理存在著很多問題，主要分為以下三個方面：
(1)如何在多目標環(huán)境中，使所有定位基站能辨識同一目標；
(2)多目標起始定位；
(3)多目標跟蹤保持。
在3G通信系統(tǒng)中，利用一個基站，結合TOA和DOA信息，可以獲得位置信息。而不同基站探測到的同一批目標的結果，在理論上應該是重合的，這時可將多目標環(huán)境中所有基站辨識同一批目標的問題，看作是單基站目標跟蹤的特殊情況，即問題(1)是問題(2)、(3)的特殊情況。至于多目標問題，如果是在CDMA通信系統(tǒng)中，則可以利用碼分多址特性來判斷是否屬于同一批目標。所以問題(2)才是關鍵，而解決了問題(2)，稍加改動就可用于問題(3)。由于絕大部分通信系統(tǒng)都采用異步CDMA，如WCDMA等，因此本文重點分析異步CDMA多目標檢測的處理[4-5]。
對于混合線性/非線性系統(tǒng)而言，其狀態(tài)空間模型如式(6)所示。在式(7)的模型當中，狀態(tài)變量xk包含了線
性
態(tài)從系統(tǒng)模型中分離出來,并采用KF對之進行估計，并由此降低所需的粒子數(shù)目和粒子維數(shù)，減少了計算量。圖5所示為不同濾波模式下的跟蹤誤差比較，圖6表示的是3個目標運動位置的標準誤差。從圖中可以看出，標準差的平均值控制在80 m左右，在高噪聲的情況下是可以接受的。
總體來說，把Marginalized粒子濾波應用在混合線性/非線性變量的機動目標模型當中，不僅使估計精度有所改善，而且大大減少了計算時間。在一些實時性要求較高的應用當中，它將能夠滿足實時濾波的要求。算法中對非線性變量估計采用的是一般的粒子濾波器。針對粒子濾波器的不足，還可以把算法中粒子濾波器估計的部分加入高斯或者正則化進行改進，以獲得更高的估計精度和更優(yōu)的濾波時間。同時，由于可以利用碼分多址區(qū)別不同的用戶，所以在終端辨識上不存在模糊問題，同時利用MPF對量測數(shù)據(jù)進行狀態(tài)融合處理，在密集環(huán)境下，其定位精度在100 m以內，對多目標定位跟蹤而言，這種結果是可以接受的。另外，論文中并沒有考慮觀測量誤差的修正，相信進一步改善精度仍然是有可能的。
參考文獻
[1] TSENG P H, Feng Kaiten. Hybird network/satellite-based location estimation and tracking systems for wireless networks[J]. Vehicular Technology, IEEE Transaction, 2009,9(58):5174-5189.
[2] 郭磊，唐斌.多站無源跟蹤系統(tǒng)容錯算法[J].電子科技大學學報，2008，37(5):681-684.
[3] 梁軍,喬立巖,彭喜元. 基于SIR粒子濾波狀態(tài)估計和殘差平滑的故障檢測算法[J].電子學報, 2007,35(B12):32-36.
[4] ANNALINGAM D, AL F H, STIPIDIS E. Successive blind Multi-target adaptive antenna array and interference cancellation for DS-CDMA[J]. Electronics Letters, 2009,42(20):1165-1166.
[5] LIU J S, CHEN R. Sequential monte carlo methods for dyamical systems[J].Journal of the American Statistical Association,1998,93(433):1032-1044.
[6] NORDLAND P J, GUSTAFSSON F. Marginalized particle filter for accurate and reliable terrain-aided navigation[J]. Aerospace and Electronic Systems,IEEE Transaction 2009,45(4):1385-1399.
[7] BA A, MECHBAL N, VERGE M. On-line drilling process monitoring by Marginalized Particle Filter[C].Aerospace conference,2009:1-6.
[8] HOLSOPPLE J, YANG S J. Designing a data fusion system using a top-down approach[C].Miltitary Communications Conference, 2009:1-7.
[9] Lu Ting, BUGALLO, MONICA F. Simplified marginalized particle filtering for tracking multimodal posteriors[C]. Statistical Signal Processing, IEEE/SP 14th Workshop on,2007:269-273.
[10] KIM S, HOLMSTROM L, MCNAMES J. Multiharmonic tracking using marginalized particle filters[C].30th Annual International IEEE EMBS Conference,2008:29-33.
[11] Li Cuiyun, Ji Hongbing. Marginalized particle filter based track-before-detect algorithm for small dim infrared target[C]. Artifical Intelligence and computational Intelligence, 2009:321-325.