logo móvil
Contáctanos

Precisa localización de cuerpo rígido utilizando mediciones de DoA de una sola estación base

Autores: Zhou, Biao; Yao, Xiaofeng; Yang, Le; Yang, Shangyi; Wu, Shaojie; Kim, Youngok; Ai, Lingyu

Idioma: Inglés

Editor: MDPI

Año: 2019

Descargar PDF

Acceso abierto

Artículo científico
2019

Precisa localización de cuerpo rígido utilizando mediciones de DoA de una sola estación base


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Localización de cuerpo rígido
Sensores inalámbricos
Dirección de llegada
Información de topología
Algoritmo de coincidencia de observaciones
Algoritmo de coincidencia de topología

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 32

Citaciones: Sin citaciones


Descripción
La localización de cuerpo rígido (RBL) consiste en estimar simultáneamente la posición y actitud de un objetivo rígido. En este documento, nos centramos en el problema de RBL utilizando una única estación base (BS) y mediciones de dirección de llegada (DoA). Varios sensores inalámbricos están montados en el cuerpo rígido de interés, y se conoce información de su topología de antemano. La única BS mide las DoAs de las señales de los sensores inalámbricos y las fusiona con la información de topología de los sensores para estimar la posición y orientación del cuerpo rígido y lograr la RBL. Proponemos dos métodos de RBL, a saber, el algoritmo de coincidencia de observaciones (OM) y el algoritmo de coincidencia de topología (TM) con refinamiento. El emergente algoritmo de búsqueda participativa (PSA) se adopta en ambos métodos para resolver los problemas de coincidencia no lineales. Las simulaciones muestran que, en comparación con el enfoque existente, el método OM puede lograr una mejor precisión de RBL bajo niveles altos de ruido de DoA, mientras que el rendimiento del algoritmo TM con refinamiento se acerca al límite de Cramér-Rao restringido (CCRB) bajo niveles bajos de ruido de DoA.

Otros recursos que podrían interesarte

Temas Virtualpro