移动通信系统中的无线定位技术研究
| 第1章 绪论 | 第1-15页 |
| 1．1 课题研究背景 | 第10-11页 |
| 1．2 课题研究的目的和意义 | 第11-12页 |
| 1．3 国内外的研究现状 | 第12-14页 |
| 1．4 本文的主要工作 | 第14-15页 |
| 第2章 移动台定位的基本方法 | 第15-20页 |
| 2．1 移动台定位的两种方案 | 第15-16页 |
| 2．1．1 基于移动台的定位 | 第15页 |
| 2．1．2 基于网络的定位 | 第15-16页 |
| 2．2 移动台定位技术 | 第16-18页 |
| 2．2．1 基于场强测量的定位方法 | 第16页 |
| 2．2．2 基于传播时间测量的定位方法 | 第16-17页 |
| 2．2．3 基于信号到达角度测量的定位方法 | 第17-18页 |
| 2．2．4 混合定位方法 | 第18页 |
| 2．3 影响移动台定位精度的主要原因 | 第18-19页 |
| 2．4 本章小结 | 第19-20页 |
| 第3章 应用于移动台定位的信道模型 | 第20-25页 |
| 3．1 路径损耗模型 | 第20-21页 |
| 3．2 阴影衰落模型 | 第21页 |
| 3．3 多径衰落模型 | 第21-22页 |
| 3．4 路径传播模型 | 第22-24页 |
| 3．4．1 宏蜂窝环境下的圆形散射体模型 | 第22-23页 |
| 3．4．2 延时扩展 Greenstein模型 | 第23-24页 |
| 3．5 本章小结 | 第24-25页 |
| 第4章 基于 TDOA定位算法的分析及仿真 | 第25-45页 |
| 4．1 TDOA定位的数学模型 | 第25-28页 |
| 4．1．1 定位问题的最小二乘(LS)表示 | 第25-26页 |
| 4．1．2 TDOA双曲线模型 | 第26-28页 |
| 4．2 TDOA定位算法 | 第28-37页 |
| 4．2．1 FANG算法 | 第28-29页 |
| 4．2．2 CHAN算法 | 第29-34页 |
| 4．2．3 泰勒序列展开法 | 第34-35页 |
| 4．2．4 SX和 SI算法 | 第35-37页 |
| 4．3 定位准确率的评价指标 | 第37页 |
| 4．4 TDOA定位算法仿真结果 | 第37-44页 |
| 4．4．1 算法在高斯噪声环境中的性能比较 | 第37-41页 |
| 4．4．2 算法在实际信道环境中的性能比较 | 第41-44页 |
| 4．5 本章小结 | 第44-45页 |
| 第5章 遗传算法在 TDOA定位中的应用 | 第45-62页 |
| 5．1 遗传算法简介 | 第45-49页 |
| 5．1．1 遗传算法的基本原理 | 第45-46页 |
| 5．1．2 遗传算法的特点 | 第46-47页 |
| 5．1．3 遗传算法的基本流程图 | 第47-48页 |
| 5．1．4 遗传算法的基本操作 | 第48-49页 |
| 5．2 遗传算法在 TDOA定位中的实现 | 第49-55页 |
| 5．2．1 TDOA双曲线定位模型 | 第49-51页 |
| 5．2．2 改进的遗传算法的实现 | 第51-54页 |
| 5．2．3 自适应遗传算法的实现 | 第54-55页 |
| 5．3 仿真结果比较 | 第55-61页 |
| 5．3．1 算法在高斯噪声环境中的性能比较 | 第56-59页 |
| 5．3．2 算法在实际信道环境中的性能比较 | 第59-61页 |
| 5．4 本章小结 | 第61-62页 |
| 第6章 粒子群算法在 TDOA定位中的应用 | 第62-72页 |
| 6．1 粒子群算法简介 | 第62-64页 |
| 6．1．1 粒子群算法的基本原理 | 第62-63页 |
| 6．1．2 粒子群算法的数学描述 | 第63页 |
| 6．1．3 粒子群算法的流程 | 第63-64页 |
| 6．2 粒子群算法在 TDOA定位中的实现 | 第64-65页 |
| 6．3 仿真结果比较 | 第65-71页 |
| 6．3．1 算法在高斯噪声环境中的性能比较 | 第65-68页 |
| 6．3．2 算法在真实信道环境中的性能比较 | 第68-71页 |
| 6．4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
