無線定位技術(shù)自誕生以來，一直都是眾多研究人員關(guān)注的熱點(diǎn)。目前，該技術(shù)的研究已經(jīng)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(shù)都得到了很好的應(yīng)用。由于多目標(biāo)定位在精度和計(jì)算復(fù)雜度上存在著矛盾，在復(fù)雜的密集環(huán)境下，難以同時(shí)保證定位的有效性和實(shí)時(shí)性，故目前大部分的研究工作都集中在單目標(biāo)的定位精度提高方面，限制了該技術(shù)進(jìn)一步推廣[1]。

    本文主要致力于在CDMA環(huán)境下改善多目標(biāo)定位技術(shù)及其精度問題。文中主要涉及兩個(gè)方面：(1)在CDMA環(huán)境中，解決多目標(biāo)聯(lián)合檢測問題；(2)多源數(shù)據(jù)的融合技術(shù)，主要考慮如何利用Marginalized粒子濾波(MPF)對多源數(shù)據(jù)進(jìn)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(diǎn)，使之既能保證高定位精度，又能盡可能地減少計(jì)算量[2-3]。
1 基于CDMA的多目標(biāo)檢測技術(shù)
    從理論上講，多基站多目標(biāo)的數(shù)據(jù)處理存在著很多問題，主要分為以下三個(gè)方面：
    (1)如何在多目標(biāo)環(huán)境中，使所有定位基站能辨識同一目標(biāo)；
    (2)多目標(biāo)起始定位；
    (3)多目標(biāo)跟蹤保持。
    在3G通信系統(tǒng)中，利用一個(gè)基站，結(jié)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(biāo)的結(jié)果，在理論上應(yīng)該是重合的，這時(shí)可將多目標(biāo)環(huán)境中所有基站辨識同一批目標(biāo)的問題，看作是單基站目標(biāo)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(biāo)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(biāo)。所以問題(2)才是關(guān)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(diǎn)分析異步CDMA多目標(biāo)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(dāng)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(jìn)行估計(jì)，并由此降低所需的粒子數(shù)目和粒子維數(shù)，減少了計(jì)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(gè)目標(biāo)運(yùn)動位置的標(biāo)準(zhǔn)誤差。從圖中可以看出，標(biāo)準(zhǔn)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(yīng)用在混合線性/非線性變量的機(jī)動目標(biāo)模型當(dāng)中，不僅使估計(jì)精度有所改善，而且大大減少了計(jì)算時(shí)間。在一些實(shí)時(shí)性要求較高的應(yīng)用當(dāng)中，它將能夠滿足實(shí)時(shí)濾波的要求。算法中對非線性變量估計(jì)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(jì)的部分加入高斯或者正則化進(jìn)行改進(jìn)，以獲得更高的估計(jì)精度和更優(yōu)的濾波時(shí)間。同時(shí)，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(shí)利用MPF對量測數(shù)據(jù)進(jìn)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(nèi)，對多目標(biāo)定位跟蹤而言，這種結(jié)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(jìn)一步改善精度仍然是有可能的。
參考文獻(xiàn)
[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(cuò)算法[J].電子科技大學(xué)學(xué)報(bào)，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(jì)和殘差平滑的故障檢測算法[J].電子學(xué)報(bào), 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.