基于自然选择的线性递减权重PSO与Taylor算法的TDOA协同定位算法研究

摘要

针对Taylor算法进行TDOA定位时，其初始估计位置的误差易导致Taylor算法不收敛和定位精度差的问题，提出一种基于自然选择的线性递减权重粒子群优化（W-SPSO）与Taylor算法协同定位的方法。该方法先通过W-SPSO算法得到一个初始估计位置（◢x，y◣），再通过Taylor算法在（◢x，y◣）处进行迭代运算得到最终定位结果。不同噪声情况下的仿真结果显示：W-SPSO与Taylor算法协同定位方法对MS坐标估计值的均方差（RMSE）小于标准PSO（粒子群优化）、SelPSO（基于自然选择的粒子群优%When Taylor algorithm was used for TDOA positioning， the initial estimated position error easily led to the Taylor algorithm does not converge and the shortcomings of low positioning accuracy. To solve this problem， this paper proposed a co-located positi