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

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化算法)、W-SPSO、Taylor以及Chan五种算法的RMSE。因此,所提出的定位方法在保留了SelPSO算法求解精度和收敛性的基础上,同时提高了全局搜索能力,使其具有更高的定位精度和收敛性。