个人对Chan算法的粗浅理解(TDOA)

2024-09-05 13:44

本文主要是介绍个人对Chan算法的粗浅理解(TDOA),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

符号解释

n n n 台监测设备坐标

( x i , y i , z i ) , i = 0 , 1 , 2 , ⋯ , n (x_i,y_i,z_i),i=0,1,2,\cdots,n (xi,yi,zi),i=0,1,2,,n

各设备接受到信号的时刻

t i , i = 0 , 1 , 2 , ⋯ , n t_i,i=0,1,2,\cdots,n ti,i=0,1,2,,n

信号传播速度

v v v

信号源的位置和信号发出时刻

( x , y , z ) , t (x,y,z),t (x,y,z),t

信号源位置与第 i i i 个设备的直线距离

r i = ( x − x i ) 2 + ( y − y i ) 2 + ( z − z i ) 2 r_i=\sqrt{(x-x_i)^2+(y-y_i)^2+(z-z_i)^2} ri=(xxi)2+(yyi)2+(zzi)2

根据时刻算出的距离差(这里 i i i 不取 0 0 0

Δ r i = r i − r 0 = v ( t i − t 0 ) , i = 1 , 2 , ⋯ , n \Delta r_i=r_i-r_0=v(t_i-t_0),i=1,2,\cdots,n Δri=rir0=v(tit0),i=1,2,,n

还有单纯让式子简洁一点的常数替换

k i 2 = x i 2 + y i 2 + z i 2 , i = 0 , 1 , 2 , ⋯ , n k^2_i=x^2_i+y^2_i+z^2_i,i=0,1,2,\cdots,n ki2=xi2+yi2+zi2,i=0,1,2,,n


推导过程

先从两个设备开始

r 1 2 − r 0 2 = ( x − x 1 ) 2 + ( y − y 1 ) 2 + ( z − z 1 ) 2 − ( x − x 0 ) 2 − ( y − y 0 ) 2 − ( z − z 0 ) 2 r^2_1-r^2_0=(x-x_1)^2+(y-y_1)^2+(z-z_1)^2 -(x-x_0)^2-(y-y_0)^2-(z-z_0)^2 r12r02=(xx1)2+(yy1)2+(zz1)2(xx0)2(yy0)2(zz0)2

等式右边变换

x 1 2 + y 1 2 + z 1 2 − x 0 2 − y 0 2 − z 0 2 − 2 x x 1 − 2 y y 1 − 2 z z 1 + 2 x x 0 + 2 y y 0 + 2 z z 0 x^2_1+y^2_1+z^2_1-x^2_0-y^2_0-z^2_0 -2xx_1-2yy_1-2zz_1+2xx_0+2yy_0+2zz_0 x12+y12+z12x02y02z022xx12yy12zz1+2xx0+2yy0+2zz0

换上 k k k ,提公因式

k 1 2 − k 0 2 + 2 [ x ( x 0 − x 1 ) + y ( y 0 − y 1 ) + z ( z 0 − z 1 ) ] k^2_1-k^2_0+2[x(x_0-x_1)+y(y_0-y_1)+z(z_0-z_1)] k12k02+2[x(x0x1)+y(y0y1)+z(z0z1)]

等式左边变换

r 1 2 − r 0 2 r^2_1-r^2_0 r12r02

平方差公式

( r i − r 0 ) ( r i + r 0 ) (r_i-r_0)(r_i+r_0) (rir0)(ri+r0)

凑一下,用 Δ r 1 \Delta r_1 Δr1 消掉 r 1 r_1 r1这里少了一个未知量

= ( r i − r 0 ) ( r i − r 0 + 2 r 0 ) = Δ r 1 ( Δ r 1 + 2 r 0 ) = Δ r 1 2 + 2 Δ r 1 r 0 \begin{align*} &=(r_i-r_0)(r_i-r_0+2r_0)\\ &=\Delta r_1(\Delta r_1+2r_0)\\ &=\Delta r_1^2+2\Delta r_1r_0 \end{align*} =(rir0)(rir0+2r0)=Δr1(Δr1+2r0)=Δr12+r1r0

现在等式长这样

Δ r 1 2 + 2 Δ r 1 r 0 = k 1 2 − k 0 2 + 2 [ x ( x 0 − x 1 ) + y ( y 0 − y 1 ) + z ( z 0 − z 1 ) ] \Delta r_1^2+2\Delta r_1r_0 =k^2_1-k^2_0+2[x(x_0-x_1)+y(y_0-y_1)+z(z_0-z_1)] Δr12+r1r0=k12k02+2[x(x0x1)+y(y0y1)+z(z0z1)]

移项,化简

x ( x 0 − x 1 ) + y ( y 0 − y 1 ) + z ( z 0 − z 1 ) − Δ r 1 r 0 = 1 2 ( Δ r 1 2 + k 0 2 − k 1 2 ) x(x_0-x_1)+y(y_0-y_1)+z(z_0-z_1)-\Delta r_1r_0 =\frac{1}{2}(\Delta r_1^2+k^2_0-k^2_1) x(x0x1)+y(y0y1)+z(z0z1)Δr1r0=21(Δr12+k02k12)

注意,上式中只有 4 4 4 个未知量 x , y , z , r 0 x,y,z,r_0 x,y,z,r0

而且方程是线性的

如果有 4 4 4 个这样的方程,构成线性方程组,就可以用高等代数的知识解出这四个未知量

这个方程的使用了 0 , 1 0,1 0,1 两台设备的数据,所以需要再增加三台设备

总共 n = 5 n=5 n=5 台设备就能得到 4 4 4 个方程( 01 , 02 , 03 , 04 01,02,03,04 01,02,03,04

得到的线性方程组为

[ x 0 − x 1 y 0 − y 1 z 0 − z 1 − Δ r 1 x 0 − x 2 y 0 − y 2 z 0 − z 2 − Δ r 2 x 0 − x 3 y 0 − y 3 z 0 − z 3 − Δ r 3 x 0 − x 4 y 0 − y 4 z 0 − z 4 − Δ r 4 ] [ x y z r 0 ] = 1 2 [ Δ r 1 2 + k 0 2 − k 1 2 Δ r 2 2 + k 0 2 − k 2 2 Δ r 3 2 + k 0 2 − k 3 2 Δ r 4 2 + k 0 2 − k 4 2 ] \left[ \begin{matrix} x_0-x_1&y_0-y_1&z_0-z_1&-\Delta r_1\\ x_0-x_2&y_0-y_2&z_0-z_2&-\Delta r_2\\ x_0-x_3&y_0-y_3&z_0-z_3&-\Delta r_3\\ x_0-x_4&y_0-y_4&z_0-z_4&-\Delta r_4 \end{matrix} \right] \left[ \begin{matrix} x\\y\\z\\r_0 \end{matrix} \right]= \frac{1}{2} \left[ \begin{matrix} \Delta r^2_1+k^2_0-k^2_1\\ \Delta r^2_2+k^2_0-k^2_2\\ \Delta r^2_3+k^2_0-k^2_3\\ \Delta r^2_4+k^2_0-k^2_4 \end{matrix} \right] x0x1x0x2x0x3x0x4y0y1y0y2y0y3y0y4z0z1z0z2z0z3z0z4Δr1Δr2Δr3Δr4 xyzr0 =21 Δr12+k02k12Δr22+k02k22Δr32+k02k32Δr42+k02k42

不过,线性方程组也有无解,唯一解和无穷多解三种情况

显然唯一解才是正确的情况

为此需要对数据进行筛选,保证系数矩阵满秩

这篇关于个人对Chan算法的粗浅理解(TDOA)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1139122

相关文章

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

深入理解Apache Airflow 调度器(最新推荐)

《深入理解ApacheAirflow调度器(最新推荐)》ApacheAirflow调度器是数据管道管理系统的关键组件,负责编排dag中任务的执行,通过理解调度器的角色和工作方式,正确配置调度器,并... 目录什么是Airflow 调度器?Airflow 调度器工作机制配置Airflow调度器调优及优化建议最

一文带你理解Python中import机制与importlib的妙用

《一文带你理解Python中import机制与importlib的妙用》在Python编程的世界里,import语句是开发者最常用的工具之一,它就像一把钥匙,打开了通往各种功能和库的大门,下面就跟随小... 目录一、python import机制概述1.1 import语句的基本用法1.2 模块缓存机制1.

深入理解C语言的void*

《深入理解C语言的void*》本文主要介绍了C语言的void*,包括它的任意性、编译器对void*的类型检查以及需要显式类型转换的规则,具有一定的参考价值,感兴趣的可以了解一下... 目录一、void* 的类型任意性二、编译器对 void* 的类型检查三、需要显式类型转换占用的字节四、总结一、void* 的

深入理解Redis大key的危害及解决方案

《深入理解Redis大key的危害及解决方案》本文主要介绍了深入理解Redis大key的危害及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着... 目录一、背景二、什么是大key三、大key评价标准四、大key 产生的原因与场景五、大key影响与危

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

深入理解C++ 空类大小

《深入理解C++空类大小》本文主要介绍了C++空类大小,规定空类大小为1字节,主要是为了保证对象的唯一性和可区分性,满足数组元素地址连续的要求,下面就来了解一下... 目录1. 保证对象的唯一性和可区分性2. 满足数组元素地址连续的要求3. 与C++的对象模型和内存管理机制相适配查看类对象内存在C++中,规

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第