文章针对高斯-牛顿迭代法和UofC（University of Calgary）模型，采用了联合高斯-牛顿迭代法和UofC模型的定位解算方法。对算法用GPS/BDS组合系统进行实测数据处理，分别与高斯-牛顿迭代法和采用UofC模型的定位解算方法做了比较。对比和分析了伪距联合单点定位算法在GPS、BDS、GPS/BDS组合系统三种模式下的单点定位精度。结果表明伪距联合单点定位算法在GPS/BDS组合系统中的单点定位精度有明显提高。

针对传统的基于WiFi的最近邻(K-nearest neighbor algorithm, WiFi-KNN)室内定位算法精确度不能达到精准定位的需求的问题，本文提出了一种基于位置范围限定的K近邻(K-nearest neighbor based on the location range limit , LRL-KNN)室内定位算法。LRL-KNN算法通过利用用户的先前位置与WiFi指纹数据库中的参考点位置之间的物理距离组成的相关范围因子来缩放指纹距离，以此来减少定位的空间歧义性。尽管利用了先前的位置，但是该算法并不需要知道用户的确切移动速度和方向。与此同时，考虑到WiFi接收信号强度的时间波动性，将RSS直方图合并到距离计算中来减小时间波动带来的影响。实验结果表明：传统KNN算法的平均定位误差为2.13 m，新算法的平均定位误差为1.80 m，该误差在相同的测试环境下比传统的KNN算法减少15%。

传感器网络节点定位算法matlab代码（Centroid，APIT，DVHOP, Bounding Box，……共7个） 无线传感器网络无需测距定位算法matlab源代码。包括apit，dv-hop，amorphous在内的共7个range-free算法。在run.m里的算法选择部分可以选择需要运行的算法，算法的参数可以参考对应子目录里的说明。每个子目录里都有一个pdf文档，是算法的最原始描述。

TDOA-线传感器网络定位算法.rar

基于TDOA声源定位算法仿真,基于TDOA声源定位算法仿真 声源定位算法是利用麦克风阵列进行声音定位，属于宽带信号，传统的MUSIC和DOA算法并不适用该场景，本仿真主要用TDOA算法进行定位。

于AOA和TDOA的无线传感器网络三维联合定位算法 三维 无线传感器网络 定位 AOA和TDOA(AOA and TDOA-based wireless sensor network localization algorithm for three-dimensional three-dimensional co-localization of wireless sensor networks AOA and TDOA)

把经典的DV-hop定位算法，改成基于多通信半径改进的算法

无线传感器网络节点定位算法的Matlab仿真

针对复杂室内环境下视距（line of sight，LOS）和非视距（not line of sight，NLOS）并存的三维混合定位技术进行了研究。在LOS环境下，基于到达时间差（time difference of arrival，TDOA）定位算法优于其他定位技术；但受到室内环境尤其是NLOS环境下的多径效应，TDOA定位的精准度大大减弱。若能够正确评估传播衰减系数以此补偿多径效应带来的影响，那么基于接收信号强度（received signal strength，RSS）定位算法受到NLOS多径效应的影响将大大减小。提出了三维混合加权最小二乘（hybrid weighted least square，HWLS）RSS/TDOA算法，通过使用Nakagami-m分布鉴定当前信道是LOS/NLOS路径，用于室内环境下的目标定位，并通过实验验证该算法提高了定位精度。

算法是建立在离线传播模型下，不考虑多径效应，反射，折射等对信号强度有损耗的情况，算法中选用了NN,KNN,WKNN等几种常用的指纹定位算法。