蒙特卡洛 本项目包含两个主要的函数 MCS 和 MCI，用于模拟紫外非视距光通信的蒙特卡洛仿真模型。使用这些函数可以计算光子在不同散射阶次下的接收功率和信道脉冲响应。 在 MATLAB 中运行 打开 MATLAB 并运行 startup.m 脚本以设置路径： % 获取项目根目录的路径 projectRoot = fileparts(mfilename('fullpath')); % 构建 src 文件夹的路径 srcFolderPath = fullfile(projectRoot, 'src'); % 添加 src 文件夹到 MATLAB 路径中 addpath(srcFolderPath); % 输出确认路径已添加 disp(['Added to path: ', srcFolderPath]); 调用 MCS 或 MCI 函数进行仿真计算。

提出了一种当接收端(或基站)在平面上随机分布时，考虑非视距（NLOS）传播误差条件下对移动台定位的有效算法。该方法基于到达时间定位技术，其主要思想是通过概率定位和几何定位联合检测具有 NLOS 误差的测量值(在各接收端处估计的信号时延)，然后估计这些测量值的 NLOS 误差的大小并更新这些测量值，最后重新估计移动台位置。文中给出了算法的步骤，推导了算法估计误差的方差。同时，本文推导了 NLOS 环境下定位估计误差的克拉美罗下限，并将所提算法的性能与克拉美罗下限做了比较和分析。仿真部分也给出了不同算法与本文算法的性能比较，从仿真结果可以看出，该算法估计精度高。

针对室内复杂环境下无线传感器节点的信号传播状态在LOS/NLOS之间切换的现象,提出基于TDOA和RSS的可行域粒子滤波非视距定位.首先采用基于TDOA和RSS两种测距模型的假设检验方法去辨识测量信号中是否存在NLOS现象,然后采用考虑NLOS测量信息的可行域粒子滤波方法对未知移动节点的位置进行定位.仿真结果表明,所提出的方法优于最小二乘法、普通的粒子滤波算法以及仅采用RSS测距模型的粒子滤波算法,具有较高的定位精度.

 为长期演进计划（LTE）通信系统提出了一种采用干扰消除技术来改进信号到达时间差（TDOA）的移动台定位方法。该方法针对移动台在靠近小区中心时接收邻近小区基站信号会受到服务基站和其他基站信号以及噪声的干扰，从而导致定位精度下降的情况，首先在信号接收端重建干扰并且从接收信号中对其进行消除，然后基于正交频分复用（OFDM）通信系统使用相关估计法估算信号传播时间，最后通过加权最小二乘法估算移动台的位置坐标。在多径传播以及非视距（NLOS）传播无线环境中，仿真实验证明，采用该方法可以有效改善靠近小区中心的移动台的定位精度。

提出了一种在非视距（NLOS）环境下对移动台的定位算法。首先利用小波分析对AOA的测量值中的NLOS进行修正，再利用最小二乘（LS）算法确定移动台的位置。仿真结果表明，该算法能够有效地降低非视距环境误差的影响，性能优于基于AOA的LS算法以及神经网络算法。

为了减小到达时间差（time difference of arrival，TDOA）方法在定位过程中存在的系统测量噪声和非视距误差，提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置，在初始位置处泰勒级数展开得到位置估计量的线性模型，并求取误差加权矩阵、系数矩阵及协方差矩阵等参数；然后采用加权最小二乘法对最终位置进行最优无偏估计，同时推导出定位误差的最小方差阵。仿真实验结果表明，在相同环境下该算法的定位精度优于Chan和Taylor算法，同时显著减小了算法的运算量。

非视距紫外线散射通信的信道建模和性能

一种视距与非视距混合环境下RSS定位方法，郭青，柯炜，本文针对当前视距与非视距混合环境下无线定位精度不高问题，提出一种基于接收信号强度（Received Signal Strength, RSS）的动态定位方法。�

由于障碍物的存在，矿井等定位场景中普遍存在非视距传播现象，引起定位信号的折射、反射、衍射和散射，导致测距误差增大，进而影响目标定位精度。分析了非视距传播对TOA（Time of Arrival，到达时间）、TDOA（Time Difference of Arrival，到达时间差）、AOA（Angle of Arrival，到达角度）、RSSI（Received Signal Strength Indication，接收强度指示）等定位方法的影响，并从非视距传播的识别、非视距传播误差的抑制、非视距传播的利用及非视距场景下的定位方法设计4个方面对现有文献进行综述。对于非视距传播的识别，重点探讨了残差检验法、误差统计法、能量检测法、神经网络算法和几何关系；对于非视距传播误差的抑制，主要分析了基于滤波的方法、基于半参数的方法、基于能量检测的方法及基于数据库的方法；对于非视距传播的利用，重点综述了提高定位系统鲁棒性及基于误差学习和匹配的方法；对于非视距场景下的目标定位方法设计，分为视距与非视距混合场景及纯非视距场景2种情况进行综述。探讨了目标定位中非视距传播研究的新方向：通过多种定位技术的融合

matlab集成c代码 C-NLOS-imaging-based-on-LCT 基于光锥变换的共焦非视距成像(Nature25489)代码复现及改写 Confocal non-line-of-sight imaging based on the light-cone transform 增加linearized_admm代码文件夹 该文件夹不存在于Nature附加材料中，但作者所在SCIL实验室提供了这些代码 更改了Jupyter默认的Latex模板, 故NoteRewrite.ipynb若需要导出pdf, 建议用替换jupyter notebook的默认latex生成模板, 否则无法成功转换. 如何运行？ Notes.ipynb是其他所有文件(包括文章和代码)的集合。其中包括了中英文的paper，支撑材料和可以运行的matlab代码(需要安装MATLAB Kernel) 安装方法：