多个参考点光源间的信号相互干扰，使得室内可见光通信定位系统的精度不高。为此提出一种基于码分多址（CDMA）调制的可见光定位算法，利用扩频码的正交性，对每个发光二极管（LED）所发出的身份识别（ID）信息进行扩频处理，在克服了码间干扰的同时，提升了信道的容量。接收端由自适应滤波器分辨出解扩后的ID信息以及对应的信号强度，根据ID信息确定定位的位置区域，根据衰减强度确定定位点与各LED的距离，利用接收信号强度（RSS）三角定位算法实现接收机的定位，并采用分集接收技术来提高接收增益以提升定位的精度。仿真结果表明，该定位系统最大误差为6.18 cm，超过88%的定位点的测量精度被控制在5 cm以内。该系统不仅实现了较高精度的定位，而且易于控制、稳定性好，具有广阔的应用前景。

接收机接收射频信号，使用matlab解调，产生基带IQ信号解调

机载海洋激光雷达通常被应用于近海岸区域的水下地形测绘、水质和水底特征参数的勘测，新的应用需求对测绘精度与勘测精度的要求越来越高，因此需要更精确的雷达信号解析式，实现水深测量、水质和水底特征参数的反演。基于Mclean等给出的光束扩散函数和海水介质传递函数，采用傅里叶变换方法，引入多次散射和脉冲时间展宽的影响，推导了发射系统和接收系统共轴的水底反射光和水体后向散射光信号的解析表达式，给出了系统衰减系数的计算方法，分析了脉冲展宽对深度测量误差的影响，在浑浊海港海水中，脉冲展宽可达到数十纳米量级。该数学模型能够更准确地描述机载海洋激光雷达接收信号的特征，能够用于分析机载海洋激光雷达的性能，并为海水深度的归算、水体与水底参数的反演提供一定的理论依据。

Friis 传输方程最简单的形式如下。 给定两个天线，接收天线输入端的可用功率 P_r 与发射天线的输出功率 P_t 的比率由下式给出\frac{P_r}{P_t} = G_t G_r \left( \frac{\lambda}{4 \pi R} \right)^2 其中 G_t 和 G_r 分别是发射天线和接收天线的天线增益（相对于各向同性辐射器），λ 是波长，R 是天线之间的距离。 括号中因子的倒数是所谓的自由空间路径损耗。 要使用所写的等式，天线增益可能不能以分贝为单位，并且波长和距离单位必须相同。 如果增益的单位为 dB，则将公式稍微修改为： P_r = P_t + G_t + G_r + 20\log_{10}\left( \frac{\lambda}{4 \pi R} \right) （增益以dB为单位，功率以dBm或dBW为单位） 这种简单的形式仅适用于以下理想条件：

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%。

为了实现低成本、低复杂度以及高精度的室内定位系统，提出了基于指纹的室内可见光定位方法。该方法利用可见光发光二极管作为信号源，根据接收到的可见光信号强度信息，结合三角定位算法和指纹定位算法，实现室内高精度定位。定位过程主要分为两步：第一步，通过三角定位算法确定移动目标粗略的位置范围; 第二步，以该位置范围作为限制条件，使用指纹定位算法实现更精确定位。实验结果表明，该方法与传统的基于可见光信号强度的定位方法相比，平均定位精度提高了64.71%; 同时，与传统的基于指纹的定位方法相比，可以在更低复杂度的情况下，实现更精确定位。

为提高定位效率，提出了一种基于多分布密度位置指纹、精度渐进的室内定位算法。该算法把定位区域分为多个局部区域，并设定不同分布密度的参考位置点，根据来自锚节点的接收信号强度（RSS）时间和强度分布，通过各局部区域对应的信号覆盖向量和主成分分析法（PCA）提取的稀疏指纹的特征实现层次化匹配，有效减少在线指纹匹配过程的计算量，有利于目标节点存储空间和能耗的优化。实验结果表明，提出的算法在定位精度上不逊于其他室内定位算法，并且对锚节点分布密度依赖度小。

RSSI定位技术的室内定位算法中,由于室内环境的复杂性及人员的随机性等因素可能会带有噪声影响,所以需要加以抑制。本次设计的室内定位算法首先根据室内特殊环境设计出定位算法流程图,建立算法模型并用卡尔曼滤波算法来抑制环境中噪声因素所引起的误差,然后结合改进的RSSI算法实现室内移动人员的定位,使得定位的结果更接近于真实值。重点研究将卡尔曼滤波算法与改进的RSSI算法相结合估算出更精确的室内人员位置信息。通过实验表明,结合卡尔曼滤波改进的室内人员定位算法的定位精确度有明显的提升,误差相比于文献9所提出的定位算法有所降低。 

接收信号相位（PDOA） 通过测相位差，求出信号往返的传播时间，计算出往返距离 其中，fc是信号频率，λ是信号的波长，φ是发送信号和反射信号的相位差。由上式可知d的范围是[0, λ]。不同的距离如果相差λ倍，则测量获得的相位相同。 基于测距的定位算法

在无线传感器网络定位系统中，尤其是在室内定位中，非视距（NLOS）误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差，提出了一种针对非视距环境下联合接收信号强度（RSS）和到达时间（TOA）的定位算法。该方法首先通过 RSS和 TOA的测量结果建立关于目标位置的非凸优化问题，然后通过二阶锥松弛理论，将原始的非凸优化问题转换为一种凸优化问题，由此能够快速得到原问题的一个次优解。通过计算机模拟仿真验证，新方法的估计精度更高，性能更好。