本文共 637 字，大约阅读时间需要 2 分钟。

steepest descent algorithms are,

用函数表示为：

function g = grad_ml(X,x,r,sigma2)% ML gradient computation% --------------------------------% g = grad_ml(X,x,r);% g = gradient vector % X = matrix for receiver positions% x = 2D position estimate% r = TOA measurement vector% sigma2 = noise variance vector%L = size(X,2); % number of receiverst1 = 0;t2 = 0;ds = sum((x*ones(1,L)-X).^2,1);ds = ds';for i=1:L    t1 = t1 + (1/sigma2(i))*(r(i)-ds(i)^(0.5))*(x(1)-X(1,i))/ds(i)^(0.5);    t2 = t2 + (1/sigma2(i))*(r(i)-ds(i)^(0.5))*(x(2)-X(2,i))/ds(i)^(0.5);endg=-2.*[t1; t2];

首先还是先给出该方法的定位示意图 ：

下面分析均方根误差rmse：

废话不必多说，这个方法在信噪比为30dB时候的RMSE为223m和其他方法类似。

转载地址：http://aijaf.baihongyu.com/