二维AOA与TOA混合定位CKF滤波仿真【MATLAB例程】AOA与TOA混合定位例程，自适应基站数量，二维平面，轨迹滤波使用CKF加强精度

原创于 2026-06-18 16:14:52 发布 · 49 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#matlab #平面 #AOA #TOA #CKF

话题

#AI编程·六月创作之星博客挑战赛

定位与导航专栏收录该内容

195 篇文章

订阅专栏

在这里插入图片描述

原创代码，请勿翻卖

文章目录

程序简介
- 概览
运行结果
MATLAB源代码
课题扩展方向

程序简介

概览

本程序是三维n基站CKF轨迹滤波例程的二维版本。

面向二维平面目标定位与轨迹跟踪场景，构建了一套融合AOA角度观测与TOA距离观测的混合定位算法框架。程序支持自适应基站数量设置，通过多基站角度与时间到达信息联合估计目标位置，有效提升了单一观测方式下的定位稳定性与精度。相比传统单纯AOA或TOA定位方法，该例程进一步结合轨迹运动特性，使定位结果更加连续、平滑，适用于无线定位、机器人导航、无人机协同感知、室内外目标跟踪等典型应用场景。

在轨迹滤波部分，程序引入容积卡尔曼滤波（CKF）对AOA/TOA混合定位结果进行动态平滑处理，并与纯观测结果、模拟惯导结果进行对比分析。代码不仅给出了目标真实轨迹、观测轨迹、CKF估计轨迹和基站布局的可视化结果，还输出了双轴误差曲线与RMSE对比图，便于直观评估算法性能。

运行结果

运行代码后，程序会完成二维n基站AOA与TOA混合定位轨迹仿真，并使用CKF对连续时刻的定位观测进行滤波。程序对比纯观测、模拟纯惯导和CKF滤波结果，展示容积卡尔曼滤波在二维轨迹定位中的平滑效果。
截图如下：

定位示意图.png

在这里插入图片描述

双轴误差图.png

在这里插入图片描述

RMSE对比图.png

在这里插入图片描述

命令行会输出终点真实坐标、滤波前纯观测误差、CKF滤波后误差，以及每时刻RMSE最大值。
在这里插入图片描述

MATLAB源代码

部分代码：

% AOA与TOA混合定位例程，自适应基站数量，二维平面，轨迹滤波使用CKF
% 作者：matlabfilter（v同号，例程获取、定制讲解等）
% 2026-06-12/Ver1

%% 初始化
clc; clear; close all;
rng(0);

% 生成目标初始点和二维运动轨迹
position0 = [-1, 1];
positions = repmat(position0, 21, 1) + [(0:0.2:4)', (0:-0.2:-4)'];

% 固定基站位置
num_station = 10;
stations_position = 2 * randn(num_station, 2);

estimated_positions_AOA2 = zeros(size(positions));

for i1 = 1:size(positions, 1)
    position = positions(i1, :);

    %% AOA与TOA混合定位观测
    true_distances = vecnorm(stations_position - position, 2, 2);
    azimuth_angles = atan2(position(2) - stations_position(:, 2), ...
                           position(1) - stations_position(:, 1));