本文提出了一种改进的免疫算法,对蜂窝网络无线定位估计中的非线性优化问题进行求解。在设计记忆库规模的时候,引入了帕累托法则,并使记忆库里的个体跟父代群体一起参加生存竞争,使搜索过程减少震荡,收敛速度加快。本论文的所有工作都是围绕着免疫算法在蜂窝网无线定位技术中的应用展开的。 本文工作的第一大部分是本文的基础部分。我们详细阐述了蜂窝网络无线定位原理以及相关的无线定位基本方法,建立了定位算法的数学模型。同时,引入了一种常用于仿真评估基于时间定位技术的信道模型及定位准确率的评价指标。本部分主要包括论文的第二、三章。 在本文工作的第二大部分,首先介绍了生物免疫系统特性,然后详细描述了生物免疫系统原理,并给出了生物免疫系统的模型。在此基础上,本文提出了一种改进的免疫算法,给出了该算法的实现步骤,并对改进后算法的性能进行了仿真实验。实验证明,在种群规模不大的情况下,该算法也能稳定快速地逼近全局最优解。本部分主要包括论文的第四章。 本文工作的第三大部分是基于第二部分提出的改进免疫算法,提出了两种用于蜂窝网无线电定位的新算法,即基于改进免疫算法的TDOA定位算法和基于改进免疫算法的TDOA/AOA混合定位算法。实验证明,在高噪声环境下,也能获得较高定位精度。同时,在考虑NLOS的影响之后,本文又提出了一种可以减小NLOS影响的蜂窝网无线定位新算法。该算法运用了TDOA/TOA平滑重构技术,并采用改进的免疫算法来进行定位估计,仿真实验结果表明,该算法对降低平均定位误差的效果显著。本部分主要包括论文的第五、六章。 在论文的最后对全文进行了总结,并且指出了进一步的工作展望。