一、测试用例数据：sample_case001到sample_case005
提供了5组测试数据，供选手验证算法性能。
测试数据的输入信息文件命名为sample_case001_input.txt等，
对应的正确的终端位置信息文件命名为sample_case001_ans.txt。
为了与实际应用场景相吻合，测试数据是在LOS或者NLOS环境下测量得到，未予说明。
二、竞赛用例数据：case001_input到case030_input
一共给了30个txt文件，每个测试数据集的场景不同，受环境影响造成TOA误差具有差异。
我们不妨打开txt文件，看一下它的格式是怎样的：
输入文件的具体物理意义：
第一行：基站个数N；
第二行：终端个数M；
第三行：表示位，（2表示二维场景，3表示3维场景）
第四到N+3行：基站坐标
第N+4行到3+(N+3)+M行：表示标号i的终端到标号为j的基站之间的TOA测量值；
三、解题思路
问题1：
基于空间单元的定位建模LOS或NLOS传播环境下的TOA测量数据会由于手持终端与基站的时钟不同步以及无线信道的多径传输等因素存在不同程度的误差。本文根据不同场景的TOA测量数据构建观测距离与实际距离的函数关系式，进而建立定位误差最小的优化模型，并设计一种空间单元高效搜索算法求解测量终端的位置。
问题2：
最优定位精度最少基站模型在定位算法的基础上，讨论定位所需的最小基站数。基站数的确定与基站的选择会影响定位误差，其中基站数是有限的，而基站选择的组合数会随着基站数的增加而呈爆炸型增长．本文讨论3到10个基站数的定位误差，并设计了一种贪心策略的基站选择方法，从而建立最优定位精度最少基站模型。
问题3：
给定对移动终端采集到的TOA数据，每一个文件只记录一个终端的TOA数据，并且是这一个终端在运动轨迹中多个位置上的TOA数据．只需利用之前建立的模型，计算出同一个终端不同时刻的位置，就可以刻画移动终端的运动轨迹。此处仅考虑二维坐标，在建立的定位模型的基础上，将模型降为二维模型，开发了５BATA-2D-算法．使用此算法计算出了不同时刻下基站接受到信号的TOA矩阵对应的移动终端不同时刻的位置坐标，并拟合出了运动轨迹曲线。
问题4：
平均“连接度”与定位精度分析在实际定位任务中，TOA测量值往往存在距离的限制，使得有效的测量值变得非常少。给定200m的有效距离，本文利用观测值与实际值的函数关系，估计可用的测量值，在此基础上分析平均“连接度”与定位精度。
问题3-----求移动终端的轨迹
给定5组对处于移动过程中的终端采集到的TOA数据，对应附录中编号为case021_input.txt到case025_input.txt的文件，设计算法计算出终端的运动轨迹。
此时，编号为case021_input.txt到case025_input.txt的文件中，只记录一个终端的TOA数据，并且是这一个终端在运动轨迹中多个位置上的TOA数据。
我们不妨打开case021_input.txt：
来源：https://blog.csdn.net/YPP0229/article/details/100775943