用于修正NLOS误差的超宽带定位方法

近年来,基于超宽带系统的室内定位凭借其高精度和高稳定性等优点得到了广泛应用。在复杂室内环境中,超宽带信号在障碍物间的非视距传播导致定位基站和标签之间的距离测量值产生额外误差从而导致定位精度下降。文章提出一种用于修正非视距(NLOS)误差的超宽带定位方法,通过基于自适应增强算法识别 NLOS 传播,识别后通过测量值重构对应视距测量值并计算位置坐标,最后通过无迹卡尔曼滤波算法修正定位误差。实验结果表明,该算法有效消除了 UWB 定位系统中较大的 NLOS 误差,提高了定位精度,具有很好的稳定性。     

一种改进的多源信息融合室内定位方法

针对超宽带（Ultra-wideband,UWB）定位系统受非视距（Non-line of Sight,NLOS）误差影响较大,以及惯性测量单元（Inertial Measurement Unit,IMU）定位系统受累积误差影响较大的问题,提出了一种基于多源信息的改进融合定位模型。首先,对UWB测量模型进行优化,通过差分气压计测高的方法对NLOS信号进行鉴别,并通过加权最小二乘法削弱NLOS信号对UWB定位结果的影响。然后对数据融合算法进行优化,引入IMU累积误差门限降低累积误差对IMU定位结果的影响,提高融合定位精度。最后,使用UWB、IMU系统在室内复杂环境中的实测数据进行Matlab仿真,验证了改进融合定位模型在定位精度上比基础融合定位模型提高了45.71%。     

基于加权K-近邻分类的非视距识别方法研究

超宽带(UWB)定位系统中,针对复杂的环境下,信号的遮挡、直达信号的错误判断严重影响定位精度问题,该文基于信道冲激响应(CIR)提出一种新型特征参量——饱和度(S),结合前人提出的特征参量利用Relief算法和互信息特征选择(MIFS)算法进行特征选择,在相关性的基础上赋予特征相应的权重,选择最优的特征子集进行加权K-近邻(WKNN)分类,提高了非视距(NLOS)识别系统准确度。并且分析了WKNN算法中的训练数据集数量与近邻数K对算法的影响,确定优选方案,减小了算法计算量,提高了NLOS识别系统实时性。在不同环境下进行实验验证,结果表明,该方法具备较高的识别准确度和环境适用性,识别精度达到95%。     

一种特殊GDOP场景下的NLOS传播识别算法

在地面无线定位中,影响定位精度的最大因素是电波的非视距( NLOS )传播误差,定位估计前识别收发信机之间电波是视距( LOS )还是NLOS传播是提升定位精度需要研究的重要课题。为此,先对一种基于交叉面积的NLOS 识别算法进行改进,然后提出了一种针对特殊几何精度因子( GDOP)场景下的NLOS识别算法———分步检验算法。该算法采用两步进行识别,先用数据检验筛选出测量样本中的LOS测量值,再用改进的交叉面积算法进行识别。仿真结果表明,分步检验算法在特殊GDOP场景下具有良好的识别性能。     

基于TDOA算法的差分UWB室内定位系统研究

超宽带UWB定位技术在受到电磁干扰、NLOS等情况影响时,实际定位环境变得复杂,造成实际定位精度不高、定位稳定性差。通过借鉴差分GPS技术,以TDOA-UWB室内定位技术为基础,提出差分UWB定位算法。同时结合权重滑动平均法,研究并提出基于TDOA算法的差分UWB室内定位系统,以Hainan EVK 2.0系统作为实验平台进行相关的测试实验。实验结果表明,基于TDOA算法的差分UWB室内定位系统能有效提高定位精度和定位稳定性,在受到外界干扰的情况下,定位误差整体降低23%。     

基于NLOS下混合滤波加权组合定位算法的仿真

超宽带(Ultra Wide Band, UWB)技术是一种新兴的无线载波通信技术，其具有发射信号功率谱密度低、系统复杂度低、定位精度高等优势，尤其适用于像电厂等密集多径场所的高速无线连接，但在传输过程中信号会被环境中的各种因素影响，进而会影响室内定位的精度。基于此，针对室内非视距(Non Line of Sight, NLOS)环境下，提出一种非视距混合滤波加权算法，能够有效对测距数据进行平滑处理，进而降低异常值的影响，再利用时间差定位法(Time Difference of Arrival,TDOA)测量方法，在原始Chan算法的基础上提出一种改进的Chan定位算法，解决NLOS误差引起的定位信息不准确的问题，最终实现更精准的TDOA定位。仿真实验证明，所提算法在室内NLOS环境中具有更高的定位精度。     

一种新颖的基于偏度的非视距区分算法

在超宽带(UWB)定位系统中,非视距(NLOS)传播是降低通信与定位精度可靠性的主要原因。因此,区分NLOS环境对提高定位精度尤为重要。针对该问题,提出了一种新的基于信道统计特性———偏度(Skewness)的NLOS区分算法。该算法首先将偏度在IEEE 802.15.4a信道模型(特别是室内家居和办公环境)中建模为对数正态分布,然后对其概率密度函数( PDF)做似然比检验来区分视距( LOS)与NLOS环境。仿真结果表明：室内UWB定位系统中,偏度可以更好地区分信道状态,在室内办公环境中,正确区分NLOS环境的概率可达99.99%。在定位模块中融入所获得的区分NLOS的结果将有助于定位精度的进一步提升。     

基于特征矢量的NLOS误差检测的定位算法

最小二乘估计算法常用于基于测距的源定位,然而,当移动基站与基站间呈非视距(Non Line of Sight, NLOS)路径时,最小二乘估计算法无法提供理想的定位精度。为了克服此问题,研究人员提出多类算法识别并消除NLOS误差。然而,现存的算法存在高运行时间的开销问题。为此,提出基于特征矢量的NLOS误差检测的定位 (Eigenvector-Based NLOS Error Identification Localization, E-NIL) 算法。E-NIL算法先利用基于测距数据的统计特性识别NLOS误差,然后,将NLOS误差看成确定加性噪声项,再利用误差函数与它的特征矢量间的互相关,寻找NLOS误差值。最后,再删除这些NLOS项,并依据这些无NLOS误差的数据估计移动基站的位置。实验数据表明,提出的E-NIL算法在定位精度和复杂度方面优于同类算法。     

基于融合算法的GPS/UWB/MARG协同定位系统研究

为了弥补在不同场景下切换时目标丢失的盲区,提出GPS/UWB/MARG的协同定位系统,实现城区建筑间混合场景下的无缝定位。在混合场景下采用一种加权融合算法实现GPS和UWB协同定位,MARG用以辅助提高GPS定位精度,先对单一子系统进行数据优化和性能分析后,以加权融合的方式处理GPS/MARG数据和UWB数据,自主判断在不同定位环境下的数据输出的最优定位信息。结果表明,协同定位系统在混合场景下平均定位精度相比于GPS/MARG系统提高了64%,定位精度更高同时拓展了单一定位系统的应用场景。     

一种CDMA蜂窝定位中减小NLOS误差的算法

随着下一代移动通信研究的热潮,移动定位技术的研究也方兴未艾。在移动定位方程的解算中,测量噪声和NLOS误差是主要误差源,尤其是NLOS已经成为影响定位精度的主要因素。本文研究了CDMA系统中的NLOS误差减小问题,基于残余函数概念提出了ARWA算法,在NLOS路径不能有效识别的条件下,有效地减小了NLOS误差;仿真结果显示这种算法的定位精度明显强于一般LS估计。     

基于深度优先多径参数估计的NLOS定位增强算法

为了提高非视距（NLOS）环境中的毫米波系统定位精度，基于分布式压缩感知理论，提出一种深度优先的多路径参数估计算法。通过估计出来的多径参数来识别NLOS路径，增强了定位性能。首先，使用深度优先算法来减少非必要的路径搜索，获得更加准确的多径参数。其次，采用反向定位距离残差的方法进行NLOS多径识别。然后，对NLOS路径中的散射体进行匹配，估计出散射体的位置并将其视为虚拟锚节点。结合基站与虚拟锚节点的信息实现定位增强。最后，对所提算法的定位性能进行了仿真，与距离加权最小二乘（LS）算法和最大鉴别变换（MDT）算法相比，所提算法的性能分别提升了17%和8%。     

基于B-LM圆环模型的NLOS信息约束单基站定位算法

针对当前室外蜂窝网多基站定位需要基站之间时间同步、数据同步的要求,以及NLOS环境造成的非服务区基站的信号可测性问题,该文提出基于B-LM圆环模型的NLOS信息约束单基站定位算法。首先根据散射体、目标和基站间的几何位置关系以及NLOS多路径信息构建定位方程,然后将定位方程转化为最小二乘优化问题,之后基于LM算法海森矩阵修正思想和拟牛顿2阶偏导构造思想提出B-LM算法,保证算法收敛于最优解,以得到目标位置。仿真结果表明,所提单基站定位算法能在宏蜂窝NLOS环境实现较高的定位精度。     

基于UKF优化多三角加权定位算法的UWB室内定位系统设计

为了减小基于超宽带(Ultra-Wideband, UWB)通信技术的室内定位中由非视距(Non-Line-of-Sight, NLOS)因素导致的误差，提出了一种多三角加权定位算法，并将该算法与无迹卡尔曼滤波(Unscented Kalman Filter, UKF)结合，进一步提出多三角加权UKF定位算法。多三角加权定位算法使用4个基站，其中每3个基站分为一组，共4组排列组合。每组基站用三边定位算法算出标签的初始坐标，根据标签到4个基站的距离计算初始坐标的权值，并进行加权计算得到标签的坐标。以多三角加权定位算法的定位结果作为UKF的观测值，使用UKF对多三角加权算法的结果进行修正，提高定位精度，减小定位波动。对比三边定位算法、多三角加权定位算法和UKF优化的多三角加权定位进行仿真和实验。结果表明，提出的多三角加权UKF算法定位精度有较大提高。     

基于FPGA的UWB隧道内人员定位系统设计与实现

针对现阶段国内隧道施工中采用的通信定位手段通信信号不佳，无法提供精准定位信号的现象，基于现场可编辑门阵列（FPGA）为主控硬件提出一种以超宽带（UWB）定位技术为原理的无线传输定位系统，UWB定位基本原理基于三边测量算法并在后端数据处理中引入自适应卡尔曼滤波进一步提高其定位精度。该系统硬件层面具有低功耗、高效率的优点；算法层面卡尔曼滤波可以使系统达到更高精度，静态测距精度可达到0.1 m以内，动态测距精度可达到0.2 m以内。该系统可对工作人员长时间进行高精度、高效率的定位。经实验验证，该系统能够在无网络的情况下及时进行高精度跟踪定位，具有极强的鲁棒性。     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

多天线NLOS定位误差抑制算法

为抑制非视距传播造成的定位误差,提出一种基于对各基站TOA测量结果进行NLOS判别的误差抑制算法。与传统基于TOA统计信息的NLOS抑制不同,算法直接利用移动台多天线接收数据判别基站视距状态,然后融合LOS和NLOS基站测量结果解算移动台位置。NLOS判别机制采用多天线接收数据估计信道莱斯K因子,利用K因子在LOS/NLOS下服从的不同概率分布在信号处理层面对NLOS基站进行判别。算法最后采用约束最优化方法融合识别后的LOS和NLOS基站的TOA测量结果解算移动台位置。仿真结果表明,所提融合NLOS基站TOA解算算法可有效提高NLOS存在时的定位精度。      

基于参数重构的非直达波混合定位算法

在蜂窝无线定位中,非视距(non-line-of-sight,NLOS)误差是影响定位精度的主要因素之一,故如何减轻NLOS误差影响是无线定位研究的热点。本文针对NLOS环境下的定位问题,提出基于参数重构的混合定位算法。首先利用波达角（angle-of-arrival,AOA）重构方法重构直达波AOA,随后充分利用AOA的重构结果,以最大似然估计法迭代估计直达波的波达时延（time-of-arrival,TOA）,最后利用这两个重构后的参数以视距（line-of-sight,LOS）混合定位方法估计出移动台的位置,以实现NLOS环境下的单基站定位,并获取较高的定位精度。这种方式无需视距与非视距识别,改进了传统的单目标参数重构模式。仿真结果验证了该算法的有效性。      

适用于低速UWB的多径接收算法改进

叉指数优化选择是传统MMSE-Rake(最小均方差Rake接收机)算法的重要组成部分,广泛应用于UWB(超带宽)Rake接收机中。为了提高在低速传输条件下UWB系统对多径信号接收的快速识别能力,提出了一种基于优化抽头系数的MBER(最小误比特率)改进算法,该算法可在不降低多径分辨率的前提下,通过简化Rake叉指数实现快速定位。仿真结果表明,在低速CM3(NLOS信道)和CM4(特殊情况下NLOS信道)多径模拟信道传输条件下,改进后的算法在性能上优于传统MMSERake算法,不仅降低了Rake接收机的复杂度,还提高了信号接收的实时性。     

基于信号检测法的NLOS识别

针对无线定位系统中的非视距传播(NLOS)问题,本文提出采用传统的信号榆测方法对接收信号中的NLOS信号进行检测.结合Nokia公司的现场测量数据分析得到NLOS误差信号的统计特性,根据对先验知识的掌握程度,提出分别采用广义似然比检验(GLRT)和一致最大功效检验(UMPT)检测接收信号中是否存在NLOS信号,并分别进行了两种情况下的仿真验证.仿真结果表明:基于信号检测方法的NLOS识别技术具有时间开销小,识别能力强的特点.同时由于算法理论是建立在现场测量数据的基础上,所以算法具有工程应用价值.