一种在NLOS环境下提高精度的TDOA定位方法

根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行了估计,并对TDOA（到达时间差）的测量值和方差进行了修正,在一定程度上消除了NLOS误差的影响.采用Chn算法对移动台（MS）位置进行定位.仿真结果表明,该方法能够提高Chan算法在NLOS传播环境下的定位精度.     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。     

一种改进的无线定位算法

Taylor级数展开法和Chan算法是两种性能优良的利用电波到达时间差(TDOA)的定位算法,前者简单实用,但是其缺点是对初值比较敏感；后者在视距(LOS)传播环境下有较高的定位精度,二者结合可以大大提高定位的精度。但是在非视距(NLOS)传播环境下Chan算法精度会受到较大的影响,从而影响到Taylor级数展开法的定位精度。本文根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行估计,对TDOA测量值进行修正,采用Chan算法计算初值,再利用Taylor级数展开法进行定位,并与其它两种基于Taylor级数展开法的定位方法结果进行了比较。仿真结果表明,该算法能够提高NLOS传播环境下的定位精度,性能优于另外两种基于Taylor级数展开法的定位方法。     

一种基于TDOA重构的蜂窝网定位服务NLOS误差消除方法

在非视距传播(NLOS)环境中，到达时间差(TDOA)测量值受NLOS误差的影响而产生偏差^[1]，使得Chan算法^[2]的定位性能显著下降。基于NLOS误差的先验信息，利用平均超量时延和均方根时延扩展之间的关系，本文为基于移动台(MS)的定位方案提出了一种建立在TDOA测量值重构和Chan算法基础上的改进算法，使得平均超量时延的影响显著下降。分析和仿真结果表明，与Chan算法相比，该算法的定位性能显著提高。     

移动台定位估计数据融合增强模型及其仿真研究

为了提高蜂窝网中对移动台(MS)的定位精度，在文献[1]中，Kleine-Ostmann提出了一种对电波到达时间(TOA)和到达时间差(TDOA)测量值进行融合的模型。本文对该模型进行了改进，增加了AOA测量值的使用，提出了融合度更高的增强型数据融合模型。分析和仿真结果表明，只要AOA测量值达到一定精度要求，该模型就能取得更好的定位性能。     

基于扩展卡尔曼滤波器的混合TDOA／AOA室内定位技术的研究

本文阐述的是一种针对室内超宽带系统（UWB）的时间差到达和角度到达（TDOA／AOA）的混合定位技术。由于非视距传播（NLOS）误差确定为此系统的主要误差原因,所以本文使用卡尔曼滤波器来甄别和消除非视距误差,从而减小在室内UWB环境下的NLOS的时间到达（TOA）误差。本文加入了一种AOA选择功能。最后针对使用TDOA和有选择的AOA的室内移动定位追踪系统本文提出了一种改进的扩展卡尔曼滤波器（EKF）。仿真结果显示本文提出的混合定位方案可以有效响应在UWB环境下的NLOS／LOS变化,并且提高了定位精度。     

一种在NLOS环境下应用于NB-IoT系统的组合定位算法

传统非视距(NLOS)误差下无线定位的TDOA算法通常是减弱NLOS误差影响或直接提取LOS测量值,对于窄带物联网(NB-IoT)需要解决LOS与NLOS传输并存下的定位精度问题。文中采用最小二乘法对NLOS和LOS传播进行鉴别,然后对NLOS下的TDOA值进行优化处理。在此前提下,提出一种组合定位的算法,采用Taylor级数展开法计算LOS传输情况,用CHAN算法计算NLOS传输情况,再通过组合定位得到定位结果。仿真结果表明,改进后算法在NLOS的信道环境下的定位性能明显提高。     

一种有效减小非视距传播影响的TOA定位方法

本文基于移动通信环境中非视距(NLOS)传播时延服从指数分布的特性,提出了一种有效减小NLOS影响的定位方法.该方法首先利用测量的波达时间(TOA)和NLOS传播时延的统计特性估计由NLOS引起的附加时延;然后从测量的波达时间中减去附加时延,得到对LOS传播时间的估计,进而估计移动台的位置;最后,对不同时刻估计的移动台位置进行平滑处理,进一步减小NLOS的影响.采用该方法对移动台的位置进行的估计是一种无偏估计,不需要增加系统成本,计算简单,是一种非常实用的定位方法.仿真结果证明了该方法的有效性.     

一种NLOS环境下的TOA/AOA定位算法

为了减小NLOS传播的影响,基于几何结构的单次反射统计信道模型,该文提出一种NLOS环境下的TOA/AOA定位算法。利用RBF神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正以减小NLOS传播的影响,再利用最小二乘(LS)算法进行定位,从而提高系统的定位精度。仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于Chan算法,Taylor算法和LS算法。     

基于TDOA无线定位的NLOS误差抑制算法

在无线定位算法中,非视距误差是影响定位精度的一个重要因素。为了减小NLOS误差的影响,文中提出了一种基于TDOA的NLOS误差抑制算法。该算法引入信息阈值和修正参数,对卡尔曼滤波迭代过程进行改进,有效地抑制了TDOA测量值中的NLOS误差。仿真结果表明,该算法在NLOS误差严重且误差模型不确定的环境下仍可保持较高的定位精度,且性能优于已有基于卡尔曼滤波的NLOS误差抑制算法。     

TOA-based robust location algorithms for wireless cellular networks

Caused by Non-Line-Of-Sight (NLOS) propagation effect, the non-symmetric contamination of measured Time Of Arrival (TOA) data leads to high inaccuracies of the conventional TOA based mobile location techniques. Robust position estimation method based on bootstrapping M-estimation and Huber estimator are proposed to mitigate the effects of NLOS propagation on the location error. Simulation results show the improvement over traditional Least-Square (LS) algorithm on location accuracy under different channel environments.     

基于到达角Kalman滤波的TDOA/AOA定位算法

基于Chan算法的TDOA/AOA定位算法是在Chan算法的信号到达时间差(TDOA)误差方程组里加上一个信号到达角(AOA)误差方程,利用加权最小二乘法(WLS)求解。其主要缺点是把移动台(MS)的横坐标、纵坐标与移动台到服务基站(BS)之间的距离作为3个相互独立的变量,忽略了3者之间的相关性。需要进行两次WLS计算,且最终的解为二值根。当AOA测量误差的方差不断增大时,对应的定位误差也随之增大。该文利用Kalman滤波算法对AOA的值进行估计,并将上述的3个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性。     

基于神经网络的超宽带视距传播时间重构

在室内环境下,针对传统的基于到达时间、到达时间差和信号强度的定位算法受多径和非视距的影响不能满足定位精度需要的问题,提出了一种利用超宽带信号,由神经网络重构出视距传播距离,再利用Taylor算法进行目标定位的方法。结果表明对于训练数据和非训练数据,该方法的定位均方根误差都在1 m以下,能有效提高定位精度。     

基于散射体信息的双基站定位

该文基于单次散射移动通信模型,利用双基站测得的多条散射路径的到达时间(TOA)和到达角度(AOA)进行定位,提出了一种非直达波条件下的高精度移动定位算法,仿真结果验证了该算法的有效性。     

减轻TOA和AOA定位系统非视距影响的方法

结合圆位置线误差、直线位置线误差与参数误差的关系,该文提出了一种利用所有基站测量的波达时间与最近一个基站测量的所有多径的到达角进行混合定位的方法.在该方法中,对波达时间用测量的波达时间总是大于等于视距传播时间进行约束,对到达角用GBSBCM确定的最大角度扩展进行约束,以有效减小非视距传播的影响,提高定位精度.仿真结果证明了该方法的有效性。     

基于扩展卡尔曼滤波的非视距误差消除算法

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差.为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法.算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响.计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的.