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。     

基于UWB的室内协同定位方法

全球定位系统(Global Positioning System,GPS)在室外可以取得良好的定位效果,然而由于室内环境复杂、存在严重的多径和非视距干扰,GPS无法覆盖,难以实现高精度定位。针对这一问题,将超宽带(Ultra-Wide Bandwidth,UWB)技术和协同定位技术(Cooperative Positioning,CP)应用到室内定位中,并引入最小二乘残差法对测距误差较大的节点进行剔除,从而提出一种基于UWB的室内协同定位方法。该方法下,目标节点之间可以相互收发对方的测量数据,能够使不在参考节点传输距离内的节点也能定位,同时舍去测距误差较大的节点信息,能够有效地提高系统的定位精度。     

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。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜( TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法( FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法( SART )迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

非视距环境下基于二阶锥规划的RSS定位算法

针对无线传感器网络在非视距(NLOS)环境下利用接收信号强度(RSS)定位存在精度不足的问题,提出了一种新的基于二阶锥规划(SOCP)的鲁棒性定位算法。在假定非视距偏差上界的基础上构建了对非视距偏差量具有鲁棒性的定位方程,从而抑制了非视距偏差的干扰;接着利用凸优化技术将鲁棒性的定位问题转化为二阶锥规划问题,达到精确估计的目的,进而提高定位精度;此外,将定位问题推广到未知发射功率的情况,提出了一个迭代SOCP的算法。仿真结果表明,所提出的算法有效地解决了非视距定位中存在的问题,且定位精度要优于以往的牛顿迭代法、UT法以及SOCP法。     

基于EEMD的全质心UWB室内定位算法

针对室内环境下的非视距(non-line-of-sight,NLOS)及多径(Multipath)传播给定位结果带来较大误差的问题,本文先将通过超宽带(ultra wideband,UWB)室内定位系统中的TOA模型测得的目标节点(携带定位终端的人或物体)分别到三个锚节点(下位机)的距离值进行集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)分析除噪,再运用三角形全质心定位算法求出目标节点在二维坐标系中的坐标值,最后从这一组定位结果中随机选一个坐标值作为目标节点最终的定位结果。结果表明:与传统的粒子滤波法、贝叶斯滤波法、BP神经网络法、泰勒级数法、小波滤波法等提高定位精度的算法相比,该算法提高了定位精度及鲁棒性等性能。     

蜂窝无线网中的写作定位算法研究

在蜂窝无线网络中,单基站定位是最简单易行的定位方法,其需要利用基站测量移动终端信号的到达时间(TOA,time of arrival)和到达角(AOA,Angle of Arrival)信息.但是非视距(NLOS,Non Line of Sight)误差是影响定位精度的主要原因,为了抑制NLOS对定位精度的影响,提出了一种利用移动终端和中继节点之间的协作信息来提高定位精度的算法.该算法通过处理基站测量的TOA/AOA信息,以及移动终端到中继节点的TOA信息,利用中继节点与MS间的协作信息对估计的位置进行修正.仿真分析结果表明,在单基站蜂窝网中,提出的算法不仅整体提高了系统定位性能,而且在MS距离基站比较远的情况下,提出的协作定位算法的定位精度比现有的算法有明显提高.     

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.     

基于交互多模卡尔曼滤波器的定位算法"

针对蜂窝网中,由于电磁波的非视距传播导致定位精度较低的问题,将交互多模(IMM)方法引入到蜂窝网定位中。详细阐述了基于卡尔曼滤波器的交互多模算法(IMMKF)的工作原理以及IMMKF在蜂窝网定位中的应用,通过动态环境下的仿真试验验证了IMMKF能随信道传播环境的变化,在视距与非视距滤波模型之间进行自适应切换,达到抑制非视距误差的目的,并对IMMKF的滤波性能进行了分析和仿真验证。     

NLOS环境下几种TOA定位算法的性能比较

通过测量基站3条或更多不同路径的来自移动站的信号到达时间,可以对移动站进行定位。然而信号的非视距传输却极大地影响了TOA定位算法的定位精度,不同的定位算法在不同的条件下获得的定位精度也不同。对几种TOA定位算法(包括最小均方算法、近似最大似然估计算法、残差加权和残差检测算法)在非视距环境下的性能进行仿真,根据仿真结果,在实际应用中可以针对不同的环境选择最合适的定位算法。     

基于CFR虚拟阵列天线的AOA室内定位

准确地估计信号的到达角（Angle Of Arrival,AOA）为实现在室内高精度定位提供了可能,为了能够准确地估计室内多径信号的AOA,并提取出直射路径的AOA信息进行定位,本文提出一种利用信道频率响应信息（Channel Frequency Response,CFR）扩展阵列天线的亚米级室内定位系统.首先,采集CFR信息进行AOA和信号到达时间（Time Of Arrival,TOA）的联合估计;其次,提出了一种基于AOA和TOA二维聚类信息的直射路径识别算法;另外,还提出了可视环境（Line Of Sight,LOS）以及非可视环境（Non Line Of Sight,NLOS）的识别算法,可以准确的判断出当前接收机相对发射机是处于LOS还是NLOS环境;最后,利用现有的三天线Wi-Fi设备在室内进行了测角以及定位测试,实验结果表明本文提出的定位系统在室内LOS和NLOS环境下分别可以达到中值误差为0.8m,1.3m的定位精度,可用于室内高精度定位.     

TOA-Based NLOS Error Mitigation Algorithm for 3D Indoor Localization

In the process of indoor localization,the existence of the non-line of sight(NLOS)error will greatly reduce the localization accuracy.To reduce the impact of this error,a 3 dimensional(3D)indoor localization algorithm named LMR(LLS-Minimum-Residual)is proposed in this paper.We first estimate the NLOS error and use it to correct the measurement distances,and then calculate the target location with linear least squares(LLS)solution.The final nodes location can be obtained accurately by NLOS error mitigation.Our algorithm can work efficiently in both indoor 2D and 3D environments.The simulation results show that the proposed algorithm has better performance than traditional algorithms and it can significantly improve the localization accuracy.     

Improved Localization Algorithms Based on Reference Selection of Linear Least Squares in LOS and NLOS Environments

Linear Least Squares (LLS) estimation is a low complexity but sub-optimum method for estimating the location of a mobile terminal (MT) from some measured distances. It requires selecting one of the known fixed terminals (FTs) as a reference FT for obtaining a linear set of expressions. In this paper, the choosing of the reference FT is investigated. By analyzing the objective function of LLS algorithm, a new method for selecting the reference FT is proposed, which selects the reference FT based on the minimum residual (denoted as MR-RS) rather than the smallest measured distance and improves the localization accuracy significantly in Line of sight (LOS) environment. In Non-line of sight (NLOS) environment, we combine MR-RS algorithm with two other existing algorithms (residual weighting algorithm and three-stage algorithm) to form new algorithms, which also improve the localization accuracy comparing with the two algorithms. Moreover, the time complexity of the proposed algorithms is analyzed. Simulation results show that the proposed methods are always better than the existing methods for arbitrary geometry position of the MT and the LOS/NLOS conditions.     

IMU辅助的TDOA室内定位

室内环境下,当无线信号受到多径和非视距干扰时,传统的基于到达时间差（Time Difference of Arrival,TDOA）的测距模型定位精度不满足室内定位精度要求。为此,提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit,IMU）相结合的定位方法。在视距情况下,只有TDOA系统工作,但在信号受到干扰时,利用IMU能够在短时间内提供一个准确的相对位置信息的特性,采用TDOA算法对其进行辅助定位,并利用卡尔曼滤波器对它们的数据进行预处理,最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明,提出的算法比传统的TDOA定位具有更高的精度。     

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。     

LTE中抑制非视距误差的分层协同定位算法

针对长期演进技术(LTE)定位系统中非视距(NLOS)误差会使得用户终端测得的定位参数存在较大偏差,从而导致基于观测到达时间差(OTDOA)定位技术所估计的用户终端位置定位精度下降,以及传统Chan算法和Taylor级数展开算法中OTDOA协方差矩阵难以获取的问题,本文提出了一种抑制NLOS误差的分层协同定位算法(HCLA, hierarchical collaborative localization algorithm)。算法首先鉴别出含NLOS误差的基站,然后利用残差加权算法获取OTDOA协方差矩阵,再对传统的Chan算法和Taylor级数展开算法进行改进,将二者联合起来对用户终端进行分层协同定位。该算法无需知道OTDOA误差先验信息。仿真结果表明,在NLOS环境下该算法能准确鉴别出含NLOS误差的基站,并能有效减小定位误差。     

UWB positioning enhancement using Markov chain in indoor NLOS environment

The accuracy of the positioning system in indoor environment is often affected by none-line-of-sight ( NLOS) propagation. In order to improve the positioning accuracy in indoor NLOS environment, a method used ultra-wide-band ( UWB ) technology, which based on time of arrival ( TOA) principle, combining Markov chain and fingerprint matching was proposed. First, the TOA algorithm is used to locate the target tag. Then the Markov chain is used to identify if blocking happened and revise the position result. And the fingerprint matching is used to further improve the position accuracy. Finally, an experiment system was built to test the accuracy of the proposed method and the traditional Kalman filter method. The experimental results show that, compared with the traditional Kalman filter method, the proposed method can improve the positioning accuracy in indoor NLOS environment.     

A decision tree‐based NLOS detection method for the UWB indoor location tracking accuracy improvement

Among existing wireless technologies, ultra‐wideband (UWB) is the most promising solution for indoor location tracking. UWB has a great multipath fading immunity; however, great multipath resolvability alone does not eliminate the effect of non‐line‐of‐sight (NLOS) and multipath propagation. NLOS and multipath propagation in indoor environments can easily produce meters of UWB ranging error. This condition gives an enormous impact on the accuracy of indoor location tracking data. To address this problem, we propose an NLOS detection method using recursive decision tree learning. Using the UWB channel quality indicators information, we develop our model with the Gini index and altered priors splitting criteria. We then validate the constructed model using the 10‐fold cross‐validation method. Our experiment shows that the constructed model has correctly detected 90% of both line‐of‐sight (LOS) and NLOS cases on the seven different indoor environments. The result of this work can be used for the UWB indoor location tracking accuracy improvement.     

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。