共查询到17条相似文献,搜索用时 171 毫秒
1.
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. 相似文献
2.
蜂窝移动通信环境复杂多变,在基站和移动台之间不可避免会出现电波的非视距(Non-Line-of-Sight,NLOS)传播,使基站和移动台之间的距离测量误差显著增大,导致定位性能急剧下降。为了准确识别出视距(Line-of-Sight,LOS)与非视距传播的基站信号,提出了一种基于随机森林的LOS/NLOS基站识别方法,通过分析移动台与各基站接收机测量距离与定位误差之间的相关性,选择LOS/NLOS测量距离作为特征进行分类器训练,再将分类器用于LOS/NLOS基站的识别。仿真结果表明,该方法对NLOS基站的正确识别率达到90%以上,能取得较好的定位性能。 相似文献
3.
本代宽带无线接入系统(BWA)基于视线距离传输(Line of Sight,即LOS)的工作模式,具有覆盖率不高等不足,该文介绍了基于非视线距离传输技术(None Line of Sight)的下一代BWA的优点和技术难点,重点介绍了NLOS传输所采用的OFDM、多天线等关键技术,最后,对BWA的两种技术演进路线作了比较。 相似文献
4.
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。 相似文献
5.
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%。 相似文献
6.
提出一种基于随机波动模型(S-V模型)的改进室内模型,即修正的泊松超宽带(Ultrawideband,UWB)室内视距(Line of sight,LOS)信道模型,即两簇模型。模型的信道冲激响应具有两个确定的簇,每个簇内具有随机到达的多径射线。模型将多径增益分为能量较强和能量较弱两部分,在UWB室内LOS环境的小尺度多径特性上比S-V模型更好地拟合了UWB室内LOS环境测量数据,从而弥补了S-V模型和IEEE802.15.3a标准模型对室内LOS信道环境性能的不足。 相似文献
7.
8.
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
12.
We present an analysis of the time-of-arrival (TOA), time-difference-of-arrival (TDOA), angle-of-arrival (AOA) and signal strength (SS) based positioning methods in a non-line-of-sight (NLOS) environment. Single path (line-of-sight (LOS) or NLOS) propagation is assumed. The best geolocation accuracy is evaluated in terms of the Cramer-Rao lower bound (CRLB) or the generalized CRLB (G-CRLB), depending on whether prior statistics of NLOS induced errors are unavailable or available. We then show that the maximum likelihood estimator (MLE) using only LOS estimates and the maximum a posteriori probability (MAP) estimator using both LOS and NLOS data can asymptotically achieve the CRLB and the G-CRLB, respectively. Hybrid schemes that adopt more than one type of position-pertaining data and the relationship among the four methods in terms of their positioning accuracy are also investigated. 相似文献
13.
14.
针对室内定位,当信号受到非视距(non-line-of-sight, NLOS)和多径传播的影响时,本文提出一种接收信号强度(Received Signal Strength, RSS)协助的Ray-tracing室内定位算法,改进已经提出的基于虚拟基站方法的信号到达时间 (Time of Arrival, TOA)和信号到达角度(Direction of Arrival, DOA)室内无线信号Ray-tracing模型,利用信号RSS测量值优化算法,实现TOA、DOA和RSS协同定位,提高室内多径及非视距环境下,无线定位的精度,降低算法复杂度,提高算法处理信号多重散射的能力并降低了对基站的依赖性适用环境更为广泛。首先通过RSS得到信号源可能存在的位置,随后利用Ray-tracing原理并使用虚拟基站,将非视距路径定位问题转化为视距路径定位问题,利用TOA和DOA对直射、透射、反射和绕射情况进行分析建模,最后使用最小二乘法对可能的位置进行筛选,得到信号源的最终位置。仿真结果表明,本算法较改进前拥有更高的定位精度。 相似文献
15.
Non-line of Sight Error Mitigation in Ultra-wideband Ranging Systems Using Biased Kalman Filtering 总被引:1,自引:0,他引:1
In this paper, a non-line of sight (NLOS) error mitigation method based on biased Kalman filtering for ultra-wideband (UWB)
ranging is proposed. The NLOS effect on the measures of signal arrival time is considered one of the major error sources in
range estimation and time-based wireless location systems. An improved biased Kalman filtering system, incorporated with sliding-window
data smoothing and hypothesis test, is used for NLOS identification and error mitigation. Based on the results of hypothesis
test, the estimated ranges are either calculated by smoothing the measured range when line of sight (LOS) status is detected,
or obtained by conducting error mitigation on the NLOS corrupted measured range when NLOS status is detected. The effectiveness
of the proposed scheme in mitigating errors during the LOS-to-NLOS and NLOS-to-LOS transitions is discussed. Improved NLOS
identification and mitigation during the NLOS/LOS variations of channel status are attained by an adaptive variance-adjusting
scheme in the biased filter. Simulation results show that the UWB channel status and the transition between NLOS and LOS can
be identified promptly by the proposed scheme. The estimated time-based location metrics can be used for achieving higher
accuracy in location estimation and target tracking. 相似文献
16.
Ultra-Wide Band (UWB) based localization is one of the most promising techniques for high accuracy localization. The crucial factor that aggravates the localization precision is None-Line-of-Sight (NLOS) propagation. To address this issue, we propose a novel NLOS identification algorithm with feature selection strategy and a localization algorithm based on Import Vector Machine (IVM) with high accuracy and low complexity. The feature selection strategy further meliorates the classification accuracy. The probability outputs of IVM is employed by the localization algorithm and yields higher positioning accuracy than its counterpart methods – Support Vector Machine (SVM) and Relevance Vector Machine (RVM). Simulation results prove that IVM is a robust and efficient method for NLOS identification and localization. 相似文献
17.
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。 相似文献