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.     

非视距被动声定位与跟踪方法

非视距声信号通过短程线路径绕射到达基阵,将信号传播所得的短程线离散化,通过离散点之间的迭代关系,对绕射信号进行了射线寻迹.针对非视距情况下被动声定位及跟踪技术的特点,基于射线寻迹的原理,提出了对被动声源进行非视距定位的方法,然后利用卡尔曼滤波分别对静止和移动目标进行跟踪.仿真结果表明,当障碍物为非对称几何体时,能够对非视距声源位置及速度进行有效估计.     

基于WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

多平台对单目标的被动跟踪系统研究

由于多平台对单目标的被动系统具有隐蔽性强、实时性好等优点,因此近年来成为电子战领域研究的热点之一。针对多平台观测下的单目标被动跟踪系统进行了研究,首先提出2种跟踪系统结构:一是基于最小二乘(LS)和线性卡尔曼滤波(KF)相结合的伪线性模型系统,二是基于扩展卡尔曼滤波(EKF)并行滤波技术的非线性跟踪系统;其次分别给出具体设计步骤,并在计算机上进行仿真验证。仿真结果表明,基于EKF的非线性并行滤波技术对目标跟踪精度较高。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

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。     

三维纯角度被动跟踪定位的最小二乘-卡尔曼滤波算法

利用角度信息估计出目标的距离和速度实质上是一个非线性状态估计问题,经典的扩展卡尔曼滤波算法性能很不稳定。文中首先根据静态估计理论推导出了某一时刻目标位置的最小二乘解,然后将其作为卡尔曼滤波的测量值进行滤波,作进一步的数据处理,以提高估计精度。为了避免测量误差的相关性,分别在x,y,z方向上进行滤波,简化了算法,提高系统的定位精度。仿真结果表明这一算法是简单而有效的。     

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。     

考虑非视距误差的一种新定位算法

提出了一种当接收端(或基站)在平面上随机分布时,考虑非视距(NLOS)传播误差条件下对移动台定位的有效算法。该方法基于到达时间定位技术,其主要思想是通过概率定位和几何定位联合检测具有 NLOS 误差的测量值(在各接收端处估计的信号时延),然后估计这些测量值的 NLOS 误差的大小并更新这些测量值,最后重新估计移动台位置。文中给出了算法的步骤,推导了算法估计误差的方差。同时,本文推导了 NLOS 环境下定位估计误差的克拉美罗下限,并将所提算法的性能与克拉美罗下限做了比较和分析。仿真部分也给出了不同算法与本文算法的性能比较,从仿真结果可以看出,该算法估计精度高。     

基于最小均方误差选择参考节点的RSS测距定位算法

无线传感网中的多类应用均需要准确的定位算法.为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,并建立相应的方程,再利用线性最小二乘LLS(Linear Least Squares)法求解节点的位置,将此定位算法记为RSS+LLS算法.RSS+LLS算法随机选择参考节点,这有损定位精度,同时,LLS算法并没有考虑每个测距值的误差,这些不足降低算法的定位性能.为此,提出基于RSS+LLS的优化算法,记为RSS+WLS+OPT算法.该算法先通过RSS测距,并基于最小均方误差原则选择参考节点,从而提高定位精度,同时,给每个测距值引入权重系数,采用基于协方差矩阵的加权最小二乘法WLS(Weighted Least Squares)求解节点位置,进而降低了测量误差对定位精度的影响.仿真结果表明,与RSS+ LLS相比,提出的RSS+WLS+OPT算法的定位精度提高了约2米,并没有增加计算时间,降低对测距误差的敏感性.     

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。      

用残差加权对抗NLOS误差的移动定位算法

信道的时间和空间的变化所导致的非视距(NLOS)传输是移动定位技术面临的巨大困难。利用UMTS-FDD的特性以及信号到达时间(TOA)提出了一种残差加权定位算法。研究了算法在不同类型NLOS误差下的表现,结果表明该算法能够有效地降低NLOS误差的影响,定位精度有显著提高,而且在不同分布的NLOS误差下表现稳定。     

GALE: An Enhanced Geometry-Assisted Location Estimation Algorithm for NLOS Environments

Mobile location estimation has attracted a significant amount of attention in recent years. The network-based location estimation schemes have been widely adopted based on the radio signals between the mobile device and the base stations. The two-step Least-Squares (LS) method has been studied in related research to provide efficient location estimation of the mobile devices. However, the algorithm results in insufficient accuracy for location estimation with the existence of Non-Line-Of-Sight (NLOS) errors. A Geometry-Assisted Location Estimation (GALE) algorithm is proposed in this paper with the consideration of different geometric layouts between the mobile device and its associated base stations. In order to enhance the precision of the location estimate, the GALE scheme is designed to incorporate the geometric constraints within the formulation of the two-step LS method. The algorithm can be utilized to estimate both the two-dimensional and the three-dimensional positions of a mobile device. The proposed GALE scheme can both preserve the computational efficiency from the two-step LS algorithm and obtain a precise location estimation under NLOS environments. Moreover, the Cramer-Rao Lower Bound (CRLB) for various types of measurement signals is derived to facilitate the performance comparison between different location estimation schemes. Numerical results illustrate that the proposed GALE algorithm can achieve better accuracy compared with other existing network-based location estimation schemes.     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此,利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法,有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现,结果表明该算法能够有效地降低NLOS误差的影响,定位精度比其它算法有显著提高,而且在不同分布的NLOS误差下表现稳定。     

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。      

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。     

在非视距环境下基于数据融合的无线定位算法研究

在基于TDOA数据融合算法的基础上,给出了一种在非视距环境下改进型数据融合模型。该模型利用联合卡尔曼法消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。     

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。