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。     

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。      

基于CDMA蜂窝网的运动目标检测与定位技术

利用CDMA蜂窝网中多个基站发射的导频信号实现对三维运动目标检测和定位的方法.根据直达干扰分量的多普勒频移为零,而目标反射信号的多普勒频移非零以及伪随机序列自相关函数的特点,采用级联对消方法滤除各个基站直达分量的干扰;再根据基站间的位置关系及各个导频序列的偏移量,采用该文提出的"簇"方法实现基站与多径时延的配对,完成对定位参数的估计;最后,将Chan提出的TDOA定位方法[7]推广到三维情况,实现运动目标的定位.仿真结果证明了该方法的有效性.     

基站几何布局对定位误差的影响

针对目前无线网络定位精度不够高的缺点,文中利用误差分析的方法探讨了影响无线网络定位精度的有关因素.在不考虑非视距误差的情况下其定位误差主要取决于网络中各基站的几何分布.通过仿真显示,在不考虑非视距误差的情况下,基站几何布局对移动台的定位误差具有较大的影响.因此在多基站的环境下,文中给出一种定位基站选择算法,可以有效的提高定位精度.     

基于CHAN的改进卡尔曼滤波室内定位算法

由于现在室内环境的复杂度越来越高，室内非视距情况下定位误差的影响逐渐增大，如何降低其影响显得尤其重要。定位技术选用的是UWB室内定位技术，其中，卡尔曼滤波在降低室内非视距定位误差方面有着广泛的应用，针对其在视线线路与非视距场景转换过程中会产生新的误差的问题，提出了一种基于CHAN的改进卡尔曼滤波定位算法。采用5个或以上基站的测距结果构建定位解算方程组，选取在非视距情况下定位误差敏感的CHAN算法进行解算，将解算结果与各基站的位置进行残差处理，并划分出不同的置信区域。对于不同置信区域，预先设定匹配的卡尔曼滤波增益系数K，提高视线线路和非视距场景转换的定位结果稳定性，降低转换过程中的定位误差。实验结果表明，在仿真环境中，所提算法可将误差降低至80 cm左右；在实际应用中，可将复杂场景下的定位误差降低至60 cm，比正常复杂室内定位精度提高60%。     

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。     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

利用多照射源的单站多目标无源定位

提出一种针对多目标的单站无源定位算法,综合利用多个外部照射信号,基于对信号多径时延的测量,在目标位置空间进行概率融合,将多目标定位问题转化为对一个目标函数的多峰寻优问题。该算法通过空间关联性实现参数自动配对,能依据单次观测数据对较大数量的散射体目标同时定位。     

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。     

基于角度重构和差分飞行时间的室外多站定位

针对当前室外定位基站和目标之间的信号收发不同步,以及非视距(Non-Line of Sight,NLOS)环境下定位困难的问题,提出了一种基于角度重构和差分飞行时间(Time of Flight,TOF)的室外NLOS多站定位方法。首先,基于单次散射模型给出了一种关于散射体波达角(Angle of Arrival,AOA)的粗略重构方法,再利用多径信号的差分TOF并结合模型中目标、散射体、基站之间的几何位置关系构建定位方程;然后,结合先验信息添加约束区间并结合定位方程将定位问题转化为最小二乘优化问题,并利用列文伯格-马奈尔特法(Levenberg Marquardt,LM)算法进行初始解算得到基站到目标的初始估计距离;最后,将每个基站的距离估计结果进行联合多边定位得到最终目标位置。仿真结果表明,该方法利用多个基站能在室外NLOS环境中实现较高定位精度。     

一种基于单次散射体定位的TOA/AOA混合定位算法

为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(Time of Arrival,TOA)/到达角(Angle of Arrival,AOA)混合定位算法.假设各基站(Base Station,BS)接收的多径信号都经历了散射体单次散射,首先利用...     

一种基于随机森林的LOS/NLOS基站识别方法

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。     

非直达波条件下的TDD高精度移动定位算法

本文基于单次散射双向移动信道模型及信道参数联合估计,利用单基站测得的多条散射路径的到达时延、到达方向和离波方向进行定位,提出了一种非直达波条件下的TDD高精度移动定位算法.随后分析了其定位误差的分布特性.仿真结果验证了非直达波条件下该算法的有效性.     

一种改进的NLOS环境下的TDOA/AOA混合定位算法

在蜂窝移动通信系统中,利用基站测量的到达时间差(TDOA)和电波到达角(AOA)的混合定位方法能够比传统的TDOA方法提供更高的定位精度。但是在非视距(NLOS)条件下,当AOA的测量误差超过一定值时,定位的误差仍然很大。该文根据NLOS传播环境下附加传播时延服从指数分布的特性,估计附加时延的均值和方差,对TDOA测量值进行重构,再以AOA方法进行辅助定位。仿真结果表明,该算法能显著提高传统的TDOA和TDOA/AOA方法在NLOS传播环境下的定位精度。     

非视距和未知传输参数环境下的RSS-TOA目标定位算法

在未知传输时间和发射功率的情况下,本文研究了非视距环境下基于RSS-TOA混合测量值的目标定位问题。首先为解决非视距误差会显著降低定位性能这一难题,根据最坏情况下的定位性能优化准则和鲁棒最小二乘法准则构建了未知视距和非视距路径分布状态下的目标定位优化问题。然后为了有效解决非凸和高度非线性的原定位问题,采用二阶锥松弛技术将该问题转化为凸优化问题,并通过内点法有效得到最优解。最后仿真结果验证了所提出的定位算法优于已有的定位算法。     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

CSS无线定位系统设计及非视距抑制算法

针对测量误差概率密度未知的情况,提出了基于半参数的非视距噪声抑制算法。在基于飞行时间的固定标签模型基础上,通过应用大规模蒙特卡罗方法将提出的算法和传统方法进行对比,仿真结果表明,当非视距误差为有偏高斯分布和瑞利分布时,提出的算法能够在非视距污染率较低时与传统方法表现一致,且在污染率较高时也有较强的鲁棒性。结合室内和室外定位的应用进行基站部署,对相应场合下的定位算法进行测试。测试结果表明,提出的算法能够比最小二乘法提高50%左右的定位精度,整体而言,系统定位能达到在可视环境1 m,非可视环境3 m的精度。     

基于粒子滤波和交互多模型的移动定位方法

为提高非视距情况下移动辐射源的定位精度,提出一种改进的交互粒子滤波算法.该算法对目标运动多模型和信号到达时间差测量噪声分布多模型联合建模.在交互多模型状态更新中利用粒子滤波对目标时变状态以及视距/非视距混合信道参数进行估计,抑制了非视距测量误差对移动定位的影响.仿真结果表明,改进算法的性能要优于现有的视距条件运动多模型和视距/非视距条件单一运动模型的定位算法,并且定位误差接近于推导的后验克拉美劳下界.