基于卡尔曼滤波的测量值重构及定位算法

在蜂窝网无线定位技术中,非视距(NLOS)误差的存在使定位性能急剧下降。该文提出了一种针对NLOS环境的基于卡尔曼滤波(KF)的动态跟踪定位算法。算法首先利用有偏卡尔曼滤波器的对测量值进行重构,然后利用重构后的测量值进行卡尔曼定位,并引入推算机制加以修正。实验结果表明,该方法在极为恶劣的NLOS环境下也能够获得很高的定位精度。     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

抑制蜂窝网定位中测量值NLOS误差的两种算法研究

本文基于对NLOS误差特点的分析,把两种改进的卡尔曼滤波器算法应用于蜂窝网无线定位的TOA(Time of Arrival)测量值消除NLOS(Non-Line of Sight)误差预处理上。它们分别针对NLOS误差的特点,从不同角度考虑,降低了TOA测量值中的标准测量误差和NLOS误差,恢复出的测量值可以较精确的逼近真实的到达时间。从而有效减少了测量值的NLOS误差,再使用普通的不考虑NLOS误差消除的定位算法来计算移动台的位置,就可以达到较高的精度。     

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。     

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。     

基于扩展卡尔曼滤波算法的无人机定位

无人机的移动定位是应对无人机机动性和应用环境复杂性的关键技术.为解决无人机中的全球定位系统(GPS)信号失效问题,提出了一种通过机载无线射频的接收信号强度解决定位问题的技术,分别采用扩展卡尔曼滤波方法估计距离和最小二乘方法估计路径损耗因子两种处理方法.理论分析和实验测试结果证实所提算法对有色噪声干扰下的接收信号有较好的增强效果,基于80％的置信水平,新算法相对于白噪声模型将估算误差从9.5 m减少到了4 m,还进一步提供了融合惯性导航的算法.     

面向非视距环境的室内定位算法

节点位置信息在无线传感器网络中起着至关重要的作用.大多数定位算法在视距(Line-of-Sight,LOS)环境下能够取得较高的定位精度,然而在非视距(Non-Line-of-Sight,NLOS)环境下,由于障碍物的阻挡,无法取得理想的定位精度.针对室内环境中普遍存在的非视距传播现象,提出了基于RTT(Round Trip Time)和AOA(Angle Of Arrival)混合测距方式的室内定位方法,一种轻量级基于网格的聚类算法(Lightweight Grid-Based Cluster,LGBC)被用来生成移动节点的定位区域.算法不需要获取室内环境的先验信息.仿真结果表明,LGBC算法复杂度低,计算开销小,并且与同类算法相比,定位精度提高约65%.     

用卡尔曼滤波器消除TOA中NLOS误差的三种方法

提出了三种改进的用卡尔曼滤波器消除到达时间(Time of Arrival，TOA)测量值中非视距(Non-Line of sight，NLOS)误差的方法。这三种方法从不同角度考察TOA测量值中NLOS误差的特点，分别对卡尔曼滤波器的迭代过程进行改进，有效地消除了TOA测量值中NLOS误差的随机性和正向偏差。与传统的NLOS误差消除算法相比，这三种方法均可获得较小的估计误差，并可实现实时处理。     

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。     

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.     

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。     

密集多径环境下UWB测距的NLOS误差减小方法

为减小密集多径环境下超宽带(UWB)测距结果中因为障碍物引起的非视距(NLOS)误差,提出了一种有效的NLOS误差减小方法.此方法考虑了NLOS误差的产生原理及特点,以信号传播的路径损耗模型为基础,通过对接收信号中不同时间到达单径的能量比较,实现了对NLOS误差的粗略估计,进而以此估计值对测距结果进行校正.在方法的具体实现上,给出了一种计算量较小、复杂度较低的单径检测算法.对实测数据的处理验证了方法的正确性,结果表明本文提出的NLOS误差减小方法使UWB测距精度有了较大提升.     

一种用于低空声源目标超视距被动声定位的新方法

该文提出了一种用于低空声源目标超视距被动声定位的新算法。该算法根据低空声源目标的声信号在定位反射点的基础上定位目标点,能有效降低声信号超视距传播误差的影响,提高定位精度,为雷达进一步跟踪和定位提供重要信息。仿真结果表明在时延估计精确的情况下,该方法对隐蔽于山后的低空声源目标的位置有较好的估计效果。     

适用于NLOS传播环境的几何定位方法

基于非视距传播(NLOS)的影响,移动通信环境中波达时间(TOA)的测量误差具有正偏置的特性,本文提出了一种简单的几何定位方法。该方法根据基站分布和TOA测量数据确定出若干个定位点,对这些点的坐标取平均值即得到移动台的位置估计。仿真结果表明,该方法能够有效提高NLOS传播环境下的定位精度,对LOS传播条件下的定位精度影响小。     

基于蜂窝网的抗NLOS定位算法研究

非视距（NLOS）误差是蜂窝网定位系统的主要误差源，直接影响基于蜂窝网络的定位系统的推广和应用。针对提高抗NLOS定位精度算法的研究，分别从NLOS传播特性、NLOS鉴别和NLOS抑制算法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，并提出了自己的观点。     

基于B-LM圆环模型的NLOS信息约束单基站定位算法

针对当前室外蜂窝网多基站定位需要基站之间时间同步、数据同步的要求,以及NLOS环境造成的非服务区基站的信号可测性问题,该文提出基于B-LM圆环模型的NLOS信息约束单基站定位算法。首先根据散射体、目标和基站间的几何位置关系以及NLOS多路径信息构建定位方程,然后将定位方程转化为最小二乘优化问题,之后基于LM算法海森矩阵修正思想和拟牛顿2阶偏导构造思想提出B-LM算法,保证算法收敛于最优解,以得到目标位置。仿真结果表明,所提单基站定位算法能在宏蜂窝NLOS环境实现较高的定位精度。