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。     

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.     

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。     

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.     

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。      

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。     

适用于NLOS环境的UWB定位方案研究

给出一种适用于NLOS环境的UWB定位方案,提出基于最强路径SP(trongest path)检测的TOA(timeof arrival)估计,移动终端MT(mobile terminal)只需检测到2条不同方向的SP就可以完成与固定站FS(fixedstation)之间的定位,且无需考虑障碍物位置,并同样适合LOS情形.通过对IEEE.802.15.4a中3种NLOS信道模型的仿真,分析了信道冲激响应和SP搜索区域的关系以及方案中各参数对定位性能的影响,结果表明NLOS环境中无法检测直射路径时,此定位方案是行之有效的.     

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。     

一种基于圆环模型的网格搜索定位算法

为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于圆环模型的到达时间(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的单次散射,首先利用圆环模型的几何特征搜索圆环的半径,再根据圆环的半径、TOA信息和AOA信息确定散射体的位置;然后将散射体作为虚拟基站规划移动台(Mobile Station,MS)的可能位置范围,并使用网格搜索和约束判断来获得多个MS可能的估计位置;最后根据误差目标函数的大小进行选择性平均。在不同NLOS场景下的仿真结果表明,与现有算法相比,所提算法取得了更好的定位性能。     

一种特殊GDOP场景下的NLOS传播识别算法

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。     

一种基于AP ID过滤的WLAN位置指纹定位算法

非视距传播是影响定位精度的主要因素,深入研究信号强度的统计特性有利于定位精度的提高。基于RSSI的位置指纹定位技术因其设备简单,定位精度高而成为近年来定位技术研究的焦点。在对信号强度的统计特性深入分析的基础上,结合AP ID与移动台位置之间的关系提出一种改进的基于AP ID过滤的无线局域网位置指纹定位算法。并借助MATLAB仿真对比了改进前后的算法性能,证明了改进算法的不仅降低了计算复杂度,且提高了定位精度。     

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。      

基于TOA的置信因子移动定位算法

移动台的精确定位面临的一个主要问题就是信号的非视距(NLOs)传输。小文在TOA测量距离的基础上,利用基站和测量值之间的几何关系、信号的损耗模型和信号强度信息,提出了置信因子定位算法(BFA)。研究了BFA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。