UWB定位中基于XGBoost的NLOS识别方法

NLOS场景下UWB室内定位精度下降,识别出NLOS有助于进一步提升定位精度。针对超宽带定位中非视距识别的问题,提出基于XGBoost的NLOS识别方法。基于XGBoost决策树算法,采用两个层面的数据源对UWB定位中NLOS进行识别：元数据层面,用真实定位场景中采集的UWB CIR数据作为数据源;统计数据层面,将CIR数据经过一定的加工,得到几个关键的信号特征参数作为数据源。两组实验结果表明,XGBoost算法在元数据和统计数据上识别精确度分别达到91%和92%。UWB定位中XGBoost算法能显著提高识别NLOS信号的准确度。     

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。     

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。     

基于LOS/NLOS识别的WiFi FTM定位

在室内定位领域,IEEE于2016年提出了802.11mc协议,实现了高精度的WiFi测距,并可以提供米级的定位精度.针对此测距方法精度受非视距(NLOS)影响严重,影响室内定位精度的问题,提出了一种基于视距(LOS)非视距识别的RTT定位方法,建立了一个视距非视距模型用于识别非视距测距结果,将非视距剔除后用最小二乘法...     

基于散射体信息的室内NLOS多站协作定位算法

针对现有视距(LOS)定位方法在非视距(NLOS)环境中定位精度急剧恶化的问题,提出一种基于散射体信息的室内NLOS多站协作定位算法,可在完全没有LOS路径的情况下进行定位.首先,利用多AP以及联合场景先验信息协同确定目标NLOS区域和散射体模糊区域;其次,根据信号的到达角对散射体区域进行约束,并在区域内搜索散射体的位...     

室内环境下NLOS误差的鉴别及其抑制算法

室内定位技术中,现有抗非视距误差的算法需要利用NLOS先验信息或统计特性.为了克服这一缺点,提出了一种低复杂度的几何面积判决鉴别算法.通过利用几何面积判决鉴别算法的判决结果,推导出一种Taylor级数抑制NLOS误差的室内定位算法.仿真试验表明,与传统室内定位抗非视距误差的算法相比,该算法定位精度高,收敛速度快,有较好的抗NLOS性能.     

基于卡尔曼滤波的抑制NLOS定位算法研究

NLOS(非视距传输)是无线定位误差的主要来源,利用卡尔曼滤波处理到达时间值,再结合Chan算法可以提高定位的精度,但当误差较大时定位精度逐渐下降。文章提出的改进算法首先利用预测残差调节NLOS误差较大的时刻所对应的卡尔曼滤波增益;然后以T1P1模型为基础,利用统计规律及预测数据估计NLOS平均误差,重构卡尔曼滤波的观测值;最后利用Chan算法计算移动台的位置。仿真结果表明该方法可以有效地抑制NLOS误差,在一定程度上提高了NLOS环境下定位的精度。     

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。     

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.     

简单高效的超宽带定位非视距鉴别方法

近几年,室内无线定位技术发展迅速,在众多无线定位技术中,超宽带(Ultra-Wide Band)有着抗多径干扰能力强,定位精度高等优点,受到学术和产业界的极大关注.然而在一些复杂的工业环境,如变电站,电厂等环境下,超宽带依然会受非视距的影响,甚至某些情况下定位偏差能达到数十米.该文提出一种简单有效的超宽带非视距鉴别方法...     

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。     

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。      

一种在NLOS环境下提高精度的TDOA定位方法

根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行了估计,并对TDOA（到达时间差）的测量值和方差进行了修正,在一定程度上消除了NLOS误差的影响.采用Chn算法对移动台（MS）位置进行定位.仿真结果表明,该方法能够提高Chan算法在NLOS传播环境下的定位精度.     

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.     

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。     

超宽带室内定位算法

为了解决室内密集多径环境下人员定位精度差这一问题,设计并实现了一种基于脉冲超宽带与能量检测接收机的信号到达时间估计算法。根据在IEEE802.12.4a标准室内家居环境下得到的超宽带信号,深入分析了信号的偏度、翘度与均方差特性。根据信号特性与信噪比之间的关系,算法能够实现高精度的信号传播时间估计。该算法充分考虑了积分周期与信号传播环境如视距与非视距对信号传播时间造成的影响。通过实验分析对比,该算法对信号传播时间估计具有更好的鲁棒性,目标运动速度和形变具有很好的鲁棒性,能够提供更高的精度。相较于阈值估计算法,该算法在低信噪比环境下最优能够提高10 ns的估计精度。     

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UWB/PDR组合的室内行人定位

针对室内复杂场景下非视距导致UWB定位系统定位精度下降以及行人航迹推算算法累积误差过大的问题,文中提出了一种基于超宽带与行人航迹推算组合的室内定位算法。首先使用行人航迹推算算法预测行人步长及航向,然后利用UWB测距信息计算行人位置,最后使用卡尔曼滤波将两种定位方法的信息进行融合。实验结果表明,文中提出的组合定位系统可以有效解决UWB非视距影响导致的误差过大问题,提高定位精度和系统的鲁棒性,整体定位误差在12 cm以下。     

超宽带定位研究与应用:回顾和展望

 超宽带(Ultra-Wideband,UWB)技术能获得比现有无线定位技术更高的测距定位精度.本文主要讨论UWB定位技术的研究和应用,包括TOA/TDOA(Time/Time Difference of Arrival)等UWB定位方法、多径时延估计理论、非视距定位和协作式定位、多带OFDM(Orthogonal Frequency Division Multiplexing)定位和其他超宽带信号定位方式等方面,对其发展历程和现状进行了充分的叙述和分析,最后指出了仍存在的问题和值得进一步探讨的方向.