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。      

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。     

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。     

TOA数据处理对NLOS环境下定位精度的改善

基于移动通信环境中非视距(NLOS)传播时延服从指数分布的特性,提出了一种改善移动台定位精度的波达时间(TOA)数据处理方法.NLOS传播时延是TOA测量误差的一部分,是基站与移动台距离的指数函数,具有正偏置的特性,因此TOA测量值越大其误差越大.对所有的TOA测量数据进行分析,仅保留误差最小的3个,然后再采用最小二乘(LS)法估计移动台的坐标.仿真结果表明,该TOA数据处理方法能够明显改善NLOS传播环境下的定位精度,在系统测量误差较小时对LOS传播条件下的定位精度几乎没有影响.     

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.     

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。     

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。     

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。     

一种新的TOA无线定位算法

在无线通信系统中,精确定位面临的一个主要问题就是信号的非视距传播(NLOS)。提出了一种新的定位算法-最小距离误差算法(LRE),能够有效地降低NLOS误差的影响。算法基于到达时间(TOA)测量距离,利用TOA测量值所确定的几何关系,由受条件约束的优化方法求得移动台的估计位置。研究了该算法在不同类型NLOS误差下的表现,实验表明LRE算法的定位精度达到E911要求,比其它算法有明显提高,且在多种分布的NLOS误差下表现稳定。     

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...     

一种在NLOS环境下应用于NB-IoT系统的组合定位算法

传统非视距(NLOS)误差下无线定位的TDOA算法通常是减弱NLOS误差影响或直接提取LOS测量值,对于窄带物联网(NB-IoT)需要解决LOS与NLOS传输并存下的定位精度问题。文中采用最小二乘法对NLOS和LOS传播进行鉴别,然后对NLOS下的TDOA值进行优化处理。在此前提下,提出一种组合定位的算法,采用Taylor级数展开法计算LOS传输情况,用CHAN算法计算NLOS传输情况,再通过组合定位得到定位结果。仿真结果表明,改进后算法在NLOS的信道环境下的定位性能明显提高。     

RSS协助的ray-tracing室内定位算法

针对室内定位,当信号受到非视距(non-line-of-sight, NLOS)和多径传播的影响时,本文提出一种接收信号强度(Received Signal Strength, RSS)协助的Ray-tracing室内定位算法,改进已经提出的基于虚拟基站方法的信号到达时间 (Time of Arrival, TOA)和信号到达角度(Direction of Arrival, DOA)室内无线信号Ray-tracing模型,利用信号RSS测量值优化算法,实现TOA、DOA和RSS协同定位,提高室内多径及非视距环境下,无线定位的精度,降低算法复杂度,提高算法处理信号多重散射的能力并降低了对基站的依赖性适用环境更为广泛。首先通过RSS得到信号源可能存在的位置,随后利用Ray-tracing原理并使用虚拟基站,将非视距路径定位问题转化为视距路径定位问题,利用TOA和DOA对直射、透射、反射和绕射情况进行分析建模,最后使用最小二乘法对可能的位置进行筛选,得到信号源的最终位置。仿真结果表明,本算法较改进前拥有更高的定位精度。      

基于扩展卡尔曼滤波器的混合TDOA／AOA室内定位技术的研究

本文阐述的是一种针对室内超宽带系统（UWB）的时间差到达和角度到达（TDOA／AOA）的混合定位技术。由于非视距传播（NLOS）误差确定为此系统的主要误差原因,所以本文使用卡尔曼滤波器来甄别和消除非视距误差,从而减小在室内UWB环境下的NLOS的时间到达（TOA）误差。本文加入了一种AOA选择功能。最后针对使用TDOA和有选择的AOA的室内移动定位追踪系统本文提出了一种改进的扩展卡尔曼滤波器（EKF）。仿真结果显示本文提出的混合定位方案可以有效响应在UWB环境下的NLOS／LOS变化,并且提高了定位精度。     

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。     

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.     

一种有效减小非视距传播影响的TOA定位方法

本文基于移动通信环境中非视距(NLOS)传播时延服从指数分布的特性,提出了一种有效减小NLOS影响的定位方法.该方法首先利用测量的波达时间(TOA)和NLOS传播时延的统计特性估计由NLOS引起的附加时延;然后从测量的波达时间中减去附加时延,得到对LOS传播时间的估计,进而估计移动台的位置;最后,对不同时刻估计的移动台位置进行平滑处理,进一步减小NLOS的影响.采用该方法对移动台的位置进行的估计是一种无偏估计,不需要增加系统成本,计算简单,是一种非常实用的定位方法.仿真结果证明了该方法的有效性.     

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CFR虚拟阵列天线的AOA室内定位

准确地估计信号的到达角（Angle Of Arrival,AOA）为实现在室内高精度定位提供了可能,为了能够准确地估计室内多径信号的AOA,并提取出直射路径的AOA信息进行定位,本文提出一种利用信道频率响应信息（Channel Frequency Response,CFR）扩展阵列天线的亚米级室内定位系统.首先,采集CFR信息进行AOA和信号到达时间（Time Of Arrival,TOA）的联合估计;其次,提出了一种基于AOA和TOA二维聚类信息的直射路径识别算法;另外,还提出了可视环境（Line Of Sight,LOS）以及非可视环境（Non Line Of Sight,NLOS）的识别算法,可以准确的判断出当前接收机相对发射机是处于LOS还是NLOS环境;最后,利用现有的三天线Wi-Fi设备在室内进行了测角以及定位测试,实验结果表明本文提出的定位系统在室内LOS和NLOS环境下分别可以达到中值误差为0.8m,1.3m的定位精度,可用于室内高精度定位.