稳健非线性LMS非视距定位算法

在蜂窝移动定位中,非视距波(NLOS)是影响定位精度的主要因素,NLOS的传播会给距离测量值增加较大的正性误差。传统的线性滤波器主要是针对高斯分布的误差,并不能有效地处理NLOS误差。该文提出一种非线性LMS算法TOA测量结果进行重构来消除NLOS的影响。该算法将NLOS误差视作冲激性噪声,通过对LMS算法中的代价函数的非线性化来抑制TOA测量值中的NLOS误差,仿真结果证明了该算法的有效性。     

基于TDOA的一种简化的非视距误差抑制算法

在蜂窝网络无线定位中,NLOS是影响定位精度的一个重要因素.如何更好的抑制NLOS误差是提高定位精度的关键.为此,考虑普遍存在NLOS的情况,即假定NLOS的概率为1,则得到的TDOA测量值均含有NLOS误差.这样根据信道的先验信息和Greenstein模型就可以估计出NLOS误差的均值,从而可以修正TDOA测量值,即重构TDOA测量值.把重构后的TDOA测量数据,应用到LCLS算法就可以完成对移动台的位置估计.仿真结果表明,在普遍存在NLOS的情况下,该算法能有效抑制NLOS误差,取得较精确的估计位置.     

基于多分布式天线阵列的移动台定位算法

在无线定位环境中尤其是闹市区,为了减少非视距(NLOS)误差对定位精度的影响,研究了一种基于多分布式天线阵列的移动台定位算法在不同基站数目下的性能.多分布式天线阵列定位算法是在散射体信道中,利用NLOS附加误差的相关性分析,提取散射体位置信息,进而得到移动台坐标.利用计算机仿真,改变参与定位的基站数目,比较该算法在3～7个基站时的定位精度.结果表明,该算法在基站数目为3时性能较好,能有效抑制NLOS误差影响,提高定位精度,具有一定的实用性.     

NLOS环境下基于自适应遗传算法的TOA/AOA定位算法

在视距传播(LOS)环境下,波达时间/电波到达角(TOA/AOA)定位算法比TOA算法的定位精度有了进一步的提高,但是在非视距传播(NLOS)环境下,这些定位算法的精度会受到较大影响。为了减小NLOS传播的影响,提出了一种NLOS环境下的TOA/AOA定位算法。利用自适应遗传算法对TOA/AOA混合定位算法中的非线性优化问题进行求解,从而提高系统的定位精度。仿真结果表明,提出的算法在NLOS环境下有较高的定位精度,性能优于Chan算法和LS算法。     

一种基于改进卡尔曼滤波的NLOS误差抑制算法

在蜂窝网络中,非视距（NLOS）传播是影响定位精度的主要因素.针对LOS与NLOS的混合环境,提出了一种基于到达时间（TOA）测量值进行NLOS误差消除的算法.该算法首先利用TOA测量值的统计特征建立新的判决机制,鉴别当前时刻的测量值是否存在NLOS误差,然后对包含NLOS误差的测量值,通过构建测量误差模型估计NLOS误差,并以此修正卡尔曼滤波器的新息,实现LOS重构.仿真结果表明,与已知算法相比,文章提出的算法能够更好地抑制NLOS误差,并且适应于不同的LOS与NLOS混合环境.     

一种基于移动广播网的TOA／TDOA无线定位算法

针对Chart定位算法在非视距（NLOS）环境下定位性能较差的缺点,提出一种基于多基站TOA区域质心修正的Chart定位算法,该算法利用Chan算法初始定位,再通过TOA区域质心校正,以提高定位精度。仿真结果表明,该算法有效减小了NLOS误差对定位估计的影响,在NLOS误差较大的环境下仍具有良好的定位精度,性能优于Chart算法和Chan-Taylor协调定位算法。     

一种基于单基站的协作定位算法

为抑制蜂窝网中非视距(Non-line-of-sight,NLOS)误差对定位精度的影响,提出了一种利用移动终端间的协作信息提高定位精度的算法。该协作定位算法根据基站测量信号到达时间(Time of Arrival,TOA)和到达角(angle of arrival,AOA)信息,选择距离基站最近的目标终端,利用目标终端与其它终端间的协作信息进行位置修正。仿真结果显示该算法不仅提高了定位系统的整体性能,而且在移动终端距离基站比较远的情况下,定位精度高于传统的TOA/AOA定位算法。     

非视距传播环境下的一种TDOA定位算法

各种基于移动台位置的服务急剧增加,导致提供定位业务成为无线网络发展的必然趋势。针对实际定位应用时常出现的非视距(NLOS)传输问题改进TDOA定位算法,其基本思路是将TDOA估计转化为两步最大似然线性估计,并加入松弛因子表示NLOS的影响,通过迭代方式逐步消除NLOS对定位的影响。该算法结构简单,计算量不大,仿真结果证实了其有效性。     

无线传感器网络RSSI定位算法的研究与改进

为了克服接收信号强度指示(RSSI)测量误差对无线传感器网络节点自身定位精度的影响,提出一种改进的RSSI测距定位算法.该算法考虑到参考节点间的几何位置,可获得最优参考节点.将同一参考节点采集到的RSSI值通过中位数法进行数据处理,获得RSSI权值,对RSSI值进行修正.最后利用加权质心算法,得到未知节点的位置.仿真结果表明,该算法能有效过滤过大的节点定位误差,提高精确,使误差相比原始算法降低60%左右.     

非视距传播环境下的一种TDOA定位算法

各种基于移动台位置的服务急剧增加，导致提供定位业务成为无线网络发展的必然趋势。针对实际定位应用时常出现的非视距(NLOS)传输问题改进TDOA定位算法，其基本思路是将TDOA估计转化为两步最大似然线性估计，并加入松弛因子表示NLOS的影响，通过迭代方式逐步消除NLOS对定位的影响。该算法结构简单，计算量不大，仿真结果证实了其有效性。     

一种非视距传播下的TDOA定位算法

提出了一种不需要任何非视距传播测量值先验信息且具有解析表达式解、非递归的双曲线定位算法。通过一步简单残差加权得出一个与真实移动台位置比较接近的初始定位估计,利用该初始值构造了一个加权矩阵,进行两次加权最小二乘计算,得出了一个最后的定位结果。理论分析与目前流行定位算法的仿真结果比较表明,该定位算法能有效地抑制非视距传播误差的影响,计算量相当小。     

基于RSSI辅助的精确测距混合定位算法

针对传统的超宽带（UWB）室内定位方法中,UWB信号极易被遮挡,满足不了3个以上有效测距信息,导致无法精确定位的问题,提出了一种基于接收信号强度（RSSI）辅助的精确测距混合定位算法。该算法通过对数正态模型,将无线网络（wireless LAN,WLAN）中测量的RSSI转换为距离信息,通过构建距离差的代价函数,结合单个UWB基站的精确测距,利用搜索方法,实现了在多个RSSI测量值辅助下,一个UWB测距基站便可完成精确定位。该算法与三边测量定位中的最小二乘估计算法和最大似然估计算法对比,定位精度在任意网络环境下均优于最小二乘估计算法,且在定位精度相似的情况下,计算量远少于最大似然估计算法。     

一种无线定位中NLOS误差抑制算法

为克服非视距传播带来的定位误差,提出了非视距误差的窗函数补偿法．通过测量p个采样点的均方根延迟计算平均超量延迟,实现窗长为p的非视距误差的窗函数补偿法．相对最优化方法,该算法的计算量明显减少;相对单点补偿法,该算法的精度明显提高．对移动台处于3种不同位置的情况进行了仿真分析,结果表明,该算法具有较高的定位精度．     

误差修正的声源目标混合定位算法

针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。     

基于模糊积分的网络舆情态势理解方法

非视距传播（NLOS）误差是蜂窝网系统提高定位精度必须解决的关键问题。首先提出了一种基于三阶累积量的NLOS误差抑制算法,并根据NLOS误差大小和信号斜度之间的关系,给出了一种基于偏差Kalman滤波的NLOS误差抑制算法。文章基于WCDMA系统构建了定位测试平台,通过实测数据验证了算法的有效性。     

采用能量检测的UWB应答式定位系统

提出一种呼叫应答式的传感器定位系统。利用超宽带(UWB)脉冲串来代替单个极窄脉冲,易于通过能量检测方式接收．采用呼叫应答式的定位算法和最小均方误差估计获取波达时间,提高了定位精度并且对多径干扰和非视距传播具有鲁棒性．同时利用平均时延扩展来修正波达时间,进一步提高系统定位精度．仿真结果表明,在IEEE802.15.4a给出的室内多径信道中,系统信噪比为-20dB~30dB时,定位误差小于60cm．