用残差加权对抗NLOS误差的移动定位算法

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。利用UMTS-FDD的特性以及信号到达时间(TOA)提出了一种残差加权定位算法。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,定位精度有显著提高,而且在不同分布的NLOS误差下表现稳定。     

一种基于散射体模型的NLOS误差抑制方法

在无线定位中,非视距（NLOS）传播成为高精度定位的主要障碍,它严重约束了无线移动台的定位精度。提出了一种新颖的减小非视距误差的方法。该基于到达时间（TOA）分布的定位算法是以多径散射为测量模型的。通过匹配由散射体模型产生的若干多径信号的TOA测量值的统计方法,可以获得视距（LOS）条件下基站与移动台之间的TOA估计值。由此,获得的LOS的TOA估计值可以用于任何传统的TOA定位算法。在NLOS环境中,该算法表明TOAA统的定位精度得到显著的提高。     

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。     

基于WLAN移动终端的无线定位技术

介绍了WLAN的技术特点和基于WLAN移动终端的无线定位技术的原理,提出在WLAN中使用TDOA定位的Chan算法对移动终端进行位置估计,再使用残差加权方法进行非视距(NLOS)误差抑制,提出了新的定位残差定义方式,通过仿真证明了按该方式进行残差加权,在多个NLOS误差时具有较好的整体抑制效果,并提供采用"平均定位精度提高百分率"(ALAEP)来评定残差加权方法抑制NLOS误差的平均性能.     

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。      

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。     

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.     

基于CHAN的改进卡尔曼滤波室内定位算法

由于现在室内环境的复杂度越来越高，室内非视距情况下定位误差的影响逐渐增大，如何降低其影响显得尤其重要。定位技术选用的是UWB室内定位技术，其中，卡尔曼滤波在降低室内非视距定位误差方面有着广泛的应用，针对其在视线线路与非视距场景转换过程中会产生新的误差的问题，提出了一种基于CHAN的改进卡尔曼滤波定位算法。采用5个或以上基站的测距结果构建定位解算方程组，选取在非视距情况下定位误差敏感的CHAN算法进行解算，将解算结果与各基站的位置进行残差处理，并划分出不同的置信区域。对于不同置信区域，预先设定匹配的卡尔曼滤波增益系数K，提高视线线路和非视距场景转换的定位结果稳定性，降低转换过程中的定位误差。实验结果表明，在仿真环境中，所提算法可将误差降低至80 cm左右；在实际应用中，可将复杂场景下的定位误差降低至60 cm，比正常复杂室内定位精度提高60%。     

小波分析法解决无线定位跟踪问题

无线定位中,信号的非视距传播（NLoS）很大程度上决定了移动台的定位精度,而小波分析理论在信号处理中有较为明显的优点,提出了一种在蜂窝网络中非视距环境下对移动台（MS）的定位及跟踪算法。利用小波变换对信号的分解和重构,实现了对TDOA测量值误差的修正,再利用经典Chan算法对移动台位置进行估计,配合相应的距离门限值对移动台的位置进行跟踪定位。仿真结果表明,该算法能够有效地实现对移动台位置的静态定位和动态跟踪,并明显优于同等环境下经典算法的仿真结果,有效提高了定位精度。     

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。     

一种基于单次散射体定位的TOA/AOA混合定位算法

为了降低非视距(Non-Line-of-Sight,NLOS)误差对定位精度的不利影响,提出了一种基于散射体定位的到达时间(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单次散射,首先利用...     

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.     

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。     

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。     

Improved TOA‐Based Localization Method with BS Selection Scheme for Wireless Sensor Networks

The purpose of a localization system is to estimate the coordinates of the geographic location of a mobile device. The accuracy of wireless localization is influenced by non‐line‐of‐sight (NLOS) errors in wireless sensor networks. In this paper, we present an improved time of arrival (TOA)–based localization method for wireless sensor networks. TOA‐based localization estimates the geographic location of a mobile device using the distances between a mobile station (MS) and three or more base stations (BSs). However, each of the NLOS errors along a distance measured from an MS (device) to a BS (device) is different because of dissimilar obstacles in the direct signal path between the two devices. To accurately estimate the geographic location of a mobile device in TOA‐based localization, we propose an optimized localization method with a BS selection scheme that selects three measured distances that contain a relatively small number of NLOS errors, in this paper. Performance evaluations are presented, and the experimental results are validated through comparisons of various localization methods with the proposed method.     

Robust Mobile Location Estimator with NLOS Mitigation using Interacting Multiple Model Algorithm

A Kalman-based interacting multiple model (IMM) smoother is proposed for mobile location estimation with the time of arrival (TOA) measurement data in cellular networks to meet the Federal Communications Commission (FCC) requirement for phase 2. In this study, the line-of-sight (LOS) and non-line-of-sight (NLOS) conditions in cellular networks are considered as a Markov process with two interactive modes. Then we propose a Kalman-based IMM smoother to accurately estimate smooth range between the corresponding base station (BS) and mobile station (MS) in cellular networks. It is shown that the proposed mobile location estimator can efficiently mitigate the NLOS effects of the measurement range error even when the corresponding BS changes the condition between LOS and NLOS. Simulation results demonstrate that the performance of the proposed Kalman-based IMM smoother is improved significantly over the FCC target in both fixed LOS/NLOS and LOS/NLOS transition conditions     

Mobile Location Estimator in a Rough Wireless Environment Using Extended Kalman-Based IMM and Data Fusion

An extended Kalman-based interacting multiple model (EK-IMM) smoother is proposed for mobile location estimation with the data fusion of the time of arrival (TOA) and the received signal strength (RSS) measurements in a rough wireless environment. The extended Kalman filter is used for nonlinear estimation. The IMM is employed as a switch between the line-of-sight (LOS) and non-LOS (NLOS) states, which are considered to be a Markov process with two interactive modes. Combining extended Kalman filtering with the IMM scheme for accurately smooth range estimation between the corresponding base station (BS) and mobile station (MS) in the rough wireless environment, the proposed robust mobile location estimator, in association with data fusion, can efficiently mitigate the NLOS effects on the measurement range error. Simulation results illustrate that the performance of the proposed method has been significantly improved in the LOS/NLOS transition case. Moreover, the performance of the EK-IMM smoother with data fusion is also better than that with a single measurement used alone.