面向非视距环境的室内定位算法

节点位置信息在无线传感器网络中起着至关重要的作用.大多数定位算法在视距(Line-of-Sight,LOS)环境下能够取得较高的定位精度,然而在非视距(Non-Line-of-Sight,NLOS)环境下,由于障碍物的阻挡,无法取得理想的定位精度.针对室内环境中普遍存在的非视距传播现象,提出了基于RTT(Round Trip Time)和AOA(Angle Of Arrival)混合测距方式的室内定位方法,一种轻量级基于网格的聚类算法(Lightweight Grid-Based Cluster,LGBC)被用来生成移动节点的定位区域.算法不需要获取室内环境的先验信息.仿真结果表明,LGBC算法复杂度低,计算开销小,并且与同类算法相比,定位精度提高约65%.     

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.     

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.     

室内定位技术应用、研究现状及展望

通过对室内定位技术的典型应用场景进行介绍,归纳总结了现有室内定位技术的基本原理和实施方案,并对未来室内通信技术可能的研究热点进行了展望。     

室内定位技术及应用综述

室内定位技术作为当前的研究热点,对军事、经济以及人们的日常生活产生了深远的影响。文中首先介绍了室内定位技术的应用背景以及发展方向,以及室内环境进行定位面临的主要难点。然后介绍了目前主要的定位算法,包括邻近信息、场景分析和几何定位算法,以及各种算法衍生出来的各种定位技术。最后指出了室内定位技术亟待解决的问题,以及下一步进行相关研究的突破口。     

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械(Micro-Electro-Mechanical System,MEMS)惯性导航系统(Inertial Navigation System,INS)的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无...     

在非视距环境下基于数据融合的无线定位算法研究

在基于TDOA数据融合算法的基础上,给出了一种在非视距环境下改进型数据融合模型。该模型利用联合卡尔曼法消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。     

三维无线传感器网络节点的序列垂心定位

针对无线传感器网络的节点自定位技术提出了一种三维序列垂心算法,该算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的垂心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

基于粒子群优化的多径辅助室内定位算法

由于室内多径信号丰富且包含了室内几何信息,可以利用室内多径信号对目标进行定位.基于此,本文提出了一种多径辅助的目标定位算法.首先,利用多径信号的差分飞行时间（Time of Flight,TOF）构建关于目标以及散射体位置的适应度函数;然后,提出了基于粒子群优化（Particle Swarm Optimization,PSO）的目标及散射体位置联合搜索算法,其中利用目标及散射体到达角（Angle of Arrival,AOA）确定搜索范围;其次,选取搜索到的散射体位置联合差分TOF求解目标位置;最后,利用仿射传播聚类（Affinity Propagation Clustering,APC）对所有散射体估计到的目标位置进行聚类,提出聚类准则消除大的定位误差点.仿真结果表明,本文所提算法利用单个基站可以达到较高定位精度.     

一种用于低空声源目标超视距被动声定位的新方法

该文提出了一种用于低空声源目标超视距被动声定位的新算法。该算法根据低空声源目标的声信号在定位反射点的基础上定位目标点,能有效降低声信号超视距传播误差的影响,提高定位精度,为雷达进一步跟踪和定位提供重要信息。仿真结果表明在时延估计精确的情况下,该方法对隐蔽于山后的低空声源目标的位置有较好的估计效果。     

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。     

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。     

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。     

基于即时稠密三维重构的无人机视觉定位

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像（带有地理信息）的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.     

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。     

基于3D建模和射线跟踪算法的5G室内深度覆盖预测方法

5G室内覆盖方案的复杂性和多样化使得5G室内覆盖效果难以预测,本文提出5G室内深度覆盖预测方法,将射线跟踪算法与建筑物3D建模相结合,为5G室内深度覆盖的精确预测提供一种科学和高效的方法。本预测方法可以快速、准确判断5G室内覆盖方案的合理性和经济性,同时也降低了因覆盖方案不合理导致的后期建设维护成本。     

利用现有无线局域网进行室内定位算法研究

目前,多种WiFI室内定位方案被提出,但是往往需要重新部署无线AP,造成成本和复杂度上升。本文充分利用现有无线局域网的拓扑结构进行室内定位研究,提出了一种自适应网络变化的WKNN指纹算法,该算法通过实时监控无线AP的匹配数,自动根据位置适应网络变化,定位精度明显提高。在此基础上,为了减少无线信号不稳定引起的定位误差,提出了一种新的数据修正方法,该方法根据移动平均速度动态预测标准,动态调整a参数将预测坐标与实测坐标加权,从而得到最终定位坐标。最后,算法在实际环境中验证表明,利用现有无线局域网的自适应网络算法和数据修正使定位获得了33.5%的误差改善。      

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。     

抑制非直达波误差的高阶矩方法

加权线性最小二乘定位算法在直达波传播条件下具有良好的定位性能,但是,在测量误差是非直达波传播导致的非对称分布时,常规的处理方法因为未考虑测量误差的高阶矩信息,仍存在进一步改善的余地.本文提出了一种抑制非直达波测量误差的高阶矩算法,目前常用的测距定位算法仅是该算法在直达波传播环境中的特例.仿真实验表明,该方法能够较明显的抑制恶劣的非直达波传播环境对测距定位性能的不良影响.