用于修正NLOS误差的超宽带定位方法

近年来,基于超宽带系统的室内定位凭借其高精度和高稳定性等优点得到了广泛应用。在复杂室内环境中,超宽带信号在障碍物间的非视距传播导致定位基站和标签之间的距离测量值产生额外误差从而导致定位精度下降。文章提出一种用于修正非视距(NLOS)误差的超宽带定位方法,通过基于自适应增强算法识别 NLOS 传播,识别后通过测量值重构对应视距测量值并计算位置坐标,最后通过无迹卡尔曼滤波算法修正定位误差。实验结果表明,该算法有效消除了 UWB 定位系统中较大的 NLOS 误差,提高了定位精度,具有很好的稳定性。     

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。      

基站几何布局对定位误差的影响

针对目前无线网络定位精度不够高的缺点,文中利用误差分析的方法探讨了影响无线网络定位精度的有关因素.在不考虑非视距误差的情况下其定位误差主要取决于网络中各基站的几何分布.通过仿真显示,在不考虑非视距误差的情况下,基站几何布局对移动台的定位误差具有较大的影响.因此在多基站的环境下,文中给出一种定位基站选择算法,可以有效的提高定位精度.     

基于自适应UKF的UWB/PDR行人定位系统

UWB(Ultra-Wide Band)无线通讯技术在室内导航定位领域获得了广泛的应用，然而基于UWB的行人定位系统在复杂室内环境下的稳定性不佳，导致定位误差增大。为了解决这一问题，文中提出了一种基于自适应无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的UWB/PDR(Pedestrian Dead Reckoning)行人定位系统。该系统利用无迹卡尔曼滤波算法将PDR模型与UWB的定位信息进行融合，以得到最优位置估计，随后利用UWB定位与PDR系统所获得的步长差概率密度函数来计算定位点的非视距评估概率，并将评估结果作用于系统的自适应噪声调整，以此提高系统对环境的适应性。实验验证结果表明，该系统可有效降低复杂环境下定位误差，提高行人定位结果的精度和稳定性，平均定位精度达到10 cm以内。     

基于UKF优化多三角加权定位算法的UWB室内定位系统设计

为了减小基于超宽带(Ultra-Wideband, UWB)通信技术的室内定位中由非视距(Non-Line-of-Sight, NLOS)因素导致的误差，提出了一种多三角加权定位算法，并将该算法与无迹卡尔曼滤波(Unscented Kalman Filter, UKF)结合，进一步提出多三角加权UKF定位算法。多三角加权定位算法使用4个基站，其中每3个基站分为一组，共4组排列组合。每组基站用三边定位算法算出标签的初始坐标，根据标签到4个基站的距离计算初始坐标的权值，并进行加权计算得到标签的坐标。以多三角加权定位算法的定位结果作为UKF的观测值，使用UKF对多三角加权算法的结果进行修正，提高定位精度，减小定位波动。对比三边定位算法、多三角加权定位算法和UKF优化的多三角加权定位进行仿真和实验。结果表明，提出的多三角加权UKF算法定位精度有较大提高。     

非视距和未知传输参数环境下的RSS-TOA目标定位算法

在未知传输时间和发射功率的情况下,本文研究了非视距环境下基于RSS-TOA混合测量值的目标定位问题。首先为解决非视距误差会显著降低定位性能这一难题,根据最坏情况下的定位性能优化准则和鲁棒最小二乘法准则构建了未知视距和非视距路径分布状态下的目标定位优化问题。然后为了有效解决非凸和高度非线性的原定位问题,采用二阶锥松弛技术将该问题转化为凸优化问题,并通过内点法有效得到最优解。最后仿真结果验证了所提出的定位算法优于已有的定位算法。     

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。     

非视距环境下基于RSS-TOA的定位算法

在无线传感器网络定位系统中,尤其是在室内定位中,非视距（NLOS）误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对非视距环境下联合接收信号强度（RSS）和到达时间（TOA）的定位算法。该方法首先通过 RSS和 TOA的测量结果建立关于目标位置的非凸优化问题,然后通过二阶锥松弛理论,将原始的非凸优化问题转换为一种凸优化问题,由此能够快速得到原问题的一个次优解。通过计算机模拟仿真验证,新方法的估计精度更高,性能更好。     

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.     

码分多址定位中时延配对及非视距误差抑制

在利用码分多址(CDMA)蜂窝网信号对运动目标进行定位的过程中,存在各基站与时延参数不能准确配对及非视距(NLOS)误差严重影响定位性能的问题。针对时延参数配对问题,利用CDMA各基站导频序列与其他基站相差64个码片的整数倍这一特性,提出了一种基于移位配准的配对办法;针对非视距误差问题,提出了一种基于假定非视距基站的方差函数,并以此作为权值,利用加权平均的办法实现对目标的定位。仿真分析表明:所提出的方案可以有效地实现各基站与时延的配对,并减小非视距误差的影响。另外,当根据所提方差函数检测出的非视距基站数量较少时,结合Taylor级数展开算法,可以进一步提高对目标的定位精度。     

蜂窝网络中基于TDOA的CHAN定位算法性能分析

基于用户位置的应用已经成为移动数据业务的重要组成部分,使得蜂窝系统用户定位技术成为蜂窝移动通信领域的研究热点。CHAN算法是一种优良的利用电波到达时间差（TDOA）的定位算法。该算法的特点是计算量小,在视距（LOS）传播环境下有较高的精度。通过在高斯噪声和实际信道两种不同的传播环境下对CHAN算法进行仿真,通过对算法的仿真分析,结果表明在不同的基站以及不同环境下,CHAN算法的定位精度有着显著的差别。     

CSS无线定位系统设计及非视距抑制算法

针对测量误差概率密度未知的情况,提出了基于半参数的非视距噪声抑制算法。在基于飞行时间的固定标签模型基础上,通过应用大规模蒙特卡罗方法将提出的算法和传统方法进行对比,仿真结果表明,当非视距误差为有偏高斯分布和瑞利分布时,提出的算法能够在非视距污染率较低时与传统方法表现一致,且在污染率较高时也有较强的鲁棒性。结合室内和室外定位的应用进行基站部署,对相应场合下的定位算法进行测试。测试结果表明,提出的算法能够比最小二乘法提高50%左右的定位精度,整体而言,系统定位能达到在可视环境1 m,非可视环境3 m的精度。     

基于最小三角形算法的室内可见光三维定位方法

为进一步提高室内可见光三维定位的精度，提出了一种基于最小三角形算法的室内可见光三维定位方法。该方法采用视距链路模型，由定位终端接收携带发光二极管位置信息的光强信号，利用最小三角形算法和接收信号强度指示方法来计算接收机在室内的三维位置信息，再引入加权质心算法降低光路受遮挡所造成的影响。仿真结果表明：在室内5 m×5 m×3 m的定位区域内，提出的定位方法平均定位误差约为4.35 cm，平均高度误差约为1.65 cm，定位精度优于传统的室内可见光三维定位方法。     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带（UWB）的无人车定位波动大和定位误差大的问题,提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先,建立了一套UWB基站定位系统,用于采集无人车UWB定位数据信息;然后,利用加权递推平均滤波算法对UWB定位数据信息处理,提升定位结果的稳定性;最后,结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合,得到最终的定位结果。经过无人车静止和移动场景的多组定位测试,结果表明,静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%,稳定性得到了一定的提升;移动场景下,采用加权递推平均滤波和卡尔曼滤波融合算法处理后,直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%,定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性,具有一定的推广使用价值。     

基于改进的CKF低轨卫星多普勒定位解算

针对低轨卫星多普勒定位中最小二乘法(the least squar method, LSM)和扩展卡尔曼滤波(extended Kalman filter, EKF)带来的解算误差,采用容积卡尔曼滤波(cubature Kalmanfilter, CKF)算法的思想来进行定位解算。首先设计了一种基于GeoSOT剖分网格的初值搜索方法进行粗定位,避免迭代发散;在解算过程中,对CKF进行改进,用QR分解代替其中的Cholesky分解,防止误差协方差矩阵非正定导致计算终止;最后以铱星星座对地面站的静态定位为例,通过STK 进行仿真验证算法的有效性。结果表明,改进的CKF(improvedCKF, ICKF)算法对于目标的定位误差在百米以内;且相较于LSM 和EKF,定位精度大约可以提高17%。     

基于随机森林算法的室内可见光指纹定位方法

为进一步提高动态目标室内可见光定位追踪系统性能，提出了一种基于随机森林（RF）算法的室内可见光指纹定位方法。利用发光二极管（LED）的光强信号作为特征构建指纹数据库，应用指纹库中的数据训练决策树，引入RF算法进行初始定位，再通过卡尔曼滤波对初始位置估计进行优化，从而获得更准确的定位轨迹。仿真结果表明：在5 m×5 m×3 m的室内场景下，通过所提定位方法能获得大部分采样点误差分布在4 cm之内的定位效果；此外，通过与不同室内可见光定位算法的性能进行对比，验证了所提算法的技术优势。     

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。     

高精度室内可见光定位算法

针对目前室内定位算法精度不高、实现复杂等问 题,提出了一种基于白光LED的可见光室内定位方 法。首先利用由室内不同LED发出的定位参考信号到达定位终端的时间差(TDOA )的测量估计,得 到定位终端到达两个LED的传输距离之差,以此构造距离估计目标函数,然后采用有约束非 线性规划算法得到 定位终端的位置坐标,从而有效地解决了室内噪声环境中常规TDOA定位算法不收敛或误差偏大的问题。 同时,为了进一步优化定位性能,将距离信息引入加权因子中,提出了质心加权混合定位算 法。将提出的 定位算法在5m×5m×3m的空间区域中进行了仿真实验,同时考虑噪声因素的影响,结果 表明,提出的距离 估计目标函数法在信噪比(SNR)为2dB的条件下可以达到平 均5cm的定位误差,采用质心加权处理后平均定位误 差仅为3cm,有效地提高了室内定位精度和系统应用的普适性及鲁棒性。