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。     

一种基于卡尔曼滤波的UWB定位算法

文中提出了一种基于卡尔曼滤波的UWB(Ultra Wide Band)定位算法,先用卡尔曼滤波算法对信号的到达时间测量值进行处理,以消除TOA(Time Of Arrival)测量值中的NLOS(Non.Line of Sight)误差,再对经过处理的TOA测量值进行TOA定位,理论分析和计算机仿真实验都表明:该方法的定位误差性能优于单纯的TDOA定位方法,具有较强的实用价值.     

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。     

考虑非视距误差的一种新定位算法

提出了一种当接收端(或基站)在平面上随机分布时,考虑非视距(NLOS)传播误差条件下对移动台定位的有效算法。该方法基于到达时间定位技术,其主要思想是通过概率定位和几何定位联合检测具有 NLOS 误差的测量值(在各接收端处估计的信号时延),然后估计这些测量值的 NLOS 误差的大小并更新这些测量值,最后重新估计移动台位置。文中给出了算法的步骤,推导了算法估计误差的方差。同时,本文推导了 NLOS 环境下定位估计误差的克拉美罗下限,并将所提算法的性能与克拉美罗下限做了比较和分析。仿真部分也给出了不同算法与本文算法的性能比较,从仿真结果可以看出,该算法估计精度高。     

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.     

一种在非视距环境中的TDOA/AOA混合定位方法

提出了一种在非视距环境中的到达时间差/到达角混合定位方法。该方法使用了两步卡尔曼滤波。先用卡尔曼滤波器对到达时间测量值进行预处理,以消除TOA测量值中的NLOS误差。再把经过预处理的TOA测量值输入到用卡尔曼滤波器实现的TDOA/AOA混合定位器中进行定位。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法及静态定位方法中泰勒级数展开法的误差性能。     

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。      

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。     

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。     

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离--误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位.仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性.     

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...     

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.     

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。     

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。      

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。     

基于卡尔曼滤波的测量值重构及定位算法

在蜂窝网无线定位技术中,非视距(NLOS)误差的存在使定位性能急剧下降。该文提出了一种针对NLOS环境的基于卡尔曼滤波(KF)的动态跟踪定位算法。算法首先利用有偏卡尔曼滤波器的对测量值进行重构,然后利用重构后的测量值进行卡尔曼定位,并引入推算机制加以修正。实验结果表明,该方法在极为恶劣的NLOS环境下也能够获得很高的定位精度。     

IR-UWB定位系统距离误差建模及性能研究

基于相干TOA测距算法,研究了IR-UWB无线室内定位系统中由脉冲信号传播特性导致的多径误差和NLOS误差的建模问题。首先利用IEEE 802.15.4a信道模型中的多径信息给出了与系统带宽有关的多径距离误差分布参数。结合IR-UWB信号穿墙传播几何结构,理论推导了穿墙额外传播时延导致的几何距离误差限。对完全NLOS环境下定位的仿真结果表明,利用NLOS距离误差信息直接对TOA测距结果的修正可以显著提高定位精度。