削减NLOS误差的UWB室内定位算法

为了解决非视距（non-line of sight，NLOS）环境下超宽带（ultra-wideband，UWB）室内定位精度低的问题，提出一种基于到达时间差（time difference of arrival，TDOA）的UWB室内定位算法来削减NLOS误差，提高定位精度。利用卡尔曼滤波算法，初次估计移动标签节点与各锚节点间的TDOA值；基于TDOA差值进行NLOS误差判别，依据判别结果对受NLOS误差影响的测量值进行视距（line of sight，LOS）重构，并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵；利用Chan-Taylor算法进行迭代计算，得到最终精确的定位结果。实验结果表明，在LOS环境下，提出的算法能达到分米级的定位精度；在受NLOS影响的环境下，该算法能有效提高定位精度，减小定位误差，具有更好的稳定性。     

一种改进的室内环境下的非视距距离比例缩放定位算法

在室内环境下,移动台精确定位面临的主要问题是非视距（NLOS）和多径的影响.在非视距距离比例缩放（NLOS-Range-Scaling）算法的基础上,利用更多基站的信息,提出了适合室内情况的NLOS-Range-Scaling算法（ENRSA）,研究了ENRSA算法在不同NLOS误差下的表现,结果表明该算法能更有效的降低NLOS误差的影响,定位精度比其他算法有显著提高.     

EKF定位跟踪算法研究

为了处理机动目标跟踪过程中的非线性问题,提出了一种基于运动模型的扩展卡尔曼滤波(EKF)算法,该算法精度可以逼近最优估计,适用于任何可用状态空间模型表示的非线性系统。通过仿真表明利用运动模型的扩展卡尔曼滤波方法可以有效地抑制非视距误差(NLOS)对定位精度的影响,从而得到更高的定位跟踪效果。     

EKF定位跟踪算法研究

为了处理机动目标跟踪过程中的非线性问题,提出了一种基于运动模型的扩展卡尔曼滤波（EKF）算法,该算法精度可以逼近最优估计,适用于任何可用状态空间模型表示的非线性系统。通过仿真表明利用运动模型的扩展卡尔曼滤波方法可以有效地抑制非视距误差（NLOS）对定位精度的影响,从而得到更高的定位跟踪效果。     

室内超宽带非视距协同定位算法

超宽带以其高分辨率和抗多径的特点,成为室内定位技术的突出代表．室内环境复杂,接收的定位信号中多径干扰和非视距NLOS传播,会产生严重的非视距NLOS效应,导致传统的定位算法出现较大偏差．为了克服NLOS误差的影响并得到满足室内定位的精度要求,提出将带校正因子的WLS算法和Taylor算法相结合,通过协同定位来抑制非视距误差．结果表明：在多种环境下,改进的算法都能够较好地抑制NLOS误差干扰,基本满足了室内定位的精度要求,具有健壮性强的特点．     

一种基于直推式回归的移动跟踪算法

移动定位问题受到业界,学术界的广泛关注。多径、多址干扰和非视距（NLOS）问题是影响定位精度的主要问题,尤其是NLOS问题。为了提高定位精度,有效地降低NLOS误差,将定位嵌入到机器学习框架内,本文提出了一种基于直推式回归的移动跟踪算法,此算法分两步来实现,首先使用基于直推式回归的定位方法得到节点位置的最初估计。然后基于博弈论实现节点的位置跟踪,从而降低位置跟踪误差。实验表明此方法能有效地降低NLOS误差,提高定位的精度。     

基于误差先验知识的NLOS移动节点定位算法

针对实际应用环境中存在阻挡节点间通信的障碍物,使节点间的通信变成非视距(NLOS)类型的问题,提出一种基于误差先验知识引导的NLOS移动节点定位(NSES)算法.该算法首先根据误差先验知识,判断并计算出带有误差的NLOS测量值个数在总个数中的百分数K;然后根据K选出误差较大的测量值;最后对误差较大的NLOS测量值进行校正操作.仿真实验结果表明,该算法较传统移动节点定位算法能有效降低NLOS误差,提高节点定位精度.     

矿井NLOS环境下改进UKF超宽带定位算法

由于矿井下巷道空间有限且存在弯曲,因此通信传播大多为非视距(NLOS)传播环境。传统的基于距离的无线传感网络定位技术易产生较大误差,从而导致定位精度不高。超宽带(UWB)信号具有穿透能力强、抗多径能力强的特点,能够提供较高的定位精度,因此成为NLOS环境下定位的首选。针对NLOS环境下的定位精度不高的问题,在接收信号强度(RSSI)测距和三边算法联合定位的基础上,提出以联合定位得到的初始坐标做为无迹卡尔曼滤波(UKF)算法的观测值,并对UKF的测量更新方程进行修正,使该算法能适应NLOS环境下的定位跟踪。通过仿真验证并与扩展卡尔曼滤波(EKF)算法进行比较,在NLOS环境下改进的UKF定位算法,能够对目标进行实时跟踪并提高定位的精度。     

基于改进粒子滤波算法的无线传感器网络节点定位

针对无线传感器网络节点定位过程中的非视距传播误差问题,提出1种改进的状态检测粒子滤波算法。引入节点随机运动模型对节点运动状态进行预测。通过马尔科夫过程对在非视距(NLOS)/视距(LOS)混合环境下获得的测量值进行检测。利用p-范数对NLOS测量值进行筛选。结合校正后的节点间测量值和节点真实移动速度构建锚盒和采样盒。仿真结果表明,当NLOS/LOS混合模型分别满足均匀分布、高斯分布和指数分布时,该文算法均有较高的定位性能。     

基于带符号残差加权的手机定位方法

在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.      

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

一种改进的减小NLOS影响的定位算法

根据蜂窝网络中非视距(NLOS)传播时延服从指数分布的统计特性,在视距重构/平滑算法的基础上,提出了一种改进的减小NLOS影响的定位方法.该方法首先根据NLOS传播时延的统计特性,估计NLOS传播时延的均值和方差;然后对到达时间差(TDOA)测量值进行修正,进而估计移动台(MS)位置;最后对不同时刻估计的移动台位置进行加权处理,进一步减小NLOS的影响.仿真结果证明该方法能够有效提高定位算法的定位精度.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

一种减轻非视距传播影响的移动台定位方法

提出了一种使用判决和卡尔曼滤波器相结合抑制消除非视距(NLOS)误差的定位方法.该方法假设目标移动台正处于跟踪状态,首先对距离测量结果中是否存在NLOS误差进行判断;然后根据判决结果选择两种不同的滤波器,对于NLOS传播由偏差卡尔曼滤波器消除NLOS误差,而对于LOS传播由无偏差卡尔曼滤波器对测量值进行平滑处理;最后利用处理后的数据估计移动台的位置.仿真结果表明在NLOS传播环境下该方法具有较高的准确性,可以有效消除NLOS误差,取得满足要求的定位精度.     

基于卡尔曼滤波器消除NLOS影响的移动定位

为了克服非视距信号（NLOS）对移动定位的影响，提出了一种基于卡尔曼滤波器的平滑技术．首先对到达时间（TOA）测量数据进行周期性的NLOS环境判决标识，然后根据不同结果利用不同形式的卡尔曼滤波对TOA测量数据进行平滑．将处理后的TOA代入到TDOA算法中进行定位估计．后面的跟踪虽然不能提高定位的精度，但可以平滑移动轨迹．仿真表明，该技术可以达到FCC对定位服务的要求．     

蜂窝网无线定位技术中非视距（NLOS）误差的鉴别及其抑制

由于无线网络环境中客观存在非视距（NLOS）误差，采用传统的定位方式会对移动台位置的定位造成很大 的误差。通过对NLOS误差产生的原因及特点的分析，找出了鉴别NLOS误差及其抑制NLOS的方法---无约束 条件的非线性加权最小二乘算法，减少了NLOS对定位精度的影响，从而提高了无线定位技术的准确度。     

蜂窝网无线定位技术中非视距（NLOS）误差的鉴别及其抑制

由于无线网络环境中客观存在非视距（NLOS）误差，采用传统的定位方式会对移动台位置的定位造成很大的误差。通过对NLOS误差产生的原因及特点的分析，找出了鉴别NLOS误差及其抑制NLOS的方法——无约束条件的非线性加权最小二乘算法，减少了NLOS对定位精度的影响，从而提高了无线定位技术的准确度。     

自适应无线传感器网络室内RSSI估计

针对接收信号强度指示(RSSI)在无线传感器网络室内应用中,难以随环境变化实现自适应准确估计的问题.首先结合无线传感器节点处理能力较低的特点,对卡尔曼滤波算法进行简化,降低算法复杂度;然后设计出适用于室内环境变化特点的环境自适应算法;最后通过2种算法的融合,提出了自适应室内RSSI估计算法(AIRE).仿真和实验结果均表明,与典型的估计算法相比,AIRE在环境变化时可自适应地实现更快、更准确的RSSI估计.AIRE算法复杂度低,能在室内环境中准确估计RSSI值,并可实现环境变化的自适应估计,满足无线传感器网络在室内应用时对RSSI估计的需求.     

一种在NLOS环境下提高精度的TDOA定位方法

根据NLOS传播环境下附加传播时延和均方根时延扩展的统计特性,对NLOS误差的均值和方差进行了估计,并对TDOA(到达时间差)的测量值和方差进行了修正,在一定程度上消除了NLOS误差的影响。采用Chan算法对移动台(MS)位置进行定位。仿真结果表明,该方法能够提高Chan算法在NLOS传播环境下的定位精度。     

基于IMMPF对异型空间的室内定位算法研究

针对非视距(NLOS)传播环境的室内定位技术存在受到墙体等物体遮挡干扰,易造成无线定位精度不高、误差偏大等问题,本文提出改进的交互多模型粒子滤波(IMMPF)室内定位技术。该方法对于室内运动目标模型与噪声进行建模,并且在交互多模型(IMM)中对粒子滤波(PF)进行实时更新混合信道参数,同时对于NLOS及其LOS混合信道进行参数估计,减少了非视距测量定位误差对定位结果的影响。本文以“L”型空间为例进行定位仿真,实验结果表明:基于改进交互多模型粒子滤波技术,其室内定位的性能优于传统的粒子滤波算法。