城市环境下减轻NLOS的一种新的定位算法

由于非视距传播的影响,在蜂窝无线定位系统中存在许多误差.为了将定位估计误差减到最小,提出了城市环境下减轻NLOS影响的一种新的定位算法.该算法基于城区建筑物以块形规则排列,通过对NLOS问题进行优化,将NLOS误差减到最小,以提高定位精度与其他算法相比,提出的算法适应只有3个NLOS基站的条件,更符合实际情况.对不同城市方案的仿真结果表明,所提出算法有更好的定位精度.     

NLOS环境下无线通信网络中的TDOA/AOA混合定位算法

为了提高在NLOS条件下无线定位的精度,采用多种测量值混合定位的方式,提出了一种TDOA/AOA最速下降混合定位算法.该算法以加权残差平方和为目标函数,以最速下降算法为最优化方法.然后,以几何结构的单反射圆盘模型进行仿真,分别利用TDOA/AOA最速下降混合定位算法、TDOA/AOA泰勒级数混合定位算法以及单纯的TDOA泰勒级数经典算法对无线通信网络中不同的定位环境进行了仿真计算.仿真结果表明,当参与定位的基站数目分别为3,4,5,6,7,反射圆盘半径分别为200,300,400,500,600,700m时,与后2种算法相比,TDOA/AOA最速下降混合定位算法的均方差、平均误差及最大误差均较小,即该混合定位算法具有更高的定位精度,且参加定位的基站数目越多,这种优势越明显.     

矿井非视距环境下UWB人员定位算法

为建立实时、高精度定位系统,减少弯曲巷道对矿井人员定位产生的NLOS误差,基于超宽带UWB技术和井下复合衰落信道模型,提出一种矿井NLOS环境下的改进算法。利用面积形心算法,将未知节点的空间位置约束在一个较小的区域内,然后利用Taylor和Chan氏算法进行定位,从而提高UWB井下人员定位系统的精度。仿真结果表明：该算法在井下NLOS环境下具有较高的定位精度,综合性能优于Chan氏算法和Taylor算法。     

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GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.     

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。     

基于改进遗传算法的矿井人员定位新算法

为了提高矿井人员定位精度,根据矿井巷道基站布设的实际情况,以无线信号传输理论模型为基础,提出周期性获取信号传输路径衰减指数的加权平均值,通过分析基站与标识卡之间的通讯约束条件,并借助改进的遗传算法提出矿井人员定位新算法,再利用MATLAB软件在相同条件下与加权质心算法和直接测距算法进行仿真对比。研究结果表明:新算法定位精度较高,同时3种定位算法的定位精度受巷道宽度影响较大。新算法不仅降低了人员定位的误差,而且具有较强的稳定性,适合各类复杂的巷道环境,为矿井人员精确定位提供了新方法。     

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.     

基于散射体信息的室内NLOS单基站定位算法

针对室内非视距(non-line-of-sight,NLOS)环境下的定位问题,提出一种基于散射体信息的室内NLOS单基站定位算法。根据室内场景的先验信息获得散射体的分布范围,选定一条反射路径的飞行时间(time of flight,TOF)作为参考,利用剩余路径的TOF与其做差分来构造差分TOF观测值,从而消除由于收发两端时钟不同步造成的相位误差影响; 根据每条路径的AOA及散射体的分布范围进一步确定散射体的位置范围; 利用差分TOF构造非线性定位目标方程,进一步将此方程转换为非线性最小二乘优化问题,利用遗传算法(genetic algorithm,GA)对目标进行初步定位,采用列文伯格-马夸尔特(Levenberg-Marquard,LM)算法对目标进行精确定位。仿真结果表明,该算法可以有效解决室内NLOS环境下的单站定位问题。     

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

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．     

矿山井下超宽带无线定位算法研究

针对矿山井下环境复杂,存在非视距(NLOS)传播以及多径现象,以及对人员和设备的定位精度要求高等现象,而传统的基于距离的无线传感网络定位技术,如RFID射频识别技术、WiFi定位技术等存在传输距离短、抗多径效应差、定位精度低等问题。在对现有的矿山井下目标定位技术系统分析的基础上,提出了一种基于超宽带技术的矿山井下联合无线定位方法。在发射与接收台之间采用超宽带UWB技术,采用粒子滤波算法进行位置估计,并用TDOA/RSS联合技术获得的观测信号对位置进行修正。实验结果表明,与传统单一的井下定位技术相比,基于粒子滤波的TDOA/RSS联合定位技术降低了多径和NLOS对井下目标定位精度的影响,提高了井下定位精度。本联合技术在具有更低成本、易实现的情况下,能够达到更高的定位精度。     

一种自适应LOS/NLOS环境的定位方法

非视距(NLOS)传播时传播路径的不确定性是产生定位误差的主要原因.通过对测量数据方差大小的判断来识别NLOS,并采用卡尔曼滤波方法,实现对有偏分布的NLOS误差平滑处理,减小NLOS的影响.仿真结果表明,该方法能在多种LOS/NLOS环境下提高定位的精度.     

城区环境下鲁棒定位算法

在城区环境下,不依赖于辅助的手段,获得定位结果面临两大困难.由于信号非常微弱,接收机不能获得伪距等观测量导致无法得到定位解.接收机即使通过弱信号处理等增强措施,获得伪距等观测量,但是由于观测量误差较大,依然不能获得满足要求的定位结果.本文主要针对以上两个问题,提出了各自的解决方案：常规接收机需要完整跟踪4颗或者以上的卫星才能获得定位结果.在城区环境下很难有4颗以上的卫星同时满足要求,因而无法实现定位.本文提出了一种新的方法来解决该问题.只要接收机进入到跟踪模式,即获得1ms以内的观测量即可实现定位.通过延长相干积分的方式,即使信号功率电平在解调门限以下,只要接收机能够跟踪信号,就可以获得定位结果.针对城区环境下多径现象引入的测距误差,导致定位结果偏差较大,本文利用故障诊断的原理,对获得的伪距观测量进行非线性加权处理来改善定位精度.为了验证该算法,采用实际采集的数据来进行验证.     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

基于自适应迭代UKF的纯距离目标定位算法

针对迭代无迹卡尔曼滤波(IUKF)需要人工设定迭代次数的问题,引入遗传算法中适应度函数的概念,提出一种自适应迭代卡尔曼滤波的跟踪算法(AIUKF)。该算法利用观测预测值与实际观测值、系统采样点与实际观测值的适应度函数作为评价标准,根据适应度函数的比值自适应确定是否进行迭代。仿真结果表明:新算法适用于纯距离系统,可以有效解决IUKF人工设定迭代数的问题,且算法性能与IUKF性能相当,均优于UKF性能。     

室内非视距环境下基于改进多维标度的优化定位算法

研究了室内非视距环境下无线传感器网络的节点定位问题。在优化估计框架下,首先提出待优化误差函数,并基于改进多维标度(MDS-MAP)方法,分析误差函数中未知变量的耦合关系,最后提出基于改进MDS-MAP的优化定位算法。该算法仅依靠节点间的测距信息进行定位,无需环境先验信息,因此适用于未知、复杂环境下的无线传感器网络。同时该算法无需角度、信号强度等冗余量测信息来辅助定位,对硬件要求较低,从而降低了定位成本。通过仿真比较,所提出的基于改进MDS-MAP的优化定位算法的有效性得以验证。在仿真过程中,采用聚类分析方法对不同基站数目下的节点定位精度进行分析。根据仿真结果,在节约定位成本的前提下,当基站数目达到6个时,能够实现三维空间近似最优定位。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。