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WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

一种NLOS环境下的TOA/AOA定位算法

为了减小NLOS传播的影响,基于几何结构的单次反射统计信道模型,该文提出一种NLOS环境下的TOA/AOA定位算法。利用RBF神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正以减小NLOS传播的影响,再利用最小二乘(LS)算法进行定位,从而提高系统的定位精度。仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于Chan算法,Taylor算法和LS算法。     

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。     

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。      

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。     

室内环境下NLOS误差的鉴别及其抑制算法

室内定位技术中,现有抗非视距误差的算法需要利用NLOS先验信息或统计特性.为了克服这一缺点,提出了一种低复杂度的几何面积判决鉴别算法.通过利用几何面积判决鉴别算法的判决结果,推导出一种Taylor级数抑制NLOS误差的室内定位算法.仿真试验表明,与传统室内定位抗非视距误差的算法相比,该算法定位精度高,收敛速度快,有较好的抗NLOS性能.     

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Chn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.     

观测站有位置误差的多维标度时频差定位算法

定位精度对观测站位置误差很敏感。论文针对观测站位置和速度有误差的情况,提出了一种加权多维标度时频差定位算法。该算法利用了多维标度定位通过特征结构和维度信息抑制噪声的优势,它将定位残差表示成测量误差和观测站位置误差的线性形式,然后通过加权最小二乘给出了目标位置和速度估计的闭式解。仿真结果表明,在小的测量误差和观测站位置误差时,该算法对目标位置和速度的估计能够达到克拉美劳下界。与两步加权最小二乘和约束总体最小二乘算法相比,该算法在测量噪声和观测站位置误差较大时有更高的定位精度。      

提高GPS定位精度的改进卡尔曼滤波算法研究

介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法.该算法针对最小二乘法和标准卡尔曼滤波的特点,通过伪距估计出接收机的位置和钟差,有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题.同时该算法不直接使用卡尔曼滤波来估计接收机的状态,而是估计接收机状态的误差,减小了运算量,有效提高了定位精度.在进行状态误差估计时,不需要存储大量测量数据,能方便地进行动态测量数据的实时处理.仿真结果证明此算法具有较快的收敛速度和较高的定位精度.     

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.     

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。     

一种改进的NLOS环境下的TDOA/AOA混合定位算法

在蜂窝移动通信系统中,利用基站测量的到达时间差(TDOA)和电波到达角(AOA)的混合定位方法能够比传统的TDOA方法提供更高的定位精度。但是在非视距(NLOS)条件下,当AOA的测量误差超过一定值时,定位的误差仍然很大。该文根据NLOS传播环境下附加传播时延服从指数分布的特性,估计附加时延的均值和方差,对TDOA测量值进行重构,再以AOA方法进行辅助定位。仿真结果表明,该算法能显著提高传统的TDOA和TDOA/AOA方法在NLOS传播环境下的定位精度。     

The interior-point method for an optimal treatment of bias in trilateration location

This paper presents a new position-determination estimator for trilateration location. The proposed estimator takes the measurement bias into consideration and improves the location accuracy of a mobile location system. In case that a mobile station (MS) utilizes signals from a set of base stations for its location, the computed location is largely affected by nonline-of-sight (NLOS) error in signal propagation. A constrained optimization method in a three-stage estimation structure is proposed to estimate and eliminate the measurement bias contained in each pseudorange and mainly caused by the NLOS error. A linear observation model of the bias is formulated, and the interior-point optimization technique optimally estimates the bias by introducing a feasible range of the measurement bias. It is demonstrated that the new three-stage estimator successfully computes an accurate location of an MS in a realistic environment setting. The location accuracy of the proposed estimator is analyzed and compared with the existing methods through mathematical formulations and simulations. The proposed estimator efficiently mitigates the effect of a measurement bias and shows that the iterated least square (ILS) accuracy of 118 m [67% distance root-mean-square (DRMS)] can be improved to about 17 m in a typical urban environment.     

Non-line of Sight Error Mitigation in Ultra-wideband Ranging Systems Using Biased Kalman Filtering

In this paper, a non-line of sight (NLOS) error mitigation method based on biased Kalman filtering for ultra-wideband (UWB) ranging is proposed. The NLOS effect on the measures of signal arrival time is considered one of the major error sources in range estimation and time-based wireless location systems. An improved biased Kalman filtering system, incorporated with sliding-window data smoothing and hypothesis test, is used for NLOS identification and error mitigation. Based on the results of hypothesis test, the estimated ranges are either calculated by smoothing the measured range when line of sight (LOS) status is detected, or obtained by conducting error mitigation on the NLOS corrupted measured range when NLOS status is detected. The effectiveness of the proposed scheme in mitigating errors during the LOS-to-NLOS and NLOS-to-LOS transitions is discussed. Improved NLOS identification and mitigation during the NLOS/LOS variations of channel status are attained by an adaptive variance-adjusting scheme in the biased filter. Simulation results show that the UWB channel status and the transition between NLOS and LOS can be identified promptly by the proposed scheme. The estimated time-based location metrics can be used for achieving higher accuracy in location estimation and target tracking.     

Mobile Location Estimator in a Rough Wireless Environment Using Extended Kalman-Based IMM and Data Fusion

An extended Kalman-based interacting multiple model (EK-IMM) smoother is proposed for mobile location estimation with the data fusion of the time of arrival (TOA) and the received signal strength (RSS) measurements in a rough wireless environment. The extended Kalman filter is used for nonlinear estimation. The IMM is employed as a switch between the line-of-sight (LOS) and non-LOS (NLOS) states, which are considered to be a Markov process with two interactive modes. Combining extended Kalman filtering with the IMM scheme for accurately smooth range estimation between the corresponding base station (BS) and mobile station (MS) in the rough wireless environment, the proposed robust mobile location estimator, in association with data fusion, can efficiently mitigate the NLOS effects on the measurement range error. Simulation results illustrate that the performance of the proposed method has been significantly improved in the LOS/NLOS transition case. Moreover, the performance of the EK-IMM smoother with data fusion is also better than that with a single measurement used alone.      

适用于NLOS传播环境的几何定位方法

基于非视距传播(NLOS)的影响,移动通信环境中波达时间(TOA)的测量误差具有正偏置的特性,本文提出了一种简单的几何定位方法。该方法根据基站分布和TOA测量数据确定出若干个定位点,对这些点的坐标取平均值即得到移动台的位置估计。仿真结果表明,该方法能够有效提高NLOS传播环境下的定位精度,对LOS传播条件下的定位精度影响小。     

一种基于TDOA重构的蜂窝网定位服务NLOS误差消除方法

在非视距传播(NLOS)环境中，到达时间差(TDOA)测量值受NLOS误差的影响而产生偏差^[1]，使得Chan算法^[2]的定位性能显著下降。基于NLOS误差的先验信息，利用平均超量时延和均方根时延扩展之间的关系，本文为基于移动台(MS)的定位方案提出了一种建立在TDOA测量值重构和Chan算法基础上的改进算法，使得平均超量时延的影响显著下降。分析和仿真结果表明，与Chan算法相比，该算法的定位性能显著提高。