无线定位中NLOS识别和抑制算法综述

蜂窝网无线定位中,往往由于建筑物或地形的阻挡,造成移动台和基站之间的非视线(NLOS)传播。NLOS传播是无线定位的主要误差来源,因此近年来国际上对NLOS问题开展了广泛的研究。本文首先阐述了NLOS问题及其给定位精度带来的影响,然后综述了无线定位中NLOS识别和抑制算法的研究成果以及最新进展,着重对该方面提出的各种算法进行了分类阐述和对比分析,最后指出了现有算法的缺点以及进一步研究所需的工作。     

一种抗NLOS的TDOA定位算法

本文提出了一种抗非视线传播(Non-Line-of-Sight)干扰的TDOA定位算法。该算法采用退火与遗传算法相结合的方式，在满足给定条件的空间内搜索源点坐标值。数值仿真表明，该算法具备抗NLOS干扰的能力，与传统TDOA算法相比，该算法无需知道各基站的非视线传播干扰分布，是一种实用有效的定位算法。     

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。     

超宽带室内定位算法综述

在超宽带定位系统中,多径效应、NLOS 等因素会导致一定程度的测量误差。详细介绍了基于超宽带的各类定位技术及其实现原理,并着重于定位性能较好的TDOA技术,从定位模型建立到定位解算方面系统地介绍了各类基于TDOA的定位算法,详细阐述了各种算法的实现原理及设计流程,并对各种算法在LOS和NLOS下的性能进行了比较分析。     

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。     

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。     

基于CNN的NLOS识别与定位技术研究

超宽带(Ultra Wide Band,UWB)信号具有极高的时间分辨率,测距精度高、穿透能力强、抗多径效应好,适用于高精度室内定位系统的设计。基于UWB的室内定位系统中,非视距传播对定位精度有重要影响。针对UWB信号室内传播存在视距(Line of Sight,LOS)和非视距(Non Line of Sight,NLOS)情形,采用卷积神经网络(Convolutional Neural Network,CNN)识别NLOS信号。为避免有限数据集导致过拟合,采用dropout降低神经元之间的依赖,提高NLOS信号识别率。完成NLOS识别后使用LS/WLS算法做定位,结果表明该方法能将定位误差降低一半,显著提高了定位精度。     

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。     

基于混合GPS/TDOA的CDMA网络无线定位研究

介绍了CDMA网络的无线定位技术,分析了不同技术的适用性和优缺点,提出了一种混合GPS TDOA定位方法。该方法将GPS和TDOA测量值相结合,弥补了独立的GPS和基于网络定位方法的不足,为CDMA网络无线定位提供高精度的解决方案。     

在非视距环境下基于数据融合的无线定位算法研究

在基于TDOA数据融合算法的基础上,给出了一种在非视距环境下改进型数据融合模型。该模型利用联合卡尔曼法消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。     

基于扩展卡尔曼滤波器的混合TDOA／AOA室内定位技术的研究

本文阐述的是一种针对室内超宽带系统（UWB）的时间差到达和角度到达（TDOA／AOA）的混合定位技术。由于非视距传播（NLOS）误差确定为此系统的主要误差原因,所以本文使用卡尔曼滤波器来甄别和消除非视距误差,从而减小在室内UWB环境下的NLOS的时间到达（TOA）误差。本文加入了一种AOA选择功能。最后针对使用TDOA和有选择的AOA的室内移动定位追踪系统本文提出了一种改进的扩展卡尔曼滤波器（EKF）。仿真结果显示本文提出的混合定位方案可以有效响应在UWB环境下的NLOS／LOS变化,并且提高了定位精度。     

基于APIT和TSE算法的混合定位方法

讨论了距离无关的近似三角形内点测试（APIT）算法和基于信号到达时间差（TDOA）的泰勒级数展开算法（TSE）的优缺点，并在此基础上提出了利用两者进行混合定位。仿真的结果表明该混合定位方法能有效提高定位精度。     

基于TOA/TDOA超宽带无线定位算法的改进

在充分研究了超宽带无线传输技术特性的基础上,对超宽带无线定位的原理进行了探讨.首先详细介绍了超宽带测距和定位的原理,对超宽带定位的精度进行了仿真分析.然后,针对超宽带Ad Hoc网络实际应用中节点数目比较多的情况,引入了节点的相关性来提高超宽带的定位精度,并进行了仿真分析.仿真结果显示了此算法在网络节点数比较多的情况下对定位精度有比较好的提高效果.     

基于Fang算法的TDOA室内定位技术

传统基于全球定位系统(GPS)的定位技术应用,已在室外环境下为人们提供了许多便利。随着近年来人们生活水平的不断提高,大众对定位的诉求已不仅限于室外,在智慧商场、企业人员智能管理、校园智能管理等场景,要求对室内用户进行定位监测,而传统的GPS定位精确度有限,在室内已无法应用。目前室内定位常用的技术有红外线、蓝牙、Wi-Fi以及基于室内移动网路的无线定位等,无线定位则是其中的热点。本文介绍了一种基于室内分布式基站,运用Fang算法实现到达时间差(TDOA)定位的技术研究,并对其定位精确度进行了探索。     

UWB定位中基于XGBoost的NLOS识别方法

NLOS场景下UWB室内定位精度下降,识别出NLOS有助于进一步提升定位精度。针对超宽带定位中非视距识别的问题,提出基于XGBoost的NLOS识别方法。基于XGBoost决策树算法,采用两个层面的数据源对UWB定位中NLOS进行识别：元数据层面,用真实定位场景中采集的UWB CIR数据作为数据源;统计数据层面,将CIR数据经过一定的加工,得到几个关键的信号特征参数作为数据源。两组实验结果表明,XGBoost算法在元数据和统计数据上识别精确度分别达到91%和92%。UWB定位中XGBoost算法能显著提高识别NLOS信号的准确度。     

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。     

基于PCA-FCM的UWB非视距识别算法

近年来,室内定位技术得到了广泛的应用,超宽带(Ultra-wideband,UWB)凭借其独特的优势,在室内定位领域脱颖而出。但是在复杂的室内环境中,信号传播易受到非视距(Non Line of Sight,NLOS)障碍物遮挡,产生NLOS误差。针对传统NLOS障碍物识别方法,识别率低以及需要具体考虑应用场景等问题,提出了一种基于PCA-FCM的模糊聚类的识别方法,达到92%的识别率。首先,根据视距(Line of Sight,LOS)信号与非视距信号之间的差异,选取了信号强度、平均过量时延等6个信道特征参数;其次,鉴于主成分分析(Principal Components Analysis,PCA)模型在特征提取方面的优势,用PCA模型对特征参数进行降维处理;最后,用模糊C均值(Fuzzy C-Means,FCM)算法对降维之后的目标函数进行优化,得到聚类中心的隶属度,从而提高NLOS信号识别率。     

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。     

一种简化的多算法协同定位的TDOA定位方法

文章提出了一种基于简化的多算法协同定位方法,实现Chan算法、Tayor算法和Sx算法等多种定位算法的融合。最后仿真结果表明,多算法协同定位模型能得到更准确可靠的移动台估计位置,有效提高了定位精度。     

超宽带定位的AGV定位跟踪算法研究

为了对室内运行的AGV定位跟踪,本文提出一种基于超宽带定位的AGV定位跟踪算法。首先针对3基站TDOA定位方法存在基站附近及其遮挡区域定位错误概率高的问题,本文算法利用目标运动信息辅助降低定位错误概率;其次针对室内环境制约造成机动AGV的跟踪困难问题,本文算法首先对室内环境信息进行描述,采用目标预测位置到障碍物区域的张角作为辅助信息对多模型跟踪算法中模型集进行更新,最后进行状态估计。本文算法将运动先验信息引入到定位方法中,具有定位准确概率高的优点;将环境先验信息引入到跟踪算法,具有错误估计概率低的优点。通过仿真实验证明,本文算法具有较低的跟踪错误概率和较高的定位正确概率,能够有效实现3基站条件下室内运动AGV的定位和跟踪。