蜂窝网中一种非视距传播的定位技术

非视距传播(NLOS)是蜂窝网定位误差的最主要来源.在定位参数中引入伸缩因子,采用反复叠代的方法,可以减少非视距传播的影响.仿真性能测试表明该方法不需要任何信道环境先验信息且收敛速度快,得到的定位精度接近于利用信道先验信息的平滑和重构技术而得到的精度,适用于未来蜂窝网的定位业务.     

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.     

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.      

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。     

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.     

自适应抗差卡尔曼滤波对井下定位NLOS时延抑制方法的研究

针对矿井巷道NLOS(Non Line Of Sight)时延影响矿井TOA(Time Of Arrival)定位精度的问题,通过分析巷道NLOS时延形成方式,将巷道NLOS时延分为随机和固定两类,结合两类巷道NLSO时延的特性,提出了一种基于自适应抗差卡尔曼滤波的巷道NLOS时延抑制方法。对于巷道随机NLOS时延,通过在经典卡尔曼滤波算法的基础上引入了自适应抗差概念,使系统在线性滤波的基础上增加了对随机脉冲误差的抑制能力;对于巷道固定NLOS时延,通过在巷道NLOS误差模型的基础上,构建巷道中信号传播距离与传播环境间的函数模型,并结合几何定位算法完成系统对固有误差的有效抑制。实验结果显示,包含有巷道NLOS时延的原始定位数据,误差在2. 1～8. 1 m之间,平均误差为3. 7 m;原始数据经自适应抗差卡尔曼滤波算法处理后,误差在1. 9～3. 6 m之间,平均误差为2. 5 m,定位曲线与实际移动曲线基本保持平行;再经参数拟合和几何算法处理,误差在0～1. 0 m之间波动,误差平均值为0. 27 m,且所提方法较原始定位数据,平均定位误差减小了3. 43 m.从而表明,所提方法对巷道NLOS时延具有较明显的抑制作用,能够提高TOA井下人员定位系统的精确度。     

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。     

CDMA蜂窝网无线定位技术中NLOS误差的抑制方法

在CDMA蜂窝网无线定位系统中,针对非视距(NLOS)误差严重影响定位性能这一问题,提出了一种基于最陡梯度下降法的NLOS环境下的TDOA定位方法。该方法结合Chan氏算法,通过迭代,逐渐完成对NLOS误差的估计,并判定NLOS基站,在此基础上对NLOS基站测量值进行逐步修正,从而完成对目标的定位。最后的仿真表明,此算法可以有效实现NLOS环境下的目标定位。     

TDOA定位中到达时间及时间差误差的统计模型

移动通信环境中,非视距传播与多径效应引起的信号附加时廷是影响TDOA定位精度的主要因素,深入研究信号到达时间差误差的统计特性,有利于进一步提高TDOA定位的精度．基于移动通信环境中非视距传播信号附加时廷服从指数分布的特性,综合考虑信号检测过程中引入的系统误差,利用统计分析方法,建立了信号到达时间的统计模型和到达时问差的误差分布模型,模型反映了蜂窝网络中信号到达时间和到达时间差误差的统计规律,模拟实验证明了模型的有效性．     

非视线传播环境下基于TOA的综合无线定位算法

针对精确无线移动定位系统中影响定位精度的非视线(NLOS)传播误差问题,在简要分析几种最新NLOS误差消除算法的基础上,提出了一种新的基于信号到达时间(TOA)的综合位置确定算法.该算法首先通过残差排序筛选找出距离测量集合中具有最小残差平方和的伪距测量子集合,达到初步消除NLOS误差的目的;然后采用一种简化的伪距尺度约束算法优化伪距尺度因子,从而得到较准确的距离测量值,以进一步提高定位精度.仿真结果表明这种新方法比线性位置线算法和泰勒级数展开最小二乘位置估计算法性能优越,在一定程度上提高了无线定位的准确度.     

一种抗非视距误差的组合定位算法

为解决移动机器人在NLOS 环境下定位系统误差大和稳定性差的问题,提出一种抗NLOS误差的N-CTK组合算法。首先在Chan-Taylor协同算法基础上,融入卡尔曼滤波算法,提出一种CTK组合定位算法,然后基于TDOA测量值构建NLOS误差模型,引入NLOS误差转化因子,融合扩展卡尔曼滤波算法,并结合所提CTK组合算法,最终获得标签的估计值。实验测试表明：LOS环境下误差为6cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了13.5%,NLOS环境下误差为15cm时,N-CTK组合算法相比CTK组合算法的累积分布函数提高了55%,定位精度明显提高。     

一种用于移动通信终端定位的卡尔曼滤波器改进设计

针对传统方法进行移动通信终端定位时,由于无线通信信道存在着噪声干扰、非视距传播、多址干扰等因素的影响,导致移动通信终端定位精准度较低的问题。提出了基于(TDOA/AOA)时间测量值的卡尔曼滤波器改进设计移动通信终端进行定位。利用卡尔曼滤波器抑制和消除TOA/TDOA测量值中NLOS误差,然后通过BP神经网络在时间更新预测阶段及测量阶段对标准的卡尔曼滤波器进行修正,将预处理的TOA测量值输入到修正后卡尔曼滤波器来实现TODA/AOA移动通信终端混合定位,最终确定移动终端的具体位置。实验结果表明,改进的卡尔曼滤波器可以提高移动通信终端定位的精度,具有良好的实用性。     

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。     

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。     

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达（time of arrival,TOA）定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。     

基于随机权重混沌粒子群反向神经网络算法的RFID定位算法

为了提高射频识别 (radio frequency identification,RFID)定位系统的准确性与可靠性,并改善反向传播神经网络算法在RFID定位算法中收敛速度慢、精度低、稳定性差的缺点,提出一种基于随机权重的混沌粒子群优化反向传播神经网络定位方法 (random weight chaotic particle swarm optimization back-propagation neural networks,RW-CPSO-BP)。在运用RW-CPSO-BP算法对标签进行轨迹预测过程中,首先对3个阅读器接收到的标签接收信号强度指标值 (received signal strength indicator,RSSI)先用均值滤波进行预处理,然后再进行归一化处理,将处理过的数据分为两组在RW-CPSO-BP模型中进行训练,从而得到误差曲线。经过RW-CPSO-BP优化过权值和阈值的BP模型能较好地定位移动标签,而且克服了陷入局部最优解的问题。仿真结果表明,RW-CPSO-BP算法收敛速度和稳定性明显高于BP网络,误差也较BP网络低,更加适合用于进行复杂环境下的RFID定位。