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.     

非直达波定位跟踪扩展Kalman滤波算法的改进

针对蜂窝系统移动定位中扩展卡尔曼(EKF)受非直达波(NLOS)影响大,文章提出了一种改进扩展卡尔曼滤波(MEKF)算法;MEKF算法对标准的EKF进行改进,通过加大LOS基站测量值的权值能有效抑制NLOS导致的误差,显著地提高定位精度。文章对算法本身进行了分析,并给出了仿真结果。     

基于样本均值和中位值的粒子群优化定位算法

针对室内LOS/NLOS混合环境,提出基于假设检验的方法确定NLOS状态,并采用具有收缩因子的粒子群优化算法进行定位.在采样值存在异常情况时,样本中位值性能优于样本均值.因此,在LOS和NLOS状态下,分别采用样本均值和样本中位值建立最小平方误差代价函数.为了增强算法的全局和局部搜索能力,在粒子群优化算法的基础上引入收缩因子.仿真实验表明,在NLOS遮挡比较严重的情况下,所提出的基于样本均值和样本中位值改进的粒子群优化定位算法较只采用样本均值改进的粒子群优化算法和一般的粒子群优化算法定位精度高.     

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.     

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。     

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.     

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.     

基于神经网络的TDOA定位改进算法研究

针对传统的Chan算法在实际的非视距环境中性能将会受到很大影响这一问题,提出了一种基于神经网络的TDOA定位改进算法,这种算法通过对非视距误差进行修正,使其具有更好的定位效果.仿真实验结果表明,与传统的Chan算法相比,这种算法具有更好的定位精度和收敛速度,是一种有效的定位算法.     

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time difference of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。