基于改进粒子滤波算法的无线传感器网络节点定位

针对无线传感器网络节点定位过程中的非视距传播误差问题,提出1种改进的状态检测粒子滤波算法。引入节点随机运动模型对节点运动状态进行预测。通过马尔科夫过程对在非视距(NLOS)/视距(LOS)混合环境下获得的测量值进行检测。利用p-范数对NLOS测量值进行筛选。结合校正后的节点间测量值和节点真实移动速度构建锚盒和采样盒。仿真结果表明,当NLOS/LOS混合模型分别满足均匀分布、高斯分布和指数分布时,该文算法均有较高的定位性能。     

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.     

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。     

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.     

基于测距的定位系统中位置解算研究

在现有的基于测距的位置解算算法中,定位精度受测距误差的影响较大.为了提高定位精度,提出了一种基于根心的位置解算算法.该算法中,首先根据位置未知的节点(Target节点)与每三个位置已知的节点(Anchor节点)之间的距离测量值,计算出对应的根心坐标;在根心集合中,滤除误差较大的部分根心;根据剩余根心的坐标及其权重值,计算平均值作为解算结果.仿真结果表明,在相同的误差下,提出的位置解算算法相比于现有的基于测距的位置解算算法有效地降低了解算误差,提高了定位精度.     

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。     

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.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

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。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

无迹卡尔曼滤波在无线传感器网络节点定位中的应用

传统的基于距离的无线传感器网络节点定位技术,由于测距过程产生较大的误差,从而使定位精度不高.文中在基于接收信号强度(RSSI)测距、三边测量法初始定位的基础上,提出以接收信号强度为观测量,将无迹卡尔曼滤波(UKF)算法应用到节点精确定位中.通过仿真验证使用该方法后,相比以距离为观测量的UKF定位方法,节点的定位精度有一定的提高,并进一步定量的分析比较了两种实现模型下节点定位算法的误差概率分布.在此算法的基础上,通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了文中节点定位算法的实用性.     

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。     

WLAN无线定位中NLOS误差排序与抑制的研究

提出在WLAN中使用TDOA定位方法的Chan算法对移动终端进行位置估计,然后对位置估计结果使用残差加权算法进行NLOS误差抑制。通过仿真证明,尽可能选择不受NLOS影响的时间测量值参与Chan算法和残差加权算法,通常能以较小的计算代价取得相对理想的定位精度。并在数学理论上证明了可将Wylie方法用于NLOS误差排序,以挑选出合适的时间测量值。     

基于改进高斯滤波与加权环境参数自适应估计的定位方法

基于接收信号强度指示(received signal strength indication, RSSI)测距的定位技术是一种成本比较低廉的定位技术.为了能够有效降低RSSI值因环境因素的影响而产生的误差,提出了一种改进的加权高斯滤波算法对RSSI值进行处理;并建立了一种加权环境参数自适应估计算法对当前待定位的移动节点所处位置的环境参数进行估计;然后根据估计所得的环境参数确定移动节点所在位置的路径损耗模型;最后根据该模型估计移动节点的位置.实验结果表明,该方法能够有效提高系统的定位精度.     

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。     

一种新的基于WCDMA系统的基站选择定位算法

非视距（NLOS）是影响各种蜂窝网络定位精度的主要原因．提出了一种新的基站选择定位算法，算法基于到达时间差（TD（）A）计算距离．首先利用NLOS环境下距离测量样本的标准差大于LOS环境下的标准差这一前提，判断测量样本中是否含有NLOS误差．然后从测量值中选出含有NLOS误差最小的2个基站，将其重构出LOS测量值，再采用3基站算法进行定位计算．仿真表明，该算法比其他算法在定位精度方面有明显的提高．     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

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。     

一种基于直推式回归的移动跟踪算法

移动定位问题受到业界,学术界的广泛关注。多径、多址干扰和非视距（NLOS）问题是影响定位精度的主要问题,尤其是NLOS问题。为了提高定位精度,有效地降低NLOS误差,将定位嵌入到机器学习框架内,本文提出了一种基于直推式回归的移动跟踪算法,此算法分两步来实现,首先使用基于直推式回归的定位方法得到节点位置的最初估计。然后基于博弈论实现节点的位置跟踪,从而降低位置跟踪误差。实验表明此方法能有效地降低NLOS误差,提高定位的精度。     

无线网络的移动节点定位方法研究

到达时间差算法（TDOA ）是通过测量移动节点接收两个已知节点发射信号的时间差值估算距离,但移动节点需在通信范围内;DV‐hop根据节点之间跳数测距,但估算误差较大。将两种方法相结合,在不增加网络硬件的条件下,提高了定位精度。