基于两步Kalman滤波的NLoS误差抑制算法

针对超宽带(ultra wide band,UWB)定位中影响定位精度的非视距(non line of sight,NLoS)传播误差问题,提出了一种基于Kalman滤波的NLoS误差二次消除方法.该方法利用NLoS误差与测量误差之间的相互独立性,借助Kalman滤波将NLoS误差从总误差中单独分离出来,对其进行实时估计,并将该NLoS误差估计值作为NLoS误差辨别及测距值修正的依据.通过Kalman滤波对到达时间(time of arrival,TOA)测距值进行二次估计、鉴别及修正以提高TOA测距精度,从而实现室内复杂环境下的UWB精准实时定位.仿真实验结果表明:该方法不仅能够对NLoS误差实现良好的跟踪估计,对视距(line of sight,LoS)/NLoS环境转变也具有较强的灵敏感知能力,同时NLoS误差测距值在应用该方法后的定位性能逼近于LoS环境下的理想状态.

UWB测距的NLOS误差削弱方法

为了提高UWB室内定位系统的精度,提出一种偏移卡尔曼滤波方法:将测距残差与卡尔曼滤波结合,鉴别出NLOS误差,并将残差值加入到卡尔曼滤波的迭代中以修正卡尔曼滤波的异常值,从而实时抑制NLOS误差,提高UWB室内定位精度。实验结果表明,该方法能有效抑制NLOS误差的影响,提高NLOS传播环境下的定位精度。

用卡尔曼滤波器消除TOA中NLOS误差的三种方法

提出了三种改进的用卡尔曼滤波器消除到达时间(Time of Arrival, TOA)测量值中非视距(Non-Line ofSight, NLOS)误差的方法。这三种方法从不同角度考察 TOA 测量值中 NLOS 误差的特点,分别对卡尔曼滤波器的迭代过程进行改进,有效地消除了 TOA 测量值中 NLOS 误差的随机性和正向偏差。与传统的 NLOS 误差消除算法相比,这三种方法均可获得较小的估计误差,并可实现实时处理。

密集多径环境下UWB测距的NLOS误差减小方法

为减小密集多径环境下超宽带(UWB)测距结果中因为障碍物引起的非视距(NLOS)误差,提出了一种有效的NLOS误差减小方法.此方法考虑了NLOS误差的产生原理及特点,以信号传播的路径损耗模型为基础,通过对接收信号中不同时间到达单径的能量比较,实现了对NLOS误差的粗略估计,进而以此估计值对测距结果进行校正.在方法的具体实现上,给出了一种计算量较小、复杂度较低的单径检测算法.对实测数据的处理验证了方法的正确性,结果表明本文提出的NLOS误差减小方法使UWB测距精度有了较大提升.

一种新的蜂窝网NLOS误差抑制算法

非视距传播(NLOS)误差是目前基于蜂窝网络的移动台定位系统提高定位精度必须解决的关键问题,该文提出一种基于概率密度估计和偏差Kalman滤波器的NLOS误差无偏估计算法。仿真结果表明,该算法在性能上优于现有同类算法,并且算法对环境先验知识的需求更少,具有更广泛的适用性。

基于神经网络的鲁棒NLOS误差抑制算法

提出一种基于Kalman滤波器和神经网络(NN)的非视距(NLOS)误差抑制算法。根据到达时间(TOA)测量值的特点和NLOS误差的统计特性,推导出Kalman滤波器输出无偏估计所需满足的条件,利用NN估计该条件中的环境参数,实现NLOS误差抑制。仿真结果表明,该算法在估计精度和算法鲁棒性方面均具有较好的性能。

NLOS误差模型下的无线传感网定位方法与仿真

为了有效提升在NLOS环境下的定位精度和探讨不同NLOS模型和不同定位方法之间的特性,对多种NLOS误差模型进行建模,并给出模型数学公式,挖掘出适合无线传感网的NLOS误差模型,利用多种不同的NLOS误差模型来表征无线传感网中的非视距传播(NLOS)环境;利用常用经典定位方法对未知节点进行定位。通过对不同参数的设置进行计算机仿真实验,仿真实验数据结果有效地反映出各种定位法在不同NLOS误差场景下的性能,为无线传感网的实际定位应用提供理论基础。

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。

基于三阶累积量的NLOS误差抑制算法及其在WCDMA系统中的测试

非视距传播(NLOS)误差是蜂窝网系统提高定位精度必须解决的关键问题。首先提出了一种基于三阶累积量的NLOS误差抑制算法,并根据NLOS误差大小和信号斜度之间的关系,给出了一种基于偏差Kalman滤波的NLOS误差抑制算法。文章基于WCDMA系统构建了定位测试平台,通过实测数据验证了算法的有效性。

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。

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。

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。

NLOS环境下的卡夫曼滤波跟踪定位算法

蜂窝网无线定位技术中,非视距(NLOS)误差的存在使得蜂窝网无线定位技术的定位精度急剧下降。针对NLOS环境,对基于卡夫曼滤波的动态跟踪定位算法进行了改进。首先引入判决机制鉴别测量值中NLOS信息,并根据鉴别信息对测量值进行加权重构处理,然后利用加权重构后的测量值再进行卡夫曼滤波跟踪定位,有效抑制了NLOS误差的影响。实验结果表明,算法在较为恶劣的NLOS环境下获得了较高定位精度。

基于TDOA残差的NLOS误差抑制算法

在基于时间定位的方法中,非视距传播(NLOS)是影响定位精度的一个关键因素。本文在分析TDOA残差的基础上,利用残差与待定目标估计位置之间的关系,给出了残差加权算法。研究了当NLOS为确定性和随机性误差两种情况下残差加权算法的性能,并与其他4种算法进行了比较。仿真结果表明,该算法在不同场合和环境下都能有效地抑制NLOS误差,而且无需信道关于LOS-NLOS的统计模型和先验信息,定位精度明显提高。

基于Haar小波的多尺度NLOS误差抑制算法

针对无线定位中非视距(Non-Line of Sight,NLOS)误差对定位精度的影响,在分析NLOS误差特性的基础之上提出了多尺度误差抑制算法。该算法将信号的多尺度估计方法和卡尔曼滤波相结合,利用小波变换特有的低通滤波特性能和小波阀值去噪能够很好地消除到达时间/到达时间差分(Time of Arrival/Time Diff of Arrival,TOA/TDOA)测量值中的NLOS误差,给出了Haar小波的实现方法。仿真实验结果表明,该算法在不同的NLOS误差模型和不同的信道环境下均能很好地抑制NLOS误差,较大幅度地提高了定位精度。

减小超宽带穿墙定位中NLOS误差的方法

超宽带穿墙定位中,需考虑NLOS传播效应对定位结果的影响以提高定位精度。在对室内目标穿墙定位的应用中,为了减小由NLOS传播引起的定位误差,建立了信号的穿墙传播模型,基于该模型提出了一种NLOS误差减小方法,该方法能够有效减小误差并提高对目标的定位精度。文中推导了定位误差与几何的关系,为实际系统的布设提供了理论依据。仿真结果验证了基于传播模型的NLOS误差减小方法对提高定位精度的有效性。

基于虚拟时延的LOS/NLOS通用TDOA算法及测高误差修正

基于到达时间差(TDOA)的无线终端定位算法多数适用于视距(LOS)环境,其用于非视距(NLOS)环境下时定位精度不高。而从TDOA的测量数据上区分LOS、NLOS环境非常困难,为此,提出一种适用既适用于LOS环境也适用于NLOS环境的TDOA算法:将多径效应等因素所致的时间误差合并成为虚拟延时,建立以终端坐标、虚拟延时因子为未知数的方程组。通过迭代,解决方程组的欠定问题,估算出终端的坐标。同时,虑及低仰角传输时电波折射对测高的影响,采用电波折射误差修正的简易模型,对测高进行修正。测试数据比对表明:该算法定位精度较高。

一种抑制NLOS误差的UWB定位方法

针对超宽带设备在室内环境下受各种因素的干扰存在标准偏差的问题,对测距数据进行拟合,求解标准偏差,对设备进行标定;针对室内场景存在的非视距误差会降低定位精度的问题,提出了一种改进的扩展卡尔曼滤波算法,设定阈值判别视距数据与非视距数据,剔除非视距误差。实验结果表明:该方法可以有效抑制标准偏差和非视距误差对定位精度的不良影响:视距环境下,静态定位和动态定位精度均可达到厘米级;非视距环境下,静态定位精度达到厘米级,动态定位精度达到亚分米级。

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。

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。