NLOS非视距微波技术在通信保障中的研究应用

为满足城区或乡村改造等场景下的应急通信保障需求,降低城区或乡村区域布局结构调整对移动通信网络产生的影响,建立基于非视距微波技术快速恢复通信网络的支撑手段,为现阶段光缆中断时快速恢复通信提供帮助。

非视距微波监测站覆盖区域定量计算方法研究

本文定量分析了障碍物条件下的非视距传播绕射损耗的计算方法,并采用MATLAB软件对其编程实现,将其应用于无线电监测系统中,可对微波监测站覆盖半径进行估算,为微波监测站布局提供参考。

一种基于TDOA重构的蜂窝网定位服务NLOS误差消除方法(英文)

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 。

一种抗非视距误差的组合定位算法

为解决移动机器人在非视距(non-line of sight,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(NLOS Chan-Taylor-Kalman)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(time difference of arrival)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:视距(line of sight,LOS)环境下误差为6 cm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15 cm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。

一种非视距环境下的椭圆-角度混合定位技术

为了研究基于CDMA网络的新型定位系统,提出了称为"椭圆-角度混合定位"的新型定位技术,它利用信号到达时间之和(TSOA)与到达角(AOA)实现目标的定位。在设计的定位系统中,采用有偏卡尔曼滤波器消除TSOA测量值中的非视距(NLOS)误差,同时抛弃遭受NLOS严重污染的AOA测量值,最后使用扩展卡尔曼滤波器实现多台定位设备的数据融合,实现了对移动台的定位和跟踪,仿真结果显示了定位系统的有效性。

基于扩展卡尔曼滤波的非视距误差消除算法

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差。为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法。算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响。计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的。

一种非视距环境下的椭圆-双曲线混合被动定位技术

在WCDMA网络环境下,提出一种基于单定位台的新型被动式定位技术—椭圆-双曲线混合定位,它利用信号到达时间和(TSOA)与到达时间差(TDOA)完成对目标的定位。在非视距(NLOS)环境下,利用Chan算法估计的目标位置作为迭代初始值,再通过Taylor级数展开法求解定位方程组。仿真结果表明,在NLOS下,该算法性能明显优于Chan算法,近似于采用真实目标位置的Taylor级数展开算法的性能,有较高的实用价值。

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。

UWB定位系统中NLOS识别的若干参数分析

UWB(超宽带)信号由于其大的带宽在多径环境下具有精确测距能力,而要提高定位精度需要准确地估计出信道的状态。通过对接收信号进行参数提取,分析参数在不同信道环境下的概率分布密度,从而为判断信道是视距传播(LOS)还是非视距传播(NLOS)提供依据。重点分析了峭度、平均过量延迟、均方根时延扩展等参数对NLOS状态识别的影响。

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.

能够克服局部NLOS影响的自主移动节点定位方法

针对非视距(NLOS)对无线传感器网络节点定位的影响,提出一种适用于非视距影响严重的低速自主移动节点的定位方法.利用自主移动节点的速度和方向2个运动信息实现节点的初步定位,再利用未受非视距影响的信标节点发送的精确坐标与超声波测距信息经过比例运算得到精确的移动节点位置信息.仿真结果表明,该方法能够克服局部的非视距影响,具有定位精度高、计算工作量少等特点,适用于具有运动感知能力和硬件资源有限的低速移动节点定位.

基于凸优化技术的非视距时差定位算法

在基于到达时间差的无线定位系统中,信号的非视距(NLOS)传播会导致定位性能劣化。为了提高定位算法对非视距误差的稳健性,考虑到非视距误差的统计模型难以获得,提出了一种基于稳健最小二乘与凸优化技术的定位算法。算法在仅假设非视距误差的绝对值上界已知的条件下,将高度非线性的时差定位问题转化为稳健最小二乘问题;运用凸松弛技术,将稳健最小二乘问题转化为凸优化问题进行求解。仿真结果表明:与传统算法相比,提出的算法能有效地抑制非视距误差的影响,且具有较好的稳健性。

抗非视距的室内三维定位方法

提出了一种基于最小二乘准则的室内三维定位方法。利用小波分析理论对非视距(NLOS)环境下的信号到达时间(TOA)进行去噪,然后结合残差加权算法计算定位点初始估计值。仿真结果表明:该室内定位方法在NLOS传播情况下达到了很好的定位精度。

基于LTS算法改进的抑制NLOS误差的室内定位

针对传统的最小截断平方(LTS)算法利用硬阈值决定位置、计算基站,重非视距(NLOS)环境中不能分离出具有最小偏差基站的缺陷,提出了一种新的改进方法。首先对测量距离进行卡尔曼滤波处理,然后对基站进行有序分组,选择所有基站组合中具有最小残差的基站集作为最终位置计算集合。实验表明:该方法在NLOS环境下与传统的LTS算法和最小二乘估计(LSE)算法相比定位精度分别得到了24.1%和53.3%的提高。

减小NLOS影响的TOA定位估计

基于到达时间(timeofarrival,TOA)的简单原理和非视距(nonlineofsight,NLOS)误差的值总是正的附加延时超量的基本理论特性,最后采用几何坐标求值的算法,提出了一种只考虑NLOS误差的到达时间(TOA)定位方法。计算机仿真结果显示,该方法有效的减小了NLOS误差对定位的影响,提高了定位的精度。

基于改进高斯-牛顿法的NLOS误差消除三维定位模型

针对无线传感网络进行室内定位过程中由于信号非视距(NLOS)传播导致精度低的问题,提出一种基于改进高斯-牛顿法的NLOS误差消除室内三维定位模型.该模型基于欧式距离,利用最小二乘算法得到目标位置的初始解,并根据改进的高斯-牛顿法对非线性最小二乘估计值进行迭代,进一步降低NLOS误差的影响,收敛得到最终的精确位置.实验结果表明:该模型在三维空间的定位误差约在0.64 m,最大定位误差不超过1.29 m,误差小于1.2m的概率为96.5%,较其他定位方法有更好地定位效果.

Netro-非视距(Non Line Of Sight)固定无线架构的灵活性

成功地部署一个固定宽带无线(FBW)网络取决于两个关键因素：射频网络规划的灵活性和视距(LOS)／非视距(NLOS)情况。因为在视距(LOS)情况下要求在发射机和接收器之间没有阻挡，运营商在规划和部署一个视距(LOS)的固定宽带无线(FBW)网络时，需面对许多技术和业务上的困难；事实上第……

微小区环境下减弱NLOS误差的一种新定位算法

本文提出了微小区环境下当接收端在平面上随机分布时，非视距(NLOS)传播的检测与削弱算法。其主要思想是通过选择加权矩阵的方式判别NLOS接收端，然后更新它们的测量值，减弱NLOS传播对定位算法的影响。通过与克拉美罗下限(CRLB)的比较和计算机仿真的结果可以看出，该算法结构简单，估计精度高。