带有NLOS误差补偿的UWB/INS室内融合定位算法研究

针对室内环境中超宽带(Ultra-Wideband,UWB)定位精度易受非视距影响,以及惯性导航系统(Inertial Navigation System,INS)误差随运行时间迅速累积的问题,在无迹卡尔曼滤波的基础上提出了一种带有非视距误差补偿的UWB/INS室内融合定位算法。该算法利用INS预测定位目标的位置信息;采用残差检验法对相邻时刻UWB测距结果进行非视距检测;利用INS预测信息设计了“近似补偿误差”,结合UWB测距信息实现对非视距测量值的误差补偿;利用无迹卡尔曼滤波算法以紧耦合方式融合UWB和INS定位信息,得到融合定位结果。实验结果表明,该算法既能抑制INS的误差累积,又能缓解非视距误差对UWB定位技术的影响,具有较好的定位精度和鲁棒性。

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。

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.

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.

基于非视距误差抑制的矿井轨道机车定位方法研究

矿井轨道机车定位方法以超宽带(UWB)定位为主,但井下运输巷道环境复杂,非视距传播多发,对UWB定位精度的影响严重。目前针对非视距传播引起的定位误差研究存在算法复杂、实时定位差等问题。通过分析轨道机车定位特点,在基于信号到达时间(TOA)的UWB定位技术基础上,提出一种基于非视距误差抑制的矿井轨道机车定位方法。在轨道机车不同位置安装2个定位卡,采用射频识别技术准确划分定位卡与定位基站的相对位置关系,根据UWB定位信号在非视距传播条件下测距值比实际值大的情况,采用2个定位卡之间距离测算值与实际值差值的经验范围,推算出不同定位卡和定位基站位置关系下非视距传播条件的鉴别阈值,通过该鉴别阈值剔除由非视距路径传播定位信号的测距值,使用由视距路径传播定位信号的测距值进行定位计算,实现对非视距误差的抑制,从而提高矿井轨道机车平均定位精度。测试结果表明:使用基于非视距误差抑制的矿井轨道机车定位方法,在定位信号处于视距传播条件时,机车平均定位误差均在1m以内;在定位信号处于非视距传播条件时,大部分非视距误差得到了有效抑制,平均定位精度在1 m左右,轨道机车定位精度较常规基于TOA的UWB定位方法大幅度提升。

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 。

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。

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。

基于Kalman滤波器的非视距误差抑制算法

针对蜂窝网定位中影响定位精度的非视距传播误差问题,提出一种基于Kalman滤波器的非视距(NLOS)误差抑制算法,将到达时间(TOA)测量值及非视距误差作为Kalman滤波器的状态变量,根据TOA测量值的结构特点和NLOS误差的统计特性,确定Kalman滤波器过程方程的状态转移矩阵。以NLOS误差服从指数分布的情况为例进行仿真,结果表明,该算法在精度估计和算法计算量方面具有明显优势。

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。

非视距误差抑制方法在矿井目标定位中的应用

分析并指出电磁波非视距传播时延造成的测距误差是影响矿井定位精度的主要原因,针对基于到达时间的矿井目标定位方法,提出了一种能量检测非视距误差抑制方法。该方法通过实测矿井巷道信道特征,统计分析得出直达路径的门限值和信号截取的时间长度,构造相应的鉴别参量,在截取的信号段中提取直达路径能量块的到达时间,以此鉴别出非视距信号。测试结果表明,该方法能够达到较高的测距和定位精度。

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。

多天线NLOS定位误差抑制算法

为抑制非视距传播造成的定位误差,提出一种基于对各基站TOA测量结果进行NLOS判别的误差抑制算法。与传统基于TOA统计信息的NLOS抑制不同,算法直接利用移动台多天线接收数据判别基站视距状态,然后融合LOS和NLOS基站测量结果解算移动台位置。NLOS判别机制采用多天线接收数据估计信道莱斯K因子,利用K因子在LOS/NLOS下服从的不同概率分布在信号处理层面对NLOS基站进行判别。算法最后采用约束最优化方法融合识别后的LOS和NLOS基站的TOA测量结果解算移动台位置。仿真结果表明,所提融合NLOS基站TOA定位算法可有效提高NLOS存在时的定位精度。

一种基于非视距误差补偿的协同定位算法

非视距(NLOS)误差对超宽带(UWB)室内定位技术的定位精度有很大影响。针对此问题,根据NLOS环境下附加时延和由信道决定的均方根时延扩展的联合统计特性,估计NLOS误差的均值和方差,对定位算法测量值和系统测量误差协方差进行修正,并采用时变权重的粒子群算法与Chan算法相结合的协同定位算法进行定位计算,具有良好的全局搜索与局部搜索最优解的能力。仿真结果表明,在NLOS环境下,相比于单一算法,协同算法定位精度提高30%左右,在一定程度上抑制了NLOS误差的影响,满足室内定位的要求。

基于UWB定位误差统计特性分析的NLOS鉴别

将NLOS鉴别视为假设检验问题,根据对UWB定位误差模型统计特性的分析,提出一种基于误差分布的NLOS鉴别概率,给出了NLOS条件下定位误差的概率密度函数,通过理论推导给出了鉴别概率的求解过程。仿真实验讨论了定位误差对NLOS鉴别概率的影响,实验结果表明,在一定的虚警概率下,NLOS鉴别概率能达到90%以上。

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。

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。

联合卡尔曼法消除无线定位中的非视距误差

通过分析测量值丢弃法和整体平移法的优势和局限性,提出了联合卡尔曼法。它采用设置标准差门限把测量值丢弃法融合到整体平移法中,利用测量值丢弃法在处理偏差较大的测量值方面的优势,消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。