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。

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。

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。

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。

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。

LTE定位中非视距误差的鉴别方法

非视距(NLOS)误差是影响长期演进技术(LTE)终端定位精度的一个主要因素。鉴别NLOS误差的主要目的是判断观测到达时间差(OTDOA)测量数据是否受到NLOS误差的影响,以便对OTDOA测量数据进行下一步处理。分析了非视距误差的模型以及非视距误差对LTE用户终端定位精度的影响,并用简化的非视距误差鉴别法来对NLOS误差进行鉴别。仿真结果表明,简化的非视距误差鉴别算法实现简单,且能准确地鉴别出非视距误差。

LTE中抑制非视距误差的分层协同定位算法

针对长期演进技术(LTE)定位系统中非视距(NLOS)误差会使得用户终端测得的定位参数存在较大偏差,从而导致基于观测到达时间差(OTDOA)定位技术所估计的用户终端位置定位精度下降,以及传统Chan算法和Taylor级数展开算法中OTDOA协方差矩阵难以获取的问题,提出了一种抑制NLOS误差的分层协同定位算法(HCLA)。算法首先鉴别出含NLOS误差的基站,然后利用残差加权算法获取OTDOA协方差矩阵,再对传统的Chan算法和Taylor级数展开算法进行改进,将二者联合起来对用户终端进行分层协同定位。该算法无需知道OTDOA误差先验信息。仿真结果表明,NLOS环境下该算法能准确鉴别出含NLOS误差的基站,并能有效减小定位误差。

室内无线定位场景下改进多项式拟合的非视距误差识别算法

由于全球导航卫星系统(GNSS)无法解决在室内场景下定位问题,室内定位技术应运而生,UWB、WiFi等室内定位技术在许多领域得到广泛应用。虽然这些技术在视距传播时能满足室内定位需求,但是由于墙体等障碍物而产生的非视距误差,使得定位性能急剧下降,从而无法达到室内定位需求的精度。为克服非视距传播带来的定位误差和现有识别算法实时性低的问题,本文提出了基于改进的多项式拟合的非视距误差识别算法。首先利用多项式拟合鉴别测量值中的非视距误差并且预测距离,通过拟合曲线和测量值之间的偏差来识别非视距误差,检测阈值可以根据测量值自适应的调整。然后利用卡尔曼滤波器处理测量值,在非视距传播下,对测量值进行加权重构。实验结果表明,在非视距环境下,该算法的复杂度低,并且该算法的均方误差较传统多项式拟合的非视距识别算法降低了13.65%,有效抑制了非视距误差的影响。

一种基于TOA的非视距误差实时鉴别和抑制算法

在蜂窝网无线定位中,非视距传播现象通常导致移动台的位置估计出现较大的偏差。为了减轻非视距误差的影响,提出一种基于到达时间的非视距误差实时鉴别和抑制算法,首先利用卡尔曼滤波器通过新息比较实时判断测量值是否包含非视距误差,然后对原始测量值进行下移修正得到重构视距值,再利用传统定位算法进行位置计算。计算机仿真结果表明,在非视距环境下定位精度的提高是显著的。

CDMA移动定位系统中非视距误差的消除算法

针对非视线传播对无线移动定位精度的影响.首先简要介绍了无线定位技术的原理及方法,对CDMA移动定位系统中测量误差对定位精度的影响,尤其是非视距误差的影响及相关误差消除算法进行了讨论,提出了一种简单有效的残差排序筛选定位算法.仿真结果证明该算法比现有的线性位置线和泰勒级最小乘算法更加有效地提高了移动定位的精度.

非视距环境下基于改进卡尔曼滤波器的LLOP-Taylor定位方法

在无线通信定位中,无线信号中引入的非视距(Non-Line of Sight,NLOS)误差会严重降低系统的定位精度。针对上述问题,首先引入信息阈值和缩放因子,细分非视距误差的影响程度,对卡尔曼迭代过程中的增益进行更为精准的实时调整,利用改进后的卡尔曼滤波算法更大程度上消除了NLOS误差和系统测量误差;其次引入基于测距残差的加权系数对线性位置线(Linear Line of Position,LLOP)和Taylor定位方法的计算结果进行综合处理,进一步提高定位精度和稳健性。实验结果表明,在NLOS环境下,所提算法优于经典的LLOP算法、Chan算法、LLOP-Taylor算法和基于卡尔曼滤波的LLOP算法。

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达(time of ar-rival,TOA)定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。

运用最优化原理的新型非视距抑制无线定位算法

无线定位中非视距(NLOS)误差的存在会显著降低传统定位算法的精度,因此论文提出了一种运用最优化原理的定位算法以对抗NLOS误差。该算法适用于存在固定节点与移动节点的无线传感网系统,并结合距离加权思想将NLOS环境中的定位建模为二次规划问题,最终得到节点的最小二乘位置估计。分析表明在固定节点数量较多或者存在视距(LOS)传输固定节点时,该算法可以显著削弱NLOS误差的影响。计算机仿真证实了这一分析,其结果表明,在NLOS环境下论文所提出的算法性能优于现有其他定位算法,同时该算法还具有不受固定节点数目限制和复杂度较低等优点。

非视距环境下的GPS/TDOA最速下降混合定位算法

在一些恶劣环境下,定位终端无法观测到4颗及以上GPS卫星来确定终端位置,无线网络中的TDOA定位方法也没有足够数目的TDOA观测量来实现定位。文中利用最速下降算法融合在这一条件下的GPS伪距和TDOA观测量,在两种定位方法都无法单独定位时实现了定位。算法先将GPS伪距观测方程做单差运算、消除钟差,然后与TDOA双曲线方程组合,定义了加权残差平方和目标函数。目标函数的最优解由最速下降算法获得。文中将该算法与GPS/TDOA泰勒级数-最小二乘混合定位算法作了对比,实地NLOS条件下所得的实验结果表明在相同条件下最速下降混合定位算法比泰勒级数-最小二乘混合定位算法定位精度高;在采用最速下降混合定位算法时,GPS卫星数越多,TDOA观测量数目越多定位精度越高。在3颗卫星和3个基站的混合定位情况下,最速下降混合定位算法所得结果的平均误差为17.64 m,可以满足一般导航系统的需要。

无线传感器网络节点的非视距定位方案研究

在无线传感器网络定位中,节点精确定位面临的一个主要问题是信号的非视距传播,非视距误差是节点定位误差的主要来源。在分析非视距误差抑制技术的基础上,提出了一种新的残差加权定位算法。算法通过逐步减少距离测量值个数的组合方式,在每一步选取残差最小的组合,再用加权平均的方法,并利用改进的最小二乘法计算节点临时坐标。仿真结果表明,算法具有较高的定位精度,在不同的非视距误差下表现稳定。

非视距环境下基于UWB的室内动态目标定位

针对超宽带(UWB)定位技术受到环境中非视距(NLOS)因素的影响,造成定位精度低、定位稳定性差的问题,提出对UWB采集的原始数据进行两次粒子滤波,从而实现精准的动态目标定位。第一次粒子滤波算法用于存储每个锚点测量距离与误差关系模型。第二次粒子滤波在更新阶段根据距离误差模型调节权重,进一步约束估计的目标粒子,实现更精准的动态目标定位。不同环境下的实验结果表明:该算法能有效抑制NLOS误差的影响,在非视距严重的环境中定位精度能达到0.29 m,相比于系统提供的三边测量定位算法精度提高48.21%,相比传统粒子滤波精度提高17.14%,明显提高了NLOS传播环境下的动态目标定位精度。

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.

运用海伦公式的最优化非视距抑制定位算法

无线网络中非视距误差对于三边定位算法精度的影响较大。针对存在固定节点与移动节点的无线传感网络系统,提出了一种基于面积残差最小化的最优化定位算法,算法中非视距误差影响下的定位问题被建模为二次规划问题,其核心思路在于运用海伦公式构建面积残差和优化目标函数。从仿真结果可以看出在非视距误差较大或网络中固定节点较多时,本文提出的算法可以有效消除非视距误差引起的定位误差,同时本文算法还具有对节点数目要求小的优势。

非视距环境中的无线网络残差加权定位算法

无线定位已成为物联网应用的重要研究内容,为减小非视距(NLOS)误差对传统定位算法的精度的影响。因此提出一种基于目标临时位置估计的残差幂次方加权定位算法。算法核心在于先利用分组定位得到不同目标节点估计位置,并将位置之间的差值定义为临时定位残差。然后区别于传统残差加权定位算法,本文提出用残差的高次幂作为加权函数,并通过仿真搜索最优的加权函数。仿真结果表明,当LOS-SN数目不小于2时,本文算法在定位精度上远高于传统的NLOS抑制定位算法。和传统的残差加权定位算法(RWGH)相比,本文所提算法的定位精度提高了近60%,同时降低了对LOS-SN个数的要求。和半正定规划(SDP)相比,定位精度提高了近38%,并降低了计算复杂度。