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定位中基于XGBoost的NLOS识别方法

NLOS场景下UWB室内定位精度下降,识别出NLOS有助于进一步提升定位精度。针对超宽带定位中非视距识别的问题,提出基于XGBoost的NLOS识别方法。基于XGBoost决策树算法,采用两个层面的数据源对UWB定位中NLOS进行识别:元数据层面,用真实定位场景中采集的UWB CIR数据作为数据源;统计数据层面,将CIR数据经过一定的加工,得到几个关键的信号特征参数作为数据源。两组实验结果表明,XGBoost算法在元数据和统计数据上识别精确度分别达到91%和92%。UWB定位中XGBoost算法能显著提高识别NLOS信号的准确度。

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……

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.

基于高度的紫外光NLOS单次散射链路模型的研究

为了更精确、更全面地研究紫外光的通信性能,使之更适合于实际空间中的3维应用,在2维紫外光单次散射链路模型的基础上融入高度信息,并利用仿真计算了在添加高度信息与否的两种情况下接收功率误差的大小。结果表明,高度对于发射仰角和接收仰角潜在的影响直接引起接收功率的改变,甚至在某些情况下不能进行通信。高度信息的考虑对通信设备在实际空间中的应用给予了正确的指导。

两种NLOS误差消除及TOA定位算法

在蜂窝网络定位中,由于NLOS环境造成的附加时延(NLOS误差)是导致定位精度下降的主要原因,本文将NLOS误差与系统测量误差合成的噪声分为均值部分和随机部分,利用卡尔曼滤波算法输出与噪声方差无关的特性,无需得到全部噪声方差的准确值,只利用系统测量噪声的方差,用卡尔曼滤波算法除随机部分,再根据噪声均值部分与移动台到基站距离的关系,提出了一种简单的最小二乘(LS)定位算法,或利用最优化方法进行定位;利用仿真实验得到滤波距离——误差先验信息,基于先验信息提出了第二种NLOS误差消除算法,再利用所提的最小二乘定位算法进行定位。仿真结果表明,本文提出的算法能够有效消除NLOS误差带来的影响,具有更高的定位精度与稳健性。

IR-UWB测距中NLOS状态的鉴别

NLOS效应是IR-UWB测距定位系统中影响精度的主要因素之一。该文提出不依赖于信道估计,直接从接收信号采样序列中提取特征参量进行NLOS鉴别的方法,构造了采样序列的首均比与峰均比乘积作为鉴别参量,并与使用峭度和平均附加时延这两个参量的鉴别性能进行了对比。仿真结果表明:相干测距所对应的鉴别性能要好于非相干测距,原因是更为精确的DP检测结果及高采样速率使得参量提取值更能准确地反映信道状态信息;使用峭度和平均附加时延作为鉴别参量所能获得鉴别性能均不理想,而使用采样序列的首均比与峰均比乘积能使鉴别成功率提高10%左右。在定位模块中融入该文所获得的NLOS的鉴别结果将有助于定位精度的进一步提升。

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。

一种改进的NLOS环境下的TDOA／AOA混合定位算法

在蜂窝移动通信系统中,利用基站测量的到达时间差(TDOA)和电波到达角(AOA)的混合定位方法能够比传统的TDOA方法提供更高的定位精度。但是在非视距(NLOS)条件下,当AOA的测量误差超过一定值时,定位的误差仍然很大。该文根据NLOS传播环境下附加传播时延服从指数分布的特性,估计附加时延的均值和方差, 对TDOA测量值进行重构,再以AOA方法进行辅助定位。仿真结果表明,该算法能显著提高传统的TDOA和 TDOA／AOA方法在NLOS传播环境下的定位精度。

一种用于NLOS环境基于MIMO模型的单站定位方法

在无线定位中,信号的非视距传播成为高精度定位的主要障碍,它严重制约了移动台的定位精度。在该领域中,大多数研究都把焦点集中在NLOS的鉴别与抑制上。在基于MIMO模型下,给出一种新的定位方法。该方法可以充分利用NLOS传播路径而不是去抑制它,其定位模型由只利用2条NLOS路径扩展到利用多条NLOS路径来估计MS位置并实现单基站定位。计算机仿真结果验证了该算法的有效性。

一种无线定位中NLOS误差抑制算法

为克服非视距传播带来的定位误差,提出了非视距误差的窗函数补偿法．通过测量p个采样点的均方根延迟计算平均超量延迟,实现窗长为p的非视距误差的窗函数补偿法．相对最优化方法,该算法的计算量明显减少;相对单点补偿法,该算法的精度明显提高．对移动台处于3种不同位置的情况进行了仿真分析,结果表明,该算法具有较高的定位精度．

适用于NLOS传播环境的几何定位方法

基于非视距传播(NLOS)的影响,移动通信环境中波达时间(TOA)的测量误差具有正偏置的特性,本文提出了一种简单的几何定位方法。该方法根据基站分布和TOA测量数据确定出若干个定位点,对这些点的坐标取平均值即得到移动台的位置估计。仿真结果表明,该方法能够有效提高NLOS传播环境下的定位精度,对LOS传播条件下的定位精度影响小。

TOA数据处理对NLOS环境下定位精度的改善

基于移动通信环境中非视距(NLOS)传播时延服从指数分布的特性,提出了一种改善移动台定位精度的波达时间(TOA)数据处理方法。NLOS传播时延是TOA测量误差的一部分,是基站与移动台距离的指数函数,具有正偏置的特性,因此TOA测量值越大其误差越大。对所有的TOA测量数据进行分析,仅保留误差最小的3个,然后再采用最小二乘(LS)法估计移动台的坐标。仿真结果表明,该TOA数据处理方法能够明显改善NLOS传播环境下的定位精度,在系统测量误差较小时对LOS传播条件下的定位精度几乎没有影响。

NLOS环境下TDOA/AOA混合定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。本文在传统的TDOA/AOA混合定位算法加入校正因子,通过逐步迭代的方法,逐渐消除NLOS对TDOA测量值的影响,从而获得比传统TDOA/AOA混合定位算法更高的定位精度。仿真表明:在各种环境下,特别是非视距环境下该方法能够显著提高定位的精度,并且运算量增加较少。

基于B-LM圆环模型的NLOS信息约束单基站定位算法

针对当前室外蜂窝网多基站定位需要基站之间时间同步、数据同步的要求,以及NLOS环境造成的非服务区基站的信号可测性问题,该文提出基于B-LM圆环模型的NLOS信息约束单基站定位算法。首先根据散射体、目标和基站间的几何位置关系以及NLOS多路径信息构建定位方程,然后将定位方程转化为最小二乘优化问题,之后基于LM算法海森矩阵修正思想和拟牛顿2阶偏导构造思想提出B-LM算法,保证算法收敛于最优解,以得到目标位置。仿真结果表明,所提单基站定位算法能在宏蜂窝NLOS环境实现较高的定位精度。

基于联合条件概率判决NLOS的数据融合定位算法

针对蜂窝移动通信定位技术中常见的非视距传播(NLOS)问题,提出了一种利用来波信号强度和来波方位角测量值的联合条件概率判决NLOS的算法(JCPDS-RA,joint conditional probability decision scheme with RSS and AOA),并将其与数据融合定位技术相结合,提高定位精度。推导了NLOS环境下RSS和AOA的条件概率密度模型,给出了JCPDS-RA算法和数据融合流程图,并进行了仿真实验,结果表明,该算法有效地提高了定位精度并有一定的普适性。

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.

NLOS环境下无线传感器网络TOA定位算法

针对现有定位算法定位精度低、适用场景少的问题,提出一种非视距传播(NLOS)环境下的无线传感器网络电波到达时间(TOA)定位算法。对未知节点位置进行初步估计,将该估计值作为初始迭代参考点,利用泰勒级数展开法进行迭代计算,得到未知节点位置的二次估计值。使用二次估计值反推得到未知节点与各传感器锚节点的近似距离,将原始TOA测量距离与该近似距离之差作为非视距传播误差值,从而剔除NLOS误差较大的TOA测量组,利用误差修正后的TOA测量组再次进行泰勒级数迭代处理,实现未知节点的精确定位。仿真结果表明,该算法可有效抑制NLOS误差,相比传统定位算法,其定位误差小、定位精度高。

基于几何约束及迭代的NLOS环境定位算法

针对在非视距(non-line-of-sight,NLOS)环境中传统最优化定位算法抗NLOS误差能力较弱、且需要一个较准确的初始估计位置以确保算法收敛这一问题,提出一种应用在双基站场景下的基于几何约束及迭代的定位算法.通过引入最大散射半径作为几何约束条件,以线性迭代方式进行一维全局搜索,并采用最小二乘算法获得移动台(mobile station,MS)初始估计位置,然后利用设定的阈值门限对各初始位置点进行筛选,最后通过加权平均获得MS的最终估计位置.仿真结果表明:当散射半径为200 m时,本文算法的定位误差在200 m以下的概率能达到100%;在相同环境下,本文算法计算时间开销仅是网格搜索法的0.4%.

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。