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...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。展开更多
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...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。展开更多
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...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。展开更多
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...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。展开更多
文摘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。
文摘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。
文摘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。
