非视距环境下的定位算法.doc

非视距环境下的定位算法.doc

ID:57649734

大小:405.46 KB

页数:6页

时间:2020-08-30

非视距环境下的定位算法.doc_第1页
非视距环境下的定位算法.doc_第2页
非视距环境下的定位算法.doc_第3页
非视距环境下的定位算法.doc_第4页
非视距环境下的定位算法.doc_第5页
资源描述:

《非视距环境下的定位算法.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、已有的抑制非视距误差的NLOS方法可分为:直接法和间接法;1、直接法直接对测量值进行处理来消除非视距误差,一般需要对测量值中的非视距误差先鉴别、后消除。基本思想是:通过考察非视距误差的统计特性,找出带误差的测量值与真实值之间的关系,对测量值进行处理以恢复出真实值。用直接法消除非视距误差,最根本的是要找到NLOS误差与真实测量参数之间的关系。2、间接法将消除测量值中的非视距误差与定位过程相结合,通过设计定位算法,增强定位结果对测量值中的非视距误差的鲁棒性,从而减少非视距误差对定位结果的影响。缺点:需要有较多的参考节点参与定位,并且需要存在LOS基站来保证

2、定位的精度。当待测节点对所有的参考节点均不存在LOS时,间接法的定位精度将大大降低一种对NLOS误差具有鲁棒性的,且基于卡尔曼滤波的定位算法:算法的整体过程:一、先用非视距鉴别技术确定参考节点与待测节点之间是否存在NLOS;二、用有偏卡尔曼滤波方法跟踪原始测量曲线,以减少NLOS误差;三、用正交多项式平滑卡尔曼追踪的曲线后,对平滑曲线进行视距重构,进一步抑制NLOS影响。1.非视距鉴别技术:假设基站数目为M,取k个观察时刻,某一时刻k,第m个参考节点到待测节点之间的距离测量值可以表示为真实距离、标准测量误差、和非视距误差之和:在LOS环境下,待测节点与

3、目标节点之间的距离只包括标准测量误差,非视距误差。一般认为标准测量误差,概率密度为:当参考节点与目标节点之间的LOS被阻挡时,电波发生超量延时,产生正均值的随机误差,在不同信道环境中有不同的分布模型,现认为其服从指数分布:其中:是非视距传播引起的超量时延;是均方根时延扩展;为在1km处的中值;d为待测节点与参考节点之间的距离;为一取值在0.5~1之间的指数分量;y是一均值为零,标准差为的对数正态分布随机变量与信道的环境有关。如下:信道环境A闹市区1.00.54B一般市区0.40.54C郊区0.30.54D远郊0.10.54由于TOA测量值中NLOS的分

4、布与电波传播路径上的障碍物的分布有关,所以NLOS误差具有随机性。又因为非视距误差是电波发生超量延迟所致,所以它总是非负的:其中,是根据Nokia现场得出的统计量,为1300m左右。LOS环境下测量误差为一零均值高斯随机变量,其取值范围为:。则在NLOS环境下距离测量值的误差范围为:由此可知,非视距环境下的距离测量值的标准差远远大于LOS环境下距离测量值的标准差。所以可以将NLOS环境下距离测量值的标准差与LOS环境下的标准差进行比较,判断测量值中是否存在NLOS误差。LOS环境下距离测量误差的标准差可表示为;NLOS环境下距离测量式采用N阶多项式平滑

5、后,用最小二乘法解出系数后的测量值可表示为:NLOS环境中测量值按上式平滑处理后,其标准差可表示为:其中:K为测量值样本数目。由于NLOS误差与同时存在,在时间上不相关,因此可以估计距离测量值相对于平滑值有一个大于的标准差。此时进行假设检验,对于较大的我们判断距离测量值中存在NLOS误差,可以进一步用残差分析秩的方法排除假设检验的不确定性。2、基于有偏卡尔曼的测量值平滑算法卡尔曼滤波器是一种线性、无偏的最小方差估计器。其主要包括两个方程:1>状态方程:2>测量方程:其中:是k时刻系统的状态;是噪声向量,它的协方差矩阵为(对称非负定)是状态转移矩阵;是k

6、时刻的测量值;是测量敏感度向量;引入的原因是:测量向量的维数与状态向量的维数未必相等,因为未必能观测到所有需要的状态参数。是测量值的噪声矩阵,它的协方差矩阵为(对称正定)有偏卡尔曼滤波的基本方程:状态一步预测:一步预测误差方差阵:滤波增益矩阵:状态估计:估计误差方差阵:滤波初值:现在来设计卡尔曼滤波方程中相关参数,用表示视距测量值的估计值,表示视距测量值导数的估计值,表示NLOS误差的估计值,即:。由此可知卡尔曼方程中的相关参数:其中:表示时间间隔;分别是表征待测目标运动和NLOS环境变化的常量;若,既可以认为在该点上出现了较大的NLOS误差,并已经经

7、过卡尔曼滤波的迭代过程将其消除;若,则与非视距误差非负且偏差较大的特性矛盾,可认为此时NLOS误差为零,由于此时标准测量误差是一个较大的负数,在两者共同作用下使得估计出的偏差发生负向偏移,此时将置零,测量值就是视距测量值。基于运动轨迹的连续性和不可突变性,测量值应该是连续不可突变的,因而k时刻的估计值用下式表示:有偏卡尔曼滤波进行TOA测量值的估计,其测量向量是在NLOS环境中测得的未经处理的TOA值,状态向量是测量值的LOS估计值以及NLOS偏移值。卡尔曼滤波不仅利用了当前时刻的测量值,还利用了上一时刻的估计值,这个附加信息使得估计误差大大的减少。3

8、、测量值重构技术:对每个参考节点给定一足够的时间观察间隔,NLOS环境下的量程重构模型可以建模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。