[发明专利]一种视距和非视距混合环境下的无线定位方法

说明书

技术领域

本发明涉及一种在视距和非视距混合条件下，进行无线定位的方法，可应用于各类无线定位系统中，属于通信信号处理的技术领域。

背景技术

无线定位，即在无线通信网络中估计移动台(MS)的位置，作为无线通信中高附加值的服务，越来越受到关注，具有很高的研究价值。该技术在公共安全服务(如：紧急医疗，紧急定位，紧急报警服务)，犯罪侦查，位置敏感付费以及船舶管理，导航和智能交通系统等多方面都有广泛的应用。美国联邦通信委员会(FCC)强制要求基于网络的无线定位精度在67％的情况下精度达到100米，在95％的情况下，精度达到300米。这一要求更加刺激了无线定位技术的深入研究。

典型的无线定位信号的测量方法有基于信号强度(RSS)，基于信号到达时间(TOA)，信号到达时间差(TDOA)以及信号到达角度(TOA)的方法。本发明仅考虑利用信号到达时间(TOA)方法进行定位的方法。

然而，无论采用上述哪种测量方法进行定位，非视距(NLOS)条件直接影响了定位精度的提高。在NLOS条件下，无线电波由于受到发射站和移动台之间障碍物的遮挡，经折射，反射，散射后才得以到达移动台。若按照传统的定位方法，根据接收到的NLOS信号对移动台进行定位，定位误差将大大增大。已有场测表明，由NLOS信号产生的定位误差符合均值513米，标准差为436米的高斯分布。

为提高定位精度，现有的NLOS消除方法主要有以下几种：

第一种方法是多项式平滑、残差比对法。Wylie提出了一种根据一段时间内的距离测量值，采用N阶多项式平滑，计算距离的标准差，与已知测量噪声的标准差比较，并进一步根据距离测量值的残差进行分析、比较，最后进行LOS重构的方法。

第二种方法是卡尔曼滤波重构法。该方法根据各段时间内的测量值，用卡尔曼滤波方法平滑距离值，通过分析噪声方差判断NLOS信号，并重构LOS信号，得到位置的估计值。方法一和二均假设在NLOS环境下的距离的标准差大于LOS环境，但是标准差的阈值设定比较主观。阈值设定不当容易错误检测LOS信号。

第三种方法是模型误差法。AL-Jazzar利用不同的散射模型(圆环传播模型、圆盘模型、截断高斯分布模型)获得基于TOA信号的不同模型的计算概率密度函数。利用基于3种模型的概率密度函数得到NLOS的计算统计特性，进而估计MS位置。然而，实际情况下，复杂多变的通信环境很难较好的满足上述三种概率模型。因此该方法不具有普适性。

第四种方法是依靠交互多模方法(IMM)对测量得到的距离值进行平滑，然后再根据平滑后的距离求得位置。该方法将距离平滑和最后的位置解算分成不相关的两个步骤，不利于定位精度的提高以及对最终定位误差的分析。

发明内容

本发明的目的是针对现有技术的不足，提出一种基于修正扩展卡尔曼滤波器(EKF)组和数据融合的方法。该方法能在LOS/NLOS混合环境下估计MS的运动状态，有效提高定位精度，减少定位误差，同时对不同环境下的LOS/NLOS转移概率模型具有鲁棒性。

本发明采用的技术方案通过多次测量，序贯估计目标的运动状态实现对目标的定位和跟踪。同时，考虑到在典型的无线通信环境下，信号的LOS和NLOS环境的通常是相互转换的。因此，本发明采用一阶Markov模型来描述LOS和NLOS的相互转换。在此基础上，依据来自各个基站的测量信号，分别利用修正EKF进行滤波，估计移动台的运动状态。对上述滤波结果进行数据融合，得到当前移动台的最终状态估计。

实现本发明目的的技术方案是：一种视距和非视距混合环境下的无线定位方法，其特征是，该方法包括以下几个步骤：

步骤1建立移动台的运动方程，建立描述运动状态和非视距的转移概率模型，建立含有目标运动状态和运动状态和非视距环境变量的测量方程；

步骤2根据来自单个基站的测量信号，对运动状态和非视距状态进行估计，并推断当前运动状态和非视距环境变量的后验概率，并据此得到依据单个基站测量值的运动状态估计；

步骤3对步骤2中所有的运动状态和非视距状态进行融合，得到当前步骤目标的状态估计；

步骤4重复步骤2-3，得到运动目标状态的序贯估计结果。

本发明的优点如下：