[发明专利]联合非视距误差消除和运动状态估计的无线定位方法

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。高精度无线定位技术具有很高的研究价值，越来越受到关注。然而，在现有的无线定位系统中，无论是基于卫星的定位系统，如美国的全球定位系统(GPS)、欧洲的伽利略(Galileo)系统、俄罗斯的GLONASS系统以及我国的“北斗”定位系统，还是基于蜂窝通信网络的定位系统，抑或是基于超宽带(UWB)信号的室内定位系统，非视距(NLOS)环境直接影响了定位精度的提高。在NLOS环境下，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

技术问题：本发明的目的是针对现有技术的不足，提出一种基于改进劳-布莱克威尔粒子滤波(Improved Rao-Blackwellized Particle Filtering，I-RBPF)的定位估计方法。该方法能在LOS/NLOS混合环境下估计移动台的运动状态，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。

本发明的技术方案是：联合非视距误差消除和运动状态估计的无线定位方法，该方法包括以下步骤：

1.建立移动台的运动方程，建立描述LOS、NLOS环境相互转换的一阶Markov模型，

在此基础上，建立含有目标运动状态和LOS/NLOS环境变量的测量方程；

2.根据来自各基站的测量信号，估计视距条件后验概率分布；

3.采用分布式扩展卡尔曼滤波器的方法，在步骤2的粒子集的基础上，估计当前运动状态；

4.重复2-3步骤，得到运动目标位置和速度的序贯估计结果。

本发明通过多次测量，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RBPF方法同时估计移动台的运动状态以及当前的视距条件(LOS或NLOS环境)。

所述步骤2进一步包括：采用基于随机采样的粒子滤波方法，得到视距条件后验概率分布的近似解，由粒子集和对应的权重表示。在利用粒子滤波方法估计视距条件后验概率分布时，采用最优重要分布函数，能够有效地对视距条件后验概率分布进行估计，同时减少了粒子权重的方差。

本发明的优点如下：