[发明专利]基于距离残差的NLOS识别方法及在室内定位中的应用

说明书

本发明属于室内定位技术领域，公开了一种基于距离残差的NLOS识别方法及在室内定位中的应用，本发明通过添加两个辅助锚节点，辅助锚节点是已知自身位置，即各辅助锚节点与锚节点之间的距离不存在测量噪声和NLOS噪声的节点，首先根据最小二乘定位算法由三个锚节点估计出待测节点的估计位置，然后将待测节点的估计位置与两个辅助锚节点作为新的锚节点组合来估计原锚节点的位置，最后根据锚节点的估计位置误差来判断该待测节点到锚节点间是否存在NLOS误差。本发明并通过该算法在定位过程中为每一个待测节点寻找不存在NLOS噪声的锚节点进行定位，提高定位精度。

技术领域

本发明属于室内定位技术领域，尤其涉及一种基于距离残差的NLOS识别方法及在室内定位中的应用。

背景技术

目前，最接近的现有技术：近年，定位信息在军事和民用领域得到了广泛的应用。在室外环境中，可以很容易的从全球卫星导航系统中得到准确的位置信息，例如：全球定位系统(GPS)和北斗卫星导航系统(BDS)。在室内环境中，由于信号的阻塞，不能通过其进行室内定位。

目前对于室内NLOS误差的研究主要分为以下两种：1.不进行NLOS识别直接进行NLOS误差减缓；2.先识别NLOS误差然后再对其抑制。

对于不需要NLOS识别的误差抑制算法，有的算法是对距离矩阵中的所有距离均减去一个估计的误差值进行NLOS减缓。但该种方法在NLOS误差比例较小时定位效果较差。一种基于锚节点位置的MDS算法减轻NLOS误差。该算法通过反向估计锚节点的位置减少距离矩阵中的误差，对距离矩阵中的测量值均减少同一个误差值提高节点定位精度。一种利用基于TDOA的鲁棒位置估计算法。该算法提出联合估计源位置与参考路径中的NLOS误差的方法，并通过调节平衡参数减少NLOS误差。上述算法均不需要对NLOS进行识别，当NLOS噪声存在较多的情况下算法性能较好，但是当存在部分NLOS噪声时，算法性能较差。而有些算法是通过对距离矩阵中的距离进行转化抑制NLOS误差。一种基于模糊C均值(FCM)和分层投票的无线传感器网络量化定位方法。该方法使用FCM算法为RSSI数据提供一个量化阈值设计器，用于将接收信号强度的量化数据转换为距离，在转换过程中，基于不同的阈值会将距离进行不同的转化，该方法对于NLOS误差是鲁棒的。然后，在此基础上，提出了一种基于分层投票的移动节点定位方案。该算法在进行阈值设计过程中，对分簇数目的选择没有一个确定的标准，且最后基于分层投票的定位方案定位精度较差。