第１５卷第２期 ２０１４年４月 信息工程大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏ１．１５ ＮＯ．２ Ａｐｒ．２０１４ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－０６７３．２０１４．０２．００８ 一种基于改进卡尔曼滤 波的ＮＬＯＳ误差抑制算法 贾腾飞 ，彭 锐 ，赵 远 ，胡捍英 ，李志铭 （１．信息工程大学，河南郑州４５０００１；２．北京理工大学，北京１０００８１） 摘要：在蜂窝网络中，非视距（ＮＬＯＳ）传播是影响定位精度的主要因素。针对ＬＯＳ与ＮＬＯＳ的 混合环境，提出了一种基于到达时间（ＴＯＡ）测量值进行ＮＬＯＳ误差消除的算法。该算法首先 利用ＴＯＡ测量值的统计特征建立新的判决机制，鉴别当前时刻的测量值是否存在ＮＬＯＳ误 差，然后对包含ＮＬＯＳ误差的测量值，通过构建测量误差模型估计ＮＬＯＳ误差，并以此修正卡 尔曼滤波器的新息，实现ＬＯＳ重构。仿真结果表明，与已知算法相比，文章提出的算法能够更 好地抑制ＮＬＯＳ误差，并且适应于不同的ＬＯＳ与ＮＬＯＳ混合环境。 关键词：到达时间；非视距误差；卡尔曼滤波；视距重构 中图分类号：ＴＮ９２９．５ 文献标识码：Ａ 文章编号：１６７１－０６７３（２０１４）０２－０１７５－０６ ＮＬＯＳ Ｅｒｒｏｒ Ｍｉｔｉｇａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｍｏｄｉｆｉｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ ＪＩＡ Ｔｅｎｇ—ｆｅｉ ，ＰＥＮＧ Ｒｕｉ ，ＺＨＡＯ Ｙｕａｎ ，ＨＵ Ｈａｎ—ｙｉｎｇ ，ＬＩ Ｚｈｉ—ｍｉｎｇ （１．Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ ４５０００１，Ｃｈｉｎａ； ２．Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ １０００８１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｍａｉｎ ｎ’ｎｐａｃｔ ｏｎ ｌｏｃａｔｉｏｎ ｏｆ ｍｏｂｉｌｅ ｔｅｒｍｉｎａｌｓ ｉｎ ｃｅｌｌｕｌａｒ ｎｅｔｗｏｒｋ ｉｓ ｔｈｅ Ｎｏｎ—Ｌｉｎｅ－ｏｆ－ Ｓｉｇｈｔ（ＮＬＯＳ）ｐｒｏｐａｇａｔｉｏｎ．Ｂａｓｅｄ ｏｎ ｍｏｄｉｉｆｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ，ａｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｍｉｔｉｇａｔｉｎｇ ＮＬＯＳ ｅｒｒｏｒ ｕｎｄｅｒ ＬＯＳ／ＮＬＯＳ ｃｏｎｄｉｔｉｏｎｓ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ＮＬＯＳ ｅｒｒｏｒ ｉｓ ｆｉｒｓｔ ｉｄｅｎｔｉｉｅｄ ｂｙ ｅｘｐｌｏｉｆｔｉｎｇ ｔｈｅ ｓｔａｔｉｓｔｉ— ｃａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｔｉｍｅ ｈｉｓｔｏｒｙ ｏｆ ｒａｎｇｅ ｍｅａｓｕｒｅｍｅｎｔｓ，ａｎｄ ｔｈｅ ＮＬＯＳ ｅｒｒｏｒ ｉｎ ｃｕｒｒｅｎｔ ｒａｎｇｅ ｍｅａｓｕｒｅｍｅｎｔｓ ｉｓ ａｌｓｏ ｅｓｔｉｍａｔｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｒａｎｇｅ ｍｅａｓｕｒｅｍｅｎｔｓ ａｎｄ ｅｒｒｏｒ． Ｔｈｅｎ，ｔｈｅ Ｋａｌｍａｎ Ｆｉｌｌｅｒ ｕｓｅｓ ｔｈｅ ｅｓｔｉｍａｔｅｄ ｖａｌｕｅ ｔｏ ａｄｊｕｓｔ ｉｔｓ ｒｅｎｅｗａｌ ｐｒｏｃｅｓｓ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ，ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｒａｄｉｔｉｏｎａｌ ａｌｇｏｒｉｔｈｍｓ ｏｆ ＮＬＯＳ ｅｒｒｏｒ ｍｉｔｉｇａｔｉｏｎ，ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈ－ ｏｄｓ ｃａｎ ｍｉｔｉｇａｔｅ ＮＬＯＳ ｅｒｒｏｒ ｉｎ ｒａｎｇｅ ｍｅａｓｕｒｅｍｅｎｔｓ ｍｏｒｅ ｅｆｆｅｃｔｉｖｅｌｙ ｕｎｄｅｒ ＬＯＳ／ＮＬＯＳ ｃｏｎｄｉｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｔｉｍｅ ｏｆ ａｒｒｉｖａｌ；ｎｏｎ—ｌｉｎｅ—ｏｆ－ｓｉｇｈｔ ｅｒｒｏｒ；Ｋａｌｍａｎ ｆｉｌｔｅｒ；ＬＯＳ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ０ 引言 近年来，随着基于位置服务广泛应用，蜂窝网定位技术受到了越来越多的关注。其中，基于ＴＯＡ实现 对移动台位置估计的方法原理简单，且在ＬＯＳ环境下能取得较好的定位精度，因而受到广泛应用。在实 际使用中，这种定位方法的误差主要来自两个方面：一方面是测量误差，主要由测量装置的热噪声、量化误 差及设备精度引起 ；另一疗面是ＮＬＯＳ误差，这是由于障碍物的阻隔导致移动台和基站之间产生了非视 距传播，特别是在城市环境中，由于大量建筑物的存在，非视距传播极大地影响了定位精度。文献［２］通 收稿日期：２０１３－１０－２４；修回日期：２０１４－０１－０７ 基金项目：国家科技重大专项资助项目（２０１１ＺＸ０３００３－００３－０２） 作者简介：贾腾飞（１９９０一），男，硕士生，主要研究方向为移动通信，Ｅ－ｍａｉｌ：ｊｔｆ２０１３＠１２６．ｃｏｒｎ。 １７６ 信息工程大学学报 ２０１４正 过实测表明，在ＧＳＭ网络环境中平均ＮＬＯＳ误差可达５００ｍ～７００ｍ，在ＩＳ－９５网络环境中平均ＮＬＯＳ误差 可达５８９ｍ，而系统测量误差对定位精度的影响相对较小。因此，在蜂窝网定位中，如何消除ＴＯＡ测量值 中ＮＬＯＳ误差，提高定位精度成为了一个重要的课题。 目前，ＮＬＯＳ误差的抑制主要有两种思路：①间接法，其思路是在位置解算的过程中采用加权处理以 减轻ＮＬＯＳ误差对定位结果的影响 ，从而增强算法在ＬＯＳ与ＮＬＯＳ混合环境下的实用性，这种思路虽然 不需要对测量值进行预处理，但是要求参与定位的基站数目必须大于３个；②直接法，即对测量值中包含 的ＮＬＯＳ误差先鉴别后消除。其中，常用的是Ｗｙｌｉｅ法 ，该算法首先对一段时间内的ＴＯＡ测量值进行多 项式拟合，然后利用ＬＯＳ环境下测量值噪声标准差来判断测量值是否存在ＮＬＯＳ误差，再根据ＴＯＡ测量 值的残差进行ＬＯＳ重构，该鉴别法计算量较大，ＬＯＳ重构方法在工程应用中不易实现，并且在ＬＯＳ与 ＮＬＯＳ的混合环境下，ＴＯＡ测量值中可能既包含有ＬＯＳ误差又包含ＮＬＯＳ误差时，该算法性能不佳。文献 ［５—８］都是基于卡尔曼滤波方法来抑制ＮＬＯＳ误差。文献［５ ］均利用新息大小来判断ＮＬＯＳ传播的存在 与否，文献［５］在新息中减掉在该环境下的ＮＬＯＳ误差统计均值，由于在该ＬＯＳ重构方法中需要特定环境 中ＮＬＯＳ误差分布新息来修正新息，在实际使用中该方法性能不佳。文献［６］通过设置卡尔曼增益系数以 修正卡尔曼增益的大小，从而抑制测量值中的ＮＬＯＳ误差，但是该参数需要提前设置。文献［７．８］对卡尔 曼滤波器进行了改进，通过在状态向量中增加ＮＬＯＳ误差预测项，在一定程度上改善定位精度，然而在 ＬＯＳ和ＮＬＯＳ的混合环境中，由于ＮＬＯＳ误差自身具有随机性，使得ＮＬＯＳ误差的预测值与真实值之间往 往存在较大的偏差，在实际使用中性能不稳定。 本文针对ＬＯＳ与ＮＬＯＳ混合环境，考虑到移动台运动轨迹的连续性和不可突变性，根据ＮＬＯＳ统计特 性构建测量误差模型，利用卡尔曼滤波器对ＴＯＡ值进行最小方差估计。本文提出的算法分两步：①联合 ＴＯＡ测量值均值与标准差建立ＮＬＯＳ误差鉴别机制，判断当前时刻测量值是否存在ＮＬＯＳ误差；②对ＬＯＳ 传播的测量值直接采用卡尔曼滤波加以平滑，对ＮＬＯＳ传播的测量值，则根据测量值的均值与真实距离、 ＮＬＯＳ误差之间的关系估计出相应时刻的ＮＬＯＳ误差，并修正卡尔曼滤波中的异常新息以实现ＬＯＳ重构。 仿真结果表明，该算法不依赖于特定的ＮＬＯＳ误差分布，并且与现有算法相比，本文算法能较好地抑制 ＮＬＯＳ误差。 １ ＮＬＯＳ误差模型及统计特性 在ＬＯＳ与ＮＬＯＳ混合的蜂窝网中，移动台与基站之间距离测量值与误差间的关系： 『ｄ＋ｎ，ＬＯＳ环境下 ，．、 【ｄ＋ｎ＋ｅ， ＮＬＯＳ环境下 、 其中，ｒ表示从移动台到基站的距离测量值，ｄ表示移动台与基站之间的真实距离，／７，是系统测量误差，服 从均值为零，方差为ｏｒ 的正态分布，ｅ是由无线传播环境带来的ＮＬＯＳ误差，是一个正均值随机变量，通常 认为其服从指数分布、均匀分布或Ｄｅｌｔａ分布，本文中设ＮＬＯＳ误差ｅ的均值为 ，方差为 ：。其中，根据 文献［９］可知ＮＬＯＳ误差ｅ具有随机性和性，并且与系统测量误差ｎ相互。本文以停靠在固定位 置或者以较低速度运动的移动台为对象，在一段时间内，可以近似认为移动台与基站之间的距离不变，即 Ｅ（ｄ）一ｄ，Ｄ（ｄ） ０。对（１）式求均值： 附 ＝ ＝ｄ，Ｌ ＯＳ 嘶对（１）式求方差： ｆｏｒ ，ＬＯＳ环境下 境下 Ｄ ｒ ｛ Ｉ ＮＬ０ｓ环境下 在（１）式～（３）式中，移动台与基站之间的距离ｄ是未知量，待求。在ｉ时刻，用ｒ 表示此时的测量 值。计算第ｉ时刻之前 １内测量值的方差： 酉１ ∑（ｒ 一万１ ＝ｉ－ ： Ｌ１ｒｎ） 。 第２期 贾腾飞等：一种基于改进卡尔曼滤波的ＮＬＯＳ误差抑制算法 １７７ 利用（３）式通过比较这段时间内距离测量值的方差Ｄ（ｒ）与噪声方差 间的关系可以求出ＮＬＯＳ误差均值的估计值： １ ｉ＋Ｌ２—１ 来鉴别测量值中是否包含 ＮＬＯＳ误差。若判断第 时刻的测量值包含ＮＬＯＳ误差，则根据（２）式中距离测量值的均值Ｅ（ｒ）与ｄ、／ｘ 之 ｄ＋／ｘ ＝Ｅ（ｒ ）＝吉∑ｒ ， ≤ｔ＜ｉ＋Ｌ２。 若在第ｉ时刻之前的Ｌ１个测量值中为ＬＯＳ传播或者包含的ＮＬＯＳ误差已经被消除，其均值可以近似 等于第ｉ时刻的真实距离： １ ｉ一１ ｄ＝Ｅ（ｒｃ） 者 ： 。 ，ｉ—Ｌ１≤ ＜ｉｏ 则ＮＬＯＳ误差均值的估计值： １ ｉ＋Ｌ２一ｌ ＝１ ｉ一１ （ｄ＋ ｅ）一ｄ 壶 ｒ 一者 ： ｎ。 下面将针对ＬＯＳ与ＮＬＯＳ混合环境下如何鉴别测量值中的ＮＬＯＳ误差的存在以及对包含ＮＬＯＳ误差 的测量值如何进行ＬＯＳ重构进行讨论。 ２ 算法描述 为实时监测ＴＯＡ测量值中是否包含ＮＬＯＳ误差，本文采用滑动窗口的方式，分两步进行：①通过引入 ＴＯＡ测量值的均值与标准差建立新的判决机制，并利用该机制鉴别每个时刻的测量值中是否包含ＮＬＯＳ 误差；②对ＬＯＳ传播的测量值直接采用卡尔曼滤波加以平滑，若ＴＯＡ测量值中包含ＮＬＯＳ误差，则将 ＮＬＯＳ传播测量值的均值和ＬＯＳ传播（或ＬＯＳ重构后）测量值的均值之间的差值作为相应时刻的ＮＬＯＳ误 差估计值，并修正卡尔曼滤波更新过程中出现的异常新息以实现ＬＯＳ重构。该流程示意图如图１所示。 改进的卡尔曼滤波器 幽１ ＴＯＡ测量僵鉴别及重构流程 ２．１ ＮＬＯＳ误差鉴别 在ｉ时刻，滑动窗 １位于［ｉ—Ｌ１，ｉ一１］区间，用阴影矩形表示，如图２所示。 用 表示在第ｉ时刻 ＦＯＡ测量值，此时滑动窗口位于［ｉ—Ｌ１，ｉ一１］区 ． 差 。： １ ．１ —一 ￡ｌ Ｅ２ ．．． ．间，利用下式计算区间［ —Ｌ１， 一１］中Ｌ１个测量数据的均值ｍ。和标准偏 —： ＿ ＿ ＿一， ｍＩ 者 ： ， ｔ √者 ； 。（ｒ 一ｍｔ） 改变： （４） 图２基于滑动窗口的ＴＯＡ 数据ＮＬｏ 鉴别 首先，将第ｉ时刻的测量值ｒｉ与ｍＩ进行比较，判断传播状态是否发生 若 —ｍ，ｌ≤６ ，其中，６，是预先设定的门限值，则判断第ｉ时刻的测量值的传播状态未发生改变，接 下来比较 。与６ ，其中，６ ，是预先设定的门限值。当 ≤６ ，则判定当前传播状态为ＬＯＳ传播；当 ＞ ６ ，则判定当前传播状态为ＮＬＯＳ传播。鉴别第ｉ时刻的测量值后进入（ｉ＋１）时刻，同时利用（４）式更新 均值ｍ。和标准偏差ｏｒ，。 若ｌｒｌ—ｍ。Ｉ＞６ ，取区问［ｉ，ｉ＋Ｌ２—１］内 ２个测量值，然后利用下式计算该区间内测量值的均值ｍ， 和标准偏差ｏｒ，： １７８ 信息工程大学学报 ｍ２ 壶 Ｆｎ， ｚ √壶 （ｒ 一ｍｚ） 。 当 ≤６ ，则当前传播状态为ＬＯＳ传播；当 ＞６ ，则当前传播状态为ＮＬＯＳ传播。进入（ｉ＋１）时 刻，利用（４）式更新均值ｍ。和标准偏差６ 。本文的判决门限值６ 、艿 以及滑动窗长度 ｌ、 ２均与蜂窝网 环境有关，可以根据经验设定。上述算法过程表述如图３所示。 ２．２ ＬＯＳ重构 假设每个周期 获取一次ＴＯＡ测量值，卡尔曼滤波器分 别用状态方程和观测方程描述移动台的运动状态和观测 过程。 状态方程为Ｘ（ｋ＋１）＝似（ ）＋ＧＷ（ｋ），其中， （ｋ）＝ ［ （ ） （ ）］Ｔ，表示状态向量； ＝［０１ ：］，表示状态转移矩 阵；Ｇ：［０．５Ｔ２ 斯白噪声。 ； （ｋ）表示零均值、协方差矩阵为Ｑ的高 观测方程为ｚ（ｋ）＝ＨＸ（ｋ）＋Ｖ（ｋ），其中，Ｈ＝［１ ０ｒ 表示测量矩阵；Ｖ（ｋ）是第ｋ个时刻的观测噪声，其协方差阵 为尺。 基于卡尔曼滤波器对ＴＯＡ测量值进行处理，实际上是利 用前一时刻状态的估计值以及当前时刻的观测值来计算当前 图３ ＮＬＯＳ误差鉴别算法流程图 状态的估计值。在ＬＯＳ环境下，卡尔曼滤波器可以在一定程度上消除ＴＯＡ测量值中的系统测量噪声误 差。然而，在ＮＬＯＳ环境中，测量噪声由于受到ＮＬＯＳ误差的影响，在卡尔曼滤波更新过程中产生的新息 将出现异常，造成滤波估计值偏离系统的真实状态，同时由于卡尔曼滤波器的记忆性，后续的滤波估计值 都会受到影响，故需要对卡尔曼滤波器中出现异常的新息进行修正。 为减轻ＮＬＯＳ误差对ＴＯＡ测量值估计的影响，本文接下来根据ＮＬＯＳ误差鉴别的结果，在卡尔曼滤波 更新过程中，对不包含ＮＬＯＳ误差的测量值，直接进行经典的卡尔曼滤波处理，而对包含ＮＬＯＳ误差的测 量值，将（ｍ：一ｍ ）作为ＮＬＯＳ误差估计值，并对卡尔曼滤波中产生的新息进行修正。故对卡尔曼滤波更 新过程修正如下： Ｘ（ｋ／ｋ）＝Ｘ（ｋ／ｋ一１）＋Ｋ（ｋ）［ 一 ］。 其 — 叶 ： 一 １（ｍ； ＮＬＯＳ ，ｍ 是当前时刻之前的Ｌ１个坝ｍ｛ ＝ 日『ｌ廿、ｌ ｌ／日Ｉ ｌＨ￣ｌ Ｉ、 百日 ｌ７Ｕｌ０ｌ量１０ｌ【的均１ Ｄ１日直 ｍ—，ｍ 是从当 从 ２一ｍ。），此时鉴别结果显示为 ’… ～ ～ ～ ’… 前时刻开始 ２个测量值的均值，Ｋ（ｋ）是卡尔曼增益系数， 表示新息。 ： 时 ３仿真结果及分析 为验证本文提出算法在ＬＯＳ与ＮＬＯＳ混合环境下的性能，使用服从ＣＯＳＴ２５９信道模型¨。。中的城市 环境和郊区环境这两种典型环境来分析。假设服务基站的坐标为（０，０），单位为Ｉｎ，移动台初始位置坐标 为（２００，０），单位为Ｉｌｌ，并以２ｍ／ｓ的恒定速度沿横坐标轴方向匀速运动。ＴＯＡ测量值的采样时间间隔为 ０．１ ｓ，采样时间为２００ｓ。其中，ＴＯＡ测量值中包含的测量误差服从均值为０、标准差为３０的高斯分布； ＴＯＡ测量值中包含的ＮＬＯＳ误差服从ＣＯＳＴ２５９信道模型的指数分布。 实验中，设定判决门限值６，＝９０，６ ＝３６，设定滑动窗长度Ｌ１＝Ｌ２：１２０。仿真实验分别采用三阶多 项式进行平滑与ＬＯＳ重构的Ｗｙｌｉｅ法，文献［８］采用的ＮＬＯＳ重构方法和本文提出的算法对ＴＯＡ测量值 进行处理。 实验１ ３种算法在郊区环境中对ＴＯＡ测量值的影响 通过分析图４、图５和图６可以看出：在郊区环境中，利用本文提出的消除ＮＬＯＳ误差算法，重构后的 第２期 贾腾飞等：一种基于改进卡尔曼滤波的ＮＬＯＳ误差抑制算法 １７９ 测量值抖动幅度最小，相对于真实值误差最小，消除ＮＬＯＳ误差的性能优于Ｗｙｌｉｅ法和文献［８］的方法。 采样点数 采样点数 采样点数 未经过处理的测量值曲线 均方根误差曲线 采样点敦采样点数 采样点数 ｗｙｔｉ￣￣消￣ＮＬＯＳ误差的性能曲线 文献『８１法消￣ＮＬＯＳ误差的性能曲线 图４消除ＮＬＯＳ误差性能比较 图５ ＴＯＡ测量值重构均方误差比较 Ｗｙｌｉｅ法在拟合曲线整体向下平移的过程中，以ＬＯＳ环境下的最大偏差作为偏移量，这个偏移量属于 ＬＯＳ环境下的先验知识，在ＬＯＳ与ＮＬＯＳ混合环境下使用Ｗｙｌ｛单 酱｝ ｉｅ法时，其不能随着ＮＬＯＳ误差的变化有效 消除ＮＬＯＳ误差，抖动幅度增大，性能明显变差；文献［８］采用的ＮＬＯＳ重构方法，直接对ＮＬＯＳ误差进行 预测并进行重构，由于ＮＬＯＳ环境中ＮＬＯＳ误差的随机性，重构测量值不能动态适应ＮＬＯＳ误差的变化，因 而出现了较大误差，其性能在ＮＬＯＳ和ＬＯＳ切换时出现更大的偏差，性能明显变差；本文提出的算法虽然 先经过一段延迟，并且不对这部分数据进行处理，但是在全部为ＮＬＯＳ的环境中，本文提出的ＮＬＯＳ误差 的消除性能明显要优于前两种方法，在ＮＬＯＳ和ＬＯＳ切换时，本文提出算法也出现少量较大偏差的重构 值，但相对于前两种方法其偏差比较小。 在郊区环境下进行１０００次蒙特卡罗实验，实验结果如图６所示，量 本文算法都能取得较好的测量精度， 测量值误差在３０ｍ以内的概率达到６７％，在１００ｍ以内的概率达到９５％，性能明显优于Ｗｙｌｉｅ法和文献 ［８］的方法。 实验２ ３种算法在城市环境中对ＴＯＡ测量值的 影响 在城市环境中，首先分析图７、图８和图９并对比３ 斛 种算法的性能可知，本文提出的消除ＮＬＯＳ误差算法相 鞋 蛊 比较于Ｗｙｌｉｅ法和文献［８］的方法来说最有效，重构后 ｉ四 蠖 的测量值总体上相对于真实值误差较小，重构后的测量 割 颦 值抖动幅度最小。 ÷ 通过对比图４和图７以及图５和图８，分析郊区环 境和城市环境对算法性能带来的影响：随着城市环境中 ＮＬＯＳ传播地增多，并且ＮＬＯＳ误差相对幅度增大，Ｗｙｌｉｅ ０ 法重构后的测量值相对于郊区环境下抖动幅度明显增 大，在ＬＯＳ和ＮＬＯＳ切换时，有较多ＬＯＳ重构的测量值 图６不同重构方法对距离测量值影响 。 误差甚至超过了３００ｍ，远大于当时的真实距离值；文献［８］采用的ＮＬＯＳ重构方法同样受到的城市环境的 影响，其ＬＯＳ重构后的测量值相对于真实值的误差仍然较大；本文提出的方法虽然受到环境的影响，重构 后测量值的误差增大，但是增大幅度较小，并且与Ｗｙｌｉｅ法和文献［８］的方法相比，本文算法明显性能优于 这两种算法。 在城市环境下进行１０００次蒙特卡罗实验，实验结果如图９所示，本文算法都能取得较好的测量精度， 测量值误差在６０ｍ以内的概率达到６７％，在２００ｍ以内的概率达到９０％，性能明显优于Ｗｙｌｉｅ法和文献 ［８］的方法。 １８０ 信息工程大学学报 ２０１４正 ［ 糨采样点数 过处理的测量值曲线 实正 值后 测 量 值 采样点数 下 一０一如 一０ ， ｌ－ 采样点数 采样点数 一 一采样点数 二 真惨 塑 啊一 采样点数 采样点数 采样点数 图７消除ＮＬＯＳ误差性能比较 值后 值 量 酒 一 一砌 一一Ｏ 图８ ＴＯＡ测量值重构均方根误差比较 ４ 结论 针对ＬＯＳ与ＮＬＯＳ混合的蜂窝环境，本文提出了一 种基于改进卡尔曼滤波对ＴＯＡ测量值进行ＮＬＯＳ误差 糌 蛊 趔 竖 薹｝｛ 一 ¨ Ｈ●—蚕ｌ＝，ｑ ０— 嘞ｍ姗 抑制方法。该方法首先根据观测数据的统计特征，通过 联合ＴＯＡ测量值的均值和方差建立新的判决机制，实现 ÷ ｊ】３ｊｊ 账 ＮＬＯＳ误差的鉴别，然后在鉴别结果的基础上，利用不含 一０ ＮＬＯＳ误差测量值的均值与包含ＮＬＯＳ误差测量值的均 龅 鲥 值之间的差值来修正卡尔曼滤波器的新息，完成对包含 ＮＬＯＳ误差ＴＯＡ测量值的ＬＯＳ重构。在ＮＬＯＳ误差的鉴 。 重构测量值误差，ｍ 图９不同重构方法对距离测量值影响 别和抑制过程中，与间接法相比，本文的方法要求的基站数可以小于完成一次ＴＯＡ定位的最少基站数；与 同属直接法的Ｗｙｌｉｅ方法、文献［８］的算法相比，本文提出的方法以一小段时间延迟为代价，重构后的ＴＯＡ 姗 测量值与真实值之间的误差较小，并且在不同的ＬＯＳ和ＮＬＯＳ混合环境中性能均优于这两种算法。 奠Ⅺ 一 ㈣ 删 参考文献： 龅● 一 ２００７，２９（７）：１５５１－１５５５． ［１］ 黄清明，刘琚．基于卡尔曼滤波的测量值重构及定位算法［Ｊ］．电子与信息学报，［２］ Ｓｉｌｖｅｎｔｏｉｎｅｎ Ｍ，Ｒａｎｔａｌａｉｎｅｎ Ｔ．Ｍｏｂｉｌｅ ｓｔａｔｉｏｎ ｅｍｅｒｇｅｎｃｙ ｌｏｃａｔｉｏｎ ｉｎ ＧＳＭ［Ｃ］／／ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐｅｒｓｏｎａｌ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．１９９６：２３２—２３８． ［３］Ｌｉｕ Ｄａｗｅｉ，Ｌｅｅ ＭｏｏｎＣｈｕｅｎ，Ｐｕｎ Ｃｈｉ—Ｍａｎ．Ａｎａｌｙｓｉｓ ｏｆ Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｎｏｎ—ｌｉｎｅ—ｏｆ—ＳｉＳｈｔ Ｃｏｎｄｉｉｔｏｎｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｉｎｆｏｒｍ Ｔｈｅｏｒｙ，２０１３，６２（４）：１４８４—１４９２． ［４］ Ｗｙｌｉｌｅ Ｍ Ｐ。Ｈｏｈｚｍａｎ Ｊ．Ｔｈｅ ｎｏｎ—ｌｉｎｅ．ｏｆ—ｓｉｇｈｔ ｐｒｏｂｌｅｍ ｉｎ ｍｏｂｉｌｅ ｌｏｃａｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ［Ｃ］／／ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｕｎｉｖｅｒｓａｌ Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．１９９６：８２７—８３１． ［５］。段凯宇，张力军，高玲，等．两种ＮＬＯＳ误差消除及ＴＯＡ定位算法［Ｊ］．信号处理，２００８，２４（４）：５６６—５６８． ［６］李静，刘琚．用卡尔曼滤波器消除ＴＯＡ中ＮＬＯＳ误差的三种方法［Ｊ］．通信学报，２００５，２６（１）：１３０－１３５． ［７］Ｚｈａｎｇ Ｍｅｉｙａｎｇ，Ｗａｎｇ Ｊｉａｎｈｕｉ，Ｊｉ Ｚｈｏｎｇｍｅｉ．Ａ ｎｏｖｅｌ ａｌｇｏｒｉｔｈｍ ｏｆ ＮＬＯＳ ｅｒｒｏｒ ｍｉｔｉｇａｔｉｏｎ ｂａｓｅｄ ｏｎ Ｋａｌｍａｎ ｆｉｌｔｅｒ ｉｎ ｃｅｌｌｕｌａｒ ｗｉｒｅｌｅｓｓ Ｌｏｃａｔｉｏｎ［ｃ］／／Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｎｅｔｗｏｒｋｉｎｇ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ．２０１０：１４． ［８］Ｇｕａｎ Ｗｅｉｇｕｏ，Ｄｅｎｇ Ｚｈｏｎｇｌｉａｎｇ，Ｇｅ Ｙｕｅｔａｏ．ＴＤＯＡ Ｍｏｂｉｌｅ Ｌｏｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｋａｌｍａｎ Ｆｉｌｔｅｒ ｉｎ ＣＤＭＡ２０００ Ｃｅｌｌｕｌａｒ Ｎｅｔｗｏｒｋｓ ［Ｃ］／／Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｎｅｔｗｏｒｋｉｎｇ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ．２０１０：１－４． ［９］田孝华，廖桂生．一种有效减小非视距传播影响的ＴＯＡ定位方法［Ｊ］．电子学报，２００３，３１（９）：１４２９・１４３２． ［１０］Ｗｏｏ Ｓｕｎｇ・Ｓｈｉｋ，Ｙｏｕ Ｈｅｕｎｇ—Ｒｙｅｏ１．Ｔｈｅ ＮＬＯＳ ｍｉｔｉｇａｔｉｏｎ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｐｏｓｉｔｉｏｎ ｌｏｃａｔｉｏｎ ｕｓｉｎｇ ＩＳ・９５ ＣＤＭＡ ｎｅｔｗｏｒｋｓ［Ｃ］／／ ＩＥＥＥ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ．２０００：２５５６—２５６０．
