在这个方法中，卡尔曼滤波器的各矩阵向量设置如下： ， ， ， ， 。其中， 是待估计的TOA， 是的一阶导数， 是卡尔曼滤波器的采样间隔， 是过程噪声分量， 是测量误差。
图1是一次实验中有测量值丢弃和无测量值丢弃的卡尔曼滤波方法的估计结果比较。从图1我们可以清楚地看到，当有偏差较大的测量值发生时，无测量值丢弃的方法的估计被大大地偏移了，并且影响了下面一系列的估计，使整个估计曲线向正向发生了偏移。而当采用了测量值丢弃的策略后，只要门限值选取得合适，那些包含NLOS误差较大的测量值被丢弃了，也就减小了NLOS误差的影响。
4 仿真及分析
假设基站位于（0，0），移动台从（－1000，100）沿平行于x轴的方向以v=10m/s的速度移动至（1000，100），每一秒采样一次，故一次实验中有200个TOA测量值，每次实验计算出一个均方根误差。重复进行2000次，取这2000个均方根误差的平均值作为各种方法的均方根误差。在图2中，横坐标1～12表示了NLOS误差的不同分布模型及在各种模型下的不同环境类型。其中，1～4表示NLOS误差呈指数分布，5～8表示NLOS误差呈均匀分布，9～12表示NLOS误差呈Delta分布。在每一种分布模型下的四个横坐标依次表示bad urban，urban，suburban，rural四种环境类型。
图2给出了这种方法在各个NLOS误差模型和信道环境下的误差性能，并把它们与Wylie方法作了比较。从图中我们可以看出，本文这种改进的卡尔曼滤波方法都可以获得较小的估计误差，特别是在NLOS误差严重的环境下，性能改进比较明显。
图2
5 结论及展望
本文提出的测量值丢弃法是针对对NLOS误差的随机性，着重消除随机误差，用于NLOS误差严重的环境，如bad urban ，urban。原因是这个方法的思想就是丢弃那些因NLOS误差污染而变化剧烈的测量值，而这种现象在bad urban环境中最明显。
该方法中的参数设置是下一步要研究的问题。我们希望能实现测量值对各参数的自适应调整。总之，使这种方法能更灵活的适应实际的需要，达到更好的估计性能，将是我们进一步研究的目标。
参考文献
【1】Silventoinen M I, Rantalainen T. Mobilestation emergency locating in GSM. IEEE International Conference on PersonalWireless Communications, 1996: 232 - 238
【2】 Chen P C. A non-line-of –sight error mitigationalgorithm in location estimation. Wireless Communications and NetworkingConference, 1999, (1):316 – 320
【3】 Wylie-Green M P, Wang S S. Robustrange estimation in the presence of the non-line-of-sight error. IEEE VTS 54thVehicular Technology Conference, 2001,(1):101 - 105 vol.1
【4】 Thomas N J, Cruickshank D G.M, Laurenson,D I. A robust location estimator architecture with biased Kalman filter of TOAdata for wireless systems. IEEE Sixth International Symposium on SpreadSpectrum Techniques and Applications, 2000,(1): 296 – 300.
【5】范平志、邓平、刘林：蜂窝网无线定位。电子工业出版社，2002.12
3/3 首页 上一页 1 2 3 |
