基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法

1.一種基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，包括以下步驟：
1)、利用待測終端獲得定位單元反饋的測量值，所述定位單元包括N個錨節(jié)點，其中，N≥3，所述測量值包括TOA、RSSI和信噪比SNR；
2)、利用Kalman濾波器計算TOA測量值中的NLoS誤差，在所述TOA測量值中減去所述NLoS誤差，得到減小了NLoS誤差的TOA測量值，將所述減小了NLoS誤差的TOA測量值分為兩組:一組為第二TOA測量值，另一組為TDOA測量值；
3)、利用模式搜索法對步驟2)得到的所述第二TOA測量值的進行定位計算，利用Chan算法對所述TDOA測量值進行定位計算；
4)、基于定位單元與待測終端距離、定位單元的三點共線度和定位單元的可靠性確定定位單元的權值，定位單元有多個，設其中第i個定位單元的權值為wi，

式中， 為基于定位單元與待測終端的距離得到的權值， 為基于定位單元的三點共線度得到的權值， 為基于定位單元的可靠性得到的權值，
設第i個定位單元的定位結果為(xi,yi)，則融合后的定位結果(x,y)為：

分別對步驟3)得到的所述第二TOA測量值的定位結果和TDOA測量值的定位結果利用上式進行融合，得到所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果；
5)、將步驟4)得到的所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，設所述第二TOA測量值的融合定位結果為(xTOA,yTOA)，方差為σTOA,x，σTOA,y；所述TDOA測量值的融合定位結果為(xTDOA,yTDOA)，方差為σTDOA,x，σTDOA,y，按下式進行對所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，得到待測終端的定位結果(x',y')：


2.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟4)中基于定位單元與待測終端的距離得到的權值 通過下式計算得到：
使用對數(shù)常態(tài)模型來計算接收信號強度與距離之間的關系：

其中，PL(d)為距離dkm時的路徑損耗，d0為參考距離，n為路徑損耗指數(shù)，en為均值為0的高斯隨機變量，
將N個所述錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1)得到的RSSI測量值獲得一組距離(di1,di2,di3)，則基于定位單元與待測終端的距離的權值 為：

3.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟4)中基于定位單元三點共線度得到的權值 通過下式計算得到：設第i個定位單元構成的三角形的最小角為 則基于定位單元三點共線度的權值為：
其中，
4.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟4)中基于定位單元的可靠性得到的權值 通過下式計算得到：
將所述錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1)得到的信噪比SNR測量值獲得一組信噪比(SNRi1,SNRi2,SNRi3)，

5.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟2)所述的Kalman濾波器由下式表示：
狀態(tài)方程：x[t+1]＝Φx[t]+Γω[t]
觀測方程：y[t]＝Hx[t]+υ[t]
式中，Φ為狀態(tài)轉(zhuǎn)移矩陣，H為觀測矩陣，ω[t]和υ[t]分別為過程噪聲和測量誤差，都服從均值為0的高斯分布，且互不相關，其中，
x[t]＝[τLOS[t]?eNLOS[t]]T， H＝[1?0]，
式中，τLOS[t]是錨節(jié)點與待測終端之間的視距傳播時間，eNLOS[t]為NLoS誤差；
假設在t時刻，得到t-1時刻的估計值 估計誤差的協(xié)方差矩陣
則：

其中β是狀態(tài)轉(zhuǎn)移矩陣Φ中第二行第二列的未知元素；
所述Kalman濾波器的迭代過程為：






在迭代過程中，當NLoS誤差的估計值小于0時，則將其估計值設置為0。
6.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟3)中，所述模式搜索法包括以下步驟：f(x)為待測終端到三個錨節(jié)點的距離殘差絕對值的和，
(1)給定初始點x(1)∈Rn，n個坐標方向 初始步長δ，加速因子α≥1，縮減率γ
∈(0,1)和允許誤差ε＞0，令y(1)＝x(1)，k＝1，j＝1；
(2)如果f(y(j)+δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)+δej，轉(zhuǎn)至步驟(4)，否則轉(zhuǎn)至步驟(3)；
(3)如果f(y(j)-δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)-δej，轉(zhuǎn)至步驟(4)，否則令y(j+1)＝y(tǒng)(j)轉(zhuǎn)至步驟(4)；
(4)如果j＜n，則j＝j+1，轉(zhuǎn)到步驟(2)，否則轉(zhuǎn)至步驟(5)；
(5)如果f(y(n+1))＜f(x(k))，則轉(zhuǎn)至步驟(6)，否則轉(zhuǎn)至步驟(7)；
(6)令x(k+1)＝y(tǒng)(n+1)，y(1)＝x(k+1)+α(x(k+1)-x(k))，k＝k+1，j＝1，轉(zhuǎn)到步驟(2)；
(7)如果δ≤ε則停止迭代，得到點x(k)，否則，令δ＝γδ，y(1)＝x(k)，x(k+1)＝x(k)，k＝k+1，j＝1，轉(zhuǎn)到步驟(2)。
7.如權利要求1所述的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，其特征在于，步驟3)所述的Chan算法包括以下步驟：
設待測終端的坐標為(x,y)，其中第q個錨節(jié)點的坐標為(xq,yq)(q＝1,2，…，N)，rq為第q錨節(jié)點與待測終端的距離，rj為第j錨節(jié)點與待測終端的距離，第j錨節(jié)點和第q錨節(jié)點與待測終端距離差為rj,q＝rj-rq，
2 2 2 2 2
rq＝(xq-x)+(yq-y)＝Kq-2xqx-2yqy+x+y
其中， 將 帶入上式可得：

將r12＝(x1-x)2+(y1-y)2帶入上式，整理可得：

其中，xj,q＝xj-xq，yj,q＝y(tǒng)j-yq，
在有噪聲的情況下，誤差向量可寫為：
其中， 其中，zp＝[x?y]T，帶有
上標0表示真實值，則誤差矩陣為：

式中， 是第q個錨節(jié)點到待測終端之間的真實距離，c為光速，n
為噪聲矩陣，忽略 可得ψ的協(xié)方差Ψ為：
Ψ＝E[ψψT]＝c2BQB
式中，Q為噪聲的協(xié)方差矩陣，則za可由下式計算得到：

利用上式得到za的估計值，得到待測終端位置的一個估計值，用以估計B的值，代入下式，





或
zp選取與所述za的估計值結果接近的值。

基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法\n技術領域\n[0001] 本發(fā)明屬于無線通信技術領域，具體涉及一種基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法。\n背景技術\n[0002] 1996年美國聯(lián)邦通信委員會（FCC）首次頒布了E-911定位需求，并在1999年提出：\n對67%的移動終端的定位精度不低于50m，95%的定位精度不低于150m。這一要求的提出掀起了移動通信系統(tǒng)終端定位技術的研究的熱潮。\n[0003] 非視距傳播（Non-Line-of-Sight，NLoS）帶來的誤差是無線定位中主要的誤差來源。非視距傳播是指信號在傳播過程中，直射路徑被障礙物阻擋，經(jīng)過反射、衍射等方式到達接收端，此時的到達時間（Time-of-Arrival，TOA）、到達時間差（Time-Difference-of-Arrival，TDOA）、到達角度（Angle-of-Arrival，AOA）等都不能真實反映發(fā)射端和接收端之間的距離關系。在實際環(huán)境中，特別是城市、山區(qū)等環(huán)境中，非視距誤差是廣泛存在的，可能帶來幾十米到幾百米的誤差。\n[0004] 隨著數(shù)據(jù)融合技術的走入研究人員的視野，將數(shù)據(jù)融合技術與移動通信系統(tǒng)終端定位相結合，利用更多的信息、方法協(xié)同獲得待測終端的位置，從而進一步提高定位精度成為當前移動定位技術的研究熱點之一。\n[0005] 目前在JDL的數(shù)據(jù)融合模型基礎上提出的基于數(shù)據(jù)融合的定位技術主要有下面幾類：\n[0006] 第一類，使用多種測量值，融合其中包含的不同方面的有用信息以提高定位精度。\n例如Thomas?Kleine-Ostmann和Amy?E.Bell在如下文獻中提出的方法：\n[0007] A?Data?Fusion?Architecture?for?Enhanced?Position?Estimation?in?\nWireless?Networks,IEEE?COMMUNICATIONS?LETTERS,VOL.5,NO.8,pp.343-345,2001\n[0008] 該方法的特點是融合了到達時間和到達時間差兩種測量值，提出一種數(shù)據(jù)融合的模型，并給出了第四層融合的具體選擇方案。\n[0009] 第二類，使用同一類測量值，但采用不同的定位算法，最終通過對不同定位算法得出的位置進行最佳線性組合，獲得更好的定位精度。例如王玲霞，張效義，袁佳在如下文獻中提出的方法：\n[0010] 基于數(shù)據(jù)融合的定位解算算法，計算機工程與設計，30（21），4921-4927,2009。\n[0011] 該方法只使用了TDOA一種測量值，其特點在于采用了Chan算法、Taylor算法以及優(yōu)化設計中的退火算法，提出了一種多算法協(xié)同定位模型，第四層融合是采用最佳線性組合，將多種算法的定位結果融合在一起，以獲得更精確定位結果。\n[0012] 第三類，基于定位單元質(zhì)量的數(shù)據(jù)融合。例如Xiaoyong?Yan，Huanyan?Qian，Ya?Huang，Zhipeng?Jiang在如下文獻中提出的方法：\n[0013] A?high?accuracy?localization?based?on?RSSI?measurements,Consumer?\nElectronics,Communications?and?Networks(CECNet),2011International?Conference?on.IEEE,pp.1926-1929,2011.\n[0014] 該方法的特點在于，將構成定位單元的三個錨節(jié)點的共線度作為對定位單元質(zhì)量的度量，越接近共線的定位單元定位質(zhì)量越差，在最終的定位結果中所占比例越小，以此來提高最終的定位精度。\n[0015] 第四類，使用Kalman濾波器，利用濾波算法進一步提高定位精度。例如David?Macii，Alessio?Colombo，Paolo?Pivato和Daniele?Fontanelli在如下文獻中提出的方法：\n[0016] Data?Fusion?Technique?for?Wireless?Ranging?Performance?Improvement，IEEE?TRANSACTIONS?ON?INSTRUMENTATION?AND?MEASUREMENT,VOL.62,NO.1,PP.27-37,\n2013.\n[0017] 該算法的特點在于，使用了到達信號強度（Received?Signal?Strength?Index，RSSI）和Two-way?Time-of-Flight（ToF）兩種測量值，并使用Kalman濾波器對定位精度進行提高。\n[0018] 以上算法都在一定程度上提高了移動終端的定位精度，然而都只是從一個方面使用了數(shù)據(jù)融合技術，對信息的利用仍有提高的空間，可進一步提高定位的精度。同時這些方法沒有加入對NLoS誤差的處理，在NLoS普遍存在的環(huán)境下，定位精度會大幅下降。\n[0019] 因此，需要一種基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法以解決上述問題。\n發(fā)明內(nèi)容\n[0020] 發(fā)明目的：本發(fā)明針對現(xiàn)有技術中無線定位方法的缺陷，提供一種更為精確的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法。\n[0021] 技術方案：為解決上述技術問題，本發(fā)明的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法采用如下技術方案：\n[0022] 一種基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，包括以下步驟：\n[0023] 1）、利用待測終端獲得定位單元反饋的測量值，所述定位單元包括N個錨節(jié)點，其中，N≥3，所述測量值包括TOA、RSSI和信噪比SNR；\n[0024] 2）、利用Kalman濾波器計算TOA測量值中的NLoS誤差，在所述TOA測量值中減去所述NLoS誤差，得到減小了NLoS誤差的TOA測量值，將所述減小了NLoS誤差的TOA測量值分為兩組:一組為第二TOA測量值，另一組為TDOA測量值；\n[0025] 3）、利用模式搜索法對步驟2）得到的所述第二TOA測量值的進行定位計算，利用Chan算法對所述TDOA測量值進行定位計算；\n[0026] 4）、基于定位單元與待測終端距離、定位單元的三點共線度和定位單元的可靠性確定所述第i個定位單元的權值wi，\n[0027]\n[0028] 式中， 為基于定位單元與待測終端的距離得到的權值， 為基于定位單元的三點共線度得到的權值， 為基于定位單元的可靠性得到的權值，\n[0029] 設第i個定位單元的定位結果為(xi,yi)，則融合后的定位結果(x,y)為：\n[0030]\n[0031] 分別對步驟3）得到的所述第二TOA測量值的定位結果和TDOA測量值的定位結果利用上式進行融合，得到所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果；\n[0032] 5）、將步驟4）得到的所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，設所述第二TOA測量值的融合定位結果為(xTOA,yTOA)，方差為σTOA,x，σTOA,y；\n所述TDOA測量值的融合定位結果為(xTDOA,yTDOA)，方差為σTDOA,x，σTDOA,y，按下式進行對所述第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，得到待測終端的定位結果(x',y')：\n[0033]\n[0034]\n[0035] 更進一步的，步驟4）中基于定位單元與待測終端的距離得到的權值 通過下式計算得到：\n[0036] 使用對數(shù)常態(tài)模型來計算接收信號強度與距離之間的關系：\n[0037]\n[0038] 其中，PL(d)為距離dkm時的路徑損耗，d0為參考距離，n為路徑損耗指數(shù)，en為均值為0的高斯隨機變量，\n[0039] 將N個所述錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1）得到的RSSI測量值獲得一組距離(di1,di2,di3)，則基于定位單元與待測終端的距離的權值 為：\n[0040]\n[0041] 更進一步的，步驟4）中基于定位單元三點共線度得到的權值 通過下式計算得到：設第i個定位單元構成的三角形的最小角為 則基于定位單元三點共線度的權值\n為：\n[0042] 其中，\n[0043] 更進一步的，步驟4）中基于定位單元的可靠性得到的權值 通過下式計算得到：\n[0044] 將所述錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1）得到的信噪比SNR測量值獲得一組信噪比(SNRi1,SNRi2,SNRi3)，\n[0045]\n[0046] 更進一步的，步驟2）所述的Kalman濾波器由下式表示：\n[0047] 狀態(tài)方程：x[t+1]＝Φx[t]+Γω[t]\n[0048] 觀測方程：y[t]＝Hx[t]+υ[t]\n[0049] 式中，Φ為狀態(tài)轉(zhuǎn)移矩陣，H為觀測矩陣，ω[t]和υ[t]分別為過程噪聲和測量誤差，都服從均值為0的高斯分布，且互不相關，其中，\n[0050]\n[0051] 式中，τLOS[t]是錨節(jié)點與待測終端之間的視距傳播時間，eNLOS[t]為NLoS誤差。\n[0052] 更進一步的，假設在t時刻，得到t-1時刻的估計值 估計誤差\n的協(xié)方差矩陣 則：\n[0053]\n[0054] 其中β是狀態(tài)轉(zhuǎn)移矩陣Φ中第二行第二列的未知元素。\n[0055] 所述Kalman濾波器的迭代過程為：\n[0056]\n[0057]\n[0058]\n[0059]\n[0060]\n[0061]\n[0062] 在迭代過程中，當NLoS誤差的估計值小于0時，則將其估計值設置為0。\n[0063] 更進一步的，步驟3）中，所述模式搜索法包括以下步驟：f(x)為待測終端到三個錨節(jié)點的距離殘差絕對值的和，\n[0064] （1）給定初始點x(1)∈Rn，n個坐標方向 初始步長δ，加速因子α≥1，縮減率γ∈(0,1)和允許誤差ε＞0，令y(1)＝x(1)，k=1，j=1；\n[0065] （2）如果f(y(j)+δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)+δej，轉(zhuǎn)至步驟（4），否則轉(zhuǎn)至步驟（3）；\n[0066] （3）如果f(y(j)-δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)-δej，轉(zhuǎn)至步驟（4），否則令y(j+1)＝y(tǒng)(j)\n轉(zhuǎn)至步驟（4）；\n[0067] （4）如果j＜n，則j＝j+1，轉(zhuǎn)到步驟（2），否則轉(zhuǎn)至步驟（5）；\n[0068] （5）如果f(y(n+1))＜f(x(k))，則轉(zhuǎn)至步驟（6），否則轉(zhuǎn)至步驟（7）；\n[0069] （6）令x(k+1)＝y(tǒng)(n+1)，y(1)＝x(k+1)+α(x(k+1)-x(k))，k＝k+1，j＝1，轉(zhuǎn)到步驟（2）；\n[0070] （7）如果δ≤ε則停止迭代，得到點x(k)，否則，令δ＝γδ，y(1)＝x(k)，x(k+1)＝x(k)，k＝k+1，j＝1，轉(zhuǎn)到步驟（2）。\n[0071] 更進一步的，步驟3）所述的Chan算法包括以下步驟：\n[0072] 設待測終端的坐標為(x,y)，N個錨節(jié)點的坐標為(xi,yi)（i=1,2，…，N），rj為第j錨節(jié)點與待測終端的距離，rj為第j錨節(jié)點與待測終端的距離，第j錨節(jié)點和第i錨節(jié)點與待測終端距離差為rj,i＝rj-ri，\n[0073] ri2＝(xi-x)2+(yi-y)2＝Ki-2xix-2yiy+x2+y2\n[0074] 其中， 將ri2＝(ri，1+r1)2帶入上式可得：\n[0075]\n[0076] 將r12＝(x1-x)2+(y1-y)2帶入上式，整理可得：\n[0077]\n[0078] 其中，xj,i＝xj-xi，yj,i＝y(tǒng)j-yi，\n[0079] 有噪聲的情況下，誤差向量為：\n[0080]\n[0081] 其中， 其中，zp＝[x?y\n]T，帶有上標0表示真實值，則誤差矩陣為：\n[0082]\n[0083] 式中， ri0是第i個錨節(jié)點到待測終端之間的真實距離，c為\n光速，n為噪聲矩陣，忽略 可得ψ的協(xié)方差Ψ為：\n[0084] Ψ＝E[ψψT]＝c2BQB\n[0085] 式中，Q為噪聲的協(xié)方差矩陣，則za由下式計算得到：\n[0086]\n[0087] 利用上式得到za的估計值，得到待測終端位置的一個估計值，用以計算B的值，將B的值代入下式，得到新的za，\n[0088]\n[0089]\n[0090]\n[0091] Ψ′＝4B′cov(za)B′，B′＝diag{x0-x1,y0-y1,r10}\n[0092]\n[0093] 或\n[0094] zp選取與所述za的估計值結果接近的值。\n[0095] 有益效果：本發(fā)明的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法充分利用了測量值帶來的各類信息，通過數(shù)據(jù)融合的方法進行整合，可以得到更為精確的定位結果。\n附圖說明\n[0096] 圖1是本發(fā)明的基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法的流程圖；\n[0097] 圖2是本發(fā)明的模式搜索法的流程圖；\n[0098] 圖3為山地環(huán)境下本發(fā)明與第三類已有方法的定位結果比較。\n具體實施方式\n[0099] 下面結合附圖和具體實施例，進一步闡明本發(fā)明，應理解這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領域技術人員對本發(fā)明的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。\n[0100] 請參閱圖1所示，本發(fā)明公開了一種基于定位單元質(zhì)量及多算法數(shù)據(jù)融合的抗NLoS誤差定位方法，包括以下步驟：\n[0101] 1）、利用待測終端獲得定位單元反饋的測量值，定位單元包括N個錨節(jié)點，其中，N≥3，測量值包括TOA、RSSI和信噪比SNR，這些測量值包含了待測終端與錨節(jié)點之間的距離、接受到信號的質(zhì)量即可信度等信息。\n[0102] 2）、利用Kalman濾波器計算TOA測量值中的NLoS誤差，在TOA測量值中減去NLoS誤差，得到減小了NLoS誤差的TOA測量值。非視距（Non-Line-of-Sight?NLoS）誤差是引起較大定位誤差的主要因素之一。實驗證明，該方法對較大的NLoS誤差追蹤性能較好，為了得到更好的濾波結果，可以重復使用該方法。將減小了NLoS誤差的TOA測量值分為兩組:一組為第二TOA測量值，另一組變型為TDOA測量值；\n[0103] 其中，Kalman濾波器的各類矩陣如下設置：\n[0104] 狀態(tài)方程：x[t+1]＝Φx[t]+Γω[t]\n[0105] 觀測方程：y[t]＝Hx[t]+υ[t]\n[0106] 式中，Φ為狀態(tài)轉(zhuǎn)移矩陣，H為觀測矩陣，ω[t]和υ[t]分別為過程噪聲和測量誤差，都服從均值為0的高斯分布，且互不相關，其中，\n[0107]\n[0108] 式中，τLOS[t]是錨節(jié)點與待測終端之間的視距傳播時間，eNLOS[t]為NLoS誤差。\n[0109] 假設在t時刻，得到t-1時刻的估計值 估計誤差的協(xié)方差矩陣\n則：\n[0110]\n[0111] 其中β是轉(zhuǎn)移矩陣Φ中第二行第二列的未知元素。\n[0112] Kalman濾波器的迭代過程為：\n[0113]\n[0114]\n[0115]\n[0116]\n[0117]\n[0118]\n[0119] 在迭代過程中，當NLoS誤差的估計值小于0時，這顯然與實際情況不符，這種情況下將其估計值置為0。\n[0120] 3）、利用模式搜索法對步驟2）得到的第二TOA測量值的進行定位計算，利用Chan算法對TDOA測量值進行定位計算；\n[0121] 請參閱圖2所示，模式搜索法包括以下步驟：f(x)為待測終端到三個錨節(jié)點的距離殘差絕對值的和，\n[0122] （1）給定初始點x(1)∈Rn，n個坐標方向 初始步長δ，加速因子α≥1，縮減(1) (1)\n率γ∈(0,1)和允許誤差ε＞0，令y ＝x ，k=1，j=1；\n[0123] （2）如果f(y(j)+δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)+δej，轉(zhuǎn)至步驟（4），否則轉(zhuǎn)至步驟（3）；\n[0124] （3）如果f(y(j)-δej)＜f(y(j))，則令y(j+1)＝y(tǒng)(j)-δej，轉(zhuǎn)至步驟（4），否則令y(j+1)＝y(tǒng)(j)\n轉(zhuǎn)至步驟（4）；\n[0125] （4）如果j＜n，則j＝j+1，轉(zhuǎn)到步驟（2），否則轉(zhuǎn)至步驟（5）；\n[0126] （5）如果f(y(n+1))＜f(x(k))，則轉(zhuǎn)至步驟（6），否則轉(zhuǎn)至步驟（7）；\n[0127] （6）令x(k+1)＝y(tǒng)(n+1)，y(1)＝x(k+1)+α(x(k+1)-x(k))，k＝k+1，j＝1，轉(zhuǎn)到步驟（2）；\n[0128] （7）如果δ≤ε則停止迭代，得到點x(k)，否則，令δ＝γδ，y(1)＝x(k)，x(k+1)＝x(k)，k＝k+1，j＝1，轉(zhuǎn)到步驟（2）。\n[0129] Chan算法包括以下步驟：\n[0130] 設待測終端的坐標為(x,y)，N個錨節(jié)點的坐標為(xi,yi)（i=1,2，…，N），rj為第j錨節(jié)點與待測終端的距離，rj為第j錨節(jié)點與待測終端的距離，第j錨節(jié)點和第i錨節(jié)點與待測終端距離差為rj,i＝rj-ri，\n[0131] ri2＝(xi-x)2+(yi-y)2＝Ki-2xix-2yiy+x2+y2\n[0132] 其中， 將ri2＝(ri,1+r1)2帶入上式可得：\n[0133]\n[0134] 將r12＝(x1-x)2+(y1-y)2帶入上式，整理可得：\n[0135]\n[0136] 其中，xj,i＝xj-xi，yj,i＝y(tǒng)j-yi，\n[0137] 在有噪聲的情況下，誤差向量可寫為：\n[0138]\n[0139] 其中， 其中，zp＝[x?y\n]T，帶有上標0表示真實值，其中， ni,1表示噪聲，c為光速，可得：\n[0140]\n[0141] 式中， ri0是第i個錨節(jié)點到待測終端之間的真實距離，c為\n光速，n為噪聲矩陣，一般來說，cni，1＜＜ri0，所以可忽略 可得ψ的協(xié)方差Ψ為：\n[0142] Ψ＝c2BQB\n[0143] 式中，Q為噪聲的協(xié)方差矩陣，則za可由下式計算得到：\n[0144]\n[0145] 利用上式得到za的估計值，得到待測終端位置的一個估計值，用以估計B的值，將B的值代入下式，得到新的za，\n[0146]\n[0147]\n[0148]\n[0149] ψ′＝4B′cov(za)B′，B′＝diag{x0-x1，y0-y1，r10}\n[0150]\n[0151] 或\n[0152] zp選取與所述za的估計值結果接近的值。\n[0153] 4）、在大多數(shù)情況下，錨節(jié)點構成的定位單元與待測移動端的距離越近，定位單元所構成的三角形越接近正三角形，定位的精度也就越高。越高的SNR反映對應信號的可靠性越高，所以平均SNR高的定位單元對待測終端的定位結果也就越可靠。本發(fā)明從這三個方面對定位單元進行評估。基于定位單元與待測終端距離、定位單元的三點共線度和定位單元的可靠性確定第i個定位單元的權值wi，\n[0154]\n[0155] 式中， 為基于定位單元與待測終端的距離得到的權值， 為基于定位單元的三點共線度得到的權值， 為基于定位單元的可靠性得到的權值。\n[0156] 其中，基于定位單元與待測終端的距離得到的權值 通過下式計算得到：\n[0157] 使用對數(shù)常態(tài)模型來計算接收信號強度與距離之間的關系：\n[0158]\n[0159] 其中，PL(d)為距離dkm時的路徑損耗，d0為參考距離，n為路徑損耗指數(shù)，en為均值為0的高斯隨機變量，\n[0160] 將N個錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1）得到的RSSI測量值獲得一組距離(di1,di2,di3)，則基于定位單元與待測終端的距離的權值 為：\n[0161]\n[0162] 基于定位單元三點共線度得到的權值 通過下式計算得到：\n[0163] 設第i個定位單元構成的三角形的最小角為 則基于定位單元三點共線度的\n權值為：\n[0164] 其中，\n[0165] 基于定位單元的可靠性得到的權值 通過下式計算得到：\n[0166] 將錨節(jié)點三個一組分為 個組，每一組根據(jù)步驟1）得到的信噪比SNR測量值獲得一組信噪比(SNRi1,SNRi2,SNRi3)，\n[0167]\n[0168] 設第i個定位單元的定位結果為(xi,yi)，則融合后的定位結果(x,y)為：\n[0169]\n[0170] 分別對步驟3）得到的第二TOA測量值的定位結果和TDOA測量值的定位結果利用上式進行融合，得到第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果；\n[0171] 5）、將步驟4）得到的第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，設第二TOA測量值的融合定位結果為(xTOA,yTOA)，方差為σTOA,x，σTOA,y；TDOA測量值的融合定位結果為(xTDOA,yTDOA)，方差為σTDOA,x，σTDOA,y，按下式進行對第二TOA測量值的融合定位結果和TDOA測量值的融合定位結果進行融合，得到待測終端的定位結果(x',y')：\n[0172]\n[0173]\n[0174] 實施例1\n[0175] 本發(fā)明在山地環(huán)境下進行仿真，該環(huán)境下TOA測量值被NLoS（Non-Line-of-Sight非視距）誤差污染嚴重，可以明顯的看出本算法在NLoS環(huán)境下的優(yōu)越性。\n[0176] 信號在待測節(jié)點和錨節(jié)點i之間的傳播時間可以用如下模型來描述：\n[0177] ti＝ti,LoS+ti,n+ti,NLoS\n[0178] 其中ti是測量得到的傳播時間，ti,LoS是信號在錨節(jié)點i與待測節(jié)點之間視距傳播時需要的時間，ti,n是測量誤差，服從均值為0，方差為σω2的高斯分布，在誤差中所占比例較小，ti,NLoS是NLoS傳播造成的誤差，與測量誤差相互獨立，可能服從平均分布、Delta分布和指數(shù)分布，是誤差的主要來源。本發(fā)明考慮服從指數(shù)分布的NLoS誤差，給出其概率密度函數(shù)為：\n[0179]\n[0180] 其中τi,rms為均方根時延擴展，表達式為 T是τi,rms在di＝1km時的中\(zhòng)n值，di為待測節(jié)點與錨節(jié)點之間的真實距離，ε為0.5～1之間的數(shù)，ξ是服從對數(shù)正態(tài)分布的隨機變量，均值為0，方差為σξ2，即η＝10lgξ～N(0,σξ2)，σξ取值在4～6dB之間。下表列出來在不同環(huán)境下的參數(shù)。\n[0181] 典型環(huán)境參數(shù)\n[0182]\n無線信道環(huán)境 T/μs ε σξ/dB\n繁華市區(qū) 0.90 0.5 4\n一般市區(qū) 0.40 0.5 4\n郊區(qū) 0.30 0.5 4\n遠郊 0.10 0.5 4\n山區(qū) 0.50 1.0 6\n[0183] 選取山區(qū)環(huán)境，設待測終端位置為（50，-28），錨節(jié)點坐標為(1000,1000)，(-500,\n500)，(-1500,-1400)，(2000,-2000)，測量誤差ti,n的方差為0.04，發(fā)射端的發(fā)射功率為\n43dB，信道模型中的損耗系數(shù)n=3.41。\n[0184] 分別用本發(fā)明和第三類方法進行定位，分別計算定位結果與真實位置的距離，即定位誤差，重復進行1000次試驗，得到定位誤差的累計分布函數(shù)（CDF），如圖3所示，從圖中可明顯看出本發(fā)明的定位結果優(yōu)于第三類方法。