在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大。如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战。首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging errormod...在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大。如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战。首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging errormodel,RITEM),该模型根据测距过程的RSSI值大小,将测距误差划分为4个等级,且各个等级的误差区间和对应的RSSI值区间可以通过现场测试获得。将RITEM应用到定位算法中,提出一种基于误差分级的室内TOA定位算法(ranging error classi-fication based indoor TOA localization algorithm,REC)。算法根据TOA测距过程中的RSSI值和RITEM实时估计测距误差级别和误差范围,利用极大似然法求得定位区域中标签最大概率位置作为定位结果。仿真和实际测试结果显示,在实际室内环境中,REC定位算法具有较高的定位精度,且平均定位误差、定位误差均方差和90%定位误差、最大定位误差等性能明显好于LS、CN-TOAG、Nano算法。展开更多
文摘在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大。如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战。首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging errormodel,RITEM),该模型根据测距过程的RSSI值大小,将测距误差划分为4个等级,且各个等级的误差区间和对应的RSSI值区间可以通过现场测试获得。将RITEM应用到定位算法中,提出一种基于误差分级的室内TOA定位算法(ranging error classi-fication based indoor TOA localization algorithm,REC)。算法根据TOA测距过程中的RSSI值和RITEM实时估计测距误差级别和误差范围,利用极大似然法求得定位区域中标签最大概率位置作为定位结果。仿真和实际测试结果显示,在实际室内环境中,REC定位算法具有较高的定位精度,且平均定位误差、定位误差均方差和90%定位误差、最大定位误差等性能明显好于LS、CN-TOAG、Nano算法。
