在基于时间到达差(Time Difference Of Arrival,TDOA)的定位估计算法中,CHAN算法计算量小,能够在视距(Line Of Sight,LOS)传播环境下获得较高的定位精度,因而被广泛应用。但是在非视距传播环境(Non-Line Of Sight,NLOS)下,该算法的定位...在基于时间到达差(Time Difference Of Arrival,TDOA)的定位估计算法中,CHAN算法计算量小,能够在视距(Line Of Sight,LOS)传播环境下获得较高的定位精度,因而被广泛应用。但是在非视距传播环境(Non-Line Of Sight,NLOS)下,该算法的定位性能会明显下降。因为在非视距情况,尤其是密集城区,由于建筑物等障碍物的存在使得无线电信号无法直线传播,这就引入了NLOS误差;而CHAN算法中的加权矩阵只考虑了系统误差,无法消除NLOS误差。文中在基于视距环境下CHAN算法的研究基础上,对非视距引入的NLOS误差的统计特性进行分析,给出一种在NLOS情况下,通过优化非视距TDOA测量值误差的方法来改善非视距下的CHAN算法性能,并通过仿真分析了CHAN算法在不同环境模型下的定位性能。仿真结果表明,改善的CHAN算法在NLOS环境下能取得较好的定位性能。展开更多
文摘在基于时间到达差(Time Difference Of Arrival,TDOA)的定位估计算法中,CHAN算法计算量小,能够在视距(Line Of Sight,LOS)传播环境下获得较高的定位精度,因而被广泛应用。但是在非视距传播环境(Non-Line Of Sight,NLOS)下,该算法的定位性能会明显下降。因为在非视距情况,尤其是密集城区,由于建筑物等障碍物的存在使得无线电信号无法直线传播,这就引入了NLOS误差;而CHAN算法中的加权矩阵只考虑了系统误差,无法消除NLOS误差。文中在基于视距环境下CHAN算法的研究基础上,对非视距引入的NLOS误差的统计特性进行分析,给出一种在NLOS情况下,通过优化非视距TDOA测量值误差的方法来改善非视距下的CHAN算法性能,并通过仿真分析了CHAN算法在不同环境模型下的定位性能。仿真结果表明,改善的CHAN算法在NLOS环境下能取得较好的定位性能。
