随着信息技术的发展和日益增长的位置服务需求,室内定位技术经成为了当下最热门的定位研究领域之一。在室内定位中比较常用的算法包括信号到达时间(Time of Arrival,TOA)、信号到达时间差(Time Difference of Arrival,TDOA)、信号到达角...随着信息技术的发展和日益增长的位置服务需求,室内定位技术经成为了当下最热门的定位研究领域之一。在室内定位中比较常用的算法包括信号到达时间(Time of Arrival,TOA)、信号到达时间差(Time Difference of Arrival,TDOA)、信号到达角(Angle of Arrival,AOA)等。这些定位技术都依赖于客户端与Wi-Fi接入点(Access Point,AP)处于可视环境(Line of Sight,LOS),当客户端与AP处于非可视环境(Non Line of Sight,NLOS)时,会造成定位精度严重下降。基于此,本文在传统的多信号分类算法(Multiple Signal Classification,MUSIC)的基础上结合OFDM信号的子载波特性,提出一种基于仿射传播聚类的LOS/NLOS环境识别算法用于提高基于AOA的室内定位的精度。该算法分为两步,先对无线信号的AOA和TOA进行估计,其次利用聚类算法对信号的AOA和TOA信息进行聚类,利用聚类的结果判断当前环境属于LOS环境还是NLOS环境。仿真结果表明,本文提出的算法具有良好的识别性能。展开更多
文摘随着信息技术的发展和日益增长的位置服务需求,室内定位技术经成为了当下最热门的定位研究领域之一。在室内定位中比较常用的算法包括信号到达时间(Time of Arrival,TOA)、信号到达时间差(Time Difference of Arrival,TDOA)、信号到达角(Angle of Arrival,AOA)等。这些定位技术都依赖于客户端与Wi-Fi接入点(Access Point,AP)处于可视环境(Line of Sight,LOS),当客户端与AP处于非可视环境(Non Line of Sight,NLOS)时,会造成定位精度严重下降。基于此,本文在传统的多信号分类算法(Multiple Signal Classification,MUSIC)的基础上结合OFDM信号的子载波特性,提出一种基于仿射传播聚类的LOS/NLOS环境识别算法用于提高基于AOA的室内定位的精度。该算法分为两步,先对无线信号的AOA和TOA进行估计,其次利用聚类算法对信号的AOA和TOA信息进行聚类,利用聚类的结果判断当前环境属于LOS环境还是NLOS环境。仿真结果表明,本文提出的算法具有良好的识别性能。
