传感技术学报
傳感技術學報
전감기술학보
Journal of Transduction Technology
2014年
11期
1557-1561
,共5页
王瑞荣%郑书万%陈浩龙%薛楚
王瑞榮%鄭書萬%陳浩龍%薛楚
왕서영%정서만%진호룡%설초
室内定位%协同方法%Taylor算法%Kalman算法%残差加权
室內定位%協同方法%Taylor算法%Kalman算法%殘差加權
실내정위%협동방법%Taylor산법%Kalman산법%잔차가권
indoor localization%cooperative method%Taylor algorithm%Kalman algorithm%residual weighting
结合Chan算法、Taylor算法及Kalman算法三种TDOA算法的优点,提出一种能应用于室内实时定位的协同方法。首先基于Chan与Taylor的协同定位方法估算位置信息,并通过对估计结果的残差设置阈值来鉴别NLOS,从而抛弃受到NLOS污染严重的测量数据。其次,再对符合条件的测量数据,利用Kalman方法计算定位结果,与Taylor方法的定位结果通过设置判别条件进行比较,以此进一步抑制NLOS干扰。对符合判别条件的定位结果,进行残差加权及移动平均加权处理,从而完成最终定位结果的更新。最后,利用室内实时定位实验,证明该方法能有效过滤受到NLOS污染严重的测距数据,提高定位精度,并且具有良好的稳定性。
結閤Chan算法、Taylor算法及Kalman算法三種TDOA算法的優點,提齣一種能應用于室內實時定位的協同方法。首先基于Chan與Taylor的協同定位方法估算位置信息,併通過對估計結果的殘差設置閾值來鑒彆NLOS,從而拋棄受到NLOS汙染嚴重的測量數據。其次,再對符閤條件的測量數據,利用Kalman方法計算定位結果,與Taylor方法的定位結果通過設置判彆條件進行比較,以此進一步抑製NLOS榦擾。對符閤判彆條件的定位結果,進行殘差加權及移動平均加權處理,從而完成最終定位結果的更新。最後,利用室內實時定位實驗,證明該方法能有效過濾受到NLOS汙染嚴重的測距數據,提高定位精度,併且具有良好的穩定性。
결합Chan산법、Taylor산법급Kalman산법삼충TDOA산법적우점,제출일충능응용우실내실시정위적협동방법。수선기우Chan여Taylor적협동정위방법고산위치신식,병통과대고계결과적잔차설치역치래감별NLOS,종이포기수도NLOS오염엄중적측량수거。기차,재대부합조건적측량수거,이용Kalman방법계산정위결과,여Taylor방법적정위결과통과설치판별조건진행비교,이차진일보억제NLOS간우。대부합판별조건적정위결과,진행잔차가권급이동평균가권처리,종이완성최종정위결과적경신。최후,이용실내실시정위실험,증명해방법능유효과려수도NLOS오염엄중적측거수거,제고정위정도,병차구유량호적은정성。
A cooperative method for indoor real-time localization based on three TDOA algorithms is presented. These algorithms are Chan algorithm, Taylor serials expansion algorithm, and Extended Kalman filter algorithm. Firstly,estimation result is calculated by a cooperative method based on Chan and Taylor and threshold value of its residuals is set to identity NLOS and discard the ranging data that is disturbed severely by NLOS. Then,Kalman method is used for the matching data to get estimation position. The location result of Kalman is compared with the result of Taylor through setting some condition to further restrain NLOS error. Next,the final estimation result is ob-tained,by using residual weighting algorithm and moving weighted average method to the meet results. Finally,the experimental results show that this method can restrain NLOS error efficiently and improve the precision of location.