基于中位值的自适应最小二乘非视距定位

发布时间：2021-01-03 22:36

　　针对室内LOS/NLOS混合环境下RSS测量造成节点定位精度下降的问题,提出自适应加权最小二乘估计的定位算法。采用假设检验的方法确定测量通道中是否有NLOS的存在。并分别在LOS和NLOS环境下构造最小化基于样本均值和样本中位值的自适应加权平方误差代价函数进行定位。仿真结果表明,所提出的算法定位精度优于基于样本均值和中位值的最小二乘算法、基于样本中位值的最小二乘算法、一般的最小二乘算法。仿真结果验证了算法的有效性。 

【文章来源】：控制工程. 2020年04期 北大核心

【文章页数】：5 页

【部分图文】：

信号的LOS/NLOS传播

节点分布图

本文将所提自适应加权最小二乘算法(ATWLS)和基于样本均值和中位值的最小二乘算法(Adaptive Least Squares Based on Sample Mean and Median,ATLS)、基于样本中位值的最小二乘算法(Least Squares Based on Sample Median Value,MLS)、一般最小二乘算法(Least Squares,LS)进行比较。并给出了平均定位误差随σ1变化关系，如图3所示。由图3可知当σ1比较小时，ATLS和MLS曲线比较接近。随着σ1的增长，所有算法平均定位也随之增加，但是LS误差增长速度最快，定位精度最差。反之，ATWLS定位精度则最高。

【参考文献】：
期刊论文
[1]基于严格残差选择的非视距定位算法[J]. 胡楠,吴成东,刘鹏达,于晓升.  东北大学学报(自然科学版). 2016(09)
[2]基于多参考节点的WSN时间同步方法[J]. 孙子文,吴梦芸,白勇.  控制工程. 2016(01)
[3]严重遮挡非视距环境下的三维定位方法[J]. 肖竹,陈杰,王东,李晓鸿,李仁发.  通信学报. 2015(08)
[4]基于粒子群优化的无线传感器网络非视距节点定位算法[J]. 刘韵婷,张嗣瀛,井元伟.  控制与决策. 2015(06)
[5]基于高斯混合模型的非视距定位算法[J]. 崔玮,吴成东,张云洲,贾子熙,程龙.  通信学报. 2014(01)
[6]一种非视距环境下具有鲁棒特性TOA无线传感网络定位算法[J]. 焦磊,邢建平,张军,张璇,赵朝丽.  传感技术学报. 2007(07)



本文编号：2955606