齐小刚,张海洋,魏倩
(1. 西安电子科技大学 数学与统计学院,陕西 西安 710071; 2. 西安电子科技大学 宁波信息技术研究院,浙江宁波 315200)
机器人、无人机和其他智能系统[1]无法在建筑物、地下商场和其他室内环境中利用全球导航系统获得准确的位置信息,所以研究室内目标定位变得更加重要。 近年来各种基于测距的智能体(机器人等)定位技术已经被提出,根据不同的定位参数,可以分为基于接受信号强度(receive signal strength,RSS)、基于到达时间差(time difference of arrival,TDOA)、基于到达角度(angle of angle,AOA)、基于到达时间(time of arrival,TOA)以及混合参数等。其中,基于TOA测距的定位算法由于测量精度高和抗干扰性能好等优点被广泛应用于室内定位系统。本文主要研究非视距(non line of sight,NLOS)环境下的TOA定位。目前大部分算法在视距(line of sight,LOS)条件下得到了很好的估计值,但是在含有NLOS的环境中,由于NLOS误差一般远大于节点间的测量噪声,传统算法的定位性能大大降低[2]。另一个原因是在恶劣环境中,目标节点和传感器之间的LOS信号难以提供足够的信息,不得不求助NLOS信号[3]。因此,抑制NLOS误差成为一项紧迫的任务,解决这个问题最简单的办法是识别出NLOS路径,然后丢掉NLOS测量,用LOS测量定位源位置[4-5]。然而这种办法有2个缺点:1) 如果LOS测量数量在二维空间小于3,三维空间小于4,则无法定位目标节点的位置;2) 目前的技术下NLOS识别的成功率还不能达到100%,存在一定的虚警和漏警,这会大大地降低定位的性能[2]。
近年来,基于凸优化的方法得到了广泛的应用。Yang 等[6]通过利用二次规划(quadratic programming,QP)方法,提出了一种凸优化定位算法,该算法能较好地抑制NLOS误差,并且不需要知道任何NLOS误差分布以及识别NLOS信号。……