NLOS error elimination 3D positioning model based on improved Gauss-Newton method
-
摘要: 针对无线传感网络进行室内定位过程中由于信号非视距(NLOS)传播导致精度低的问题，提出一种基于改进高斯-牛顿法的NLOS误差消除室内三维定位模型. 该模型基于欧式距离，利用最小二乘算法得到目标位置的初始解，并根据改进的高斯-牛顿法对非线性最小二乘估计值进行迭代，进一步降低NLOS误差的影响，收敛得到最终的精确位置. 实验结果表明：该模型在三维空间的定位误差约在0.64 m，最大定位误差不超过1.29 m，误差小于1.2 m的概率为96.5%，较其他定位方法有更好地定位效果.Abstract: To address the problem of low accuracy caused by the non line of sight (NLOS) propagation of signals in the indoor positioning process of wireless sensor networks, a three-dimensional indoor positioning model with NLOS error elimination based on the improved Gauss Newton method was proposed. Firstly, the initial solution of the target position is obtained by using the least square algorithm based on the Euclidean distance. In order to further reduce the influence of NLOS error, the nonlinear least square estimation value is iterated according to the improved Gauss-Newton method, and the final accurate position is obtained by convergence. The experimental results show that the positioning error of the model in three-dimensional space is about 0.64 m, the maximum positioning error is not more than 1.29 m, and the probability of error less than 1.2 m is 96.5%, which is better than other positioning methods.
-
Key words:
- 3D positioning /
- non line of sight (NLOS) /
- nonlinear /
- least squares estimation /
- Gauss- Newton method
-
表 1 600个测试点定位误差统计结果
方向 平均定位
误差/m最大定位
误差/m最小定位
误差/m误差<1 m
的概率/%$ x $ 0.168 0.806 0.006 99.0 $ y $ 0.171 0.974 0.002 98.7 $ z $ 0.719 1.190 0.014 89.2 
下载: 导出CSV
表 2 1 000个测试点定位误差统计结果
方向 平均定位
误差/m最大定位
误差/m最小定位
误差/m误差<1 m
的概率/%$ x $ 0.175 1.013 0.001 99.0 $ y $ 0.179 1.198 0.001 98.7 $ z $ 0.721 1.220 0.014 86.4
下载: 导出CSV
-
[1] YUAN Y, SHEN F, LI X D. GPS multipath and NLOS mitigation for relative positioning in urban environments[J]. Aerospace science and technology, 2020, 107(3): 106315. DOI: 10.1016/j.ast.2020.106315 [2] 王慧强, 高凯旋, 吕宏武. 高精度室内定位研究评述及未来演进展望[J]. 通信学报, 2021, 42(7): 198-210. [3] 李芳馨, 涂锐, 韩军强, 等. 基于5G毫米波到达时间差的室内定位算法[J]. 全球定位系统, 2021, 46(2): 1-6. DOI: 10.12265/j.gnss.2021012901 [4] 薛树强, 杨元喜, 党亚民. 测距定位方程非线性平差的封闭牛顿迭代公式[J]. 测绘学报, 2014, 43(8): 771-777. [5] 闫千里, 万鹏武, 卢光跃, 等. 非视距环境下RSS和TDOA联合的信源被动定位[J]. 西安电子科技大学学报, 2019, 46(3): 180-188. [6] 杨晓倩, 童浩, 王彬. 一种基于测距信息的加权最小二乘定位算法[C]//第十一届中国卫星导航年会, 成都, 2020(6): 81-86. [7] 白晓娟, 道伟, 关露, 等. 室内复杂环境处理及泰勒公式改进定位算法研究[J]. 电子测量技术, 2021, 44(3): 55-59. [8] ZHANG J L, DING L Q, WANG Y, et al. Measurement-based indoor NLoSToA/RSS range error modelling[J]. Electronics letters, 2015, 52(2): 165-167. DOI: 10.1049/el.2015.2043 [9] 田昕, 魏国亮, 王建华, 等. NLOS 环境下的改进 EKF 定位算法研究[J]. 控制工程, 2020, 27(5): 909-913. [10] 田昕, 魏国亮, 王甘楠. 无线传感器网络定位综述[J]. 信息与控制, 2022, 51(1): 69-87. DOI: 10.13976/j.cnki.xk.2022.1177 [11] CHENG L, WANG Y, XUE M K, et al. An indoor robust localization algorithm based on data association technique[J]. Sensors, 2020, 20(22): 6598. DOI: 10.3390/s20226598 [12] CHEN H T, WANG G, WU X P. Cooperative multiple target nodes localization using TOA in mixed LOS /NLOS environments[J]. IEEE sensors journal, 2020, 20(3): 1473-1484. DOI: 10.1109/JSEN.2019.2948063 [13] 李奇越, 吴忠, 黎洁, 等. 基于改进卡尔曼滤波的NLOS误差消除算法[J]. 电子测量与仪器学报, 2015, 29(10): 1513-1519. [14] 徐英凯, 曹洁, 陈晓群. 一种抑制非视距传播误差的混合定位算法[J]. 计算机工程, 2013, 39(7): 119-122. DOI: 10.3969/j.issn.1000-3428.2013.07.027 [15] 王建强, 代阳. 基于高斯牛顿迭代估计的无线网络节点定位算法[J]. 测绘工程, 2020, 29(6): 8-12. [16] 齐珂, 曲国庆, 薛树强, 等. 测距定位方程的多解性及其非线性最小二乘迭代算法[J]. 测绘通报, 2018(8): 37-40,46. [17] 周西峰, 朱文文, 郭前岗. 基于遗传算法和高斯牛顿法的超声回波信号参数估计[J]. 解放军理工大学学报(自然科学版), 2012, 13(3): 247-251. [18] 王仁辉. 无线传感器网络定位算法及实际应用[D]. 焦作: 河南理工大学, 2019. [19] 江力, 徐海川, 张磊, 等. NLOS环境中的线性回归最小二乘三维定位算法[J]. 湖南工业大学学报, 2019, 33(6): 23-28. DOI: 10.3969/j.issn.1673-9833.2019.06.004 -
点击查看大图
图(6) / 表(2)
计量
- 文章访问数: 155
- HTML全文浏览量: 52
- PDF下载量: 21
- 被引次数: 0
