138
传感器与微系统(Transducer and Microsystem Technologies）
2017年第36卷第4期
DOI:10, 13873/J. 10009787(2017)04013805
修正的UKF滤波时差定位算法
刘，向风红，毛剑琳
（昆明理工大学信息工程与自动化学院，云南昆明650500）
要：为了降低到达时间差（TDOA)测距在非视距（NLOS）传播环境中的误差，提出了在强跟踪无迹卡摘
尔曼滤波(UKF)基础上改选的算法。在状态发生突变时，给预测协方差矩阵加人次优渐消因子；对NLOS 误差进行正负判断，利用整体偏移法修改滤波增益，但估计协方差矩阵不做改进，以免出现不收敛。实验结果表明：该算法不仅能有效地抑制突变带求的影响，也能高效地消除NLOS误差，提高了NLOS传播的到达时间差定位精度。
关键调：到达时间差；无线传感器网络；非视距传播；无迹卡尔曼滤波；滤波增益
中图分类号：TN923
文献标识码：A
文章编号：1000-9787(2017)04-0138-05
ModifiedUKFfilteringtimedifferencelocalizationalgorithm
LIU Lian, XIANG Feng-hong, MAO Jian-lin
(Faculty of Information Engineering and Automation,Kunming University of
Science and Technology ,Kunming 650000, China)
Abstract: In order to reduce time difference of arrival ( TDOA) ranging error in non line of sight ( NLOS) environments,two improvements are introduced to enhance unscented Kalman filtering( UKF). When the system states change, suboptimal fading factors are added into the prediction covariance to eliminate the influence of mutational states. Seoondly ,judging type of NLOS error and using the total-deflection method can modify filtering gain,but estimation covariance matrix is not modified to avoid non-convergence, Experimental result indicates that the proposed method can not only restrain the influence of mutation, but also eliminate NLOS error highly effectively and improve positioning precision greatly.
Key words: time difference of arrival( TDOA) ; wireless sensor networks ( WSNs); non line of sight( NLOS) propagation; unscented Kalman filtering( UKF) ; filtering gain
0
引
随着全球不同地区和用户应用的网络不同，尤其是
GSM/GPRS/EDGEUMTS、
CDMA2000、1
PHS、
WLAN
和
WiMAX等无线网络技术互补融合，无线异构网络受到广泛关注。与在同构网络中的定位技术一样，异构无线传感器网络，很多功能的实现都依赖网络定位技术的精度。
到达时间差（time differenee of arival，TDOA）("】定位技术是无线传感器网络节点定位的一种重要技术，它具有精度高、易组网实现、能对付宽带低谱密度信号等优点。 TDOA技术是测量移动台（mobilestation，MS）到不同基站(base station，BS)的时间差面进行估计MS的位置。由于无线电信号在实际传输过程中易被障碍物迹挡只能以反射、折射等非视距（nonlineofsightNLOS）传播方式进行传播，因此，MS位置估计间题就转化成高度非线性方程组估计间题。
收稿日期：2016-03-25
*基金项目：国家白然科学基金资助项目（61163051，F020809）
在引人了NLOS误差的TDOA定位中，扩展卡尔曼滤波（extendedKalmanfiltering，EKF）[3.4]被广泛应用，它对非线性模型进行一阶Taylor展开，缺点是近似线性化在对状态后验分布的估计中引人很大误差。所以，学者们提出了一种确定性样本点计算的滤波算法无迹卡尔曼滤波（un-scentedKalmanfiltering，UKF）[5】，它直接利用真实的系统模型，其后验值和协方差可以精确到三阶Taylor展开，但它的缺点是在模型不准确或状态发生突变的情况下鲁棒性不佳。在文献[6]申，提出先对系统状态进行突变判断，状态发生突变时给预测协方差矩阵加人多重次优渐消因子，以消除状态突变时的影响，量然这种方法明显优于标准 UKF，但它仅改进了异常状态的部分误差，在状态正常时对引入NLOS误差却不能很好地消除。针对这个间题，本文将基于改进的强跟踪UKF算法引人到TDOA抗NLOS的处理中，并对此进行改进，避免原文中的算法对引人NLOS误