基于lts算法改进的抑制nlos误差的室内定位

24.1%和53.3 %的提高。
关键词：非视距(NLOS)；最小截断平方(LTS)算法；卡尔曼滤波算法；最小二乘估计(LSE)算法
中图分类号：TP212
文献标识码：A
文章编号：1000-9787(2020)02-0026-03
Improved indoor positioning based on LTS algorithm for suppressing NLOS error
因，因此减小NLOS误差是本地化系统中讨论最多的主题 之一,并且已经开展了大量的研究工作。文献［6,7］提出 了一种最小平方中值(least median of squares, LMS)算法， 利用阈值从目标位置计算的基站集合中排除较大的NLOS 误差的基站;文献［8］采用了基于模糊控制的算法，利用隶 属函数来抑制NLOS误差;文献［9 ］提出了一种最小截断平 方(least irimmed squares,LTS)算法通过计算残差值大小来 选择基站进行位置计算，但方法的实现都依赖于阈值参数 选取，往往人为因素影响较大,可靠性不高。
需求的提高E,促使室内定位本地化研究经历了蓬勃快速 的发展，与此也产生了多种应用,例如医院医务人员或设备 的位置检测，智能体育反馈系统，跟踪库存资产等。各种主 流无线技术也已被应用于这些应用的实现，包括无线局域 网(WiFi)、射频识别(radio frequency identification, RFID)、 超宽带(ultra wide band, UWB )、蓝牙和 ZigBee 等［2~3］O 但 这些无线技术在室内定位中依然存在问题，因为室内环境 涉及各种不同的材料，例如混凝土，玻璃,木材等,使得收发 器之间没有清晰的视距(line of sight, LOS)路径，信号只能 通过障碍物反射到接收器，被迫产 of sight, NLOS)误差的主要原
HAN Baolei1, DENG Chen1, LI Wenshuai2, LIU Jiechao1 , LIU Yu1
(1 ・ School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai 201620,China； 2. Zhejiang Huiqin Medical Devices Ltd,Deqing 313200,China)
26
传感器与微系统(Transducer and Microsyslem Technologies)
2020年第39卷第2期
DOI： 10.13873/J. 1000-9787(2020)02-0026-03
基于LTS算法改进的抑制NLOS误差的室内定位**
韩宝磊-邓琛-李文帅S刘杰超J刘玉' (1•上海工程技术大学电子电气工程学院，上海201620；2,浙江慧勤医疗器械有限公司，浙江德清313200)
本文提出的一种改进的LTS算法，不依赖任何阈值, 这使得它成为一个完全非参数NLOS误差抑制解决方案， 实验表明该方案减小由NLOS产生的误差效果明显，能够 更好地满足室内定位精度的要求。
收稿日期：2018-12-06 *基金项目：国家自然科学基金资助项目(61701295)
摘要：针对传统的最小截断平方(LTS)算法利用硬阈值决定位置、计算基站，重非视距(NLOS)环境中
不能分离出具有最小偏差基站的缺陷,提出了一种新的改进方法。首先对测量距离进行卡尔曼滤波处理，
然后对基站进行有序分组,选择所有基站组合中具有最小残差的基站集作为最终位置计算集合。实验表
明:该方法在NLOS环境下与传统的LTS算法和最小二乘估计(LSE)算法相比定位精度分别得到了
Keywords: non-line of sight( NLOS) ； least trimmed squares( LTS) algorithm； Kalman filtering algorithm； least
square eslimation(LSE) algorithm
0引言 近些年来随着无线通信技术的快速发展和对定位精度
Abstract: Aiming at the defect that the tiachtional least trimmed squares ( LTS) using hard threshold to determine
location and calculate base station, in the non-line of sight ( NI\OS) environment, base station with the smallest deviation cannot be separated. A new improved method is proposed. Firstly, the Kalman filtering process is performed on the measured distance, then the base station is orderedly grouped, and the base station set with the smallest residual among all base station combinations is selected as the final position calculation set. Experiments show that the proposed method has improved positioning precision by 24. 1 % and 53. 3 % , compared with the tradilional LTS algorithm and least square estimation(LSE)algorithm in the NLOS environment.