一种在NLOS环境下提高TOA定位算法精度的改进方法，杨瑾，赵成林，TOA定位算法是移动通信系统基础定位算法之一，具有定位参数易获得，定位精度较高等特点。但在非视距（NLOS）环境中，时间测量参数��

由于矿井下巷道空间有限且存在弯曲,因此通信传播大多为非视距(NLOS)传播环境。传统的基于距离的无线传感网络定位技术易产生较大误差,从而导致定位精度不高。超宽带(UWB)信号具有穿透能力强、抗多径能力强的特点,能够提供较高的定位精度,因此成为NLOS环境下定位的首选。针对NLOS环境下的定位精度不高的问题,在接收信号强度(RSSI)测距和三边算法联合定位的基础上,提出以联合定位得到的初始坐标做为无迹卡尔曼滤波(UKF)算法的观测值,并对UKF的测量更新方程进行修正,使该算法能适应NLOS环境下的定位跟踪。通过仿真验证并与扩展卡尔曼滤波(EKF)算法进行比较,在NLOS环境下改进的UKF定位算法,能够对目标进行实时跟踪并提高定位的精度。

用MATLAB编写，4个基站的基于TDOA的Taylor级数展开法定位。采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求自己修改。本代码使用的衡量指标是累积分布函数CDF，也可以自己改成均方误差RMSE。下载后可以直接运行。可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。

变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法

在大型建筑灾难发生过程中，由于受到有毒烟雾、噪声、大火、漏电、光线等不利因素影响，加上大型建筑内部结构复杂，很多救援人员难以获得可靠的信息。针对上述情况，无线传感器网络在室内复杂环境定位方面可以发挥其优势作用，但目前面临的挑战就是在LOS环境下其定位精度非常高，然而在NLOS环境下其测量可能会受到非视距传播的污染，从而导致定位精度下降。针对这一现象，提出一种改进的无迹卡尔曼滤波(MKF)定位方法。首先，采用检验统计方法识别移动节点和信标节点之间的传播状态。然后，利用线性卡尔曼滤波器(LKF)平滑测量距离，在此基础上利用MKF削弱NLOS对于测量产生的影响。之后，采用无迹卡尔曼滤波(UKF)方法来确定未知移动节点的位置信息。最后通过数值仿真实验验证了所提算法的有效性。

基于粒子群优化的NLOS环境的节点定位算法，文恬，余小平，无线传感网络的非视距NLOS(Non-line-of-sight)环境是影响测距定位精度的重要因素，提出了基于粒子群优化PSO(Particle Swarm Optimization)的NLOS环境�

用MATLAB编写，4个基站的基于TDOA的chan氏算法定位。采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求自己修改。本代码使用的衡量指标是累积分布函数CDF，也可以自己改成均方误差RMSE。下载后可以直接运行。可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。