在复杂的室内环境下,存在多径,噪声及非视距(NLOS)的影响,当CHAN算法在菲涅尔区遮挡的范围大于50％时,其定位精度会降低.Taylor算法虽然定位精度高且有较好的鲁棒性,但是过于依赖初始位置,因此提出了一种改进的CHAN,CHAN-Taylor级联混合加权算法.通过残差对测量的到达时间差(TDOA)中的非视距误差进行剔除,将筛选出的值作为Taylor的初始值,进一步通过Taylor算法定位.通过CHAN、CHAN-Taylor分别获得估计值,对两次估计值进行加权得出最终标签位置估计.通过实验分析论文提出的算法定位精度比CHAN-Taylor级联算法定位精度提升了7.5％,并且具有良好的鲁棒性.
国家科技期刊平台
NSTL
万方数据
维普
