基于Nanoloc的TOA指纹算法定位研究

　　参考点加权定位

　　定位参考集合 中的各指纹点对应的欧几里得距离有大有小，即表明各指纹点对定位待定位节点所起的作用不同，基于此，本文使用加权算法，将该参考点对应的欧几里得距离的倒数作为该参考点的权值，

　　其中(x₀,y₀)为指纹算法得到的待定位节点坐标，(x_i,y_i)为区域中的指纹坐标。

　　为了防止待定位点碰巧在某指纹点上的情况，在所得的欧几里得距离值基础上加上一个很小的数值ε，从而不会有欧几里得距离为零，权值无穷大的情况出现，即

　　实验结果及分析

　　为了检验此方法的可行性，我们进行了如下实验：在室内选择一个4.2m×4.2m的方形空旷区域，在角落位置放置阅读器，每隔0.6m选择一个指纹点，建立数据库。在定位区域中随机放置一个待定位节点，由放置于角落的阅读器读取其距离信息，进行定位。

　　指纹法定位精度

　　将指纹法所得定位结果与最小二乘法所得定位结果进行比较。

　　由图中曲线看出，利用指纹算法定位，比基于最小二乘法定位的精度要高很多。指纹法定位精度在0.5m左右，当定位区域变大之后，这个精度足以满足要求。

　　不同的参考点密度对定位精度的影响

　　将定位区域内的指纹点个数依次选定为36、18、9，重复上述实验，得到如下定位结果：

　　通过上图可以看出，当参考点密度降低之后，随之明显降低的是定位精度。

　　最邻近参考点个数k对定位精度的影响

　　将阈值选为不同的值，从而定位参考集合内的参考点个数也会不同，表1表示了不同的参考点个数对定位精度的影响，用均方差误差来表示。

　　由表1中数据可以看到，随着定位参考点个数k值的增大，定位误差error并没有明显的改善，仅仅是误差均方差变小。

　　结语

　　本文针对室内环境下多径效应的存在对TOA测距有较大误差，且存在非单调性的问题，提出使用指纹算法，利用动态阈值，误差加权等方法改善定位精度，并与最小二乘法定位比较，发现此方法能够获得更好的定位误差，有效的提高了定位精度，并使定位精度不再过度依赖测量值的准确性，定位误差趋于稳定，能够较好的满足一般的定位需求。

　　参考文献：

　　[1] 肖竹,于全,易克初,王勇超.适用于NLOS环境的UWB定位方案研究[J].通信学报,2008,(4)
　　[2] Daegun Oh, Myungkun Kwak, and Jong-Wha Chong. A Subspace-Based Two-Way Ranging System Using a Chirp Spread Spectrum Modem, Robust to Frequency Offset[J]. IEEE Trans. On Wirelsee comm.., vol. 11,no. 4, Apr.2012.
　　[4] 杨天池,金梁,程娟.一种基于TOA定位的CHAN改进算法[J].电子学报,2009,(4)
　　[5] 余芳文,胡旭科.基于线性调频的nanoLOC新技术与应用研究[J].信息通信,2011,(2)
　　[6] 陈冰,刘开华,史伟光.基于RFID的虚拟标签改进算法[J].计算机工程,2011,(8)
　　[7] 万群,杜亚平,吕泽均.虚拟阵的TOA定位算法[J].电子科技大学学报,2009,(3)
　　[8] 王沁,何杰,张前雄,刘冰峰,于彦伟.测距误差分级的室内TOA定位算法[J].仪器仪表学报,2011,(12)
　　[9] 熊瑾煜,王巍,朱中梁.基于泰勒级数展开的蜂窝TDOA定位算法[J].通信学报,2004
　　[10] 林云松,孙卓振,彭良福.基于Bancroft算法的多点定位TOA—LS估计[J].电子学报,2012,(3)
　　[11] Christof Röhrig and Marcel Müller. Indoor Location Tracking in Non-line-of-Sight Environments Using a IEEE 802.15.4a Wireless Network[C]. The 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems October 11-15, 2009 St. Louis, USA