一种视距和非视距混合环境下的无线定位方法

1、一种视距和非视距混合环境下的无线定位方法，其特征在于，该方法包 括以下几个步骤：
步骤1建立移动台的运动方程，建立描述运动状态和非视距的转移概率模 型，建立含有目标运动状态和运动状态和非视距环境变量的测量方程；
步骤2根据来自单个基站的测量信号，对运动状态和非视距状态进行估计， 并推断当前运动状态和非视距环境变量的后验概率，并据此得到依据单个基站测 量值的运动状态估计；
步骤3对步骤2中所有的运动状态和非视距状态进行融合，得到当前时刻目 标的状态估计；
步骤4重复步骤2-3，得到运动目标状态的序贯估计结果。
2、根据权利要求1所述的定位方法，其特征是，所述步骤1中建立移动台的 运动方程具体包括下列步骤：
设移动台在二维平面内运动，k时刻的运动状态设为Xk，$X_k={(x_k,y_k,{\stackrel{.}{x}}_k,{\stackrel{.}{y}}_k)}^T,$ 其中(xk，yk)表示移动台在x和y坐标的位置，为对应的速度。则带有随机 加速的的运动状态方程表示为：

式中，Δt为离散采样时间，$W_k={[w_{x_k},w_{y_k}]}^T$ 为随机加速度，其协方差矩阵 $Q=\mathrm{diag}({\sigma }_x^2,{\sigma }_y^2).$ 式(1)的矢量形式可以表述为：
Xk＝ΦXk-1+ΓWk
3、根据权利要求1所述的定位方法，其特征是，所述步骤1中的LOS、NLOS 的转移概率模型采用一阶Markov链描述。
4、根据权利要求1所述的定位方法，其特征是，所述步骤2中利用修正EKF 方法对运动状态和非视距状态进行估计。
5、根据权利要求2所述的定位方法，其特征是，所述步骤2具体包括：
2.1)根据运动方程，预测移动台的状态均值和方差：
${\hat{X}}_{k/k-1}=\Phi {\hat{X}}_{k-1}$
${\hat{P}}_{k/k-1}=\Phi {\hat{P}}_{k-1}{\Phi }^T+\mathrm{\Gamma Q}{\Gamma }^T$
2.2)根据来自单个基站的测量信号zi，k，同时估计LOS和NLOS环境下运动 状态均值和方差：${\tilde{X}}_{i,k}\left(s_{i,k}\right),{\tilde{P}}_{i,k}\left(s_{i,k}\right);$
2.3)根据贝叶斯公式，计算当前LOS/NLOS环境变量的后验概率p(si，k/Zi，k)；
2.4)根据2.2)-2.3)，得到依据单个基站测量值的运动状态估计均值和方差：
${\bar{X}}_{i,k}=\underset{s_{i,k}=0}{\overset{1}{\Sigma }}{\tilde{X}}_{i,k}\left(s_{i,k}\right)p(s_{i,k}/Z_{i,k})$

6、根据权利要求5所述的定位方法，其特征是，所述步骤3中，对所有的 滤波结果{Xi，k，Pi，k}进行融合，得到当前时刻对移动台运动状态的最终估计结果。
${\hat{P}}_k^{-1}={{\hat{P}}_{k/k-1}}^{-1}+\underset{i=1}{\overset{M}{\Sigma }}({\bar{P}}_{i,k}^{-1}-{{\hat{P}}_{k/k-1}}^{-1})$
${\hat{X}}_k={\hat{P}}_k[{\hat{P}}_{k/k-1}^{-1}·{\hat{X}}_{k/k-1}+\underset{i=1}{\overset{M}{\Sigma }}\{{\bar{P}}_{i,k}^{-1}·{\bar{X}}_{i,k}-{\hat{P}}_{k/k-1}^{-1}·{\hat{X}}_{k/k-1}\}]$

暂无