最小二乘估计算法常用于基于测距的源定位,然而,当移动基站与基站间呈非视距(Non Line of Sight,NLOS)路径时,最小二乘估计算法无法提供理想的定位精度。为了克服此问题,研究人员提出多类算法识别并消除NLOS误差。然而,现存的算法存在高运行时间的开销问题。为此,提出基于特征矢量的NLOS误差检测的定位(Eigenvector-Based NLOS Error Identification Localization,E-NIL)算法。E-NIL算法先利用基于测距数据的统计特性识别NLOS误差,然后,将NLOS误差看成确定加性噪声项,再利用误差函数与它的特征矢量间的互相关,寻找NLOS误差值。最后,再删除这些NLOS项,并依据这些无NLOS误差的数据估计移动基站的位置。实验数据表明,提出的E-NIL算法在定位精度和复杂度方面优于同类算法。
机构:
Institute of Industrial Science, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, TokyoInstitute of Industrial Science, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, Tokyo
The Limiting Distributions of Eigenvalues of Sample Correlation Matrices.[J].Tiefeng Jiang.Sankhyā: The Indian Journal of Statistics (2003-2007).2004, 1
机构:
Institute of Industrial Science, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, TokyoInstitute of Industrial Science, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, Tokyo
The Limiting Distributions of Eigenvalues of Sample Correlation Matrices.[J].Tiefeng Jiang.Sankhyā: The Indian Journal of Statistics (2003-2007).2004, 1