基于TDOA的无线传感器网络定位算法研究

作为无线传感器网络关键技术之一,节点定位是众多应用的基础与核心技术,在无线传感器网络的监测活动中的作用至关重要。基于TDOA测距的节点定位算法目前较为广泛使用,此类算法有两个主要误差源:非视距导致的TDOA测距误差以及非线性方程解的误差。本课题研究机场飞行区内特种车辆的定位问题。飞行区地面部分包括跑道、滑行道、停机坪等,由于大量飞机、特种车辆的存在,此区域NLOS误差严重且误差模型无法确定。在基于TDOA的无线定位算法中,为了有效抑制NLOS造成的TDOA测距误差,本文针对卡尔曼滤波算法进行了改进。通过研究误差特性,针对较大NLOS误差会导致后续估计值均受严重影响引入新息阈值,而针对NLOS误差不可避免的特性引入修正系数,进而改进卡尔曼滤波迭代过程,以获得更准确的估计值。通过仿真与原始卡尔曼滤波算法以及部分改进算法进行了对比,证实了本文算法的有效性。其次,在基于TDOA的无线传感器网络定位算法中,最小二乘算法复杂度低,但抗非视距误差能力较弱。Taylor级数展开算法能够通过迭代求精有效抑制NLOS误差,但受初始估计值影响较大。本文针对两种算法缺点及机场特种车定位特性,将两种算法进行了混合。首先利用最小二乘算法获得初始估计位置,然后并取该估计域质心作为Taylor算法初始值进行迭代求精。通过仿真与最小二乘法及Taylor算法进行了对比,结果表明改进算法具有更高的定位精度。