基于信道Time/Power度量指标的TOA测距误差模型及其应用研究

室内定位技术是多移动物体轨迹相关性分析、室内目标跟踪、移动机器人等的核心之一，得到广泛重视与研究。如何提高室内定位准确性始终是一个难题。基于射频信号到达时间（TOA：Time-Of-Arrival）测距的定位被公认为是一种高性价比方法。但是，一个关键问题是：TOA测距误差对射频通信环境十分敏感，室内复杂的多径和非视距环境导致测距误差变化较大，使得测距结果可信度难以估计，是提高室内定位精度的最大障碍。近来研究发现多径和非视距等TOA测距误差主导因素与信道的Time/Power度量指标存在相关性。这一发现为研究TOA误差估计提供了可能途径。本课题拟研究TOA测距误差与信道总能量、时延等度量指标之间相关性，利用该相关性估计TOA测距误差，进而在室内定位及其应用中正确使用TOA测距结果，提高室内定位及其应用的可靠性和可信度。

基于 Time of arrival (TOA) 的定位技术同时具备较高定位精度和技术可行性，是在室内、室外多遮挡环境等卫星定位信号较弱区域实现精确定位较为可行的方法。课题在TOA测试平台、TOA测量数据分析方法、TOA测距误差模型、TOA定位算法和多目标轨迹分析等方面开展了研究工作。取得的重要成果包括：(1)提出了信道仿真器和Ray-tracing的TOA定位性能评估平台，解决了纯软件仿真无法模拟硬件影响的问题；(2)提出了人体对TOA测距信号的影响模型和面向室内人员定位的TOA测距误差模型，为室内TOA人员定位算法仿真提供了准确的模型；(3)提出了TOA与RSS的关系模型，该模型可用于TOA测距误差实时估计问题；(4)提出了基于信道分类的卡尔曼滤波算法，解决了卡尔曼滤波及其衍生算法无法明显改进TOA测距精度的问题；(5)提出了误差分级的室内TOA定位算法，算法定位精度高于最小二乘、三边等经典定位算法；(6)针对空间数据流聚类分析，提出了一种基于密度的空间数据流在线聚类算法OLDStream；(7)针对数据流聚类算法对输入参数过度依赖的问题，提出了一种新颖的从数据流中挖掘密度簇结构的算法MCluStream；(8)针对移动目标轨迹数据流聚类问题，提出了一种基于密度的轨迹流在线聚类算法CTraStream。