基于测距误差分级的室内TOA高精度定位算法

"基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging error model, RITEM)"和"基于误差分级的室内TOA定位算法(ranging error classification based indoor TOA localization algorithm, REC)" 在室内定位系统中，TOA（Time of Arrival）算法是一种常用的技术，通过测量信号从发射源到达接收器的时间来估算距离。然而，室内环境中的多径效应和非视距传播(NLOS)会显著增加测距误差，从而影响定位精度。针对这一问题，研究者提出了RITEM（RSSI based indoor TOA ranging error model），这是一种基于接收到的信号强度指示(RSSI)的测距误差分级模型。RITEM依据RSSI的大小，将测距误差划分为四个不同的等级，每个等级对应一个特定的误差区间，这些区间可以通过现场测试得到。这种模型能够更准确地描述室内环境中的信号传播特性。 接下来，REC（ranging error classification based indoor TOA localization algorithm）定位算法被提出，它结合了RITEM来处理测距误差。在定位过程中，REC算法根据TOA测距时的RSSI值，实时评估当前的测距误差级别和误差范围。然后，利用极大似然估计方法，REC算法寻找定位区域内标签最可能出现的位置，即具有最大概率的位置，作为最终的定位结果。 REC算法的性能在仿真和实际测试中得到了验证。在实际室内环境中，REC算法展现出了较高的定位精度，其平均定位误差、定位误差的均方差以及90%定位误差和最大定位误差等关键性能指标均优于传统的LS（Least Squares）、CN-TOAG和Nano算法。这表明REC算法能有效地应对室内环境中的复杂信号传播条件，提高了室内定位系统的可靠性。 关键词：TOA；定位算法；室内定位系统；实时定位系统；RSSI；测距误差分级；极大似然法 REC算法的成功在于它结合了RSSI的实时信息和对测距误差的精细分类，从而能够在多径和非视距传播的环境下提供更精确的定位服务，这对于室内导航、安全监控等应用具有重要意义。