定位算法文献综述

1、定位算法文献综述随着普适计算和分布式通信技术的深入研究，无线网络、通信等技术得到了迅速普及， 同时，位置服务已渗透到人们生活中的方方面面。基于低功耗、自组织、信息感知的无线传感器网络，其监测的事件与物理位置戚戚相关。对于大多数应用，不知道传感器位置而感知的数据是没有意义的1,因此确定信息的位置成为众多应用的迫切需求和关键性问题，有着 重要的意义23。现代定位技术最早出现在军事领域，以提供精确制导、战场监控和单兵作战系统保障， 如全球定位系统(Global Positioning System , GPS)乍为目前应用最成功的定位技术，但是，对 于室内近距离定位，GPS的精度远远达不到要求。基于

2、位置服务的网络有多种，如WSN、GPS Wi-Fi等，每种定位技术有着各自的优缺点，定位的适用场景、定位精度、实时性、功耗、使用成本也各不相同。如何进行网络间的 协作定位成为了解决室内定位问题的一大选择。本文首先介绍无线传感器网络的各种定位算法，介绍每种网络的信号特点，然后描述算法的评价标准，最后对所有文章进行总结，提出多模信号融合的室内定位算法的研究思路。1.定位算法的性能评价标准定位算法的性能直接影响到它的定位精度以及在实际中的应用可行性，如何评价它的性能是一个需要深入研究的问题，下面讨论几个常用的性能评价标准8。(1)定位精度。定位技术首要的评价指标就是定位精度，一般用误差值与节点无线射

3、 程的比例表示，例如，定位精度为20%表示定位误差相当于节点无线射程的20%.也有部分定位系统将二维网络部署区域划分为网格，其定位结果的精度也就是网格的大小，如微软的 RADAR9, Wireless CorporationRadioCamerat 等。(2)规模。不同的定位系统或算法也许可在园区内、建筑物内、一层建筑物或仅仅是 一个房间内实现定位.另外，给定一定数量的基础设施或在一段时间内，一种技术可以定位多少目标也是一个重要的评价指标.例如，RADAR8系统仅可在建筑物的一层内实现目标定位，剑桥的Active Office定位系统10每200ms定位一个节点。(3)锚节点密度。锚节点定位通

4、常依赖人工部署或GPS实现.人工部署锚节点的方式不仅受网络部署环境的限制，还严重制约了网络和应用的可扩展性.而使用GPS定位，锚节点的费用会比普通节点高两个数量级11,这意味着即使仅有 10%的节点是锚节点，整个网络的价格也将增加 10倍.因此，锚节点密度也是评价定位系统和算法性能的重要指标之 o(4)节点密度。在 WSN中，节点密度增大不仅意味着网络部署费用的增加，而且会因 为节点间的通信冲突问题带来有限带宽的阻塞.节点密度通常以网络的平均连通度来表 示.许多定位算法的精度受节点密度的影响，如DV-Hop13算法仅可在节点密集部署的情况下合理地估算节点位置。(5)容错性和自适应性。通常，定位

5、系统和算法都需要比较理想的无线通信环境和可 靠的网络节点设备.但在真实应用场合中常会有诸如以下的问题：外界环境中存在严重的多径传播、衰减、非视距(non. 1ine. of-sight,简称NLOS)通信盲点等问题；网络节点由于 周围环境或自身原因(如电池耗尽、物理损伤)而出现失效的问题；外界影响和节点硬件精度 限制造成节点间点到点的距离或角度测量误差增大的问题.由于环境、能耗和其他原因，物理地维护或替换传感器节点或使用其他高精度的测量手段常常是十分困难或不可行的.因此,定位系统和算法的软、硬件必须具有很强的容错性和自适应性，能够通过自动调整或重构纠正错误、适应环境、减小各种误差的影响，以提高

6、定位精度。(6)功耗。功耗是对 WSN的设计和实现影响最大的因素之一.由于传感器节点电池能量有限，因此在保证定位精度的前提下，与功耗密切相关的定位所需的计算量、通信开销、 存储开销、时间复杂性是一组关键性指标。(7)代价。定位系统或算法的代价可从几个不同方面来评价.时间代价包括一个系统 的安装时间、配置时间、定位所需时间.空间代价包括一个定位系统或算法所需的基础设施 和网络节点的数量、 硬件尺寸等.资金代价则包括实现一种定位系统或算法的基础设施、节点设备的总费用。上述7个性能指标不仅是评价WSN自身定位系统和算法的标准，也是其设计和实现的优化目标.为了实现这些目标的优化，有大量的研究工作需要完

7、成。同时，这些性能指标是相互关联的，因此，要提高移动节点定位算法的精度必须根据应用的具体需求对以上7个性能指标进行权衡14,以选择和设计合适的定位技术。2.室内无线定位可进行定位的信号是多种多样的，所以定位系统种类繁多。如利用卫星无线RF信号的GPS利用红外和激光的光学定位、利用超声和声纳的声音定位、利用图像处理和计算机视 觉的视觉定位、利用陀螺原理的相对定位等等。其中，GPS是目前应用最成功的定位技术，但是对室内近距离定位，GPS的精度远远达不到要求。目前室内无线定位技术的研究相对集中在基于RF信号，并结合各种无线网络技术如ZigBee ,超宽带(Ultra-Wide Band , UWB)

8、 , Wi-Fi ,蓝牙，射频识别(Radio-frequency Identification , RFID)等定位技术的研究。基于ZigBee的定位技术研究基于 ZigBee的定位技术主要是采用接收信号强度指示(Received Signal StrengthIndicator , RSSI)来实现，目前ZigBee已经广泛地应用于工业、农业、军事、医疗等领域7。最初由国外科研人员通过实际测量、仿真评估8, 9,建立了无线 RF信号的RSSI传播模型10,由于单纯的使用 RSSI的ZigBee定位系统精度有限，Hyunggi Cho等人通过在此基础上使用最大似然估计方法提高定位精度11。目

9、前在国内已经商业化的定位系统有成都无线龙通讯科技有限公司开发的“ZigBee无线网络定位标准开发系统”，它使用 Chipcon公司(已被TI公司收购)的CC2431和CC2430开发的可实现最大区域为64*64米空间的定位12。由于CC2431的RSSI定位引擎的分辨率为 0.25米13,因此，“ ZigBee无线网络定 位标准开发系统”的定位精度不高，一般在35米。基于UWB的定位技术研究根据FCC的定义，只要信号在-10dB处的绝对带宽大于 0.5GHz或者相对带宽大于 20% , 并且中心频率大于 500MHz ,那么这一信号就是超宽带 (Ultra-wideband , UWB)。基于

10、UWB 的定位主要是通过到达时间(Time of Arrival , TOA)或者到达时间差 (Time Difference ofArrival , TDOA)来实现的。基于 UWB 的 TDOA 方法，Robert J. Fontanat 等人14 , 15早在 2003年就成功地开发出可产品化的，用于财物定位的PAL650定位系统，如图1所示，定位精度可到15厘米以内。另外，Ubisense公司开发基于 UWB的UbisenseSystem定位系统 也能实现精度为15厘米的三维定位，目前该系统16已应用于人员定位，仓储物流，军事， 安防预警等。国内的南京唐恩科技资讯有限公司Ubisens

11、e公司的一些硬件产品，并在此基础上与南京大学、南京航天航空大学、东南大学合作自主研发了基于UWB的iLocate定位系统，能够实现2D/3D的人员及物品定位17。由于时间脉冲持续的时间很短(大约10100ps),大大降低了发射信号所需的功率，所以 UWB的发射功率很小，同时这一性能 也决定了其具有精确定位的功能。UWB定位在一定程度上代表着当前室内或者局部区域范围三维定位的一个趋势18，因此目前国内外针对 UWB的位置估计19、减小NLOS误差20 , 21及求精的算法研究很多22。Priioci GoalocnliainSwUiHn BlfifhC* 拗ynK ni |gfl4HPiHFH4

12、1T rivoMii j|jB In*m4 I科耐/.p*曲 *图1 PAL650定位系统(UWB接收器的数字处理部分，定位系统架构连接图)基于RFID的定位技术研究基于RFID ( Radio Frequency IDentification )的定位技术是通过射频识别标签( tags)或 者无线U发器(Transponders)来存储和非接触地发送数据来进行自动身份辨认的技术。RFID应用于定位主要分为两种方式：一种是位置感知方式，一种是基于RSS防式。HenrikLj?godt Moen等人23提出的基于城市无线网络定位的服务以及TeruhiroHaga24等人的2维定位与角度测量研究都

13、是基于这一方式；在位置感知方式下，可以通过对跟踪对象安装RFID标签，然后将 RFID标签读取器放置在已知位置的地方，当跟踪对象进入到感知 范围内时，就可以检测到跟踪对象的位置了。基于RSSI的RFID定位在一定程度上与 ZigBee的定位方法类似。目前RFID广泛地应用于田径比赛时间检测25、运输仓储、图书馆导游交互26、室内位置感知、人员跟踪系统27等等。广为人知的SpotON系统28就是基于RSS对主动型RFID 标签进行定位的系统；香港科技大学的LANDMARC系统29采用RFID技术思想，用活性参考 标签代替离散数据采集，其动态参考信息能更好的适应室内环境波动，提高定位精度 (50t

14、h-1m,最大误差2m),但是系统需要调节目标发射功率级别来估计距离远近，该过程不 仅影响精度，而且造成一定时滞。AbdelmoulaBekkali等人27通过使用参考标签形成RFID地图，并结合Kalman滤波可得到很高的定位精度。由于RSSI定位精度的问题，有很多人对这一方法的可行性提出了质疑。SergioPolito等人30对基于RF能量的，主动型 RFID的定位性能做了评估，指出：仅在算法上的改进，在室内环境下能够达到的定位精度仍然有限；为了达到更高的精度，需要大量的参考点和检测天线，同时不同的环境对无线能量传播的影响是必须考虑的因素，在定位算法中还存在着不容易确定的参数。国内有很多采

15、用RFID技术应用的例子，如国家大剧院已应用WLAN和RFID定位的设备。其它的无线定位技术Wi-Fi(IEEE802.11)31和蓝牙32是目前较为常用的两种无线网络协议。基于 Wi-Fi和蓝 牙的无线定位也主要是根据接收信号强度来实现的，这里就不做详细介绍了。由于采用这一方案的种种问题，很多研究是对基于接收信号强度的定位方法进行改进。为了得到更高的精度，很多研究人员研究了必要的精确校准方法33。另外，有一些定位系统是将RF与其它的无线传输结合起来实现定位。麻省理工学院的 Cricket系统34就是通过信标节点同时发出无线射频信号与超声波信号，由于超声波传播较慢，接收端接收的两种信号会形成时

16、间差，由此可以计算得到信标节点与接收端的距离。在使用多个信标节点之后，Cricket就可以实现对接收端的定位。3定位算法应用型定位算法XiaoyanLi等人提出了一种基于应用的RSS定位算法15。传感器定位系统在现实的运用中，越来越多的需要考虑到环境对RSS影响造成的定位误差问题。例如：基于RSS定位的某一超市，如果某一盗贼在偷取物品时利用某些金属盒影响了传感器的RSS直，超市的定位系统就会出现故障，那么盗贼很容易将物品带出，而超市却不知道物品的具体位置。文章研究在对所有信标节点采取同样信号攻击的前提下，保证定位精确度的问题。首先是建立获取同样信号攻击的模型。第一种方式：将节点放入锡罐中；第二

17、种方式： 通过编程的方式，将节点的信号强度减小。其次，确立鲁棒的信号强度参数。文章认为两个节点之间的相对信号强度是不变的。信号发生变化前相言号强度RSMi,j =SS -SSj ,当信号发生变化后，相对信号强度RSMi,j =(SS -SS)-(SS -SS?) =RSMi,j。最后，利用其它比较成熟的定位算法，使用相对信号强度这一不变参数对待定位节点进行定位。文章在80ft*70ft的实验室进行了实验。在实验室中布置了 5个锚节点，总共有20个采样的位置。RSS直是通过获取100个数据包的平均值求得。实验数据，都是通过锡罐覆盖的 方式改变RSS的值。以RSM作为衡量参数进行定位的原则分别运用

18、到两种定位算法中：最 小二乘法定位和指纹定位。通过实验比对原始定位算法和改进后算法的定位性能。从实验仿真数据可以看出，两种算法改进后对于 RSWC击的敏感性更小，定位精度更高。对于每个采样位置的精确度分析也显示改进后的算法鲁棒性更高。针对固定节点的定位算法指纹定位算法2011年DanLiu等人提出了基于指纹定位算法，找出含有最有用信息的一组参考节点给 待定位节点定位，提高定位精度的算法16。首先通过模糊聚类选取最有用的一组参考节点； 其次利用jffrey&Matusita公式给参考节点分配不同的权值。文章利用TI生产的CC2431节点，在5*13.5的长方形房间布置 8个锚节点进行实验。 仿真

19、将本文提出的算法和 CC2431自带的定位算法进行对比。结果显示文章提出的定位算法 误差不到1m,比原始的指纹定位算法误差更小。2011年PanaratCherntanomwong等人提出利用指纹库中所有的采样数据进行定位，减 小定位误差17。首先，建立网格中每个格点收到参考节点RSS直的指纹库。其次，利用欧几里得距离公式和指纹库中的所有信息计算待定位节点的位置。文章利用Xbee-24ZB节点，4个或者6个参考节点，36个指纹库信息进行仿真。仿真结果显示4个参考节点时定位误差为0.56m , 6个参考节点时定位误差为0.44m。PanaratCherntanomwong等人于同一年，提出基于指

20、纹定位算法的改进算法。通过选取 指纹库中最有用采样数据进行定位，提高定位精度18。首先建立网格中每个格点收到参考节点RSS直的指纹库；其次，利用*II糊C-Means聚类算法找出含有最有用信息的节点，再根据欧几里得距离公式计算待定位节点的坐标。通过聚类的方式，减小了与待定位节点无关的节点信息引起的定位误差，提高了定位的精确度。压缩感知定位算法奈奎斯特采样定理是信号处理领域信号采样和重构的重要理论基础，它指出，采样速率需达到信号带宽两倍以上是避免混叠、精确重构信号的必要条件19lo近年来由 Candes、Romberg、Ta。和Donoho等人提出了一种新颖的理论，即压缩感知理论(Compres

21、sive Sensing, cs)20-22。不同于传统的奈氏采样定理，CS指出，对于可压缩或在某个变换域内稀疏的信号，可从远比奈氏采样速率低的采样或测量中以高概率得到无损恢复。其具体实现可通过一个与变换基不相关的感知矩阵将变换所得高维信号投影到一个低维空间，并通过优化问题的求解从这些低维的投影信号中以高概率重构原始信号。由于实际信号在某一特定域下(如空域、频域、小波域等)往往具有一定的可压缩性，因而该理论为压缩采样、信号重构领域带来了 一次新的革命。目标跟踪定位算法2011年MajdiMansouri等人文章提出了量化目标跟踪的遗传优化算法27。算法的具体流程如下图所示：(lo,l1,l图3

22、遗传优化算法时刻选取的簇头利用量化近似观测模型(Quantized Proximity Observation Model ,t-1时刻待定位节点的坐标；其次 t-1时刻利用t-1时刻之前待定位节点的所有首先t-1QPOM)获取坐标信息和量化变滤波算法(Quantized Variational Filter , QVF)算法计算出t时刻的簇头;再次，t-1时刻的簇头利用t-1时刻待定位节点的坐标选取最优的一组传感节点， 优的量化级；接着，利用最优量化级对选取的一组最优传感节点的感知数据进行量化; t时刻簇头利用量化的观测数据计算t时刻待定位节点的坐标。f算出最最后文章在100个传感节点，采样

23、 100次，节点的传输半径是 10m的环境下进行了仿真。首先,通过定位精确度、均方差、执行时间和整个定位跟踪的能耗四个方面进行了仿真分析。间上进行了对比。实验数据表明，本文提出的优化-QVF算法在各个评价指标上都有显著的将本文提出的Optimized-QVF算法和QVF-R算法，QPF算法从定位精确度，均方差和执行时随着节点噪声的增加而增加,于卡尔曼滤波的压缩感知室优势。其次，三个算法定位误差都随着节点密度的增加而减小， 随着节点传输功率的增加而减小。2012年冯辰等人在压缩感知定位算法的基础上，提出了基 内目标跟踪定位算法28o算法的具体流程如下图所示：图4压缩感知跟踪定位算法首先，需要预先

24、设定要节点的目标位置和行走路径。其次，通过压缩感知定位算法计算出节点的位置。再次，粗定位和卡尔曼滤波同时进行，分别选出最适合定位的簇，如果两者匹配，那么将选定的簇用于精确定位。最后，导航功能是利用目标节点的位置和路径进行匹配，如果和哪个位置匹配成功，那么驱动相应的声控命令。文章的实验在加拿大盲人研究院的二楼进行。面积为18m*36m ,128个参考节点。每个参考节点在 4个方向上分别采样 50次。移动速度为 0.34m/s,通过4条不同的测试路线 进行实验。利用 c#做的测试界面。移动设备使用 HP iPAQ hx2750 PDA文章的实验将提出的压缩感知定位算法和RADAR算法，Horus定

25、位算法，Kernel-based定位算法进行对比。 实验结果显示，本文提出的压缩感知定位算法在不同的未知位置下，定位误差都优于其它定位算法。当未知位置设置为14个时，本文提出的压缩感知定位算法90%的误差都小于 3.2m,优于其它三种定位算法。在目标跟踪系统测试中，压缩感知定位算法 90%定位误差都小于 2.9m优于其它三种算法。针对导航系统的测试，数据显示运用导航行 走的时间为485.5s,大于正常速度到达的时间367.3s。无线传感网络可定位性分析的算法2011 年 Tao Chen, Zheng Yang, Yunhao Liu等人提出了 LAL_Basic和 LAL_Heuristic

26、算法对 网络可定为性进行分析29。在通信开销最小的情况下，有效的调整网络结构，使整个网络 都是可定位的。算法的具体流程如下图所示：图5网络可定为性算法首先初始化网络配置；其次，通过网络流算法和卵石博弈算法，计算节点的可定位性，进行可定位性测试； 再次，通过深度优先搜索，将网络分为多个2连通的组件，进行网络结构分析；再次，利用文章提出的 LAL_BasicB法和LAL_Heuristic将网络调整为可定位的网络。最后利用定位算法对网络中的待定位节点进行定位。文章的实验环境为，单位正方形面积上，不规则的随机摆放 400个节点，有3个锚节点， 节点的通信距离从 0.06以0.02的增速变至0.98。

27、实验的数据是通过 100个网络实例集成所 得。通过 Anderson等提出的普通调整方法IND和本文提出的 LAL_Basic算法和LAL_Heuristic算法进行仿真分析，从加入边的数量、边的总数和可定位节点数量三个方面进行评测。实验数据显示，文章提出的两种算法在添加边的数量上都少于IND算法。2011年Ryo Sugihara和Rajesh K. Gupta提出了提出一种在多种网络模型下，可准确判定节点的可定位性，以及定位误差上限的semidefinite programming (SDP)算法30。文章首先提出了刚性原理对网络可定位性分析的局限性，其次提出SDP算法对网络的可定位性进行

28、分析，弥补了刚性原理的缺陷，最后利用SDP算法计算待定位节点的位置。4.总结文章通过对无线传感器网络定位算法的研究，引出一系列定位算法以及定位误差的优化算法。从基于应用型的定位算法，固定节点的定位算法，移动目标跟踪定位算法到网络性能分析算法四个方面提出了提高节点定位的方法。本文就是将室内可能存在的网络信号进行分析，然后利用可利用的信号资源进行融合定位的。经过分析得知，WSN、Wi-Fi、GPS均为室内外常见网络，且低成本，高精度，适用于室内环境的优势，已成为室内定位的研究热点， 同时，三种信号的融合定位算法易扩展到室外。参考文献1Rabacy JJ, Ammer MJ , da Silva J

29、r. JL, Patel D, Roundy S. Picorodio supports ad hoc ultra-low power wireless networking . Computer, 2000, 33(7): 42-48.2Boleng J , Camp T.Adaptive location aided mobile ad hoc network routing. In: Proceedings of the IEEE International Conference on Performance, Computing , and Communications , Phoen

30、ix Arizona USA 2004.423-4323Harter A , Hopper A , Steggles P, et al. The anatomy of a context-aware application. In: Proceedings of the 5th Annual International Conference on Mobile Computing and Networking.Seattle Washington, USA , 1999.59-684Ji Y M , Biaz S , Pandey S, . ARIANDNE: A dynamic indoor

31、 signal map construction and localization systems , Applications and Services C. New York , NJ, USA: ACM , 2006. 151-164.5 CandesE ,Romberg J , Tao T. Robust uncertainty principles: exact signal reconstructionfrom highly incomplete frequency information. IEEE Transactions on Information Theory , 200

32、6 , 52(2): 4895096Donoho D L. Compressed sensing. IEEE Transactions on Information Theory 200652(4):1289-13067 Candes E. Compressive sampling. In: Proceedings of International Congress of Mathematicians. Madrid Spain:European Mathematical Society Publishing House 2006. 143314528王福豹，史龙，任丰原，无线传感器网络中的自

33、身定位系统和算法。软件学报2005年第16卷第5期.9Bahl P, Padmanabhan VN . RADAR : An in-building RF-based user location and tracking system. In： Proc, of the IEEE INFOCOM 2000. V01 . 2, Tel Aviv ： IEEE Computer and Communications Societies , 2000. 775784.10Goodstein L. Location Based Service: Analysis of Carrier Spending

34、. Subscribers , Devices and Applications for Handset- based and Telematics Services R. New York: ABI Research 2004.Bahl P Padmanabhan V N. RADAR: An in-building RF- based user location and tracking system A. Proceedings of the 9th Annual Joint Conference of the IEEE Computer and Communications Socie

35、ties C. Piscataway NJ USA: IEEE 2000. 775-784.Ji Y M , Biaz S , Pandey S, . ARIANDNE: A dynamic indoor signal map construction and localization systems Applications and Services C. New York NJ USA: ACM 2006. 151-164.Zaruba G V, Huber M , Kamangar F A. Monte Carlo sampling based in-home location trac

36、king with minimal RF infrastructure requirements A. Proceedings of the IEEE Global Telecommunications Conference C. Piscataway NJ USA: IEEE 2004. 3624-3629.Madigan D Elnhrawy E Martin R P. Bayesian indoor positioning system A. Proceedings of the 24th Annual Joint Conference of the IEEE computer and

37、Communications Societies C. Piscataway,NJ, USA: IEEE , 2005. 1217-1227.Lim HKung L C Hou J C. Zero-configurationrobust in door localization : Theory andexperimentation A. Proceedings of the 25th IEEE international Conference on Computer Communications C. Piscataway NJ USA: IEEE 2006. 1633-1644.Pahla

38、van K , Li X, Makela J P. Indoor geolocation science and technology J. IEEECommunications Magazine , 2002, 40(2): 112-118.Mark Norris , Location monitoring with low -cost ZigBee devices , Wteless, February , 2006, pp51-53.Shinsuke Hara Dapeng Zhao KentaroYanagihara JumpeiTaketsugu Kiyoshi Fukui Shig

39、eru Fukunaga and Ken-ichiKitayama , PropagationCharacteristics of IEEE 802.15.4RadioSignal and Their Application for Location Estimation , Vehicular Technology Conference , 2005, IEEE 61st , Vol.130 , June 2005, pp 97- 101 .DimitriosLymberopoulos , Quentin Lindsey , and Andreas Savvides, AnEmpirical

40、Characterization of Radio Signal Strength Variability in 3-D IEEE 802.15.4 Networks Using Monopole Antennas , II Proceedings of Third European Workshop on Wireless Sensor Networks , Springer Berlin Heidelberg Jan. 2006pp.326-341.Hyunggi Cho Myungseok Kang Jonghyuk Park Byungsung Park and Hagbae KimP

41、erformance Analysis of Location estimation algorithm in ZigBee networks using received signal strength , II 21st International Conference on Advanced Information Networking and Applications Workshops/Symposia,AINAW07 , 2007, pp 302-306.21 Robert J. Fontana and Steven J. Gunderson -wideband prtraisio

42、n asset location system , II 2002 IEEE Conference on Ultra Wideband Systems and Technologies , May 2002 , Baltimore , MD.Robert J. Fontana , Edward Richley and JoAnn Barney , Commercialization of An UltraWideband Precision Asset Location System |J 2003 IEEE Conference on Ultra Wideband Systems and T

43、echnologies November 2003 Reston VA.23Chia-Chin Chong , Fujio Watanabe , and Hiroshi Inamura , Potential of UWB technology for the next generation wireless communications , IEEE 9th In ternational Symposium on Spread Spectrum Symposium on Spread Spectrum Techniques and Applications Proceedings 2006

44、pp 422-429.A?ngelaHerna?ndezRube?nBadorrey Juan Choliz Ignacio Alastruey and Antonio ValdovinosAccurateindoor wirel ess location with IR UWB systems :a performance evaluation of joint receiver structures and TOA based mechanism , Consumer Electronics , IEEE Transactions on , May 2008, Vol. 54 , Issu

45、e: 2 , pp381 -389.Chin-Der Wann and Chih-Sheng Hsueh , NLOS mitigaton with biased Kalman filters forrange estimation in UWB systems , TEN CON 2007 IEEE Region 10 Conference , Oct. 30-Nov. 22007pp1-4.TeruhiroHaga , Yamato Horikoshi , Sosuke Tsukamoto , and Hiroshi Hoshino , Tw-dimensional Location an

46、d Direction Estim ating Method , 16th International Special Topic Conference on ITAB , 2007, Tokyo , pp296-297.HyungSoo Lim , ByoungSuk Choi and JangMyung Lee , AnEfficient Localization Algorithm for Mobile Robots based on RFID System |J SICE-ICASE International Joint Conference 2006 Oct. 18-212006

47、Bexco Busan Korea.A. R. Al-Ali , Fadi A. Aloul , Nada R. Aji , Amin A. Al-Zarouni and Nassar H. Fakhro , Mobile RFID Tracking System II, 3rd International Conference on Information and Communication Technologies: From Theory to Applications 2008. April 7-112008pp1-4.AbdelmoulaBekkali , HoracioSanson

48、 and Mitsuji Matsumoto , RFIDIndoor Positioning Based on Probabilistic RFID Map and Kalman Filtering , 112007. Third IEEE International Conference on Wireless and Mobile Computing Networking and Communications Oct. 8-102007, pp21 -27.30Jeffrey Hightower , Chris Vakili , Gaetano Borriello , and Roy Want, DesignandCalibration of the SpotON Location Sensing System , Seattle, IlWA , August 2001.Lionel M N , Liu 丫 H , Lau 丫 C. LANDMARC: Indoor location sensing using active RFIDJ. Wireless Networks. 2004 , 10(6