[论文解读] NLOS Error Mitigation Using Weighted Least Squares and Kalman Filter in UWB Positioning

Ruixin Fan, Xin Du|arXiv (Cornell University)|May 12, 2022

Indoor and Outdoor Localization Technologies被引用 5

一句话总结

本文提出了一种加权最小二乘鲁棒卡尔曼滤波器（WLS-RKF），用于超宽带（UWB）定位中的非视距（NLOS）误差抑制。通过使用基于马氏距离的假设检验识别NLOS测量值，并应用加权最小二乘法（WLS）降低错误距离的影响，该方法在无需事先了解NLOS特性的情况下提升了卡尔曼滤波估计性能，在仿真和真实实验中均实现了5厘米以内的定位精度。

ABSTRACT

In wireless positioning systems, non-line-of-sight (NLOS) is a challenging problem. NLOS causes great ranging bias and location error, so NLOS mitigation is essential for high accuracy positioning. In this letter, we propose the Weighted-Least-Squares Robust Kalman Filter (WLS-RKF) for NLOS identification and mitigation. WLS-RKF employs a hypothesis test based on Mahalanobis distance for NLOS identification, and updates the corresponding Kalman filter using the WLS solution. It requires no prior knowledge about NLOS distribution or signal features. We perform simulations and experiments for ultra-wideband (UWB) positioning in various scenarios. The results confirm that WLS-RKF effectively mitigates NLOS error and achieves 5cm positioning accuracy.

研究动机与目标

• 为解决UWB室内定位中持续存在的非视距（NLOS）传播问题，该问题会导致显著的距离偏差和定位误差。
• 开发一种鲁棒的NLOS抑制方法，不依赖于对NLOS分布或信噪比（SNR）、延迟扩展等信号特性的先验知识。
• 通过将基于WLS的误差加权与利用距离残差自适应于NLOS条件的鲁棒卡尔曼滤波器相结合，提升定位精度。
• 在仿真和真实UWB场景中验证该方法，证明其在多种障碍物配置下的有效性。

提出的方法

• 该方法基于卡尔曼滤波框架中距离残差的马氏距离，采用假设检验检测NLOS测量值。
• 对识别出的NLOS测量值在加权最小二乘法（WLS）估计中赋予较低权重，以减小其对位置计算的影响。
• 使用WLS解更新卡尔曼滤波器，而非原始测量值，从而提升对偏差距离估计的鲁棒性。
• 该方法仅依赖于测距结果，避免依赖信道特定的信号特征或对NLOS误差的统计假设。
• 卡尔曼滤波器的状态向量建模了距离及其变化率，过程噪声和测量噪声模型根据UWB测距动态特性进行调整。
• 当标签移动时，算法动态调整NLOS检测与加权策略，实现实时适应传播条件的变化。

实验结果

研究问题

• RQ1 基于马氏距离的假设检验是否能在不依赖信号或NLOS分布先验知识的情况下，有效识别UWB定位中的NLOS测量值？
• RQ2 将WLS与鲁棒卡尔曼滤波器结合后，相较于标准LS或RKF，在NLOS环境中能否显著提升定位精度？
• RQ3 所提出的WLS-RKF方法在具有动态障碍物的真实UWB场景中，能在多大程度上减少定位误差？
• RQ4 当标签在视距（LOS）与非视距（NLOS）条件间切换时，该方法是否仍能保持高精度？
• RQ5 WLS-RKF是否能在仿真和真实实验中均实现5厘米以内的定位精度？

主要发现

• 与未加权最小二乘法（LS）相比，所提出的WLS-RKF方法在仿真和真实实验中均将定位误差降低了90%以上。
• 在真实实验中，WLS-RKF的均方根（RMS）定位误差在所有测试场景中降低至2.5–4.1厘米，90%的误差低于6.3厘米。
• 与LS相比，该方法实现了最大95%的定位误差降低，尤其在高偏差NLOS条件下改善最为显著。
• 即使当标签经过人体或雕像等障碍物时，WLS-RKF仍成功抑制了NLOS误差，保持了准确的轨迹估计。
• 在从NLOS切换到LOS后，采用WLS更新的卡尔曼滤波器在数秒内收敛至真实位置，表现出有效的误差校正能力。
• 该方法优于鲁棒卡尔曼滤波器（RKF），后者在长时间NLOS条件下仍表现出累积误差，而WLS-RKF始终保持一致的高精度。