电子信息技术

本发明公开了一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，该方法首先通过SEKF算法得到移动目标预测位置值，计算出移动目标到各个基站的预测距离，得到预测距离与实际测量距离差值，再通过马氏距离分类器识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，对NLOS条件下的测量距离进行重构；最后利用LOS条件下的测量距离与重构后的距离通过SEKF算法得到移动目标位置估计值。本发明方法克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，减轻了滤波过程的计算量，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。

成果亮点

本发明提出了一种NLOS(Non-Line-Of-Sight,NLOS)条件下序贯扩展卡尔曼SEKF与距离重构相结合的移动目标定位方法，用以解决移动目标在复杂环境中受NLOS影响造成的定位不精确的问题。

一种 NLOS 条件下 SEKF 与距离重构相结合的移动目标定位方法是一种具有广泛应用前景的技术。它可以应用于多个领域，如：

军事应用：在军事领域，这种方法可以用于对敌方目标的定位和跟踪，提高作战效率和精度。

城市交通管理：在城市交通管理领域，这种方法可以用于对车辆的定位和跟踪，提高交通管理的效率和安全性。

无人机应用：在无人机应用领域，这种方法可以用于对无人机的定位和导航，提高无人机的飞行效率和安全性。

物联网应用：在物联网领域，这种方法可以用于对传感器节点的定位和监测，提高物联网系统的可靠性和精度。

总之，一种 NLOS 条件下 SEKF 与距离重构相结合的移动目标定位方法是一种具有广泛应用前景的技术，可以应用于多个领域，如军事应用、城市交通管理、无人机应用和物联网应用等。随着技术的不断发展和应用的不断深化，这种方法将在更多领域得到广泛应用。

本发明的有益效果是：该方法首先通过SEKF算法得到移动目标预测位置值，从而计算出移动目标到各个基站的预测距离，并通过预测距离与实际测量距离得到距离差值，再通过马氏距离分类器的方法来识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，并用重构算法对NLOS传播条件下的测量距离进行重构；最后，利用LOS传播条件下的测量距离与重构后的距离通过SEKF算法得到移动目标的位置估计值。本发明提出SEKF算法，克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，从而减轻了滤波过程的计算量。同时，利用距离重构算法对NLOS条件下的测量距离进行重构，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。