基于信道测量实验的NLOS误差消除方法对比研究

摘要

为了研究不同消除方法对无线电信号由非视距(NLOS)传播而产生的距离估计正偏误差的消除性能,基于信道状态信息(CSI)提取出均值、均方根延迟扩展、偏度、峰度、峰均比特征,并将其与基于到达时间(TOA)的对数估计距离相结合作为特征输入向量,通过建立高斯过程回归(GPR)、最小二乘支持向量机回归(LS⁃SVMR)与BP神经网络训练模型进行实验性能比较。对实际测量的典型室内环境中2.4~5.4 GHz的无线传播信道进行误差消除实验,比较不同输入特征、不同带宽和不同频带下的NLOS误差消除性能。实验结果表明:GPR模型表现出最好的NLOS误差消除性能,且所提取的CSI多特征作为输入向量可以将平均绝对误差(MAE)和均方根误差(RMSE)分别减小71.12%和81.36%;随着带宽不断增加,误差消除性能逐渐优化,即可通过增大带宽有效地改善输入特征较少时的NLOS定位误差;在多特征输入下,低频带的NLOS测距误差与高频带不同,因此将所有可用的频带结合可以比单频带更好地消除NLOS定位误差。