Resumen

El principal factor que afecta a la precisión de la localización es el error de no línea de visión (NLOS), causado por el complicado entorno interior, como obstáculos y paredes. En este artículo se propone un método de filtro de Kalman ajustado basado en el ajuste polinómico (PF-AKF) en el marco de una red de sensores inalámbricos (WSN) para paliar los efectos del NLOS. El método emplea el ajuste polinomial para lograr tanto la identificación de NLOS como la predicción de distancia. En lugar de emplear la desviación estándar de todos los datos históricos como umbral de detección de NLOS, el método propuesto identifica NLOS a través de la desviación entre la curva ajustada y las mediciones. A continuación, procesa las mediciones con el filtro de Kalman ajustado (AKF), realizando un filtro de ponderación en caso de condición NLOS. Las simulaciones comparan el método propuesto con el filtro de Kalman (KF), el filtro de Kalman ajustado (AKF) y los algoritmos de modelos múltiples interactivos basados en Kalman (K-IMM), y los resultados demuestran el rendimiento superior del método propuesto. Además, los resultados experimentales obtenidos en un entorno interior real validan los resultados de la simulación.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:filtro kalman, método, akf, ajuste polinómico, umbral de detección de nlos, entorno interior complicado, entorno interior real, red de sensores inalámbricos, nlos, mediciones
• Keywords:kalman filter, method, akf, polynomial fitting, nlos detection threshold, complicated indoor environment, real indoor environment, wireless sensor network, nlos, measurements