CN103987063A - 一种基于多点监测的消除nlos误差定位方法 - Google Patents

Abstract

本发明公开了一种基于多点监测的消除NLOS误差定位方法，包括如下步骤：对所有监测节点按每k个节点分组，对分组的监测节点排列组合；对每个监测节点组合中任取k-1个监测节点估计目标台站的坐标并计算几何精度因子；对每个监测节点组合中得到的k个估计目标台站的坐标和计算几何精度因子两两比较，筛选监测节点组合；对满足条件的k个估计目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；按权值排序所有节点，取权值最大的k个节点，计算定位结果；其中k为常数。本发明利用多个节点的不同组合的定位结果来削弱对最终定位结果的影响。

Description

一种基于多点监测的消除NLOS误差定位方法

技术领域

本发明涉及一种消除NLOS误差定位方法，特别涉及一种基于多点监测的消除NLOS误差定位方法，属于无线通信技术领域。

背景技术

目前，随着现阶段无线电业务的爆炸性增长，空中频谱环境变得越发复杂，对于无线电频谱的监管变得极具挑战。在复杂多变的频谱环境下，无论对于政府还是民用，对与无线电频谱环境的监管变得尤为重要。不但要对接收到的信号进行存储和分析，同时还需要对信号发射台站位置的估计。而在无线电频谱监管中所应用的定位技术可以称之为被动定位技术。

传统的定位技术中，TDOA(Time Difference of Arrival，到达时间差)技术最常被人们使用。然而在实际的无线电监测过程中，时常会出现非直视径对结果产生干扰。如果在监测节点与目标台站之间存在非直视径会使得监测节点获得的时戳不准确，从而导致对目标位置的估计不准确。

在无线电监测过程中，一般大家应对非直视径的方法大都采用统计的方法，利用计算不同时间接收信号的方差等信息来判定监测节点与目标台站之间是否有非直视径的影响。然而这种用采用统计的方法一般要求监测节点可以长时间接收到目标台站的信号，如果目标台站发射瞬时信号则无法精确识别。

在申请号为200710307836.6的中国发明专利申请中，公开了一种无线蜂窝网中消除NLOS的方法和装置。具体包括：首先经过多次测量TDOA数值，并计算这组TDOA的均值。之后再通过邻基站和服务基站时延的N组值，分别计算邻基站和服务基站信号到达时延的标准差，从而得到邻基站和服务基站信号NLOS误差的均值。再用得到的TDOA均值减去邻基站信号NLOS误差的均值再加上服务基站信号NLOS误差的均值，从而得到消除NLOS后视距传播的TDOA。另外，在申请号为201310435179.9的中国发明专利申请中，公开了一种基于定位单元质量及多算法数据融合的抗NLOS误差定位方法，首先通过待测终端获得N个锚节点反馈的测量值，包括TOA、RSS以及信噪比SNR，之后利用卡尔曼(Kalman)滤波器处理TOA测量值，得到新的TOA测量值，并将得到的TOA测量值分为两组。并最终利用数据融合的方法对得到的测量值进行处理，最终消除NLOS对定位结果的干扰，得到更为精确的定位结果。

综上，对现有的消除NLOS方法技术进行分析，发现现阶段所有的针对NLOS的消除方法技术都是基于对于接收的信号进行统计分析。通过计算均值，方差等统计特性，进行数据的处理和融合。利用接收到的时戳的统计特性来判定NLOS的存在，这样一般要求监测节点较长时间的接收目标台站发射的信号。如果目标台站发射的瞬时信号，通过计算时间统计量的方法则很难消除NLOS对于最终定位结果的影响。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：利用不同监测节点同时接收信号，并结合GDOP信息，消除节点之间相互的位置关系引起的定位结果的误差，得到相对准确的定位结果。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于多点监测的消除NLOS误差定位方法，其特征在于，包括如下步骤：

对所有监测节点按每k个节点分组，对分组的监测节点排列组合；

对每个监测节点组合中任取k-1个监测节点估计目标台站的坐标并计算几何精度因子；

对每个监测节点组合中得到的k个目标台站的坐标和几何精度因子两两比较，筛选监测节点组合；

对满足条件的k个目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；

按权值排序所有节点，取权值最大的k个节点，计算定位结果；

其中k为常数。

其中较优地，所述估计目标台站的坐标的步骤进一步包括：

在不同地理位置的多个监测点中选取参考点；

结合电磁波的传播速度常量c构建的双曲线方程如下：

(x_i-x)²+(y_i-y)²＝r_i,1 ²+2r_i,1r₁+(x₁-x)²+(y₁-y)²

其中，(x,y)表示目标台站的真实坐标，(x₁,y₁)表示参考点的真实坐标，(x_i,y_i)表示第i个监测点的真实坐标，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点的距；

采用CHAN算法化简双曲线方程如下：

$\left\{\begin{array}{c}{r_{i,1}}^2+{2r}_{i,1}{r}_1=-{2x}_{i,1}x-{2y}_{i,1}y+K_i-K_1\\ K_i=x_i^2+y_i^2\end{array}\right.$

其中，(x,y)表示目标台站的真实坐标，(x_i,y_i)表示第i个监测点的真实坐标，(x₁,y₁)表示参考点的真实坐标，K_i表示第i个监测点离坐标原点距离的平方，K₁表示参考点点离坐标原点距离的平方，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点时间信号的距离，x_i,1表示第i个监测点与参考点的横坐标距离差，y_i,1表示第i个监测点与参考点的纵坐标距离差；

转换双曲线方程如下：

G·Ψ＝h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵；

根据最小二乘法，求得最大似然的估计值。

其中较优地，所述最大似然的估计值是按下式计算的：

Ψ＝(G^T·G)^-1·G·h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示对G矩阵求转置矩阵，(·)^-1为求逆矩阵运算。

其中较优地，所述几何精度因子按下式计算：

$\mathrm{GDOP}=\sqrt{\mathrm{trace}\left[{\left(G^{T}G\right)}^{-1}\right]}$

其中，GDOP表示几何精度因子，G表示系数矩阵，G^T表示对G矩阵求转置矩阵。

其中较优地，所述计算几何精度因子的步骤中还设置有与几何精度因子阈值比对的步骤：

如果几何精度因子超出几何精度因子阈值，则丢弃；

如果几何精度因子未超出几何精度因子阈值，则保留当前几何精度因子。

其中较优地，所述对满足条件的k个估计目标台站的坐标计算方差得到权值的步骤进一步包括：

求得k个定位结果的方差δ² _i；

定位每个监测节点的权值对当前监测节点组合中每个监测节点的权值进行处理。

其中较优地，所述定位结果的方差按下式计算：

${{\mathrm{\δ}}^2}_i=E\left[({\mathrm{result}}_j^i-E[{\mathrm{result}}_j^i\right])---\left(5\right).$

其中较优地，所述权值是按下式处理的：

${\mathrm{Value}}_i={\mathrm{Value}}_i+\frac{1}{{{\mathrm{\δ}}_i}^2}({{\mathrm{\δ}}^2}_i\≤\mathrm{TH})$

其中，任意两个估计目标台站的坐标之间的距离都小于阈值TH，则认为在Group_i不存在NLOS的干扰，并将作为权值累加到该监测节点组合中的每一个监测点。

其中较优地，所述计算定位结果按下式计算：

Ψ＝(G^T·Q·G)^-1·G·Q·h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示矩阵G的转置矩阵，Q表示系数矩阵，(·)^-1为求逆矩阵运算。

(三)有益效果

本发明的提供的基于多点监测的消除NLOS误差定位方法，利用多个监测节点来接收信号，利用不同的监测节点的组合定位结果来进行数据分析，从而得出对于NLOS的判定，从而达到削弱NLOS对于定位结果的影响。

附图说明

图1是本发明消除NLOS误差定位方法流程示意图；

图2是本发明削弱NLOS影响系统模块示意图；

图3是本发明TDOA技术NLOS对定位结果影响示意图；

图4是本发明节点之间相对位置示意图；

图5是本发明削弱非直视径对定位结果的影响时序示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明提供一种基于多点监测的消除NLOS误差定位方法，如图1所示，具体包括如下步骤：对所有监测节点按每k个节点分组，对分组的监测节点排列组合；对每个监测节点组合中任取k-1个监测节点，估计目标台站的坐标并计算几何精度因子；对每个监测节点组合中得到的k个估计目标台站的坐标和计算几何精度因子两两比较，筛选监测节点组合；对满足条件的k个估计目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；按权值排序所有节点，取权值最大的k个节点，计算定位结果；其中k为常数。下面对本发明展开详细的说明。

首先，介绍对所有监测节点按每k个节点分组，对分组的监测节点排列组合的步骤。

如图2所示，在一个监测区域内有多个监测节点同时对目标站台的发射的信号进行接收。其中BS1～BSN代表多个监测节点。假设在当前的监测区域内有N个监测节点，其中N是常数。且监测节点相互同步可以测得TDOA信息，N个监测节点可以获得TDOA。对当前检测区域内的所有N个监测节点以每k个节点为一组进行分组，当前监测区域内的监测节点被分成多个监测节点组合。将分组后的N个监测节点组合采用排列组合的方式，对所有的N个监测节点进行组合，可以组合出种组合，定义第i种组合为Group_i。

其次，介绍对每个监测节点组合中任取k-1个监测节点，估计目标台站的坐标并计算几何精度因子的步骤。

当前的监测区域内有N个监测节点，N个监测节点相互同步可以测得TDOA信息，当前监测区域内的N个监测节点可以获得TDOA。在构建TDOA方程时，选取地不同理位置的N个监测点的信息来构建TDOA方程，由于信号到达每个监测点的幅度衰落差别较大。因此，为了避免出现较大的误差，需要先假设选取一个监测点作为参考点，也就是i＝1的点。在构建TDOA方程时，本发明需要选取距离目标台站最近的点为参考点。所以可以通过接收到信号幅度的强弱来选取一个信号强度最强的点作为TDOA方程的参考点。

结合电磁波的传播速度常量c构建如式(1)所示的双曲线方程：

(x_i-x)²+(y_i-y)²＝r_i,1 ²+2r_i,1r₁+(x₁-x)²+(y₁-y)²  (1)

其中，(x,y)表示目标台站的真实坐标,(x_i,y_i)表示第i个监测点的真实坐标，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点时间信号的距离。

由传统的CHAN算法可以将式(1)化简为式(2)的表达形式如下：

$\left\{\begin{array}{c}{r_{i,1}}^2+{2r}_{i,1}{r}_1=-{2x}_{i,1}x-{2y}_{i,1}y+K_i-K_1\\ K_i=x_i^2+y_i^2\end{array}\right.---\left(2\right)$

其中，(x,y)表示目标台站的真实坐标，(x_i,y_i)表示第i个监测点的真实坐标，K_i表示第i个监测点离坐标原点距离的平方，K₁表示参考点点离坐标原点距离的平方，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点时间信号的距离，x_i,1表示第i个监测点与参考点的横坐标距离差，y_i,1表示第i个监测点与参考点的纵坐标距离差。

可以将式(2)表达为矩阵的形式如式(3)所示：

G·Ψ＝h  (3)

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵。

$G=\left[\begin{array}{ccc}{x}_{\mathrm{2,1}}& y_{\mathrm{2,1}}& r_{\mathrm{2,1}}\\ x_{\mathrm{3,1}}& y_{\mathrm{3,1}}& r_{\mathrm{3,1}}\\ ....& ....& ....\\ x_{M,1}& y_{M,1}& r_{M,1}\end{array}\right],\mathrm{\Ψ}=[x,y,r_1],h=\frac{1}{2}\·\left[\begin{array}{c}{r_{\mathrm{2,1}}}^2-K_2+K_1\\ {r_{\mathrm{3,1}}}^2-K_3+K_1\\ ..................\\ {r_{M,1}}^2-K_M+K_M\end{array}\right].$

其中，K_M表示第M个监测点到坐标原点距离的平方，r_M,1表示当前第M个监测点与参考点的距离差，r₁表示目标台站到参考点时间信号的距离。G矩阵和h矩阵中所有的数值都是已知的，故只需要估计Ψ矩阵，并取选取估计目标台站的坐标的前三项作为目标台站的三维坐标。根据最小二乘法，可以按照式(4)所示，求得最大似然(MaximumLikelihood，简称ML)的估计值。

Ψ＝(G^T·G)^-1·G·h  (4)

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示对G矩阵求转置矩阵，(·)^-1为求逆矩阵运算。

结合上述公式及图3所示，可以看出在不存在非直视径的情况下，每个监测点与参考点直接可以做一条双曲线，多条双曲线会相交在一个很小的范围内。如图3所示，在当前检测区域内有BS1、BS2、BS3、BS4四个监测节点，曲线H_2,1、曲线H_3,1与曲线H_4,1相交于目标台站真实坐标的很小范围内。假设在第二个监测点BS2与目标台站之间存在NLOS干扰，则双曲线H_2,1变为双曲线H_2,1′，与另外两条双曲线交叉在很大的范围内，利用式(4)则不能得出相应准确的定位结果。利用该结论，辅以排列组合的方式，用不同的监测节点组合方式来计算定位结果的方法削弱NLOS的影响。

根据最小二乘法可以得出结论，在LOS(Line-of-sight,视距)的条件下，得出准确的定位结果则最小需要4个监测节点构建3个TDOA方程来估计目标台站的坐标。定义最小计算数k-1为4，最小组合数k为5。通过上述分析可知，当只有4个监测节点构成的TDOA方程组计算目标台站的坐标时，如果有一个监测节点受到了NLOS的干扰，则会造成其与正常的估计目标台站的坐标相差很大。而LOS下的估计目标台站的坐标则都在一个很小的范围以内。

如上文所述，采用排列组合的方式，对所有的N个监测节点进行组合，可以组合出种监测节点组合，定义第i种监测节点组合为Group_i。在Group_i监测节点组合中任意去其中的k-1个监测点来根据式(4)估计目标台站的位置，可以得到k个值，定义第j个估计目标台站的坐标为假设Group_i中有任意一个或者多个监测节点存在NLOS的干扰，会使得这种监测节点组合得到的k个估计目标台站的坐标偏离目标台站实际位置较大，且互相之间不具有收敛性。

按照上述方法计算的同时，会出现一个问题。在利用CHAN算法来解TDOA方程的时候，无法消除监测节点自身的位置分布对于定位结果的影响。如图4所示，假设在Group_i中所有的监测节点都不会受到NLOS的干扰，但是相对位置都在目标台站的90°扇面的时，则同样会造成定位结果与真实坐标产生较大误差，这种情况则会对判定NLOS产生一定的影响。

为了消除这种情况的干扰，引入几何精度因子(GeometricDilution Precision，缩写为GDOP)的概念。假设计算Group_i中任意k-1个监测点组合时，需要利用式(4)对其进行计算。然而为了避免计算出的定位结果由于自身监测节点的相对位置造成较大误差，在计算定位结果的同时需要计算这k-1个节点的几何精度因子，具体如式(8)所示：

$\mathrm{GDOP}=\sqrt{\mathrm{trace}\left[{\left(G^{T}G\right)}^{-1}\right]}---\left(8\right)$

同时定义几何精度因子GDOP的阈值为TH_GDOP。TH_GDOP表示判决阈值，一般由仿真统计所得，本发明中推荐将TH_GDOP设定为0.01。如果几何精度因子GDOP超出了阈值TH_GDOP，则丢弃，如果几何精度因子GDOP未超出了阈值TH_GDOP，则保留当前几何精度因子GDOP。

再次，介绍对每个监测节点组合中得到的k个估计目标台站的坐标和计算几何精度因子两两比较，筛选监测节点组合的步骤。

由于Group_i中有可能有任意一个或多个监测节点存在NLOS干扰，这种NLOS干扰会使得该监测节点组合得到的k个估计目标台站的坐标偏离目标站台实际位置较大。所以对求得的k个估计目标台站的坐标和计算的几何精度因子两两比较。LOS下的估计目标台站的坐标则都在一个很小的范围以内，将LOS条件下的估计目标台站的坐标的误差范围定义为估计结果误差阈值TH。TH一般由经验或者仿真得到，一般推荐为其中R_sample为接收机的采样率，c是电磁波的传播速度。如果出现任意两个估计目标台站的坐标之间相差大于估计结果误差阈值TH，则判定该监测节点组合中存在监测节点受到了NLOS的干扰，丢弃该监测节点。如果任意两个估计目标台站的坐标之间相差不大于估计结果误差阈值TH，则视为满足条件，认为该监测节点组合中不存在受到NLOS干扰的监测节点。

第四，介绍对满足条件的k个估计目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点的步骤。

如果当前监测节点组合满足条件，则视为该监测节点组合不存在受到NLOS干扰的节点，对该监测节点组合中所有的监测节点累加权值。

先求得这k个定位结果的方差δ² _i，具体如式(5)所示：

${{\mathrm{\δ}}^2}_i=E\left[({\mathrm{result}}_j^i-E[{\mathrm{result}}_j^i\right])---\left(5\right)$

在计算方差时，要对估计目标台站的坐标的GDOP进行考虑，如果GDOP≤TH_GDOP，则对该定位结果进行考虑；如果该定位结果无法满足要求，则不考虑该定位结果的偏移性。TH_GDOP表示判决阈值，一般由仿真统计所得。

同样，定位每个监测节点的权值为Value_i。根据公式(6)对Group_i每个监测节点的权值进行处理。

${\mathrm{Value}}_i={\mathrm{Value}}_i+\frac{1}{{{\mathrm{\δ}}_i}^2}({{\mathrm{\δ}}^2}_i\≤\mathrm{TH})---\left(6\right)$

其中，Value_i第i个监测点的权值，δ² _i表示方差，TH表示判断估计结果误差大小的阈值，一般由仿真统计所得。如果按式(6)计算所得的结果中，任意两个估计目标台站的坐标之间的距离都小于阈值TH，则认为在Group_i不存在NLOS的干扰，并将作为权值累加到该监测节点组合中的每一个监测点。

最后，介绍按权值排序所有节点，取权值最大的k个节点，计算定位结果的步骤。

如图5所示，对所有的监测节点组合都计算过方差并处理过后，每一个监测点都会有自己的累计权值。将所有监测点的累计权值按从大到小排序，取其中权值最大的k个点，k表示表示每个分组中所含监测点个数。

假设它们的权值为Value_i(i＝1～k)，按照式(7)计算最终的定位结果：

Ψ＝(G^T·Q·G)^-1·G·Q·h  (7)

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示矩阵G的转置矩阵，Q表示系数矩阵，即对角矩阵，对角线上的则为对应监测节点的权值，(·)^-1为求逆矩阵运算。

综上所述，本发明利用多个监测节点同时接收信号，利用不同的监测节点的组合定位结果来进行数据分析，利用监测节点个数的冗余度来代替时间冗余度。在目标台站只发射瞬时信号并同时存在NLOS影响的情况下，依然可以得到相对准确的定位结果。结合GDOP信息，消除节点之间相互的位置关系引起的定位结果的误差，得到精确的定位结果。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (9)

1.一种基于多点监测的消除NLOS误差定位方法，其特征在于，包括如下步骤：

对所有监测节点按每k个节点分组，对分组的监测节点排列组合；

对每个监测节点组合中任取k-1个监测节点估计目标台站的坐标并计算几何精度因子；

对每个监测节点组合中得到的k个目标台站的坐标和几何精度因子两两比较，筛选监测节点组合；

对满足条件的k个目标台站的坐标计算方差得到权值，累加权值到当前监测节点组合中的每个节点；

按权值排序所有节点，取权值最大的k个节点，计算定位结果；

其中k为常数。

2.如权利要求1所述的消除NLOS误差定位方法，其特征在于，所述估计目标台站的坐标的步骤进一步包括：

在不同地理位置的多个监测点中选取参考点；

结合电磁波的传播速度常量c构建的双曲线方程如下：

(x_i-x)²+(y_i-y)²＝r_i,1 ²+2r_i,1r₁+(x₁-x)²+(y₁-y)²

其中，(x,y)表示目标台站的真实坐标，(x₁,y₁)表示参考点的真实坐标，(x_i,y_i)表示第i个监测点的真实坐标，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点的距；

采用CHAN算法化简双曲线方程如下：

$\left\{\begin{array}{c}{r_{i,1}}^2+{2r}_{i,1}{r}_1=-{2x}_{i,1}x-{2y}_{i,1}y+K_i-K_1\\ K_i=x_i^2+y_i^2\end{array}\right.$

其中，(x,y)表示目标台站的真实坐标，(x_i,y_i)表示第i个监测点的真实坐标，(x₁,y₁)表示参考点的真实坐标，K_i表示第i个监测点离坐标原点距离的平方，K₁表示参考点点离坐标原点距离的平方，r_i,1表示当前第i个监测点与参考点的距离差，r₁表示目标台站到参考点时间信号的距离，x_i,1表示第i个监测点与参考点的横坐标距离差，y_i,1表示第i个监测点与参考点的纵坐标距离差；

转换双曲线方程如下：

G·Ψ＝h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵；

根据最小二乘法，求得最大似然的估计值。

3.如权利要求2所述的消除NLOS误差定位方法，其特征在于，所述最大似然的估计值是按下式计算的：

Ψ＝(G^T·G)^-1·G·h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示对G矩阵求转置矩阵，(·)^-1为求逆矩阵运算。

4.如权利要求1所述的消除NLOS误差定位方法，其特征在于，所述几何精度因子按下式计算：

$\mathrm{GDOP}=\sqrt{\mathrm{trace}\left[{\left(G^{T}G\right)}^{-1}\right]}$

其中，GDOP表示几何精度因子，G表示系数矩阵，G^T表示对G矩阵求转置矩阵。

5.如权利要求1所述的消除NLOS误差定位方法，其特征在于，所述计算几何精度因子的步骤中还设置有与几何精度因子阈值比对的步骤：

如果几何精度因子超出几何精度因子阈值，则丢弃；

如果几何精度因子未超出几何精度因子阈值，则保留当前几何精度因子。

6.如权利要求1所述的消除NLOS误差定位方法，其特征在于，所述对满足条件的k个估计目标台站的坐标计算方差得到权值的步骤进一步包括：

求得k个定位结果的方差δ² _i；

定位每个监测节点的权值对当前监测节点组合中每个监测节点的权值进行处理。

7.如权利要求6所述的消除NLOS误差定位方法，其特征在于，所述定位结果的方差按下式计算：

${{\mathrm{\δ}}^2}_i=E\left[({\mathrm{result}}_j^i-E[{\mathrm{result}}_j^i\right])---\left(5\right).$

8.如权利要求7所述的消除NLOS误差定位方法，其特征在于，所述权值是按下式处理的：

${\mathrm{Value}}_i={\mathrm{Value}}_i+\frac{1}{{{\mathrm{\δ}}_i}^2}({{\mathrm{\δ}}^2}_i\≤\mathrm{TH})$

其中，任意两个估计目标台站的坐标之间的距离都小于阈值TH，则认为在Group_i不存在NLOS的干扰，并将作为权值累加到该监测节点组合中的每一个监测点。

9.如权利要求1所述的消除NLOS误差定位方法，其特征在于，所述计算定位结果按下式计算：

Ψ＝(G^T·Q·G)^-1·G·Q·h

其中，h表示常数向量，Ψ表示目标台站坐标信息向量，G表示系数矩阵，G^T表示矩阵G的转置矩阵，Q表示系数矩阵，(·)^-1为求逆矩阵运算。