CN116347595A - 一种适用于室内定位的非视距识别与缓解方法 - Google Patents

Abstract

本发明涉及一种适用于室内定位的非视距识别与缓解方法，非视距传播产生的多径效应会导致第一到达路径信号功率占总体接收信号功率的比例下降，根据参考信号自相关函数特征分组，从互相关函数中提取第一到达路径信号和多径信号，计算出第一到达路径信号功率与总体接收信号功率，通过两者之间的比值判断基站的非视距状态；其缓解方法，在存在冗余基站的前提下，利用基站位置信息和信号到达时间估计多个定位坐标并计算其聚集度；当非视距存在时，缩减调整非视距基站的信号到达时间，重新计算定位坐标及聚集度；迭代搜索出使聚集度最小化的结果作为非视距缓解修正后的定位结果。本发明能减少非视距带来的检测误差，提高定位精度和鲁棒性，同时具有计算量小的特点，适用于实时定位。

Description

一种适用于室内定位的非视距识别与缓解方法

技术领域

本发明涉及定位领域，尤其涉及一种适用于室内定位的非视距识别与缓解方法。

背景技术

随着科技的进步，导航技术迅速发展，基于位置的服务逐渐走入人们的日常生活中。全球定位导航系统(GPS)和北斗卫星导航系统(BDS)为人类的生活带来极大的便利，然而，卫星信号在地面建筑物的遮挡下会产生严重的衰减和多径效应，使得GPS和北斗等系统无法在室内环境下工作。随着人类社会对室内定位的需求越来越强烈，越来越多的学者投入到室内定位技术的研究中，基于蓝牙、WIFI、地磁、红外、RFID、UWB等多种技术的室内定位方案纷纷被提出，定位精度也逐渐提升。然而，定位系统在实践中仍然面临着一些技术挑战，其中之一就是非视距(NLOS)信号传播，特别是对于音频、UWB等高精度室内定位技术，非视距影响尤为明显。

在NLOS环境中，发射机和接收机之间的直达信号被障碍物阻塞，导致额外的信号传播延迟，从而导致对距离的估计不准确，系统的定位精度显著降低。基于此，非视距基站信号的识别和缓解成为室内定位技术的一个重要挑战点。对于非视距信号的识别，传统方法包括信道特征分析和机器学习(ML)等方法，信道特征分析对定位环境有一定的依赖性，需要定位环境的先验知识，普适性较低；机器学习方法识别非视距是提取信号中的特征，采用大量的数据训练非视距识别分类器，分类器的精度与提取的特征和训练数据有关，数据量和计算量较大。

对于非视距信号误差的缓解主要有三种方法：基于信道和散射模型的传播特性估计非视距误差，需要定位环境的先验知识；基于加权方法缓解非视距误差，其对非视距情况较轻时有很好的效果，对于严重非视距带来的影响效果不明显；基于NLOS的稀疏特征识别缓解非视距误差，其对基站的数量要求较高且计算量较大。

发明内容

本发明技术解决问题：为降低定位系统中信号非视距传播带来的影响，提供一种适用于室内定位的非视距识别与缓解方法，识别方法特征明显，识别率高，不依赖于定位环境，普适性好且无需大量数据进行训练，减少计算和数据采集成本；缓解方法普适性强，对于轻度非视距和重度非视距都有很好的缓解效果，提高定位精度和鲁棒性，且对定位基站数量要求不高。

本发明原理：信号非视距传播产生的多径效应会导致第一到达路径信号功率降低、多径信号功率增大，从而导致第一到达路径信号功率占总体接收信号功率的比例下降；定位标签接收信号与参考信号的互相关函数可以看作是参考信号自相关函数经过幅度调制和时间延迟的叠加，因此可根据参考信号自相关特征分组提取第一到达路径信号和多径信号，计算出第一到达路径信号功率与总体接收信号功率的比值，将该比值与设定阈值比较，从而判断基站的非视距状态；对于非视距基站，调整信号到达时间(TOA)，利用多个定位坐标的聚集度作为判断条件，搜索出使得聚合度最高的信号到达时间和定位结果作为修正后的结果，从而缓解信号非视距传播引起的定位误差。

本发明技术解决方案：一种适用于室内定位的非视距识别与缓解方法，利用信号非视距传播产生的多径效应会导致第一到达路径信号功率降低、多径信号功率增大，从而导致第一到达路径信号功率占总体接收信号功率的比例下降的特点，将这个比值与设定的阈值比较判断基站是否处于非视距状态，得到非视距基站。

所述基站发射参考信号，将接收信号与参考信号的互相关函数看作是参考信号自相关函数经过幅度调制和时间延迟的叠加，根据参考信号自相关函数波形特征对接收信号与参考信号的互相关函数分组，搜寻最先出现的符合自相关波形特征的组别，将该组别作为第一到达路径所在分组，从而计算出第一到达路径信号功率及多径信号功率。最终得到第一到达路径信号功率与总体接收信号功率的比值。

所述方法具体包括如下步骤：

步骤1：从接收信号中截取包含基站发射参考信号s(t)的有效数据段r(t)，

信号截取方法如下所示：

将接收信号划分成一帧帧数据段，假设帧长为FL，帧滑动步长为SL，定义第i帧数据的余弦值如式：

其中“·”为点积运算符，“||||”为求模运算符，F_1×M[i]表示第i帧的矢量，构造如下：将帧内数据分成M个子片段，然后把子片段的绝对值和作为该矢量的元素，

是维度与帧矢量相同的全1向量，当第i帧数据的幅值变化很小，即不包含有效数据段时，其余弦值接近为1，当帧滑动到数据的幅值发生较大变化，即包含有效数据段时，其余弦值突然下降，说明检测到有效信号，可从此处开始根据原始信号长度适当截取有效数据段r(t)。r(t)可被看作是原始信号经过不同路径延迟的线性叠加，即：

其中，l为路径总数，ρ_i表示不同路径衰减程度，t_i表示不同路径时延，n(t)表示噪声；

步骤2：计算参考信号自相关函数

步骤1中的有效数据段与原始信号的互相关互相关函数/>

步骤3：将接收信号与步骤2计算的参考信号互相关函数看作是参考信号自相关函数经幅度调制和时间延迟的叠加，提取参考信号自相关函数提取波形特征及波形宽度T_s，根据自相关函数特征检测互相关函数中信号到达时间(TOA)所在位置t_TOA并找出互相关函数最大值MAX，将T₀＝[t_TOA-T_s/2,t_TOA+T_s/2]作为第一到达路径所在分组，以T_s为步长向后移动，即

当T_i分组内的最大值MAX_i<ωMAX时停止移动，即/>

T_s由确定方法如下：

A.提取自相关函数最大值所在位置t_max，并计算自相关函数绝对值|R_r(τ)|之和SUM；

B.计算{t_max-τ,t_max+τ}分组内的自相关函数绝对值|R_r(τ)|之和SUM₀，τ从0逐渐增大，令T_s＝τ_min，其中表示使得SUM₀/SUM大于0.9的最小τ值；

步骤4：取T₀分组的均值作为第一到达路径功率W_origin，依次对后续分组T_i(i＝1,2,……N)取均值并求和作为非视距引起的多径分路的总功率W_multi，定义γ＝W_origin/(W_origin+W_multi)表示第一到达路径信号功率与接收信号总功率的比值，作为判断基站非视距程度的依据；当γ<α时，判定基站为非视距，否则为视距，α为判断是否为非视距的阈值，并且γ为后续加权计算目标(x_t,y_t)时提供权重系数，以在一定程度上减少非视距引起的定位误差。

本发明的非视距缓解方法，利用冗余基站计算出多个定位坐标及其聚集度，调整包含非视距基站的信号到达时间或信号到达时间差，搜索出使得定位坐标聚集度最小的结果作为修正后的结果，从而缓解信号非视距传播引起的定位误差；

所述方法具体包含以下步骤：

步骤1：利用基站位置信息(x_i,y_i) (i＝1,2,3……K)和信号到达时间TOA_i (i＝1,2,3……K)或信号到达时间差TDOA_ij(i≤j i,j＝1,2,3……K)，其中K为基站个数，TOA_i表示第i个基站到达定位标签的信号到达时间，TDOA_ij表示第i个基站与第j个基站到达定位标签的信号到达时间的差值，本方法要求有冗余基站，因此K≥4，根据三基站定位方法，计算出多个定位坐标(x_ti,y_ti) (i＝1,2,3……S)并计算其聚合度δ，其中

聚合度δ的计算公式如下：

其中，D_ij表示定位坐标(x_ti,y_ti)与(x_tj,y_tj)之间的距离；

步骤2：当第i个基站为非视距状态时，考虑到非视距基站的信号到达时间TOA_i较真实值偏大，将其缩减为TOA'_i＝TOA_i-θ_iε (0≤θ_i≤1)，其中θ_i与第i个基站第一到达路径功率与接收信号总功率比值γ_i相关，对于视距基站θ_i＝0，非视距基站γ_i越小θ_i越大。得到新的信号到达时间集合TOA'_i (i＝1,2,3……K)或信号到达时间差集合TDOA'_ij (i≤j i,j＝1,2,3……K)后，重新计算定位结果(x'_ti,y'_ti) i＝1,2,3……S及聚集度δ'；

步骤3：通过迭代调整ε(从ε_min以固定的增量INC逐渐增加至ε_max)，搜索出使得argmin{δ}的信号到达时间差集合和定位结果作为修正后的定位结果，从而缓解信号非视距传播引起的定位误差。

本发明与现有技术相比的优点在于：本发明的提出的识别方法特征明显，识别率高，不依赖于定位环境，普适性好且无需大量数据进行训练，减少计算和数据采集成本；同时本发明提出的适用于室内定位的非视距缓解方法普适性强，对于轻度非视距和重度非视距都有很好的缓解效果，提高定位精度和鲁棒性，且对定位基站数量要求不高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1是本发明实施例中适用于室内定位的非视距识别与缓解方法的流程图；

图2是本发明实施例中非视距信号传播演示图；

图3是本发明实施例中参考信号与接收信号的自相关(左)和互相关时域波形图(右)；

图4是本发明实施例中四基站定位示意图；

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明的步骤：根据具体环境将定位系统的N个定位基站布设在定位区域，本实施例中N＝4；定位标签可以是手机或其他终端设备；通过定位标签接收的信号识别具体非视距基站；调整非视距基站的信号到达时间或调整包含非视距基站的信号到达时间差，根据多个目标定位坐标的聚集度判断调整后信号到达时间或到达时间差的可靠程度，搜索出最可靠的信号到达时间或到达时间差，从而修正定位结果，减小非视距引起的定位误差。

如图1所示，一种适用于室内定位的非视距识别与缓解方法，将信号非视距传播产生的多径效应会导致第一到达路径信号功率占总体接收信号功率的比例严重下降作为识别特征，再通过阈值比较判断基站是否处于非视距状态。

如图2所示，假设基站发射线性调频信号(Chirp信号)，频段为18-15KHz，接收信号与参考Chirp信号的互相关函数可以看作是参考Chirp信号自相关函数经过幅度调制和时间延迟的叠加。如图3所示，参考Chirp信号的自相关函数R_s(τ)聚集在一个比较短的时间范围内(约2ms)，由于非视距NLOS的影响，R_r(τ)呈现出分组聚集的特点，即分别在多个较短的时间范围内聚集，可利用R_r(τ)组内分组聚集且组内间隔足够大的特点对R_r(τ)进行分组，搜寻最先出现的符合自相关波形特征的一段波形，将其作为第一到达路径所在分组，从而量化第一到达路径功率及整体信号接收功能功率，所述方法具体包括如下步骤：

步骤1：从接收信号中截取包含基站发射原始信号s(t)的有效数据段r(t)，信号截取方法如下所示：

将接收信号划分成一帧帧的数据段，假设帧长为FL，帧滑动步长为SL，定义第i帧数据的余弦值如式：

其中“·”为点积运算符，“||||”为求模运算符，F_1×M[i]表示第i帧的矢量，构造如下：将帧内数据分成M个子片段，然后把子片段的绝对值和作为该矢量的元素，

是维度与帧矢量相同的全1向量，当第i帧数据的幅值变化很小时，其余弦值接近为1，当帧滑动到数据的幅值发生较大变化处，其余弦值突然下降，说明检测到有效信号，可从此处开始根据原始信号长度适当截取有效数据段r(t)，r(t)可被看作是原始信号经过不同路径延迟的线性叠加，即：

其中，l为路径总数，ρ_i表示不同路径衰减程度，t_i表示不同路径时延，n(t)表示噪声；

步骤2：计算原始信号自相关函数

有效数据段与原始信号的互相关互相关函数/>

步骤3：将接收信号与参考信号互相关函数看作是参考信号自相关函数经幅度调制和时间延迟的叠加，提取参考信号自相关函数提取波形特征及波形宽度T_s，T_s由确定方法如下：

A.提取自相关函数最大值所在位置t_max，并计算自相关函数绝对值|R_r(τ)|之和SUM；

B.计算{t_max-τ,t_max+τ}分组内的自相关函数绝对值|R_r(τ)|之和SUM₀，τ从0逐渐增大，令T_s＝τ_min，其中表示使得SUM₀/SUM大于0.9的最小τ值；

根据自相关函数特征检测互相关函数中信号到达时间(TOA)所在位置t_TOA并找出互相关函数最大值MAX，TOA检测方法如下：

A.根据聚集性分析对|R_r(τ)|的时间序列进行分组

diffTS_r(q)＝TS_r(q+1)-TS_r(q) q＝1,2,…,N-1 (2)

利用上式(1)来构造时间序列，其中MAX_R(τ)为接收信号的最大峰值，

为比例因子，从0.02逐渐增加至1，步长设置为0.01，可得到时间序列TS_r(n)。再利用上式(2)对时间序列进行差分计算，diffTS_r(q)反映了TS_r(n)的聚集程度，比较diffTS_r(q)与聚集性参数TH_doa可对时间差序列进行分组，TH_doa的值应略大于自相关信号时间差序列的所有值。分组方式为：令τ＝TS_r(1)，使q从1逐步增加，直到TS_r(q)大于TH_doa，TS_r(1)至TS_r(q)为一组，且下一组的起始点为TS_r(q+1)，以此类推，最终可得到P个分组。

B.确定TOA所在的分组，采用信号最大值与噪声比来估计TOA所在分组，具体公式如下：

MNR_r(i)＝|R_r(τ’_i))|/mean(|R_r(0:τ_i)|) i＝1,2,…,P

其中，MNR_r(i)表示第i个分组中最大值与噪声比，|R_r(τ'_i))|表示在第i个分组内接收信号的最大值，mean(|R_r(0:τ_i)|)代表从0到τ_i时刻信号的平均值。然后，将第一个大于阈值参数TH_mnr的值所在的分组认为是TOA所在分组。

C.分组内确定TOA

τ_TOA的估计公式如上式所示，其中τ_a为分组起始时刻，τ'_a为结束时刻。TH_span的值由实际试验情况决定。

将T₀＝[t_TOA-T_s/2,t_TOA+T_s/2]作为第一到达路径所在分组，以T_s为步长向后移动，即

当T_i分组内的最大值MAX_i<ωMAX时停止移动，即/>

步骤4：取T₀分组的均值作为第一到达路径功率W_origin，依次对后续分组T_i (i＝1,2,……N)取均值并求和作为非视距引起的多径分路的总功率W_multi。定义γ＝W_origin/(W_origin+W_multi)表示第一到达路径与接收信号总功率的比值，作为判断基站非视距程度的依据。当γ<α时，判定基站为非视距，否则为视距，α为判断是否为非视距的阈值，并且γ可为后续加权计算目标(x_t,y_t)时提供权重系数，以在一定程度上减少非视距引起的定位误差。

如图4所示，以4基站定位系统为例，对本发明实施例中的非视距识别与缓解方法进一步详细的说明，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。

如图1和图4所示，一种适用于室内定位的非视距缓解方法，在定位区域布设四个定位基站，利用冗余基站计算出多个定位坐标及其聚集度，调整包含非视距基站的信号到达时间或信号到达时间差，搜索出使得定位坐标聚集度最小的结果作为修正后的结果，从而缓解信号非视距传播引起的定位误差，所述方法具体包含以下步骤：

步骤1：利用基站位置信息(x_i,y_i) (i＝1,2,3,4)和信号到达时间TOA_i (i＝1,2,3,4)或信号到达时间差TDOA_ij (i≤j i,j＝1,2,3,4)，其中K为基站个数，TOA_i表示第i个基站到达定位标签的信号到达时间，TDOA_ij表示第i个基站与第j个基站到达定位标签的信号到达时间的差值，根据三基站定位法，计算出多个目标定位结坐标(x_ti,y_ti) (i＝1,2,3)并计算其聚合度δ，其中

聚合度δ的计算公式如下：

其中，D_ij表示定位坐标(x_ti,y_ti)与(x_tj,y_tj)之间的距离；

步骤2：当非视距存在时，会导致非视距基站的信号到达时间TOA_i相较真实TOA偏大，缩减非视距基站的信号到达时间TOA'_i＝TOA_i-θ_iε (0≤θ_i≤1)，其中θ_i与第i个基站第一到达路径功率与接收信号总功率的比值γ_i成反比θ_i＝μ/γ_i，其中μ为常量系数，得到新的信号到达时间集合TOA'_i (i＝1,2,3,4)或信号到达时间差集合TDOA'_ij (i≤j i,j＝1,2,3,4)，并重新计算定位结果(x'_ti,y'_ti) i＝1,2,3及聚集度δ'；

步骤3：通过迭代调整ε，ε从ε_min以固定的增量INC逐渐增加至ε_max，令ε_min＝0、INC＝0.1、ε_max＝min{TOA_m m＝1,2,3……K}，搜索出使得argmin{δ}的信号到达时间差集合和定位结果作为修正后的结果，从而缓解非视距引起的定位误差。

总之，本发明的一种适用于室内定位的非视距识别与缓解方法，将定位目标接收信号与基站发射的参考信号的互相关函数看作是经过多个参考信号自相关函数经幅度调制和时间延迟后的叠加，并根据参考信号自相关函数特征分组提取第一到达路径信号和多径信号。考虑到非视距传播产生的多径效应会导致第一到达路径信号功率占总体接收信号功率的比例严重下降，量化计算出第一到达路径信号功率与总体接收信号功率，可通过两者之间的比值判断基站的非视距状态；其缓解方法，包括：步骤1：在存在冗余基站的前提下，利用基站位置信息和信号到达时间估计多个定位坐标并计算其聚集度；步骤2：当非视距存在时，缩减调整非视距基站的信号到达时间，重新计算定位坐标及聚集度；步骤3：迭代搜索出使聚集度最小化的结果作为非视距缓解修正后的定位结果。本发明所提方法能减少非视距带来的检测误差，提高定位精度和鲁棒性，同时具有计算量小的特点，适用于实时定位。

以上所述，仅为本发明一个具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种适用于室内定位的非视距识别与缓解方法，其特征在于：包括非视距识别方法和缓解方法；

所述非视距识别方法，利用信号非视距传播产生的多径效应会导致第一到达路径信号功率降低、多径信号功率增大，从而导致第一到达路径信号功率占总体接收信号功率的比例下降的特点，将这个比值与设定的阈值比较判断基站是否处于非视距状态，得到非视距基站；所述得到第一到达路径信号功率与总体接收信号功率的比值的方法为：所述基站发射设定的参考信号，将定位标签接收信号与参考信号的互相关函数看作是参考信号自相关函数经过幅度调制和时间延迟的叠加，根据参考信号自相关函数波形特征对接收信号与参考信号的互相关函数分组，搜寻最先出现的符合自相关波形特征的组别，将该组别作为第一到达路径所在分组，从而计算出第一到达路径信号功率及总体接收信号功率，最终得到第一到达路径信号功率与总体接收信号功率的比值；

所述非视距缓解方法，利用冗余基站计算出多个定位坐标及其聚集度，调整包含非视距基站的信号到达时间或信号到达时间差，搜索出使得定位坐标聚集度最小的结果作为修正后的结果，从而缓解信号非视距传播引起的定位误差。

2.根据权利要求1所述的适用于室内定位的非视距识别与缓解方法，其特征在于：所述非视距识别方法具体包括如下步骤：

步骤1：从接收信号中截取包含基站发射参考信号(t)的有效数据段r(t)，

信号截取方法如下所示：

将接收信号划分成一帧帧数据段，假设帧长为FL，帧滑动步长为SL，定义第i帧数据的余弦值如式：

其中“·”为点积运算符，“||||”为求模运算符，F_1×M[i表示第i帧的矢量，构造如下：将帧内数据分成M个子片段，然后把子片段的绝对值和作为该矢量的元素，

是维度与帧矢量相同的全1向量，当第i帧数据不包含有效数据段时，数据幅值变化小，余弦值接近为1，当帧滑动到数据包含有效数据段时，数据幅值发生较大变化，余弦值下降，说明检测到有效信号，从此处开始根据原始信号长度适当截取有效数据段rt，rt被看作是原始信号经过不同路径延迟的线性叠加，即：

其中，l为路径总数，ρi表示不同路径衰减程度，ti表示不同路径时延，n(t表示噪声；

步骤2：计算参考信号自相关函数

步骤1中的有效数据段与原始信号的互相关互相关函数/>

步骤3：将接收信号与步骤2计算的参考信号互相关函数看作是参考信号自相关函数经幅度调制和时间延迟的叠加，提取参考信号自相关函数提取波形特征及波形宽度Ts，根据自相关函数特征检测互相关函数中信号到达时间(TOA)所在位置tTOA并找出互相关函数最大值MAX，将T₀＝[tTOA-Ts/2,tTOA+Ts/2]作为第一到达路径所在分组，以Ts为步长向后移动，即

当Ti分组内的最大值MAXi<ωMAX时停止移动，即/>

步骤4：取T₀分组的均值作为第一到达路径功率Worigin，依次对后续分组Ti取均值并求和作为非视距引起的多径分路的总功率Wmulti，定义γ＝Worigin/(Worigin+Wmulti)表示第一到达路径信号功率与接收信号总功率的比值，作为判断基站非视距程度的依据；当γ<α时，判定基站为非视距，否则为视距，α为判断是否为非视距的阈值，并且γ为后续加权计算目标(xt,yt)时提供权重系数，以减少非视距引起的定位误差。

3.根据权利要求2所述的适用于室内定位的非视距识别与缓解方法，其特征在于：所述步骤3中，Ts由确定方法如下：

A.提取自相关函数最大值所在位置tmax，并计算自相关函数绝对值|R_rτ|之和SUM；

B.计算{tmax-τ,tmax+τ}分组内的自相关函数绝对值|R_rτ|之和SUM₀，τ从0逐渐增大，令Ts＝τmin，其中表示使得SUM₀/SUM大于0.9的最小τ值。

4.根据权利要求1所述的适用于室内定位的非视距识别与缓解方法，其特征在于：所述非视距缓解方法具体包含以下步骤：

步骤1：利用所有基站位置信息xi,yi和信号到达时间TOAi或信号到达时间差TDOAij，i≤j i,j＝1,2,3……K，其中K为基站个数，TOAi表示第i个基站到达定位标签的信号到达时间，TDOAij表示第i个基站与第j个基站到达定位标签的信号到达时间的差值，K≥4，根据三基站定位方法，计算出一个定位标签的多个定位坐标xti,yti，i＝1,2,3……S，并计算多个定位坐标聚合度δ，其中

聚合度δ的计算公式如下：

其中，Dij表示定位坐标xti,yti与xtj,ttj之间的距离；

步骤2：当第i个基站为非视距状态时，检测到的非视距基站与定位标签之间的信号到达时间TOAi会比实际信号到达时间TOA'_i大，即TOA'_i＝TOA-θiε，0≤θi≤1，其中θi与第i个基站第一到达路径信号功率与接收信号总功率比值γi相关，对于视距基站θi＝0，非视距基站γi越小θi越大，从而得到新的信号到达时间集合TOA'_i或信号到达时间差集合TDOA'_ij后，重新计算定位结果x'_ti,y'ti)i＝1,2,3……S及聚集度δ'；

步骤3：通过迭代调整ε，即从εmin以固定的增量INC逐渐增加至εmax，搜索出使得argmin{δ}的信号到达时间差集合和定位结果作为修正后的定位结果，从而缓解信号非视距传播引起的定位误差。

Images