定位算法文獻綜述隨著普適計算和分布式通信技術的深入研究，無線網絡、通信等技術得到了迅速普及，同時，位置效勞已滲透到人們生活中的方方面面。基于低功耗、自組織、信息感知的無線傳感器網絡，其監測的事件與物理位置戚戚相關。對于大多數應用，不知道傳感器位置而感知的數據是沒有意義的[1]，因此確定信息的位置成為眾多應用的迫切需求和關鍵性問題，有著重要的意義[2，3]?，F代定位技術最早出現在軍事領域，以提供精確制導、戰場監控和單兵作戰系統保障，如全球定位系統(GlobalPositioningSystem，GPS)作為目前應用最成功的定位技術，但是，對于室內近距離定位，GPS的精度遠遠達不到要求。基于位置效勞的網絡有多種，如WSN、GPS、Wi-Fi等，每種定位技術有著各自的優缺點，定位的適用場景、定位精度、實時性、功耗、使用本錢也各不相同。如何進行網絡間的協作定位成為了解決室內定位問題的一大選擇。本文首先介紹無線傳感器網絡的各種定位算法，介紹每種網絡的信號特點，然后描述算法的評價標準，最后對所有文章進行總結，提出多模信號融合的室內定位算法的研究思路。1.定位算法的性能評價標準定位算法的性能直接影響到它的定位精度以及在實際中的應用可行性，如何評價它的性能是一個需要深入研究的問題，下面討論幾個常用的性能評價標準[8]?！?〕定位精度。定位技術首要的評價指標就是定位精度，一般用誤差值與節點無線射程的比例表示，例如，定位精度為20％表示定位誤差相當于節點無線射程的20％．也有局部定位系統將二維網絡部署區域劃分為網格，其定位結果的精度也就是網格的大小，如微軟的RADAR[9]，WirelessCorporationRadioCamerat等?！?〕規模。不同的定位系統或算法也許可在園區內、建筑物內、一層建筑物或僅僅是一個房間內實現定位．另外，給定一定數量的根底設施或在一段時間內，一種技術可以定位多少目標也是一個重要的評價指標．例如，RADAR[8]系統僅可在建筑物的一層內實現目標定位，劍橋的ActiveOffice定位系統[10]每200ms定位一個節點。〔3〕錨節點密度。錨節點定位通常依賴人工部署或GPS實現．人工部署錨節點的方式不僅受網絡部署環境的限制，還嚴重制約了網絡和應用的可擴展性．而使用GPS定位，錨節點的費用會比普通節點高兩個數量級[11]，這意味著即使僅有10％的節點是錨節點，整個網絡的價格也將增加10倍．因此，錨節點密度也是評價定位系統和算法性能的重要指標之一?！?〕節點密度。在WSN中，節點密度增大不僅意味著網絡部署費用的增加，而且會因為節點間的通信沖突問題帶來有限帶寬的阻塞．節點密度通常以網絡的平均連通度來表示．許多定位算法的精度受節點密度的影響，如DV-Hop[12，13]算法僅可在節點密集部署的情況下合理地估算節點位置?！?〕容錯性和自適應性。通常，定位系統和算法都需要比擬理想的無線通信環境和可靠的網絡節點設備．但在真實應用場合中常會有諸如以下的問題：外界環境中存在嚴重的多徑傳播、衰減、非視距(non．1ine．of-sight，簡稱NLOS)、通信盲點等問題；網絡節點由于周圍環境或自身原因(如電池耗盡、物理損傷)而出現失效的問題；外界影響和節點硬件精度限制造成節點間點到點的距離或角度測量誤差增大的問題．由于環境、能耗和其他原因，物理地維護或替換傳感器節點或使用其他高精度的測量手段常常是十分困難或不可行的．因此，定位系統和算法的軟、硬件必須具有很強的容錯性和自適應性，能夠通過自動調整或重構糾正錯誤、適應環境、減小各種誤差的影響，以提高定位精度?！?〕功耗。功耗是對WSN的設計和實現影響最大的因素之一．由于傳感器節點電池能量有限，因此在保證定位精度的前提下，與功耗密切相關的定位所需的計算量、通信開銷、存儲開銷、時間復雜性是一組關鍵性指標?！?〕代價。定位系統或算法的代價可從幾個不同方面來評價．時間代價包括一個系統的安裝時間、配置時間、定位所需時間．空間代價包括一個定位系統或算法所需的根底設施和網絡節點的數量、硬件尺寸等．資金代價那么包括實現一種定位系統或算法的根底設施、節點設備的總費用。上述7個性能指標不僅是評價WSN自身定位系統和算法的標準，也是其設計和實現的優化目標．為了實現這些目標的優化，有大量的研究工作需要完成。同時，這些性能指標是相互關聯的，因此，要提高移動節點定位算法的精度必須根據應用的具體需求對以上7個性能指標進行權衡[14]，以選擇和設計適宜的定位技術。2.室內無線定位可進行定位的信號是多種多樣的，所以定位系統種類繁多。如利用衛星無線RF信號的GPS、利用紅外和激光的光學定位、利用超聲和聲納的聲音定位、利用圖像處理和計算機視覺的視覺定位、利用陀螺原理的相對定位等等。其中，GPS是目前應用最成功的定位技術，但是對室內近距離定位，GPS的精度遠遠達不到要求。目前室內無線定位技術的研究相對集中在基于RF信號，并結合各種無線網絡技術如ZigBee，超寬帶(Ultra-WideBand，UWB)，Wi-Fi，藍牙，射頻識別(Radio-frequencyIdentification，RFID)等定位技術的研究。2.1基于ZigBee的定位技術研究基于ZigBee的定位技術主要是采用接收信號強度指示(ReceivedSignalStrengthIndicator，RSSI)來實現，目前ZigBee已經廣泛地應用于工業、農業、軍事、醫療等領域[7]。最初由國外科研人員通過實際測量、仿真評估[8，9]，建立了無線RF信號的RSSI傳播模型[10]，由于單純的使用RSSI的ZigBee定位系統精度有限，HyunggiCho等人通過在此根底上使用最大似然估計方法提高定位精度[11]。目前在國內已經商業化的定位系統有成都無線龍通訊科技開發的“ZigBee無線網絡定位標準開發系統〞，它使用Chipcon公司(已被TI公司收購)的CC2431和CC2430開發的可實現最大區域為64*64米空間的定位[12]。由于CC2431的RSSI定位引擎的分辨率為0.25米[13]，因此，“ZigBee無線網絡定位標準開發系統〞的定位精度不高，一般在3~5米。2.2基于UWB的定位技術研究根據FCC的定義，只要信號在-10dB處的絕對帶寬大于0.5GHz或者相對帶寬大于20%，并且中心頻率大于500MHz，那么這一信號就是超寬帶(Ultra-wideband，UWB)?；赨WB的定位主要是通過到達時間(TimeofArrival，TOA)或者到達時間差(TimeDifferenceofArrival，TDOA)來實現的?；赨WB的TDOA方法，RobertJ.Fontanat等人[14，15]早在2003年就成功地開發出可產品化的，用于財物定位的PAL650定位系統，如圖1所示，定位精度可到15厘米以內。另外，Ubisense公司開發基于UWB的UbisenseSystem定位系統也能實現精度為15厘米的三維定位，目前該系統[16]已應用于人員定位，倉儲物流，軍事，安防預警等。國內的南京唐恩科技資訊Ubisense公司的一些硬件產品，并在此根底上與南京大學、南京航天航空大學、東南大學合作自主研發了基于UWB的iLocate定位系統，能夠實現2D/3D的人員及物品定位[17]。由于時間脈沖持續的時間很短(大約10~100ps)，大大降低了發射信號所需的功率，所以UWB的發射功率很小，同時這一性能也決定了其具有精確定位的功能。UWB定位在一定程度上代表著當前室內或者局部區域范圍三維定位的一個趨勢[18]，因此目前國內外針對UWB的位置估計[19]、減小NLOS誤差[20，21]及求精的算法研究很多[22]。圖1PAL650定位系統(UWB接收器的數字處理局部，定位系統架構連接圖)2.3基于RFID的定位技術研究基于RFID〔RadioFrequencyIDentification〕的定位技術是通過射頻識別標簽〔tags〕或者無線收發器(Transponders)來存儲和非接觸地發送數據來進行自動身份識別的技術。RFID應用于定位主要分為兩種方式：一種是位置感知方式，一種是基于RSSI方式。HenrikLj?godtMoen等人[23]提出的基于城市無線網絡定位的效勞以及TeruhiroHaga[24]等人的2維定位與角度測量研究都是基于這一方式;在位置感知方式下，可以通過對跟蹤對象安裝RFID標簽，然后將RFID標簽讀取器放置在位置的地方，當跟蹤對象進入到感知范圍內時，就可以檢測到跟蹤對象的位置了?；赗SSI的RFID定位在一定程度上與ZigBee的定位方法類似。目前RFID廣泛地應用于田徑比賽時間檢測[25]、運輸倉儲、圖書館導游交互[26]、室內位置感知、人員跟蹤系統[27]等等。廣為人知的SpotON系統[28]就是基于RSSI對主動型RFID標簽進行定位的系統;香港科技大學的LANDMARC系統[29]采用RFID技術思想，用活性參考標簽代替離散數據采集，其動態參考信息能更好的適應室內環境波動，提高定位精度(50th-1m，最大誤差2m)，但是系統需要調節目標發射功率級別來估計距離遠近，該過程不僅影響精度，而且造成一定時滯。AbdelmoulaBekkali等人[27]通過使用參考標簽形成RFID地圖，并結合Kalman濾波可得到很高的定位精度。由于RSSI定位精度的問題，有很多人對這一方法的可行性提出了質疑。SergioPolito等人[30]對基于RF能量的，主動型RFID的定位性能做了評估，指出:僅在算法上的改良，在室內環境下能夠到達的定位精度仍然有限;為了到達更高的精度，需要大量的參考點和檢測天線，同時不同的環境對無線能量傳播的影響是必須考慮的因素，在定位算法中還存在著不容易確定的參數。國內有很多采用RFID技術應用的例子，如國家大劇院已應用WLAN和RFID定位的設備。2.4其它的無線定位技術Wi-Fi(IEEE802.11)[31]和藍牙[32]是目前較為常用的兩種無線網絡協議。基于Wi-Fi和藍牙的無線定位也主要是根據接收信號強度來實現的，這里就不做詳細介紹了。由于采用這一方案的種種問題，很多研究是對基于接收信號強度的定位方法進行改良。為了得到更高的精度，很多研究人員研究了必要的精確校準方法[33]。另外，有一些定位系統是將RF與其它的無線傳輸結合起來實現定位。麻省理工學院的Cricket系統[34]就是通過信標節點同時發出無線射頻信號與超聲波信號，由于超聲波傳播較慢，接收端接收的兩種信號會形成時間差，由此可以計算得到信標節點與接收端的距離。在使用多個信標節點之后，Cricket就可以實現對接收端的定位。3定位算法3.1應用型定位算法XiaoyanLi等人提出了一種基于應用的RSS定位算法[15]。傳感器定位系統在現實的運用中，越來越多的需要考慮到環境對RSS影響造成的定位誤差問題。例如：基于RSS定位的某一超市，如果某一盜賊在偷取物品時利用某些金屬盒影響了傳感器的RSS值，超市的定位系統就會出現故障，那么盜賊很容易將物品帶出，而超市卻不知道物品的具體位置。文章研究在對所有信標節點采取同樣信號攻擊的前提下，保證定位精確度的問題。首先是建立獲取同樣信號攻擊的模型。第一種方式：將節點放入錫罐中；第二種方式：通過編程的方式，將節點的信號強度減小。其次，確立魯棒的信號強度參數。文章認為兩個節點之間的相對信號強度是不變的。信號發生變化前相對信號強度，當信號發生變化后，相對信號強度。最后，利用其它比擬成熟的定位算法，使用相對信號強度這一不變參數對待定位節點進行定位。文章在80ft*70ft的實驗室進行了實驗。在實驗室中布置了5個錨節點，總共有20個采樣的位置。RSS值是通過獲取100個數據包的平均值求得。實驗數據，都是通過錫罐覆蓋的方式改變RSS的值。以RSM作為衡量參數進行定位的原那么分別運用到兩種定位算法中：最小二乘法定位和指紋定位。通過實驗比對原始定位算法和改良后算法的定位性能。從實驗仿真數據可以看出，兩種算法改良后對于RSS攻擊的敏感性更小，定位精度更高。對于每個采樣位置的精確度分析也顯示改良后的算法魯棒性更高。3.2針對固定節點的定位算法3.2.1指紋定位算法2023年DanLiu等人提出了基于指紋定位算法，找出含有最有用信息的一組參考節點給待定位節點定位，提高定位精度的算法[16]。首先通過模糊聚類選取最有用的一組參考節點；其次利用jffrey&Matusita公式給參考節點分配不同的權值。文章利用TI生產的CC2431節點，在5*13.5的長方形房間布置8個錨節點進行實驗。仿真將本文提出的算法和CC2431自帶的定位算法進行比照。結果顯示文章提出的定位算法誤差不到1m，比原始的指紋定位算法誤差更小。2023年PanaratCherntanomwong等人提出利用指紋庫中所有的采樣數據進行定位，減小定位誤差[17]。首先，建立網格中每個格點收到參考節點RSS值的指紋庫。其次，利用歐幾里得距離公式和指紋庫中的所有信息計算待定位節點的位置。文章利用Xbee-24ZB節點，4個或者6個參考節點，36個指紋庫信息進行仿真。仿真結果顯示4個參考節點時定位誤差為0.56m，6個參考節點時定位誤差為0.44m。PanaratCherntanomwong等人于同一年，提出基于指紋定位算法的改良算法。通過選取指紋庫中最有用采樣數據進行定位，提高定位精度[18]。首先建立網格中每個格點收到參考節點RSS值的指紋庫；其次，利用模糊C-Means聚類算法找出含有最有用信息的節點，再根據歐幾里得距離公式計算待定位節點的坐標。通過聚類的方式，減小了與待定位節點無關的節點信息引起的定位誤差，提高了定位的精確度。3.2.2壓縮感知定位算法奈奎斯特采樣定理是信號處理領域信號采樣和重構的重要理論根底，它指出，采樣速率需到達信號帶寬兩倍以上是防止混疊、精確重構信號的必要條件[19l。近年來由Candès、Romberg、Ta。和Donoho等人提出了一種新穎的理論，即壓縮感知理論(CompressiveSensing，CS)[20-22]。不同于傳統的奈氏采樣定理，CS指出，對于可壓縮或在某個變換域內稀疏的信號，可從遠比奈氏采樣速率低的采樣或測量中以高概率得到無損恢復[6]。其具體實現可通過一個與變換基不相關的感知矩陣將變換所得高維信號投影到一個低維空間，并通過優化問題的求解從這些低維的投影信號中以高概率重構原始信號。由于實際信號在某一特定域下(如空域、頻域、小波域等)往往具有一定的可壓縮性，因而該理論為壓縮采樣、信號重構領域帶來了一次新的革命。3.2.3目標跟蹤定位算法2023年MajdiMansouri等人文章提出了量化目標跟蹤的遺傳優化算法[27]。算法的具體流程如下列圖所示：圖3遺傳優化算法首先t-1時刻選取的簇頭利用量化近似觀測模型〔QuantizedProximityObservationModel，QPOM〕獲取t-1時刻待定位節點的坐標；其次t-1時刻利用t-1時刻之前待定位節點的所有坐標信息和量化變濾波算法〔QuantizedVariationalFilter，QVF〕算法計算出t時刻的簇頭；再次，t-1時刻的簇頭利用t-1時刻待定位節點的坐標選取最優的一組傳感節點，并計算出最優的量化級；接著，利用最優量化級對選取的一組最優傳感節點的感知數據進行量化；最后t時刻簇頭利用量化的觀測數據計算t時刻待定位節點的坐標。文章在100個傳感節點，采樣100次，節點的傳輸半徑是10m的環境下進行了仿真。通過定位精確度、均方差、執行時間和整個定位跟蹤的能耗四個方面進行了仿真分析。首先，將本文提出的Optimized-QVF算法和QVF-R算法，QPF算法從定位精確度，均方差和執行時間上進行了比照。實驗數據說明，本文提出的優化-QVF算法在各個評價指標上都有顯著的優勢。其次，三個算法定位誤差都隨著節點密度的增加而減小，隨著節點噪聲的增加而增加，隨著節點傳輸功率的增加而減小。2023年馮辰等人在壓縮感知定位算法的根底上，提出了基于卡爾曼濾波的壓縮感知室內目標跟蹤定位算法[28]。算法的具體流程如下列圖所示：圖4壓縮感知跟蹤定位算法首先，需要預先設定要節點的目標位置和行走路徑。其次，通過壓縮感知定位算法計算出節點的位置。再次，粗定位和卡爾曼濾波同時進行，分別選出最適合定位的簇，如果兩者匹配，那么將選定的簇用于精確定位。最后，導航功能是利用目標節點的位置和路徑進行匹配，如果和哪個位置匹配成功，那么驅動相應的聲控命令。文章的實驗在加拿大盲人研究院的二樓進行。面積為18m*36m，128個參考節點。每個參考節點在4個方向上分別采樣50次。移動速度為0.34m/s，通過4條不同的測試路線進行實驗。利用c#做的測試界面。移動設備使用HPiPAQhx2750PDA。文章的實驗將提出的壓縮感知定位算法和RADAR算法，Horus定位算法，Kernel-based定位算法進行比照。實驗結果顯示，本文提出的壓縮感知定位算法在不同的未知位置下，定位誤差都優于其它定位算法。當未知位置設置為14個時，本文提出的壓縮感知定位算法90%的誤差都小于3.2m，優于其它三種定位算法。在目標跟蹤系統測試中，壓縮感知定位算法90%定位誤差都小于2.9m優于其它三種算法。針對導航系統的測試，數據顯示運用導航行走的時間為485.5s，大于正常速度到達的時間367.3s。3.2.4無線傳感網絡可定位性分析的算法2023年TaoChen，ZhengYang，YunhaoLiu等人提出了LAL_Basic和LAL_Heuristic算法對網絡可定為性進行分析[29]。在通信開銷最小的情況下，有效的調整網絡結構，使整個網絡都是可定位的。算法的具體流程如下列圖所示：圖5網絡可定為性算法首先初始化網絡配置；其次，通過網絡流算法和卵石博弈算法，計算節點的可定位性，進行可定位性測試；再次，通過深度優先搜索，將網絡分為多個2連通的組件，進行網絡結構分析；再次，利用文章提出的LAL_Basic算法和LAL_Heuristic將網絡調整為可定位的網絡。最后利用定位算法對網絡中的待定位節點進行定位。文章的實驗環境為，單位正方形面積上，不規那么的隨機擺放400個節點，有3個錨節點，節點的通信距離從0.06以0.02的增速變至0.98。實驗的數據是通過100個網絡實例集成所得。通過Anderson等提出的普通調整方法IND和本文提出的LAL_Basic算法和LAL_Heuristic算法進行仿真分析，從參加邊的數量、邊的總數和可定位節點數量三個方面進行評測。實驗數據顯示，文章提出的兩種算法在添加邊的數量上都少于IND算法。2023年RyoSugihara和RajeshK.Gupta提出了提出一種在多種網絡模型下，可準確判定節點的可定位性，以及定位誤差上限的semidefiniteprogramming(SDP)算法[30]。文章首先提出了剛性原理對網絡可定位性分析的局限性，其次提出SDP算法對網絡的可定位性進行分析，彌補了剛性原理的缺陷，最后利用SDP算法計算待定位節點的位置。4.總結文章通過對無線傳感器網絡定位算法的研究，引出一系列定位算法以及定位誤差的優化算法。從基于應用型的定位算法，固定節點的定位算法，移動目標跟蹤定位算法到網絡性能分析算法四個方面提出了提高節點定位的方法。本文就是將室內可能存在的網絡信號進行分析，然后利用可利用的信號資源進行融合定位的。經過分析得知，WSN、Wi-Fi、GPS均為室內外常見網絡，且低本錢，高精度，適用于室內環境的優勢，已成為室內定位的研究熱點，同時，三種信號的融合定位算法易擴展到室外。參考文獻[1]RabacyJJ，AmmerMJ，daSilvaJr．JL，PatelD，RoundyS．Picorodiosupportsadhocultra-lowpowerwirelessnetworking．Computer，2000，33(7)：42-48．[2]BolengJ，CampT.Adaptivelocationaidedmobileadhocnetworkrouting.In:ProceedingsoftheIEEEInternationalConferenceonPerformance，Computing，andCommunications，Phoenix，Arizona，USA，2004.423-432[3]HarterA，HopperA，StegglesP，etal.Theanatomyofacontext-awareapplication.In:Proceedingsofthe5thAnnualInternationalConferenceonMobileComputingandNetworking.SeattleWashington，USA，1999.59-68[4]JiYM，BiazS，PandeyS，.ARIANDNE:Adynamicindoorsignalmapconstructionandlocalizationsystems，ApplicationsandServices[C].NewYork，NJ，USA:ACM，2006.151-164.[5]CandesE，RombergJ，TaoT.Robustuncertaintyprinciples:exactsignalreconstructionfromhighlyincompletefrequencyinformation.IEEETransactionsonInformationTheory，2006，52(2):489—509[6]DonohoDL.Compressedsensing.IEEETransactionsonInformationTheory，2006，52(4):1289—1306[7]CandesE.Compressivesampling.In:ProceedingsofInternationalCongressofMathematicians.Madrid，Spain:EuropeanMathematicalSocietyPublishingHouse，2006.1433—1452[8]王福豹，史龍，任豐原，無線傳感器網絡中的自身定位系統和算法。軟件學報2005年第16卷第5期.[9]BahlP，PadmanabhanVN．RADAR：Anin-buildingRF-baseduserlocationandtrackingsystem．In：Proc．oftheIEEEINFOCOM2000．V01．2，TelAviv：IEEEComputerandCommunicationsSocieties，2000．775—784．[10]GoodsteinL.LocationBasedService:AnalysisofCarrierSpending.Subscribers，DevicesandApplicationsforHandset-basedandTelematicsServices[R].NewYork:ABIResearch，2004.[11]BahlP，PadmanabhanVN.RADAR:Anin-buildingRF-baseduserlocationandtrackingsystem[A].Proceedingsofthe9thAnnualJointConferenceoftheIEEEComputerandCommunicationsSocieties[C].Piscataway，NJ，USA:IEEE，2000.775-784.[12]JiYM，BiazS，PandeyS，.ARIANDNE:Adynamicindoorsignalmapconstructionandlocalizationsystems，ApplicationsandServices[C].NewYork，NJ，USA:ACM，2006.151-164.[13]ZarubaGV，HuberM，KamangarFA.MonteCarlosamplingbasedin-homelocationtrackingwithminimalRFinfrastructurerequirements[A].ProceedingsoftheIEEEGlobalTelecommunicationsConference[C].Piscataway，NJ，USA:IEEE，2004.3624-3629.[14]MadiganD，ElnhrawyE，MartinRP.Bayesianindoorpositioningsystem[A].Proceedingsofthe24thAnnualJointConferenceoftheIEEEcomputerandCommunicationsSocieties[C].Piscataway，NJ，USA:IEEE，2005.1217-1227.[15]LimH，KungLC，HouJC.Zero-configuration，robustindoorlocalization:Theoryandexperimentation[A].Proceedingsofthe25thIEEEinternationalConferenceonComputerCommunications[C].Piscataway，NJ，USA:IEEE，2006.1633-1644.[16]PahlavanK，LiX，MakelaJP.Indoorgeolocationscienceandtechnology[J].IEEECommunicationsMagazine，2002，40(2):112-118.[17]MarkNorris，“Locationmonitoringwithlow-costZigBeedevices〞，Wireless，February，2006，pp51-53.[18]ShinsukeHara，DapengZhao，KentaroYanagihara，JumpeiTaketsugu，KiyoshiFukui，ShigeruFukunagaandKen-ichiKitayama，“PropagationCharacteristicsofIEEE802.15.4RadioSignalandTheirApplicationforLocationEstimation〞，VehicularTechnologyConference，2005，IEEE61st，Vol.130，June2005，pp97-101.[19]DimitriosLymberopoulos，QuentinLindsey，andAndreasSavvides，“AnEmpiricalCharacterizationofRadioSignalStrengthVariabilityin3-DIEEE802.15.4NetworksUsingMonopoleAntennas〞，ProceedingsofThirdEuropeanWorkshoponWirelessSensorNetworks，SpringerBerlin，Heidelberg，Jan.2006，pp.326-341.[20]HyunggiCho，MyungseokKang，JonghyukPark，ByungsungParkandHagbaeKim，“PerformanceAnalysisofLocationestimationalgorithminZigBeenetworksusingreceivedsignalstrength〞，21stInternationalConferenceonAdvancedInformationNetworkingandApplicationsWorkshops/Symposia，AINAW'07，2007，pp302-306.[21]RobertJ.FontanaandStevenJ.Gunderson“Ultra-widebandprecisionassetlocationsystem，〞2002IEEEConferenceonUltraWidebandSystemsandTechnologies，May2002，Baltimore，MD.[22]RobertJ.Fontana，EdwardRichleyandJoAnnBarney，“CommercializationofAnUltraWidebandPrecisionAssetLocationSystem〞，2003IEEEConferenceonUltraWidebandSystemsandTechnologies，November2003，Reston，VA.[23]Chia-ChinChong，FujioWatanabe，andHiroshiInamura，“PotentialofUWBtechnologyforthenextgenerationwirelesscommunications〞，IEEE9thInternationalSymposiumonSpreadSpectrumSymposiumonSpreadSpectrumTechniquesandApplications，Proceedings，2006，pp422-429.[24]A?ngelaHerna?ndez，Rube?nBadorrey，JuanCho?liz，IgnacioAlastrueyandAntonioValdovinos，“AccurateindoorwirelesslocationwithIRUWBsystems:aperformanceevaluationofjointreceiverstructuresandTOAbasedmechanism〞，ConsumerElectronics，IEEETransactionson，May2023，Vol.54，Issue:2，pp381–389.[25]Chin-DerWannandChih-ShengHsueh，“NLOSmitigationwithbiasedKalmanfiltersforrangeestimationinUWBsystems〞，TENCON2007IEEERegion10Conference，Oct.30-Nov.2，2007，pp1-4.[26]TeruhiroHaga，YamatoHorikoshi，SosukeTsukamoto，andHiroshiHoshino，“Two-dimensionalLocationandDirectionEstimatingMethod〞，6thInternationalSpecialTopicConferenceonITAB，2007，Tokyo，pp296-297.[27]HyungSooLim，ByoungSukChoiandJangMyungLee，“AnEfficientLocalizationAlgorithmforMobileRobotsbasedonRFIDSystem〞，SICE-ICASEInternationalJointConference2006Oct.18-21，2006，Bexco，Busan，Korea.[28]A.R.Al-Ali，FadiA.Aloul，NadaR.Aji，AminA.Al-ZarouniandNassarH.Fakhro，“MobileRFIDTrackingSystem〞，3rdInternationalConferenceonInformationandCommunicationTechnologies:FromTheorytoApplications，2023.April7-11，2023，pp1-4.[29]AbdelmoulaBekkali，HoracioSansonandMitsujiMatsumoto，“RFIDIndoorPositioningBasedonProbabilisticRFIDMapandKalmanFiltering〞，2007.ThirdIEEEInternationalConferenceonWirelessandMobileComputing，NetworkingandCommunications，Oct.8-10，2007，pp21-27.[30]JeffreyHightower，ChrisVakili，GaetanoBorriello，andRoyWant，“DesignandCalibrationoftheSpotONLocationSensingSystem〞，Seattle，WA，August2001.[31]LionelMN，LiuYH，LauYC.LANDMARC:IndoorlocationsensingusingactiveRFID[J].WirelessNetworks.2004，10(6):701