薛阳阳，沈 重

（海南大学信息与通信工程学院，海南海口 570228）

与主要应用于室外场景的全球定位系统不同，超宽带（Ultra Wide Band，UWB）定位主要用于复杂的室内环境，在商场、机场、生产车间等大型建筑内应用广泛.与传统信号相比，UWB信号具有时域较窄、工作频率极高、占空比极低、频谱宽、能量密度低等特性，使其具有时间分辨率增强、功耗极低和隐蔽性好等优点，故被广泛应用于室内定位［1］.由于室内环境存在人员流动、建筑、障碍物等，在定位时会产生非视距（Not Line Of Sight，NLOS）误差以及多径干扰［2］.如何降低或消除NLOS误差成为了研究的重点.

目前，UWB室内定位的主要技术有：基于到达角度（Angle Of Arrival，AOA）方法［3］、基于到达时间（Time Of Arrival，TOA）方法［4］、基于接收信号强度（Receive Signal Strength，RSS）方法［5］和基于到达时间差（Time Difference Of Arrival，TDOA）方法［6］.由于信道环境的复杂性，受NLOS影响，通常会产生较大的误差.在此基础上许多学者进行了研究，陈小斯［7］等使用差分技术对TDOA算法进行改进，提高了定位系统的稳定性；Shen C［8］等人综合了TDOA和AOA算法的优点，结合最陡下降算法，消除了非视距误差；Li N［9］等使用将布谷鸟搜索算法与BP神经网络进行结合，对TDOA进行校正；Niitsoo A［10］等将深度学习与定位结合起来降低多径干扰对位置估计的影响.虽然传统BP神经网络可以对通信过程中NLOS误差进行修正，但由于BP神经网络是沿误差函数反向传播时梯度下降的方向搜寻，寻找到的阈值和权值有可能是局部最优值.为避免此情况发生，笔者采用遗传算法（Genetic Algorithm，GA）进行优化.自然界种群的进化过程就是对个体基因的择优选……