本发明公开了一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，该方法首先通过SEKF算法得到移动目标预测位置值，计算出移动目标到各个基站的预测距离，得到预测距离与实际测量距离差值，再通过马氏距离分类器识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，对NLOS条件下的测量距离进行重构；最后利用LOS条件下的测量距离与重构后的距离通过SEKF算法得到移动目标位置估计值。本发明方法克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，减轻了滤波过程的计算量，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。

本发明提出了一种NLOS(Non-Line-Of-Sight,NLOS)条件下序贯扩展卡尔曼SEKF与距离重构相结合的移动目标定位方法，用以解决移动目标在复杂环境中受NLOS影响造成的定位不精确的问题。

一种 NLOS 条件下 SEKF 与距离重构相结合的移动目标定位方法是一种具有广泛应用前景的技术。它可以应用于多个领域，如：

军事应用：在军事领域，这种方法可以用于对敌方目标的定位和跟踪，提高作战效率和精度。

城市交通管理：在城市交通管理领域，这种方法可以用于对车辆的定位和跟踪，提高交通管理的效率和安全性。

无人机应用：在无人机应用领域，这种方法可以用于对无人机的定位和导航，提高无人机的飞行效率和安全性。

物联网应用：在物联网领域，这种方法可以用于对传感器节点的定位和监测，提高物联网系统的可靠性和精度。

总之，一种 NLOS 条件下 SEKF 与距离重构相结合的移动目标定位方法是一种具有广泛应用前景的技术，可以应用于多个领域，如军事应用、城市交通管理、无人机应用和物联网应用等。随着技术的不断发展和应用的不断深化，这种方法将在更多领域得到广泛应用。

林志赟，男，1976年1月生，浙江省温岭人。2001年－2005年就读于加拿大多伦多大学，师从国际著名控制理论专家、IEEE Fellow、加拿大工程院院士Bruce Francis教授，获哲学博士学位。随后在多伦多大学电气与计算机工程系进行博士后研究（2005年－2007年）。2007年加入浙江大学电气工程学院，聘为特聘研究员/博士生导师。2011年-2016年任浙江大学教授/博士生导师。2017年加入杭州电子科技大学。林志赟博士曾是日本东京大学、澳大利亚国立大学、美国耶鲁大学、意大利卡利亚里大学的访问教授，悉尼科技大学的杰出访问教授，以及澳大利亚纽卡斯尔大学的高级研究员。主要从事多智能体系统、机器人及无人系统、传感器网络、信息物理系统等方向的前沿研究。出版英文学术专著1部，发表国际期刊和国际会议论文160多篇。

本发明的有益效果是：该方法首先通过SEKF算法得到移动目标预测位置值，从而计算出移动目标到各个基站的预测距离，并通过预测距离与实际测量距离得到距离差值，再通过马氏距离分类器的方法来识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，并用重构算法对NLOS传播条件下的测量距离进行重构；最后，利用LOS传播条件下的测量距离与重构后的距离通过SEKF算法得到移动目标的位置估计值。本发明提出SEKF算法，克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，从而减轻了滤波过程的计算量。同时，利用距离重构算法对NLOS条件下的测量距离进行重构，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。