NLOS误差---基于信道特征的NLOS识别算法详解

原理：利用一组UWB信号的采样数据的陡峭程度能够反应该信道是否为LOS环境，如果信道的冲激响应具有较低的峭度，该信道很可能受NLOS误差影响。

数学模型如下：

通俗而讲：峭度高的数据集趋向于在均值附近有一个明显的峰值，下降较快，尾部较重，而峰度低的数据集趋向于在均值附近有一个平坦的顶部，而不是一个陡峭的峰值”。由于峰度表征的是样本数据的峰度，因此它也可用来表征某一信道的视距强弱。这意味着对于峰度值较高的CIR，接收到的信号更有可能是LOS。

因此利用PDF函数去处理数据可以得到其分布情况。（通常使用IEEE 802.15.4a工作组提供的数据）

看过不少论文的仿真图把CM1和CM2搞反了，我猜他们肯定原理都没搞懂，从上图可以看到数据的方差越大PDF函数越平缓，则该信道更可能是LOS环境下的信道，反之受NLOS影响的信道。峭度高的数据在均值附近有一个明显的峰值，下降快（数据方差大）；峭度低的数据在均值附近有一个平坦的顶部，而不是一个陡峭的峰值（数据方差小）。这意味着对于峰度值较高的CIR，接收到的信号更有可能是LOS环境下的。

最后对比实测情况下与LOS情况下的峭度即可判定。