Die Lokalisierung, welche auch als Geolokalisierung bezeichnet wird, ist eine der unterstützenden Technologien in diesem Bereich der drahtlosen Sensor Netzwerken (Wireless Sensor Networks, WSN). Bisherige Geolokalisierungssysteme, wie das Global Positioning System (GPS), sind nicht für den Indoor-Bereich entwickelt worden und können keine genauen Positionen innerhalb eines Indoor-Szenarios ermitteln bzw. schätzen. Daher besteht für Indoor-Anwendungen ein Bedarf für neue Lokalisierungsmethoden und Systeme. Einer der vielversprechendsten Technologien im Bereich der Lokalisierung und des Tracking (Location and Tracking, LT) ist das Ultra-Breitband-Technologie (Ultra-Wideband, UWB), welches neben der präzisen Distanzschätzung auch eine genaue Lokalisierung von Objekten und eine Echtzeit-Datenübertragung erlaubt. Das Hauptziel dieser Arbeit ist die Analyse und die Entwicklung von praktikablen Lokalisierungsalgorithmen innerhalb verteilter UWB-Sensornetzwerke unter Berücksichtigung von Mehrwege-Signalausbreitung. In dieser Arbeit wird ein neuer Lokalisierungsalgorithmus vorgestellt und seine einzelnen Schritte ausführlich diskutiert. Der Algorithmus ist wie folgt aufgebaut: Entfernungsbestimmung, Non-Line of Sight (NLOS) Identifizierung, Positionsbestimmung, Entfernungskorrektur und -tracking, Positionsschätzung, und Positions-Tracking. Für jeden dieser Schritte worden existierende Algorithmen analysiert und ein praktikabler Algorithmus wurde vorgeschlagen. Die Mehrwege-Signalausbreitungskomponenten stellen die Hauptfehlerquelle bei der Positionsbestimmung dar. Innerhalb dieser Arbeit werden zwei neue adaptive schwellwert-basierte Time-of-Arrival (TOA) Schätzverfahren, die CFAR-basierte Methode und die Maximum Probability of Detection (MPD)-basierte Methode, vorgeschlagen, welche die Robustheit bei Mehrwege-Signalausbreitung und NLOS Situationen verbessert. Die Anwendung von TOA Schätzverfahren bei der Positionsbestimmung kann zu großen Abweichungen führen aufgrund der Mehrwege- und NLOS Bedingungen. Ein beliebter Ansatz dies zu verbessern ist, zwischen den Line of Sight (LOS) und den NLOS Knoten zu unterscheiden und somit die nachteiligen Effekte der NLOS Schätzergebnisse zu umgehen. Ein neues Verfahren zur Identifizierung von NLOS Knoten wird vorgeschlagen. Es basiert auf der Bestimmung von NLOS Kanal-Bedingungen durch den Vergleich des mittleren quadratischen Fehlers der geschätzten Entfernung mit der Varianz der geschätzten LOS Entfernung, wobei für Fälle mit weniger als drei verfügbaren LOS Knoten eine statistische Auswertung von kreisförmigen Pfaden erfolgt. Für die Bestimmung der Position, wurden verschiedene herkömmliche Verfahren zur Positionsbestimmung untersucht und analysiert. Um die Genauigkeit der Positionsschätzung zu erhöhen wird während der Lokalisierung auch das Tracken bewegter Knoten mit berücksichtigt. In dieser Arbeit werden verschiedene Tracking-Algorithmen diskutiert, und ein besonderes Augenmerk wird auf der Kalman Filter bezahlt. Die hier vorgestellten Algorithmen werden analysiert, diskutiert und verifiziert mit Hilfe von Daten generiert durch ein Ray-Tracing-Tool und realen Daten generiert mit Hilfe des Multiple-Input Multiple-Output (MIMO) Channel Sounder-System am eines Indoor-Szenarios.
Localization technology, which is also referred to as positioning or geolocation, is one of the supporting technologies for applications of distributed Wireless Sensor Networks (WSNs). The traditional geolocation systems, such as the Global Positioning System (GPS), are not designed for indoor applications and cannot provide accurate location estimation in indoor scenarios. Therefore, there is a demand for new sensor localization techniques and systems for indoor geolocation applications,which require accurate location estimation in indoor environment. One of the most promising technologies for location and tracking (LT) systems is Ultra-Wideband (UWB). It combines remarkable features concerning size and power consumption, provides high precision on distance estimation, and allows simultaneous localization and data transmission. The main scope of this work is to investigate and develop practical and feasible localization algorithms within distributed UWB sensor networks in multipath environments.The main contribution of this work are the proposed novel localization and tracking framework and corresponding algorithms for each step. The framework is carried out within the following procedure: ranging, Non Line-of-Sight (NLOS) identification and mitigation, location estimation, range modification, range tracking, location estimation and location tracking. For each step, the existing algorithms are analyzed and practical algorithms are proposed.The multipath components (MPCs) are the main error source for the ranging step in range-based localization systems. In this work, two adaptive threshold-based Time of Arrival (TOA) estimation algorithms, a constant false alarm rate (CFAR)-based method and a maximum probability of detection (MPD)-based method, are proposed, which aim to improve the robustness of the range estimator in multipath and NLOS situations. Application of TOA estimates in the location estimation step may lead to large position errors because of NLOS conditions. A popular approach is attempting to distinguish between the nodes in Line-of-Sight (LOS) and in NLOS positions and to mitigate the effects of NLOS situation. A hypothesis test method is proposed for NLOS identification and mitigation. It determines the NLOS channel conditions by comparing the mean square error of the estimated ranges with the variance of the estimated LOS ranges, and handles the situation where less than three LOS nodes are available by using the statistics of an arrangement of circular traces. Considering the location estimation step, the performances of a number of typical location estimation algorithms with different complexities and restrictions are investigated and compared.In order to achieve a better position estimation accuracy, tracking of moving nodes is taken into account in the localization procedure. In this work, different tracking algorithms are analyzed and a special attention is paid to the Kalman Filter (KF). It is applied to both the location tracking and the range tracking.Furthermore, the localization framework and the algorithms for each step are evaluated and verified by using the ray-tracing data and the real experimental data recorded by the Multiple-Input and Multiple-Output (MIMO) channel sounder system in an indoor scenario.