CN103152826A - 一种基于nlos状态检测补偿的移动目标追踪方法 - Google Patents
一种基于nlos状态检测补偿的移动目标追踪方法 Download PDFInfo
- Publication number
- CN103152826A CN103152826A CN2013100744958A CN201310074495A CN103152826A CN 103152826 A CN103152826 A CN 103152826A CN 2013100744958 A CN2013100744958 A CN 2013100744958A CN 201310074495 A CN201310074495 A CN 201310074495A CN 103152826 A CN103152826 A CN 103152826A
- Authority
- CN
- China
- Prior art keywords
- sight
- moving target
- location
- distance
- nlos
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于信号处理领域,涉及一种基于NLOS状态检测补偿的移动目标追踪方法,包括:获取室内地图,明确室内环境中每个障碍物的位置;根据接收到的距离信号,进行最小二乘法初步定位,得到移动目标的初步定位位置;将所获得的初步定位位置,到每个固定节点的直达径上是否存在障碍物进行统计;将初步定位位置到固定节点直达径上存在障碍物的情况标记为非视距状态,对该固定节点得到的测距值进行修正;利用粒子滤波器对距离进行预测,利用滤波之后的距离值再通过最小二乘法即得到最终的定位位置。本发明能够提高室内复杂环境下的移动目标定位精度。
Description
技术领域
本发明属于信号处理领域,主要是用在移动目标定位技术中。
背景技术
室内定位技术在多方面的应用前景使得该技术得到了学者的广泛关注,根据不同的应用场景和需求,现有的室内定位技术主要包括有射频识别技术(RFID,Radio Frequency Identification,)、蓝牙(Bluetooth)技术、无线局域网(Wireless Local Area Network,WLAN)和脉冲超宽带(IR-UWB)技术、GPS辅助(Assisted-GPS,A-GPS)技术、Cell-ID(Cell Identification)、红外线技术(Infrared)等。复杂室内环境下,由于安全性、个人隐私等人为因素的限制,建筑物的布局、内部结构、材料、装饰等都会对室内定位效果产生影响,其中由于室内非视距环境造成的影响如反射、折射、透射等严重降低了定位精度。采用基于测距技术的方法,如TOA、TDOA等进行定位时的精度直接受制于测距的准确性,在NLOS条件下的距离测量值往往要比LOS条件下的测量值要大,为了减小甚至消除NLOS影响,很多学者进行了大量的研究。
在非视距环境下对移动目标进行追踪定位也是目前比较热门的一个研究点。移动目标定位方面广泛使用的技术有卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、粒子滤波器(PF)等。其中,自Dellaertt等人在1999年的IEEE ICRA大会上提出将粒子滤波器(Particle Filter,PF)应用在移动机器人定位方法中,粒子滤波器在移动目标追踪定位领域中得到了广泛应用。粒子滤波针对所有可能的观测值,通过在状态空间中随机生成一些粒子,每个粒子利用贝叶斯准则进行加权修正,然后递归构造状态变量的条件概率密度,以近似估计实际的系统状态。粒子滤波算法不要求系统满足线性、噪声高斯分布、后验概率也是高斯型的限制条件,对非线性非高斯系统滤波问题的解决有着独特的优势。
发明内容
本发明主要针对非视距NLOS状态导致的测距值出现正偏差的问题,提出一种能够提高室内复杂环境下的移动目标定位精度的移动目标追踪方法。本发明在环境地图已知的情况下,首先检测MN相对于固定节点(AN)是否处于视距状态,若MN处于非视距状态,则对相应的距离测量值进行修正,并采用最小二乘法进行二次定位,在此基础上,采用粒子滤波器对MN进行位置跟踪,从而改善了定位的精度。本发明的技术方案如下:
一种基于NLOS状态检测补偿的粒子滤波器优化算法研究,包括下列步骤:
1)首先获取室内地图,明确室内环境中每个障碍物的位置。
2)根据接收到的距离信号,进行最小二乘法初步定位,得到移动目标的初步定位位置。
3)将2)中获得的初步定位位置,到每个固定节点的直达径上是否存在障碍物进行统计。
4)将初步定位位置到固定节点直达径上存在障碍物的情况标记为非视距状态,对该固定节点得到的测距值进行修正;当初步定位位置到固定节点直达径上不存在障碍物时,则不需要进行修正;
5)结合4)中修正过后的距离值以及无需修正的距离值,构成定位所需要的一组定位所需要的距离值,利用粒子滤波器对距离进行预测,将定位所需要的距离值作为当前观测信息对预测值进行修正,利用滤波之后的距离值再通过最小二乘法即得到最终的定位位置。
本发明首先对室内环境下的障碍物位置进行存储,通过对移动目标的非视距状态进行鉴别,并对非视距状态下的测距值进行一定的补偿,并采用粒子滤波器进行跟踪定位,最终达到提高室内移动目标定位精度的目的,本发明提供了一种在室内非视距情况下可行的移动目标定位方法,具有一定的应用前景。
附图说明
图1为本发明流程框图。
图2为定位示意图。
具体实施方式
如图1所示,本发明包括三个主要步骤:环境地图的存储,移动目标非视距状态的鉴别,测距值补偿,通过粒子滤波器进行滤波处理。
具体方案如下:
一、环境地图的存储
由于本发明是在环境地图已知的情况下进行的,因此实验的第一步就是要对室内布局进行详细的测量统计,包括室内环境的大小,室内各种物件的大小及位置,固定节点的放置位置,以某个固定节点的位置作为整个实验的参考原点,并建立如图2所示的坐标系,室内的各个物件的坐标位置均要存储在环境地图的数据库内以便我们展开下一步的工作-移动目标非视距状态的鉴别。
二、移动目标非视距状态的鉴别
首先介绍一下本发明非视距状态鉴别的基本原理:
视距LOS情况下的测距模型为其中表示在k时刻移动节点到第m个AN的LOS距离测量值,表示实际距离值假设,为测量噪声,服从均值为0,方差为的高斯分布。非视距NLOS情况下的测距模型为表示由非视距带来的误差。假设服从均值为b,方差为σ2的截断高斯分布,概率密度函数可以表示为:
在实际测量中,有
其中分别为对b、σ2的似然估计。xi为NLOS状态下第i次测量的误差,总实验次数为N′。设移动节点MN在k时刻的真实位置为(xk,yk),M个固定节点的坐标分别为(ai,bi),i=1,2,...M,室内障碍物为均匀障碍物,且位置已知。
NLOS鉴别及补偿算法如图1所示,设为k时刻MN分别到M个固定节点的距离测量值。由最小二乘法(LS)进行定位得到MN的首次估计坐标判断从到第i个固定节点(ANi)的直达路径上是否存在障碍物,如果存在,则此刻MN相对于ANi的状态应为NLOS,否则判断为LOS状态。
三、测距值补偿
则此刻MN相对于ANi的状态应为NLOS,则否则判断为LOS状态,其中表示补偿之后的距离值,表示由到ANi距离值。根据补偿之后的距离值再次进行二乘法定位,得出新的估计位置如图2定位示意图所示,虚直线代表到AN的直达径,可以看到到AN2,AN3的直达径上有障碍物存在,到AN1,AN4的直达径上不存在障碍物,因此需要对测距值 进行修正,无需修正修正之后的AN2,AN3的定位圆(图中粗黑圆),结合无需修正的AN1、AN4的两个虚线圆环,估计出新的定位坐标
四、粒子滤波器进行滤波处理
粒子滤波器通过对系统状态的后验概率进行蒙特卡洛采样,用一系列离散的粒子样本均值来代替贝叶斯估计中的积分运算,实现状态变量的估计。设(xk,yk)表示移动目标在k时刻的估计位置,表示在k时刻移动目标的速度。zk表示观测模型变量,代表移动目标在k时刻估计的真实位置,表示t时刻MN到第i个AN的预测距离值。本发明建立的仿真模型如下:
系统模型:
观测模型:
基本粒子滤波器选用系统状态变量的转移概率密度作为重要性密度函数,即q(xk|Xk-1,Zk)=p(xk|xk-1),这会使得对粒子进行预测过程中会丢失当前测量值信息,则当前时刻的状态严重依赖模型,如果模型不精确或者测量噪声增大,基本粒子滤波器的滤波效果会急剧下降。因此本发明在粒子预测及重采样过程中引入当前测量值信息,并引入加权因子进行协调,不仅解决了系统预测严重依赖于模型的问题,同时保证了粒子的多样性,而且采用开始时刻的测量值对粒子进行初始化,一定程度上避免了系统开始时刻预测不准给系统带来的误差。改进粒子滤波器详细步骤阐述如下:
2、预测:通过距离预测模型及当前观测信息完成对下一步粒子的预测。
其中N为粒子总数,ω1,ω2为加权因子,ω1+ω2=1,sob为当前时刻的观测值。
3、滤波:
(i)计算重要性权重:采用当前观测距离值(采用补偿之后的距离值)来更新权重,计算公式为:
其中M为固定节点个数,
(ii)权重归一化,得到接收概率:
(iii)输出:
(iv)重采样,设定阈值,在复制粒子的时候以一个比较小的权重引入当前观测值,保证了粒子的多样性,在粒子更新过程中重新生成N个粒子。
4、置k:=k+1,转到(2)进行循环迭代。
下面是本发明的一个具体仿真实验实施例:
Claims (1)
1.一种基于NLOS状态检测补偿的移动目标追踪方法,包括下列步骤:
1)首先获取室内地图,明确室内环境中每个障碍物的位置;
2)根据接收到的距离信号,进行最小二乘法初步定位,得到移动目标的初步定位位置;
3)将2)中获得的初步定位位置,到每个固定节点的直达径上是否存在障碍物进行统计;
4)将初步定位位置到固定节点直达径上存在障碍物的情况标记为非视距状态,对该固定节点得到的测距值进行修正;当初步定位位置到固定节点直达径上不存在障碍物时,则不需要进行修正;
5)结合4)中修正过后的距离值以及无需修正的距离值,构成定位所需要的一组定位所需要的距离值,利用粒子滤波器对距离进行预测,将定位所需要的距离值作为当前观测信息对预测值进行修正,利用滤波之后的距离值再通过最小二乘法即得到最终的定位位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100744958A CN103152826A (zh) | 2013-03-08 | 2013-03-08 | 一种基于nlos状态检测补偿的移动目标追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100744958A CN103152826A (zh) | 2013-03-08 | 2013-03-08 | 一种基于nlos状态检测补偿的移动目标追踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103152826A true CN103152826A (zh) | 2013-06-12 |
Family
ID=48550626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100744958A Pending CN103152826A (zh) | 2013-03-08 | 2013-03-08 | 一种基于nlos状态检测补偿的移动目标追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103152826A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716879A (zh) * | 2013-12-26 | 2014-04-09 | 北京交通大学 | Nlos环境下采用距离几何的无线定位新方法 |
CN103874020A (zh) * | 2014-03-25 | 2014-06-18 | 南京航空航天大学 | 非直达径环境下单接收器的超宽带定位方法 |
CN105824003A (zh) * | 2014-12-16 | 2016-08-03 | 国家电网公司 | 一种基于轨迹平滑的室内移动目标定位方法 |
CN106231549A (zh) * | 2016-07-25 | 2016-12-14 | 青岛科技大学 | 一种基于重构算法的60GHz脉冲室内定位方法 |
CN106772229A (zh) * | 2015-11-25 | 2017-05-31 | 华为技术有限公司 | 室内定位方法和相关设备 |
CN108882149A (zh) * | 2018-06-20 | 2018-11-23 | 上海应用技术大学 | 距离相关概率的nlos补偿定位方法 |
CN109121080A (zh) * | 2018-08-31 | 2019-01-01 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
CN110146911A (zh) * | 2019-06-25 | 2019-08-20 | 中国人民解放军陆军工程大学 | 基于平衡因子加权迭代的协同定位方法及系统、存储介质 |
CN110401915A (zh) * | 2019-08-27 | 2019-11-01 | 杭州电子科技大学 | 一种nlos条件下sekf与距离重构相结合的移动目标定位方法 |
CN113518306A (zh) * | 2021-04-21 | 2021-10-19 | Tcl通讯(宁波)有限公司 | 一种uwb定位方法、终端及计算机可读存储介质 |
CN114637956A (zh) * | 2022-05-16 | 2022-06-17 | 睿迪纳(南京)电子科技有限公司 | 一种新型双卡尔曼滤波方法 |
CN116582818A (zh) * | 2023-07-06 | 2023-08-11 | 中国科学院空天信息创新研究院 | 一种基于uwb测距的非视距效应补偿室内定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458325A (zh) * | 2009-01-08 | 2009-06-17 | 华南理工大学 | 一种基于自适应预测的无线传感器网络目标跟踪方法 |
CN101526605A (zh) * | 2009-03-31 | 2009-09-09 | 江苏大学 | 一种具有非视距误差消除功能的鲁棒定位方法 |
WO2012079616A1 (en) * | 2010-12-13 | 2012-06-21 | Telecom Italia S.P.A. | Method and system for localizing mobile communications terminals |
-
2013
- 2013-03-08 CN CN2013100744958A patent/CN103152826A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101458325A (zh) * | 2009-01-08 | 2009-06-17 | 华南理工大学 | 一种基于自适应预测的无线传感器网络目标跟踪方法 |
CN101526605A (zh) * | 2009-03-31 | 2009-09-09 | 江苏大学 | 一种具有非视距误差消除功能的鲁棒定位方法 |
WO2012079616A1 (en) * | 2010-12-13 | 2012-06-21 | Telecom Italia S.P.A. | Method and system for localizing mobile communications terminals |
Non-Patent Citations (1)
Title |
---|
吴月华等: ""基于粒子滤波的移动机器人同时定位和环境模型的建立"", 《制造业自动化》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716879B (zh) * | 2013-12-26 | 2017-07-04 | 北京交通大学 | Nlos环境下采用距离几何的无线定位新方法 |
CN103716879A (zh) * | 2013-12-26 | 2014-04-09 | 北京交通大学 | Nlos环境下采用距离几何的无线定位新方法 |
CN103874020A (zh) * | 2014-03-25 | 2014-06-18 | 南京航空航天大学 | 非直达径环境下单接收器的超宽带定位方法 |
CN103874020B (zh) * | 2014-03-25 | 2017-02-01 | 南京航空航天大学 | 非直达径环境下单接收器的超宽带定位方法 |
CN105824003A (zh) * | 2014-12-16 | 2016-08-03 | 国家电网公司 | 一种基于轨迹平滑的室内移动目标定位方法 |
CN106772229A (zh) * | 2015-11-25 | 2017-05-31 | 华为技术有限公司 | 室内定位方法和相关设备 |
CN106231549A (zh) * | 2016-07-25 | 2016-12-14 | 青岛科技大学 | 一种基于重构算法的60GHz脉冲室内定位方法 |
CN108882149A (zh) * | 2018-06-20 | 2018-11-23 | 上海应用技术大学 | 距离相关概率的nlos补偿定位方法 |
CN108882149B (zh) * | 2018-06-20 | 2021-03-23 | 上海应用技术大学 | 距离相关概率的nlos补偿定位方法 |
CN109121080A (zh) * | 2018-08-31 | 2019-01-01 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
CN109121080B (zh) * | 2018-08-31 | 2020-04-17 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
CN110146911A (zh) * | 2019-06-25 | 2019-08-20 | 中国人民解放军陆军工程大学 | 基于平衡因子加权迭代的协同定位方法及系统、存储介质 |
CN110146911B (zh) * | 2019-06-25 | 2023-03-10 | 中国人民解放军陆军工程大学 | 基于平衡因子加权迭代的协同定位方法及系统、存储介质 |
CN110401915A (zh) * | 2019-08-27 | 2019-11-01 | 杭州电子科技大学 | 一种nlos条件下sekf与距离重构相结合的移动目标定位方法 |
CN110401915B (zh) * | 2019-08-27 | 2021-02-05 | 杭州电子科技大学 | 一种nlos条件下sekf与距离重构相结合的移动目标定位方法 |
CN113518306A (zh) * | 2021-04-21 | 2021-10-19 | Tcl通讯(宁波)有限公司 | 一种uwb定位方法、终端及计算机可读存储介质 |
CN113518306B (zh) * | 2021-04-21 | 2024-01-19 | Tcl通讯(宁波)有限公司 | 一种uwb定位方法、终端及计算机可读存储介质 |
CN114637956A (zh) * | 2022-05-16 | 2022-06-17 | 睿迪纳(南京)电子科技有限公司 | 一种新型双卡尔曼滤波方法 |
CN114637956B (zh) * | 2022-05-16 | 2022-09-20 | 睿迪纳(南京)电子科技有限公司 | 一种基于双卡尔曼滤波器实现目标位置预测的方法 |
CN116582818A (zh) * | 2023-07-06 | 2023-08-11 | 中国科学院空天信息创新研究院 | 一种基于uwb测距的非视距效应补偿室内定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103152826A (zh) | 一种基于nlos状态检测补偿的移动目标追踪方法 | |
Yang et al. | A novel NLOS error compensation method based IMU for UWB indoor positioning system | |
Hammes et al. | Robust mobile terminal tracking in NLOS environments based on data association | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
CN112533163A (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
CN101483805A (zh) | 一种视距和非视距混合环境下的无线定位方法 | |
CN102288938B (zh) | 一种有效的无线传感器网络节点的三维定位方法 | |
Cheng et al. | Real time indoor positioning system for smart grid based on uwb and artificial intelligence techniques | |
Aernouts et al. | Combining TDoA and AoA with a particle filter in an outdoor LoRaWAN network | |
CN104640204A (zh) | 一种非直达波环境下无线传感器网络节点定位方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
Dai et al. | Analysis of target detection based on UWB NLOS ranging modeling | |
CN107356932A (zh) | 机器人激光定位方法 | |
Chen et al. | TDOA/FDOA mobile target localization and tracking with adaptive extended Kalman filter | |
CN102595309A (zh) | 一种基于无线传感器网络的穿墙跟踪方法 | |
Jose et al. | Taylor series method in TDOA approach for indoor positioning system. | |
CN104463841A (zh) | 衰减系数自适应的滤波方法及滤波系统 | |
Wang et al. | An improved adaptive Monte Carlo localization algorithm fused with ultra wideband sensor | |
Razavi et al. | Indoor tracking using auxiliary particle filter and deep learning in wireless sensor networks | |
Filípek et al. | Indoor localization based on beacons and calculated by particle filter | |
Suski et al. | System-level noise of an ultra-wideband tracking system | |
Zhong et al. | UWB-Inertial Fusion Location Algorithm Based on Kalman Filtering | |
Chugunov et al. | Algorithm for solving the navigation problem for ultra-wideband local navigation system based on the extended kalman filter for time of arrival architecture | |
Yi et al. | Individual aoameasurement detection algorithm for target tracking in mixed LOS/NLOS environments | |
Shi et al. | A novel mobile target localization algorithm via HMM-based channel sight condition identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130612 |