CN104080165A - 一种基于tdoa的室内无线传感器网络定位方法 - Google Patents

Abstract

本发明提出了一种基于TDOA的室内定位方法。该方法首先利用TOA原始数据，重构TDOA数据；其次，利用几何规律和TDOA测量值对Chan氏TDOA方法具有较大影响的特性来判断原始数据是否在视距情况下或者在非视距干扰不严重情况下测量得到；然后分别使用Taylor级数展开迭代方法和扩展Kalman方法估算目标节点的位置坐标；最后进行残差加权和数据平滑得到最终估计值。该方法能有效降低随机误差和NLOS误差的影响，能够应用于无线传感网络节点间的系统定位。

Description

一种基于TDOA的室内无线传感器网络定位方法

技术领域

本发明属于无线传感器网络技术领域，涉及一种基于TDOA的室内无线传感器网络定位方法。

背景技术

随着物联网和智慧城市建设的兴起和发展，数据和多媒体业务快速增加，带动室内定位应用服务需求日益增加。定位系统中常见的时间到达法(TOA)、时间到达差法(TDOA)、信号强度法(RSSI)、到达角度法(AOA)都是最基本的定位算法。其中，RSSI测量值在实际应用中规律性较差，利用RSSI信息定位得到较高精度难度较大；AOA测量虽然精度较高，但传感节点成本高，能耗大；TOA和TDOA测量方法简单，传感器节点成本不高，且能得到较高定位精度，使得这两种方法广泛应用。其中，TDOA算法是对TOA算法的改进，其计算过程更加简单，精度也有所提高。其中，TDOA值可以是对TOA值重构或者直接测量得到。目前常用的TDOA算法有Fang氏、Chan氏、Taylor级数展开法、扩展Kalman递推等方法。

在实际应用中，TOA测量值可能整体受到NLOS干扰并不十分严重。但也不可能服从高斯分布，测量值肯定具有一定随机误差。当偏差较大时，只利用单一TOA方法难以排除偏差，得到准确定位。所以，可以基于TOA值做差重构TDOA数据，减少自身的随机误差，提高定位精度。同时，理论研究在LOS和NLOS环境下，TDOA算法目前研究十分广泛。但是，NLOSTDOA算法计算复杂，计算量较大，可能需要建立NLOS模型。而LOS TDOA算法可能算法简单，但是对抗干扰能力不强。但是，现有定位技术已经有很大提高，已经具有较强鲁棒性和较高定位精度的定位技术，例如CSS定位技术，UWB定位技术。所以，利用这些定位技术在室内测量时，可能大部分室内定位测量值受到NLOS干扰并不十分严重。所以，本发明提出一种基于常规TDOA算法的定位方法，排除具有较大误差的测量值，提高定位方法的抗干扰能力。

发明内容

常规的几种TDOA算法中，Chan氏方法误差较大，且对误差敏感，同时定位估计值稳定性差；Taylor级数展开方法在估计初始值或测量值误差大时，很可能不收敛，同时其动态跟踪性能也不太好，估计值波动幅度较大；扩展Kalman方法利用历史定位数据进行估算，具有较好动态定位性能，但是若历史定位数据具有较大偏差时，将持续影响定位系统估算结果，甚至出现发散。

本发明针对现有技术的不足，提出一种基于TDOA的室内定位方法。该方法首先利用TOA原始数据，重构TDOA数据，利用几何规律排除不正确数据。其次，利用Chan氏方法对误差的敏感特性来检测TDOA测量值是否受到较大干扰。然后，利用Taylor级数展开方法进一步判断TDOA测量值是否具有较好的准确度，同时初步估算目标节点的位置坐标。进一步，使用扩展Kalman得到另一个较为平滑的估计值，和Taylor方法得到的估计值进行比较。如果两者差值较小，采取残差加权估计结果；如果两者差值较大，说明估计值出现问题，则将Taylor方法得到的估计值就和上一次最终估计值比较估计。最后，利用数据平滑，对加权计算得到的估计值进行数据滤波。

本发明的有益效果是：考虑传感节点的TOA测量值的误差影响因数，重新构造TDOA值，提出估计方法。同时考虑Chan氏、Taylor级数展开方法和扩展Kalman三种TDOA估计算法的定位性能，提出结合使用三种算法来估计定位结果，实现比较精确的定位。该方法能有效降低随机误差和NLOS误差的影响，能够应用于无线传感网络节点间的系统定位。

附图说明

图1为本发明的传感节点TDOA定位模型图；

图2为本发明的定位流程图；

图3为实验过程中节点定位结果图；

图4为实验过程中节点定位误差图。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，本发明的定位系统采用四个基站定位一个目标节点。其中，四个基站按照顺序为Anchor1、Anchor2、Anchor3和Anchor4，目标节点Tag，坐标为(x,y)。结合图2来说明本发明的具体实施步骤：

步骤一：首先读取基站与目标节点的TOA原始数据，选出四个TOA值中最小值，设为r₁，对应基站坐标(x₁,y₁)。其余三个TOA值按原有基站顺序为分别设为r₂，r₃，r₄，坐标分别设为(x₂,y₂)、(x₃,y₃)和(x₄,y₄)。选取TOA值为r₁的基站为参考基站，对其余三个基站的TOA值进行作差处理，得到三个TDOA计算值，分别为r₂₁，r₃₁，r₄₁。

步骤二：利用三角形的几何规律：三角形的两边之差小于第三边，根据不等式组：

$r_{i1}-\sqrt{{(x_i-x_1)}^2+{(y_i-y_1)}^2}<{\mathrm{\&delta;}}_1---\left(1\right)$

判断是否满足要求。其中，δ₁常数阈值，大于等于0，r_i1(i＝1,2,3)为TDOA测量值。若不等式组有任一条不满足时，则结束此次定位过程，返回读取原始数据过程。若满足不等式，但同时出现则先使 $r_{i1}=\sqrt{{(x_i-x_1)}^2+{(y_i-y_1)}^2},$ 然后继续下一步。

步骤三：利用Chan氏TDOA定位算法，初步估算目标节点坐标，得到然后，设置阈值δ₂，根据不等式组：

$|\sqrt{{(x_i-{\tilde{x}}_1)}^2+{(y_i-{\tilde{y}}_1)}^2}-\sqrt{{(x_1-{\tilde{x}}_1)}^2+{(y_1-{\tilde{y}}_1)}^2}-r_{i1}|<{\mathrm{\&delta;}}_2---\left(2\right)$

判断是否满足要求。若满足则继续处理，否则结束此次定位过程，返回读取原始数据过程。

步骤四：基于上一步得到的目标节点初始值，利用Taylor TDOA定位方法，再次计算得到目标节点的坐标值同样设置阈值δ₃，利用不等式组：

$|\sqrt{{(x_i-{\tilde{x}}_2)}^2+{(y_i-{\tilde{y}}_2)}^2}-\sqrt{{(x_1-{\tilde{x}}_2)}^2+{(y_1-{\tilde{y}}_2)}^2}-r_{i1}|<{\mathrm{\&delta;}}_3---\left(3\right)$

判断残差是否满足不等式。若满足不等式，则继续下一步。否则结束此次定位过程，返回读取原始数据过程。

步骤五：经过上述四步的判断，认为此次原始数据是较准确的数据。可根据原始TDOA值，采用Kalman TDOA算法，计算得到目标节点坐标同时设置阈值δ₄，利用不等式：

$|{\tilde{x}}_3-{\tilde{x}}_2|+|{\tilde{y}}_3-{\tilde{y}}_{\text{2}}|<{\mathrm{\&delta;}}_4---\left(4\right)$

判断两次估计结果和是否相近，若满足不等式，则利用残差加权得到最终估计值并更新Kalman TDOA算法参数。否则，利用上一次估算的平滑滤波值，设为同时，设置阈值δ₅利用不等式：

$|{\stackrel{\&OverBar;}{x}}_{k-1}-{\tilde{x}}_2|+|{\stackrel{\&OverBar;}{y}}_{k-1}-{\tilde{y}}_{\text{2}}|<{\mathrm{\&delta;}}_5---\left(5\right)$

判断和是否相近。若满足不等式(5)，依然利用残差加权，得到估计值最后利用历史数据平滑估计值，得到最终估计值

对于阈值δ₁、δ₂、δ₃、δ₄、δ₅的选取，是根据定位设备的理论精度，及真实实验数据的误差范围，还有三种算法理论上能达到的定位精度进行初始选定，然后基站布置好后，经过实验测试，选择合适的阈值。以此满足过滤NlOS数据，同时提高LOS定位精度。

定位测试实验：使用Nanotron公司生产的nanoLOC Development Kit3.0设备，在室内5.65*5.4的区域中每个角落各部署一个基站节点。然后在区域中放置目标节点。此定位设备定位精度理论上测距范围能达到2米，但经过实际测试会大于2米，一般在3米左右。故选取δ₁＝3.0m、δ₂＝2.0m、δ₃＝0.8m、δ₄＝0.5m、δ₅＝1.0m。实验过程中，先实时采集原始数据，利用上述的算法步骤估算目标节点的坐标值并保存。图3是目标节点放置在坐标(3.40,3.60)位置，根据定位设备连续采集一段时间的原始数据，然后采用本发明提出的算法得到的200个连续定位结果。图4是目标节点的定位误差图。从图中本发明结合三种TDOA算法的提出的定位算法具有一定的定位精度，其定位平均坐标值为(3.70,3.38)，均方根误差为0.3692。

其中，200个定位结果，经过算法滤波，被去除掉将近10％左右的不合格原始数据。同时对经过处理后的原始定位数据用chan氏、taylor展开和扩展kalman TDOA方法计算得到的平均坐标值为(3.24，3.00)、(3,74，3.42)、(3.66，3.34)，均方根误差分别为0.6662,0.3820，0.3719。其中，利用taylor展开和扩展kalman TDOA方法得到的定位结果经过残差加权得最终的定位结果，所以结果相近，但是均方误差有所降低。实验表明其定位精度高于只用基于taylor方法和kalman方法的定位算法。

以上通过参考在附图中表示的示例性实施例对本发明做了特别的展示和说明，对本领域的技术人员来说，应该明白，在不背离本发明的思想和范围下做出在形式上和细节上的各种修改和改变，都将是对本发明专利的侵犯。因此本发明要保护的真正思想和范围由所附的权利要求书来限定。

Claims (2)

1.一种基于TDOA的室内无线传感器网络定位方法，其特征在于：首先利用TOA原始数据，重构TDOA数据，利用几何规律排除不正确数据；其次，利用Chan氏方法对误差的敏感特性来检测TDOA测量值是否受到较大干扰；然后，利用Taylor级数展开方法进一步判断TDOA测量值是否具有较好的准确度，同时初步估算目标节点的位置坐标；使用扩展Kalman得到另一个较为平滑的估计值，和Taylor方法得到的估计值进行比较；如果两者差值较小，采取残差加权估计结果；如果两者差值较大，说明估计值出现问题，则将Taylor方法得到的估计值就和上一次最终估计值比较估计；最后，利用数据平滑，对加权计算得到的估计值进行数据滤波。

2.根据权利要求1所述的一种基于TDOA的室内无线传感器网络定位方法，其特征在于该方法具体是：

采用四个基站定位一个目标节点；其中，四个基站按照逆时针顺序为Anchor1、Anchor2、Anchor3和Anchor4，目标节点Tag，坐标为(x,y)

步骤一：首先读取基站与目标节点的TOA原始数据，选出四个TOA值中最小值，设为r₁，对应基站坐标(x₁,y₁)；其余三个TOA值按原有基站顺序为分别设为r₂，r₃，r₄，坐标分别设为(x₂,y₂)、(x₃,y₃)和(x₄,y₄)；选取TOA值为r₁的基站为参考基站，对其余三个基站的TOA值进行作差处理，得到三个TDOA计算值，分别为r₂₁，r₃₁，r₄₁；

步骤二：利用三角形的几何规律：三角形的两边之差小于第三边，根据不等式组：

$r_{i1}-\sqrt{{(x_i-x_1)}^2+{(y_i-y_1)}^2}<{\mathrm{\&delta;}}_1---\left(1\right)$

判断是否满足要求；其中，δ₁为第一阈值，大于等于0，r_i1(i＝1,2,3)为TDOA测量值；若不等式组有任一条不满足时，则结束此次定位过程，返回读取原始数据过程；若满足不等式，但同时出现则先使 $r_{i1}=\sqrt{{(x_i-x_1)}^2+{(y_i-y_1)}^2},$ 然后继续下一步；

步骤三：利用Chan氏TDOA定位算法，初步估算目标节点坐标，得到然后，设置第二阈值δ₂，根据不等式组：

$|\sqrt{{(x_i-{\tilde{x}}_1)}^2+{(y_i-{\tilde{y}}_1)}^2}-\sqrt{{(x_1-{\tilde{x}}_1)}^2+{(y_1-{\tilde{y}}_1)}^2}-r_{i1}|<{\mathrm{\&delta;}}_2---\left(2\right)$

判断是否满足要求；若满足则继续处理，否则结束此次定位过程，返回读取原始数据过程；

步骤四：基于上一步得到的目标节点初始值，利用Taylor TDOA定位方法，再次计算得到目标节点的坐标值同样设置第三阈值δ₃，利用不等式组：

$|\sqrt{{(x_i-{\tilde{x}}_2)}^2+{(y_i-{\tilde{y}}_2)}^2}-\sqrt{{(x_1-{\tilde{x}}_2)}^2+{(y_1-{\tilde{y}}_2)}^2}-r_{i1}|<{\mathrm{\&delta;}}_3---\left(3\right)$

判断残差是否满足不等式；若满足不等式，则继续下一步；否则结束此次定位过程，返回读取原始数据过程；

步骤五：经过上述四步的判断，认为此次原始数据是较准确的数据；可根据原始TDOA值，采用Kalman TDOA算法，计算得到目标节点坐标同时设置第四阈值δ₄，利用不等式：

$|{\tilde{x}}_3-{\tilde{x}}_2|+|{\tilde{y}}_3-{\tilde{y}}_{\text{2}}|<{\mathrm{\&delta;}}_4---\left(4\right)$

判断两次估计结果和是否相近，若满足不等式，则利用残差加权得到最终估计值并更新Kalman TDOA算法参数；否则，利用上一次估算的平滑滤波值，设为同时，设置第五阈值δ₅利用不等式：

$|{\stackrel{\&OverBar;}{x}}_{k-1}-{\tilde{x}}_2|+|{\stackrel{\&OverBar;}{y}}_{k-1}-{\tilde{y}}_{\text{2}}|<{\mathrm{\&delta;}}_5---\left(5\right)$

判断和是否相近；若满足不等式(5)，依然利用残差加权，得到估计值最后利用历史数据平滑估计值，得到最终估计值