CN104732089A - 一种跨区域定位系统滤波算法的历史数据构建方法 - Google Patents

Abstract

本发明提供了一种跨区域定位系统滤波算法的历史数据构建方法，包括：获取目标点与每一基站的实测距离；并获取目标点与第id号基站测得的信号强度；判断是否存储有目标点与第id号基站之间的距离历史数据，如果有则提取至少两条所述距离历史数据，并获取所述提取的每一历史数据值对应的信号强度值；然后根据所述历史数据进行卡尔曼滤波，并将滤波处理结果按顺序保存为滤波处理结果数组；判断是否有新的基站，如果有则通过新基站的坐标分别于目标点的最近的两条距离历史数据，计算目标点与新基站之间的距离历史数据；对得到的新基站的距离历史数据分别进行滤波处理，以作为所述目标点与新基站的滤波处理结果。

Description

一种跨区域定位系统滤波算法的历史数据构建方法

技术领域

本发明涉及定位技术领域，特别是指一种跨区域定位系统滤波算法的历史数据构建方法。

背景技术

实时定位系统具有巨大的应用价值和市场潜力，通常用于为机场、工业园区等区域提供基于位置信息的服务，例如游客引导、物资监控、人员跟踪和限制区域入侵监测等服务。TOA(Time of arrival，时间到达)测距方法具有较高的测距精度，是目前众目标定位系统中常用的测距方法，基于TOA测距的实时定位系统是目前常用的实时定位系统。

现有技术中为了提高测距精度，可以利用滤波算法对距离值进行处理。但是当有新基站出现时，新基站不存在与目标点的历史测距值，严重影响了距离值的精度提高以及对大误差的修正。

发明内容

针对现有技术中的针对现有的TOA测距方法中对于没有历史测距值数据的新基站会影响距离值计算精度的问题，本发明所要解决的技术问题是提供一种跨区域定位系统滤波算法的历史数据构建方法，能够提高距离值的计算精度。

为了达到上述目的，本发明实施例提出了一种跨区域定位系统滤波算法的历史数据构建方法，包括：

步骤1、获取目标点与每一基站的实测距离；并获取目标点与第id号基站测得的信号强度；

步骤2、判断是否存储有目标点与第id号基站之间的距离历史数据，如果有则提取至少两条所述距离历史数据，并获取所述提取的每一历史数据值对应的信号强度值；然后根据所述历史数据进行卡尔曼滤波，并将滤波处理结果按顺序保存为滤波处理结果数组；

步骤3、判断是否有新的基站，如果有则通过新基站的坐标分别于目标点的最近的两条距离历史数据，计算目标点与第id号基站之间的距离历史数据；

步骤4、对步骤3得到的距离历史数据分别进行滤波处理，以作为所述目标点与新基站的滤波处理结果。

其中，所述步骤1具体为：

步骤S101：当最开始测距时，由于每个基站都没有历史数据，则获取实测距离为dis_id：其中id为基站的编号；

利用自增数组CountArray[id]记录来自相应基站的测距个数；将测得的距离值存入到数据库中，其中包含的信息有ID，dis_id，rssi_id，其中rssi_id代表目标点与第id号基站之间的信号强度。

其中，所述步骤S101还包括：利用一维数组ArrayID记录当前区域存在的基站ID号，用来判断是否有新的基站出现。

其中，所述步骤2具体为：

步骤S102：判断目标点与第id号基站是否有存储有测得的距离历史数据，如果有则提取目标点与第id号基站之间的最近两条距离历史数据，通过以下公式根据所述两条距离历史数据对应的信号强度历史数据值进行卡尔曼滤波以获取滤波处理结果，并将滤波处理结果按顺序存储：

disKalman_id[1]＝KalMan(id,dis_id，rssi_id,Lastdis1_id,Lastrssi1_id,Lastdis2_id,Lastrssi2_id)

其中id为基站的编号，dis_id为获取的目标点与第id号基站之间的实测距离，rssi_id为目标点与第id号基站之间的信号强度；KalMan为滤波函数，Lastdis1_id为最近一次的距离历史数据值，Lastrssi1_id为最近一次的信号强度历史数据值，Lastdis2_id为次近一次的距离历史数据值，Lastrssi2_id为次近一次的信号强度历史数据值，这四个值均从数据库中读取，disKalman_id[1]为滤波处理过后的当前距离值，disKalman_id[0]存储的为该基站上一次经过滤波后的距离值的历史数据，disKalman_id作为迭代数组。

其中，所述步骤3具体为：

步骤S103：判断是否有新基站Newid，如果有则根据以下公式计算目标点与新的基站的距离数据值以作为新基站的最近两次距离历史数据Lastdis1_newid和Lastdis2_newid：

${\mathrm{Lastdis}1}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[0].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[0].y)}^2}$

${\mathrm{Lastdis}2}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[1].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[1].y)}^2}$

其中，NewP.x和NewP.y为新基站坐标，resultPos[0]为目标点的最近一次距离历史坐标，resultPos[1]为次近一次距离历史坐标。

其中，所述步骤4具体为：

步骤S104：通过以下公式对新基站的最近两次距离历史数据Lastdis1_newid和Lastdis2_newid进行滤波处理：

disKalman_newid[1]＝KalMan(newid,dis_newid,rssi_newid,Lastdis1_newid,rssi_newid,Lastdis2_newid,rssi_newid)

其中，dis_newid和rssi_newid分别为当前测得的距离和信号强度。

本发明的上述技术方案的有益效果如下：

上述方法能够根据利用滤波算法将两条历史数据和当前测距值传入到滤波算法函数中进行处理，以提高目标点与基站的距离值的准确度。同时当目标点从一个区域刚进入到另一个区域时，新的基站不会因为缺少测距的历史数据而不能利用滤波算法进行处理,可以利用计算出的距离值代替历史数据进行滤波处理。本发明提出的方法至少适用于目标点从一个区域到另一个区域新基站缺乏距离历史数据的室内定位方法，其方法简单有效，具有高精度、低计算量、系统开销小、实时性等特点。

附图说明

图1为本发明实施例的流程示意图；

图2为本发明实施例的一个实例图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实例进行详细描述。

本发明实施例的跨区域定位系统滤波算法的历史数据构建方法包括：

(1)当最开始测距时，由于每个目标点与基站都没有历史的测距值，而滤波算法需要用到两次历史数据和当前的测距值，所以在前两条测距数据过来时对距离值不采用任何处理，直接运用定位算法定位，将定位结果存入数组中，测距结果存入数据库中；

(2)判断目标点是否与基站有测得的距离历史数据，当存在两条以上的历史数据时，就利用最近两次测得的距离历史数据和当前数据通过滤波算法减小测距误差，然后进行定位，并保存定位结果，并将通过滤波处理后的距离值存入到数据库中，以便在下一次用到滤波时从数据库中读取历史数据；

(3)当目标点移动到下一个区域时，测得了与新的基站的测距结果时，由于不存在与目标点的历史测距值，所以通过距离公式计算新基站坐标与最近两次定位结果坐标的距离作为新基站的历史数据，利用滤波对距离进行处理然后定位，并把距离值存入数据库中；

(4)重复步骤(2)，当有新的基站进入进行测距时执行步骤(3)，然后再重复步骤(2)。

具体的，如图1所示，本发明实施例的方法包括：

步骤S101：当最开始测距时，由于每个基站都没有历史数据，所以对测距结果不做任何处理，实测距离为dis_id：

其中，id代表基站的编号。

利用自增数组CountArray[id]记录来自相应基站的测距个数，其中id代表基站ID号。利用一维数组ArrayID记录当前区域存在的基站ID号，用来判断是否有新的基站出现。最终把测得的距离值存入到数据库中，其中包含的信息有ID，dis_id，rssi_id，其中rssi_id代表目标点与第id号基站测得的信号强度。

步骤S102：判断目标点是否与基站有测得的距离历史数据，当存在两条以上的历史数据时，从数据库中取出相应基站ID的最近两条测距的历史数据，将两条历史数据和当前测得的距离值代入到滤波函数中得到处理后的距离值为：

disKalman_id[1]＝KalMan(id,dis_id,rssi_id,Lastdis1_id,Lastrssi1_id,Lastdis2_id,Lastrssi2_id)

其中，KalMan为滤波函数，Lastdis1_id为最近一次的距离历史数据值，Lastrssi1_id为最近一次的信号强度历史数据值，Lastdis2_id为次近一次的距离历史数据值，Lastrssi2_id为次近一次的信号强度历史数据值，这四个值均从数据库中读取，disKalman_id[1]为滤波处理过后的当前距离值，disKalman_id[0]存储的为该基站上一次经过滤波后的距离值的历史数据，disKalman_id作为迭代数组，当下一次利用滤波的时候，把disKalman_id中存储的两个历史数据带入滤波函数中，经过滤波处理后仍然把历史数据存储在disKalman_id数组中，其实现方式为：

①tempDis＝disKalman_id[1]

②disKalman_id[1]＝KalMan(id,dis_id，rssi_id,disKalman_id[1],Lostrssi_id[1],disKalman_id[0],Lastrssi_id[0])

③disKalman_id[0]＝tempDis

更新resultPos数组中存储的定位结果，使得数组中存储的是最近三次的定位结果。并将经过滤波处理的距离值存储到数据库中。

步骤S103：当目标点移动到下一个区域时，参见图2，其中区域1的四角有四个基站，区域2的远端有两个基站；图中还标出了目标点的移动轨迹(以圆形标识),dis1和dis2为新基站与目标点的近前两次历史坐标计算得到的距离值。当测得了与新的基站的测距结果时，把新出现的基站ID号存入到ArrayID数组中，由于不存在与目标点的历史测距值，所以通过距离公式计算新基站坐标与最近两次定位结果坐标的距离：

${\mathrm{Lastdis}1}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[0].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[0].y)}^2}$

${\mathrm{Lastdis}2}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[1].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[1].y)}^2}$

其中，NewP.x和NewP.y为新基站坐标，resultPos[0]为最近一次历史坐标，resultPos[1]为次近一次历史坐标。

把计算得到的两个距离当作历史数据和当前测得的距离值代入到滤波函数中对当前距离值进行处理，并将处理后的距离值存入到disKalman_newid迭代数组中和数据库中，其实现方式为：

disKalman_newid[1]＝KalMan(newid,dis_newid,rssi_newid,Lastdis1_newid,rssi_newid,Lastdis2_newid,rssi_newid)

其中，dis_newid和rssi_newid分别为当前测得的距离和信号强度。Lastdis1_newid和Lastdis2_newid分别为新基站与近两次历史坐标计算得到的距离值。

最后将存储定位结果的数组进行更新。其中disKalman_newid数组中存储的两个历史数据是为了下一次滤波处理而准备的。

步骤S104：重复步骤S102，当有新的基站进入进行测距时执行步骤S103，然后再重复步骤S102。

上述方法能够根据利用滤波算法将两条历史数据和当前测距值传入到滤波算法函数中进行处理，以提高目标点与基站的距离值的准确度。同时当目标点从一个区域刚进入到另一个区域时，新的基站不会因为缺少测距的历史数据而不能利用滤波算法进行处理,可以利用计算出的距离值代替历史数据进行滤波处理。本发明提出的方法至少适用于目标点从一个区域到另一个区域新基站缺乏距离历史数据的室内定位方法，其方法简单有效，具有高精度、低计算量、系统开销小、实时性等特点。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种跨区域定位系统滤波算法的历史数据构建方法，包括：

步骤1、获取目标点与每一基站的实测距离；并获取目标点与第id号基站测得的信号强度；

步骤2、判断是否存储有目标点与第id号基站之间的距离历史数据，如果有则提取至少两条所述距离历史数据，并获取所述提取的每一历史数据值对应的信号强度值；然后根据所述历史数据进行卡尔曼滤波，并将滤波处理结果按顺序保存为滤波处理结果数组；

步骤3、判断是否有新的基站，如果有则通过新基站的坐标分别于目标点的最近的两条距离历史数据，计算目标点与新基站之间的距离历史数据；

步骤4、对步骤3得到的距离历史数据分别进行滤波处理，以作为所述目标点与新基站的滤波处理结果。

2.根据权利要求1所述的跨区域定位系统滤波算法的历史数据构建方法，所述步骤1具体为：

步骤S101：当最开始测距时，由于每个基站都没有历史数据，则获取实测距离为dis_id：其中id为基站的编号；

利用自增数组CountArray[id]记录来自相应基站的测距个数；将测得的距离值存入到数据库中，其中包含的信息有ID，dis_id，rssi_id，其中rssi_id代表目标点与第id号基站之间的信号强度。

3.根据权利要求1所述的跨区域定位系统滤波算法的历史数据构建方法，所述步骤S101还包括：利用一维数组Array ID记录当前区域存在的基站ID号，用来判断是否有新的基站出现。

4.根据权利要求1所述的跨区域定位系统滤波算法的历史数据构建方法，所述步骤2具体为：

步骤S102：判断目标点与第id号基站是否有存储有测得的距离历史数据，如果有则提取目标点与第id号基站之间的最近两条距离历史数据，通过以下公式根据所述两条距离历史数据对应的信号强度历史数据值进行卡尔曼滤波以获取滤波处理结果，并将滤波处理结果按顺序存储：

disKalman_id[1]＝KalMan(id,dis_id，rssi_id，Lastdis1_id，Lastrssi1_id，Lastdis2_id，Lastrssi2_id)

其中id为基站的编号，dis_id为获取的目标点与第id号基站之间的实测距离，rssi_id为目标点与第id号基站之间的信号强度；KalMan为滤波函数，Lastdis1_id为最近一次的距离历史数据值，Lastrssi1_id为最近一次的信号强度历史数据值，Lastdis2_id为次近一次的距离历史数据值，Lastrssi2_id为次近一次的信号强度历史数据值，这四个值均从数据库中读取，disKalman_id[1]为滤波处理过后的当前距离值，disKalman_id[0]存储的为该基站上一次经过滤波后的距离值的历史数据，disKalman_id作为迭代数组。

5.根据权利要求4所述的跨区域定位系统滤波算法的历史数据构建方法，所述步骤3具体为：

步骤S103：判断是否有新基站Newid，如果有则根据以下公式计算目标点与新的基站的距离数据值以作为新基站的最近两次距离历史数据Lastdis1_newid和Lastdis2_newid：

$\mathrm{Lastdis}{1}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[0].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[0].y)}^2}$

$\mathrm{Lastdis}{2}_{\mathrm{newid}}=\sqrt{{(\mathrm{NewP}.x-\mathrm{resultPos}[1].x)}^2+{(\mathrm{NewP}.y-\mathrm{resultPos}[1].y)}^2}$

其中，NewP.x和NewP.y为新基站坐标，resultPos[0]为目标点的最近一次距离历史坐标，resultPos[1]为次近一次距离历史坐标。

6.根据权利要求5所述的跨区域定位系统滤波算法的历史数据构建方法，所述步骤4具体为：

步骤S104：通过以下公式对新基站的最近两次距离历史数据Lastdis1_newid和Lastdis2_newid进行滤波处理：

disKalman_newid[1]＝KalMan(newid,dis_newid，rssi_newid，Lastdis1_newid，rssi_newid，Lastdis2_newid，rssi_newid)

其中，dis_newid和rssi_newid分别为当前测得的距离和信号强度。