CN106231549A - 一种基于重构算法的60GHz脉冲室内定位方法 - Google Patents
一种基于重构算法的60GHz脉冲室内定位方法 Download PDFInfo
- Publication number
- CN106231549A CN106231549A CN201610590733.4A CN201610590733A CN106231549A CN 106231549 A CN106231549 A CN 106231549A CN 201610590733 A CN201610590733 A CN 201610590733A CN 106231549 A CN106231549 A CN 106231549A
- Authority
- CN
- China
- Prior art keywords
- grid
- base station
- big
- reference base
- positioning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000000205 computational method Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000004807 localization Effects 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0215—Interference
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Abstract
本发明公开了一种基于重构算法的60GHz脉冲室内定位方法,包括数据预处理步骤和定位步骤,数据预处理步骤包括对待定位区域进行网格划分,计算各大网格和小网格对应的距离特征向量,以及根据各大网格和小网格对应的距离特征向量建立用于粗定位和精定位的观测矩阵,定位步骤中包括粗定位步骤和精定位步骤,分别对目标进行粗定位和精定位,本发明的基于重构算法的60GHz脉冲室内高精度定位方法,通过划分网格,分别进行粗定位和精定位,粗定位用于大致确定目标位置,精定位用于对目标进行精确定位,实现了60GHz脉冲在NLOS环境下的精确定位,定位精度可以达到厘米级。
Description
技术领域
本发明涉及一种定位方法,具体地说,是涉及一种基于重构算法的60GHz脉冲室内高精度定位方法。
背景技术
近年来,随着无线通信技术的发展和不断进步,室内高精度定位技术和基于位置的应用也逐渐成为当前无线通信及信息技术领域的研究热点。室内高精度定位技术在机器人定位和导航、生产管理等领域均有迫切需求,特别是在医疗、精密仪器制造、危险品的定位和监控以及危险区人员和设备的定位与监控等较为复杂的环境中,经常需要对移动终端、传感器等无线设备进行精确地定位。但是,在非视距环境下,由于存在多径效应、非视距(Non Line of Sigh,简称NLOS)传播等因素的影响,现有的各种室内定位技术在定位精度和定位复杂度方面存在很多问题和挑战,无法满足人们对室内定位精度日益增长的需求。因此,因而迫切寻求一种新技术以及新的理论解决方案来实现NLOS环境下的室内高精度定位。
目前可以用于室内无线定位的技术主要包括:蓝牙定位技术、超声波定位技术、基于ZigBee的定位技术、红外线定位技术、无线局域网(Wireless Local Area Networks,简称WLAN)定位技术和超宽带(Ultra-Wide Band,简称UWB)定位技术。蓝牙技术主要适用于小范围定位,系统的稳定性稍差,受噪声信号干扰大,定位精度为分米级;超声波定位技术需要借助无线网络进行定位,定位精度为分米级;基于ZigBee的定位技术虽然具有低功耗和低成本的特点,但是定位精度只能达到米级;红外线定位技术易受日光或灯光的干扰,系统的稳定性能较差,定位精度具有局限性,定位精度一般为米级;WLAN定位技术只能实现米级的定位精度,并且系统 的功耗比较大;UWB技术作为一种全新的通信新技术,具有穿透力强、发射功率低、功耗低、抗干扰性强、保密性好、安全性高等优点,特别适用于室内定位,但是定位精度只能达到分米级,不能实现真正意义上的厘米级的定位精度。
60GHz脉冲通信系统提供的免许可通信频谱范围高达7GHz,丰富的带宽资源奠定了实现Gbps级高速无线传输的基础。而且,60GHz脉冲的脉冲持续时间远小于多径传播时延,可以在接收端有效地分离多径信号,因而具有较高的时间分辨率和多径分辨率,在理论上可以实现厘米级甚至毫米级的测距和定位精度,为设计室内高精度定位系统提供了有效的途径。但是,由于60GHz脉冲的传播衰减很大、不易穿透障碍物且多径效应比较弱的特点,60GHz在NLOS下的测距和定位存在很多的问题和挑战,因此,亟需解决NLOS下60GHz脉冲的室内精确定位问题。
目前基于指纹的定位算法是实现60GHz脉冲在NLOS下定位的常用方法。指纹定位算法充分利用多径效应和NLOS等不利的因素来创建位置指纹特征库,然后测量目标点的特征信息,利用匹配算法将测量的特征信息和指纹库中的特征信息进行匹配确定目标节点的位置坐标。相对于其它的定位方法,指纹定位方法可以适用于多径效应、NLOS传播等因素比较严重的区域,而且定位精度比较高,缺点就是复杂度高和环境适应性比较差。
发明内容
本发明为了解决现有室内定位算法或者定位精度差,或者计算复杂度高、环境适应性差的技术问题,提出了一种基于重构算法的60GHz脉冲室内高精度定位方法,可以解决上述问题。
为了解决上述技术问题,本发明采用以下技术方案予以实现:
一种基于重构算法的60GHz脉冲室内定位方法,包括以下步骤:
数据预处理步骤,包括:
(11)、对待定位区域进行网格划分,所述网格包括用于粗定位的大网格和将所述大网格进一步划分、用于精定位的小网格,以网格的中心坐标作为该网格的坐标 值,并保存,随机选择M1个参考基站,确定各参考基站的坐标值,其中,M1为大于1的整数;
(12)、计算大网格n1对应的距离特征向量Dn1,为待定位区域建立用于粗定位的过完备字典F,所述过完备字典F包括大网格n1的坐标值、大网格n1对应的距离特征向量Dn1和大网格n1对应的子过完备字典Fn1,其中,所述大网格n1对应的距离特征向量Dn1为第n1个大网格与各参考基站的实际测量距离所组成的向量,n1为大于0小于或等于N1的整数,N1为总的大网格数,为大于1的整数;
(13)、根据各大网格对应的距离特征向量建立用于粗定位的观测矩阵Φ1;
(14)、计算大网格n1中各小网格对应的距离特征向量Ln2,为每个大网格建立用于精定位的子过完备字典Fn1,所述子过完备字典Fn1由小网格n2的坐标值和小网格n2对应的距离特征向量Ln2组成,其中,所述小网格n2对应的距离特征向量Ln2为第n2个小网格与各参考基站的实际测量距离所组成的向量,n2为大于0小于或等于N2的整数,N2为大网格n1中总的小网格数,为大于1的整数;
(15)、根据大网格n1中各小网格对应的距离特征向量为大网格n1建立用于精定位的观测矩阵Φ2n1;
定位步骤,包括:
(21)、粗定位步骤,包括:
(211)、对K个目标点建立稀疏定位模型,K为大于或者等于1的整数;
(212)、在目标点发射60GHz脉冲信号,分别在所述M1个参考基站处接收,得到目标点的测量向量Y1;
(213)、根据用于粗定位的观测矩阵Φ1和目标点的测量向量Y1,利用l1范数最小化重构稀疏信号中K个非零最大值对应的索引last1就是目标点所在大网格的索引;
(22)、精定位步骤,包括:
(221)、从用于精定位的观测矩阵Φ2n1中找出索引last1相对应的观测矩阵Φ2last1;
(222)、目标点在小网格中的位置用稀疏向量X2表示,根据观测矩阵Φ2last1和目标点的测量向量Y1,利用l1范数最小化对向量X2重构,得到稀疏信号目标点所在小网格的索引last2即为精定位结果,last2为稀疏信号中最大值所对应的索引号。
进一步的,步骤(11)中,待定位区域中随机选择M1个大网格,并将所述M1个参考基站一一对应安装于所述M1个大网格的中心,所述M1个大网格的坐标值即为相应参考基站的坐标值。
进一步的,步骤(12)中,计算大网格n1对应的距离特征向量Dn1的计算方法为:首先,分别在每个大网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各大网格的中心点分别与各参考基站之间的传播时延τm1,n1,其中1≤m1≤M1,1≤n1≤N1,然后根据dm1,n1=c*τm1,n1得到各大网格的中心点分别与各参考基站之间的实际测量距离,c为光速,大网格n1对应的距离特征向量Dn1,Dn1=[d1,n1,d2,n1,……,dM1,n1]T,其中,1≤n1≤N1。
进一步的,步骤(14)中,计算大网格n1中各小网格对应的距离特征向量Ln2的计算方法为:首先,分别在每个小网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各小网格的中心点分别与各参考基站之间的传播时延,得到各小网格的中心点分别与各参考基站之间的实际测量距离,小网格n2对应的距离特征向量Ln2,Ln2=[l1,n2,l2,n2,......,lM1,n2]T,其中,1≤n2≤N2。
进一步的,步骤(13)中用于粗定位的观测矩阵
进一步的,步骤(15)中,用于精定位的观测矩阵
进一步的,精定位步骤中,步骤(221)之前还包括筛选参考基站的步骤,包括:
(220a)、根据索引last1,从过完备字典F中找出与last1相对应的距离特征向量Dlast1=[d1,last1,d2,last1,......,dM1,last1]T;
(220b)、假设从M1个参考基站中筛选出M2个参考基站,从距离特征向量Dlast1中选择最小的M2个值,并确定该最小的M2个值对应的索引集Q,根据索引集Q建立参考基站选择矩阵S∈M2×M1,S的每一行为一个1×M1的向量,被选择的参考基站对应索引值为1;
(220c)、利用参考基站选择矩阵S对Φ2last1和Y1进行处理得到适用于精定位的观测矩阵Φ2和观测向量Y2:
Φ2=S×Φ2last1;
Y2=S×Y1;
步骤(222)中,根据观测矩阵Φ2和目标点的测量向量Y2,利用l1范数最小化对向量X2重构,得到稀疏信号
精定位步骤的数学模型为:
根据Φ2和Y2,利用l1范数最小化重构出稀疏信号后,稀疏信号中最大值所对应的索引号即为last2,last2所对应的小网格的坐标值即为对目标点的定位坐标值。
进一步的,参考基站的数量M1取值范围为:
M1=O(Klog(N1/K)),(M1<<N1)。
与现有技术相比,本发明的优点和积极效果是:本发明的基于重构算法的60GHz脉冲室内定位方法,通过划分网格,分别进行粗定位和精定位,粗定位用于大致确定目标位置,精定位用于对目标进行精确定位,实现了60GHz脉冲在NLOS环境下的 精确定位,定位精度可以达到厘米级。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所提出的基于重构算法的60GHz脉冲室内高精度定位方法的一种实施例流程图;
图2是本发明所提出的基于重构算法的60GHz脉冲室内高精度定位方法实施例中使用的60GHz三角脉冲波形图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一,本实施例提出了一种基于重构算法的60GHz脉冲室内定位方法,包括以下步骤:
数据预处理步骤,包括:
S11、对待定位区域进行网格划分,所述网格包括用于粗定位的大网格和将所述大网格进一步划分、用于精定位的小网格,以网格的中心坐标作为该网格的坐标值,并保存,随机选择M1个参考基站,确定各参考基站的坐标值,其中,M1为大于1的整数;
S12、计算大网格n1对应的距离特征向量Dn1,为待定位区域建立用于粗定位的 过完备字典F,如表1所示,过完备字典F包括大网格n1的坐标值、大网格n1对应的距离特征向量Dn1和大网格n1对应的子过完备字典Fn1,其中,所述大网格n1对应的距离特征向量Dn1为第n1个大网格与各参考基站的实际测量距离所组成的向量(d1,n1,d2,n1,…,dM1,n1)T,n1为大于0小于或等于N1的整数,N1为总的大网格数,为大于1的整数;
表1
S13、根据各大网格对应的距离特征向量建立用于粗定位的观测矩阵Φ1;
S14、计算大网格n1中各小网格对应的距离特征向量Ln2,为每个大网格建立用于精定位的子过完备字典Fn1,所述子过完备字典Fn1由小网格n2的坐标值和小网格n2对应的距离特征向量Ln2组成,其中,所述小网格n2对应的距离特征向量Ln2为第n2个小网格与各参考基站的实际测量距离所组成的向量,n2为大于0小于或等于N2的整数,N2为大网格n1中总的小网格数,为大于1的整数;
S15、根据大网格n1中各小网格对应的距离特征向量为大网格n1建立用于精定位的观测矩阵Φ2n1;
定位步骤,包括:
S21、粗定位步骤,包括:
S211、对K个目标点建立稀疏定位模型,K为大于或者等于1的整数;
S212、在目标点发射60GHz脉冲信号,分别在所述M1个参考基站处接收,得到 目标点的测量向量Y1;
S213、根据用于粗定位的观测矩阵Φ1和目标点的测量向量Y1,利用l1范数最小化重构稀疏信号中K个非零最大值对应的索引last1就是目标点所在大网格的索引;
S22、精定位步骤,包括:
S221、从用于精定位的观测矩阵Φ2n1中找出索引last1相对应的观测矩阵Φ2last1;
S222、目标点在小网格中的位置用稀疏向量X2表示,根据观测矩阵Φ2last1和目标点的测量向量Y1,利用l1范数最小化对向量X2重构,得到稀疏信号目标点所在小网格的索引last2即为精定位结果,last2为稀疏信号中最大值所对应的索引号。本实施例的基于重构算法的60GHz脉冲室内高精度定位方法,通过划分网格,分别进行粗定位和精定位,粗定位用于大致确定目标位置,精定位用于对目标进行精确定位,实现了60GHz脉冲在NLOS环境下的精确定位,定位精度可以达到厘米级。
步骤S11中,待定位区域中随机选择M1个大网格,并将所述M1个参考基站一一对应安装于所述M1个大网格的中心,所述M1个大网格的坐标值即为相应参考基站的坐标值,使得定位结果更加客观,精度不会因为参考基站的位置受到影响。
参考基站的数量太少无法重构出原信号,参考基站的数量M1取值范围为:
M1=O(Klog(N1/K)),(M1<<N1)。
满足以上条件,可以利用l1范数最小化的方法从观测矩阵和观测向量中以高概率重构原始信号。
在数据预处理步骤中,对三维待定位区域网格点的划分的具体实施步骤为:设三维待定位区域为边长为L的方形区域。首先,将待定位区域划分为N1=N1x×N1y×N1z个大网格,大网格的边长为l1,待定位区域在x、y、z三个方向上大网格的数目分别为N1x、N1y、N1z。分别以大网格的中心点位置代表大网格的坐标位置,则第n1个大网格点的位置坐标为:Pn1=(xi,yj,zk),其中,i=1,...,N1x;j=1,...,N1y;k=1,...,N1Z,i、j、k分别表示第n1个大网格在x、y、z三个方向上的位置索引。
然后,对每一个大网格进行小网格的划分,每个大网格点划分为N2=N2x×N2y×N2z个小网格,小网格的边长为l2,大网格点在x、y、z三个方向上小网格的数目分别为N2x、N2y、N2z,同理,第n2个小网格的位置坐标为:Pn2=(xl,ym,zn),l=1,...,N2x,m=1,...,N2y,q=1,...,N2z,其中,l、p、q分别表示第n2个小网格在x、y、z三个方向上的位置索引。
在待定位区域中随机选择M1个大网格,在大网格的中心点位置安装定位参考基站(Reference Station,简称RS),确定各个RS的坐标位置,并且保存。
步骤S12中,计算大网格n1对应的距离特征向量Dn1的计算方法为:首先,分别在每个大网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各大网格的中心点分别与各参考基站之间的传播时延τm1,n1,其中1≤m1≤M1,1≤n1≤N1,然后根据dm1,n1=c*τm1,n1得到各大网格的中心点分别与各参考基站之间的实际测量距离,c为光速。设第n1个大网格点的坐标位置为(xn1,yn1,zn1),它到M1个RS之间的实际测量距离构成了这一点的距离特征向量,Dn1=[d1,n1,d2,n1,......,dM1,n1]T,其中,1≤n1≤N1。
按照同样的方法为每个大网格点建立的子过完备字典Fn1(1≤n1≤N1),步骤S14中,计算大网格n1中各小网格对应的距离特征向量Ln2的计算方法为:首先,分别在每个小网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各小网格的中心点分别与各参考基站之间的传播时延,得到各小网格的中心点分别与各参考基站之间的实际测量距离,小网格n2对应的距离特征向量Ln2,Ln2=[l1,n2,l2,n2,......,lM1,n2]T,其中,1≤n2≤N2。
如表2所示,Fn1中包括第n1个大网格点中每个小网格到每个RS的距离特征向量Ln2=[l1,n2,l2,n2,......,lM1,n2]T和每小网点中心点的位置(xn2,yn2,zn2),其中1≤n2≤N2。
表2
基于以上所得到的大网格对应的距离特征向量,步骤S13中建立的用于粗定位的观测矩阵
基于以上所得到的小网格对应的距离特征向量,步骤S15中用于精定位的观测矩阵
粗定位步骤中,选择目标点,建立稀疏定位模型。随机选择1个目标点(TargetNode,简称TN),TN的实际位置为(x,y,z),目标点所在大网格点的坐标位置为(xn1,yn1,zn1),对应的索引为Nx。目标点在待定位区域中的位置用一个稀疏度为1的稀疏向量X1来表示,其中,Nx对应的位置表示为1,其它网格点对应的位置表示为0。
若是多目标定位过程,目标点的个数为K,则目标点在待定位区域中的位置用一个稀疏度为K的稀疏向量X1=[x1,x2,...,xn,...,xN1]T来表示,其中,xn=0或1 1≤n≤N1,当第n个网格中存在目标节点时xn=1,否则xn=0。
因此,目标点粗定位过程的数学模型表示为式:
目标点的测量向量Y1的测得方法为:
在单目标定位过程中,测量向量Y1=[y1,y2,...,yM1]T,其中,ym为在目标节点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在第m个RS接收信号,并利用基于TOA的测距测得的目标点和第m个RS之间的实际测量距离。
在多目标定位过程中,观测向量的Y1第m行ym(其中1≤m≤M1)是在每个目标点向第m个RS发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在第m个RS接收信号,利用基于TOA的测距测得第m个RS与每个目标点之间的测量距离之和。即:
Y1=[y11+y12+...+y1K,y21+y22+...+y2K,......,yM1+yM1+...+yM1K]T。
对Φ1和Y1进行正交化操作,然后利用l1范数最小化重构稀疏信号重构出稀疏向量后,中非零最大值对应的索引last1就是目标点所在大网格的索引。在多目标定位中,取中K个非零最大值对应的索引作为粗定位过程对多目标点的定位结果。
由于部分参考基站离目标节点比较远,加上测量误差的影响,因此测得的数据相似度比较高,容易将目标点定位到相邻的网格点,因此,在精定位步骤中,步骤S221之前还包括筛选参考基站的步骤,包括:
S220a、根据索引last1,从过完备字典F中找出与last1相对应的距离特征向量Dlast1=[d1,last1,d2,last1,......,dM1,last1]T;
S220b、假设从M1个参考基站中筛选出M2个参考基站,从距离特征向量Dlast1中选择最小的M2个值,并确定该最小的M2个值对应的索引集Q,根据索引集Q建立参考基站选择矩阵S∈M2×M1,S的每一行为一个1×M1的向量,被选择的参考基站对应索引值为1;
同样道理的,筛选后的参考基站数量同样具有要求,太少无法重构出原信号,需要满足:M2=O(Klog(N2/K)),(M2<<N2)。
满足以上条件,可以利用l1范数最小化的方法从观测矩阵和观测向量中以高概率重构原始信号。
S220c、利用参考基站选择矩阵S对Φlast1和Y1进行处理得到适用于精定位的观测矩阵Φ2=S×Φlast1和观测向量Y2=S×Y1;
步骤S222中,根据观测矩阵Φ2和目标点的测量向量Y2,利用l1范数最小化对向量X2重构,得到稀疏信号
精定位步骤的数学模型为:
根据Φ2和Y2,利用l1范数最小化重构出稀疏信号后,稀疏信号中非零最大值所对应的索引号即为last2,last2所对应的小网格的坐标值即为对目标点的定位坐标值
精定位的过程中引入了参考基站的选择机制,去掉离目标点相对较远的参考基站,可以在很大程度上提高定位精度、减小计算复杂度。
精定位步骤在多目标的定位过程中,定位计算中心需要根据粗定位的结果对每一个目标点分别进行精定位,定位过程和单目标定位相同。
在实验室环境中,还可以对定位结果进行检测,目标节点的实际坐标为(x,y,z),定位算法对目标点的定位结果为使用均方误差来评估定位性能,因此,定位误差可以表示为:
如表3所示,为在非视距环境下的单目标定位结果,单位:米。
表3
由表3可知,10次单目标定位仿真实验结果的定位误差Error=0.0736m,可以看出采用本实施例提出的定位方案可以实现60GHz脉冲在NLOS环境下的室内精确定位,定位精度达到了厘米级。
如表4所示,为在非视距环境下的多目标定位结果,单位:米。
表4
由表4可知,6次多目标定位仿真实验结果的平均定位误差为Error=0.0869m,由此可得,本实施例提出的基于重构算法的60GHz脉冲室内精确定位算法在非视距环境下可以实现厘米级的定位精度。
在数据预处理步骤中,网格点的划分精度主要取决于需要的定位精度,网格划分越精细,定位精度就越高。但是,待定位区域越大,网格划分越精细,网格点的数目越大,需要的存储空间就越大,定位的计算复杂度就越高,定位时间就越长,需要的参考基站数目就越多。在实际的定位过程中,由于环境条件和成本的限制,待定位区域中的参考基站不能太多。为了解决这个矛盾,在实际定位过程中,要权衡定位精度、定位复杂度和定位时间等各方面因素,选择合适的网格划分精度。
本实施例中选择有载波脉冲方案产生60GHz脉冲,如图2所示,有载波脉冲方案是利用中心频率在60GHz的正弦或余弦载波将基于脉冲的基带信号频谱搬移到60GHz频段的脉冲设计方案。基带信号选择三角脉冲,因此,脉冲表达式为:
其中Tp=0.32e-9s为波形持续时间,fc=60.5e9Hz为中心频率。
本实施例中的定位步骤通过采取精定位和粗定位两次定位过程,当待定位区域变化或者需要的定位精度改变时,可以根据实际情况调整定位次数,选择一次定位或者更多次数的迭代定位,以满足实际定位精度需要。而本实施例中主要介绍二次定位的定位过程,二次定位过程在一定程度上可以减少参考基站的数目,降低定位的计算复杂度。
粗定位步骤和精定位步骤都需要对观测矩阵和测量向量进行正交化操作,原因是通过正交化操作可以使观测矩阵以大概率满足引约束等距性质(Restricted IsometryProperty,简称RIP)。RIP是压缩感知理论通过l1范数最小化实现稀疏信号重构的充分条件。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (8)
1.一种基于重构算法的60GHz脉冲室内定位方法,其特征在于,包括以下步骤:
数据预处理步骤,包括:
(11)、对待定位区域进行网格划分,所述网格包括用于粗定位的大网格和将所述大网格进一步划分、用于精定位的小网格,以网格的中心坐标作为该网格的坐标值,并保存,随机选择M1个参考基站,确定各参考基站的坐标值,其中,M1为大于1的整数;
(12)、计算大网格n1对应的距离特征向量Dn1,为待定位区域建立用于粗定位的过完备字典F,所述过完备字典F包括大网格n1的坐标值、大网格n1对应的距离特征向量Dn1和大网格n1对应的子过完备字典Fn1,其中,所述大网格n1对应的距离特征向量Dn1为第n1个大网格与各参考基站的实际测量距离所组成的向量,n1为大于0小于或等于N1的整数,N1为总的大网格数,为大于1的整数;
(13)、根据各大网格对应的距离特征向量建立用于粗定位的观测矩阵Φ1;
(14)、计算大网格n1中各小网格对应的距离特征向量Ln2,为每个大网格建立用于精定位的子过完备字典Fn1,所述子过完备字典Fn1由小网格n2的坐标值和小网格n2对应的距离特征向量Ln2组成,其中,所述小网格n2对应的距离特征向量Ln2为第n2个小网格与各参考基站的实际测量距离所组成的向量,n2为大于0小于或等于N2的整数,N2为大网格n1中总的小网格数,为大于1的整数;
(15)、根据大网格n1中各小网格对应的距离特征向量为大网格n1建立用于精定位的观测矩阵Φ2n1;
定位步骤,包括:
(21)、粗定位步骤,包括:
(211)、对K个目标点建立稀疏定位模型,K为大于或者等于1的整数;
(212)、在目标点发射60GHz脉冲信号,分别在所述M1个参考基站处接收,得到目标点的测量向量Y1;
(213)、根据用于粗定位的观测矩阵Φ1和目标点的测量向量Y1,利用l1范数最小化重构稀疏信号中K个非零最大值对应的索引last1就是目标点所在大网格的索引;
(22)、精定位步骤,包括:
(221)、从用于精定位的观测矩阵Φ2n1中找出索引last1相对应的观测矩阵Φ2last1;
(222)、目标点在小网格中的位置用稀疏向量X2表示,根据观测矩阵Φ2last1和目标点的测量向量Y1,利用l1范数最小化对向量X2重构,得到稀疏信号目标点所在小网格的索引last2即为精定位结果,last2为稀疏信号中最大值所对应的索引号。
2.根据权利要求1所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,步骤(11)中,待定位区域中随机选择M1个大网格,并将所述M1个参考基站一一对应安装于所述M1个大网格的中心,所述M1个大网格的坐标值即为相应参考基站的坐标值。
3.根据权利要求1所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,步骤(12)中,计算大网格n1对应的距离特征向量Dn1的计算方法为:首先,分别在每个大网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各大网格的中心点分别与各参考基站之间的传播时延τm1,n1,其中1≤m1≤M1,1≤n1≤N1,然后根据dm1,n1=c*τm1,n1得到各大网格的中心点分别与各参考基站之间的实际测量距离,c为光速,大网格n1对应的距离特征向量Dn1,Dn1=[d1,n1,d2,n1,......,dM1,n1]T,其中,1≤n1≤N1。
4.根据权利要求3所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,步骤(14)中,计算大网格n1中各小网格对应的距离特征向量Ln2的计算方法为:首先,分别在每个小网格的中心点发送60GHz脉冲信号,经IEEE802.15.3c信道传输后,在每个参考基站接收信号,测得各小网格的中心点分别与各参考基站之间的传播时延,得到各小网格的中心点分别与各参考基站之间的实际测量距离,小网格n2对应的距离特征向量Ln2,Ln2=[l1,n2,l2,n2,......,lM1,n2]T,其中,1≤n2≤N2。
5.根据权利要求3所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,步骤(13)中用于粗定位的观测矩阵
6.根据权利要求4所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,步骤(15)中,用于精定位的观测矩阵
7.根据权利要求1所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,精定位步骤中,步骤(221)之前还包括筛选参考基站的步骤,包括:
(220a)、根据索引last1,从过完备字典F中找出与last1相对应的距离特征向量Dlast1=[d1,last1,d2,last1,......,dM1,last1]T;
(220b)、假设从M1个参考基站中筛选出M2个参考基站,从距离特征向量Dlast1中选择最小的M2个值,并确定该最小的M2个值对应的索引集Q,根据索引集Q建立参考基站选择矩阵S∈M2×M1,S的每一行为一个1×M1的向量,被选择的参考基站对应索引值为1;
(220c)、利用参考基站选择矩阵S对Φ2last1和Y1进行处理得到适用于精定位的观测矩阵Φ2和观测向量Y2:
Φ2=S×Φ2last1;
Y2=S×Y1;
步骤(222)中,根据观测矩阵Φ2和目标点的测量向量Y2,利用l1范数最小化对向量X2重构,得到稀疏信号
精定位步骤的数学模型为:
根据Φ2和Y2,利用l1范数最小化重构出稀疏信号后,稀疏信号中最大值所对应的索引号即为last2,last2所对应的小网格的坐标值即为对目标点的定位坐标值。
8.根据权利要求1所述的基于重构算法的60GHz脉冲室内定位方法,其特征在于,参考基站的数量M1取值范围为:
M1=O(Klog(N1/K)),(M1<<N1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610590733.4A CN106231549B (zh) | 2016-07-25 | 2016-07-25 | 一种基于重构算法的60GHz脉冲室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610590733.4A CN106231549B (zh) | 2016-07-25 | 2016-07-25 | 一种基于重构算法的60GHz脉冲室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106231549A true CN106231549A (zh) | 2016-12-14 |
CN106231549B CN106231549B (zh) | 2019-05-17 |
Family
ID=57532891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610590733.4A Active CN106231549B (zh) | 2016-07-25 | 2016-07-25 | 一种基于重构算法的60GHz脉冲室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106231549B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107566981A (zh) * | 2017-08-30 | 2018-01-09 | 山东大学 | 一种基于最优路径的室内高精度定位方法、装置及系统 |
CN107743296A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 一种基于压缩感知的rssi区域分段式定位方法 |
CN107741579A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 基于压缩感知子空间重构的toa矿井目标定位方法 |
CN108279397A (zh) * | 2017-12-05 | 2018-07-13 | 中集冷云(北京)冷链科技有限公司 | 仓储箱位置辨识方法、系统、计算机设备和存储介质 |
CN108462993A (zh) * | 2018-03-28 | 2018-08-28 | 南京工业大学 | 无线传感器网络中基于rss的多目标定位方法与系统 |
CN108519577A (zh) * | 2018-03-12 | 2018-09-11 | 中国矿业大学(北京) | 基于压缩感知toa特征信号指纹库的分布式定位方法 |
CN108663717A (zh) * | 2018-04-08 | 2018-10-16 | 青岛科技大学 | 无人机信号识别方法和系统 |
CN109284338A (zh) * | 2018-10-25 | 2019-01-29 | 南京航空航天大学 | 一种基于混合索引的卫星遥感大数据优化查询方法 |
CN116430311A (zh) * | 2023-06-12 | 2023-07-14 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101547048A (zh) * | 2008-03-05 | 2009-09-30 | 中科院嘉兴中心微系统所分中心 | 基于无线传感网的室内定位方法 |
CN103152826A (zh) * | 2013-03-08 | 2013-06-12 | 天津大学 | 一种基于nlos状态检测补偿的移动目标追踪方法 |
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
CN104125641A (zh) * | 2014-08-12 | 2014-10-29 | 青岛科技大学 | 一种基于60GHz脉冲信号的高精度测距定位方法 |
CN205038337U (zh) * | 2015-09-17 | 2016-02-17 | 中国矿业大学(北京) | 一种基于css精确定位的室内定位服务系统 |
-
2016
- 2016-07-25 CN CN201610590733.4A patent/CN106231549B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101547048A (zh) * | 2008-03-05 | 2009-09-30 | 中科院嘉兴中心微系统所分中心 | 基于无线传感网的室内定位方法 |
CN103152826A (zh) * | 2013-03-08 | 2013-06-12 | 天津大学 | 一种基于nlos状态检测补偿的移动目标追踪方法 |
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
CN104125641A (zh) * | 2014-08-12 | 2014-10-29 | 青岛科技大学 | 一种基于60GHz脉冲信号的高精度测距定位方法 |
CN205038337U (zh) * | 2015-09-17 | 2016-02-17 | 中国矿业大学(北京) | 一种基于css精确定位的室内定位服务系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107566981B (zh) * | 2017-08-30 | 2020-02-04 | 山东大学 | 一种基于最优路径的室内高精度定位方法、装置及系统 |
CN107566981A (zh) * | 2017-08-30 | 2018-01-09 | 山东大学 | 一种基于最优路径的室内高精度定位方法、装置及系统 |
CN107743296A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 一种基于压缩感知的rssi区域分段式定位方法 |
CN107741579A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 基于压缩感知子空间重构的toa矿井目标定位方法 |
CN107741579B (zh) * | 2017-11-15 | 2023-09-15 | 中国矿业大学(北京) | 基于压缩感知子空间重构的toa矿井目标定位方法 |
CN108279397A (zh) * | 2017-12-05 | 2018-07-13 | 中集冷云(北京)冷链科技有限公司 | 仓储箱位置辨识方法、系统、计算机设备和存储介质 |
CN108519577A (zh) * | 2018-03-12 | 2018-09-11 | 中国矿业大学(北京) | 基于压缩感知toa特征信号指纹库的分布式定位方法 |
CN108519577B (zh) * | 2018-03-12 | 2023-09-15 | 中国矿业大学(北京) | 基于压缩感知toa特征信号指纹库的分布式定位方法 |
CN108462993B (zh) * | 2018-03-28 | 2020-09-01 | 南京工业大学 | 无线传感器网络中基于rss的多目标定位方法与系统 |
CN108462993A (zh) * | 2018-03-28 | 2018-08-28 | 南京工业大学 | 无线传感器网络中基于rss的多目标定位方法与系统 |
CN108663717A (zh) * | 2018-04-08 | 2018-10-16 | 青岛科技大学 | 无人机信号识别方法和系统 |
CN108663717B (zh) * | 2018-04-08 | 2019-09-10 | 青岛科技大学 | 无人机信号识别方法和系统 |
CN109284338A (zh) * | 2018-10-25 | 2019-01-29 | 南京航空航天大学 | 一种基于混合索引的卫星遥感大数据优化查询方法 |
CN116430311A (zh) * | 2023-06-12 | 2023-07-14 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
CN116430311B (zh) * | 2023-06-12 | 2023-09-29 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106231549B (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106231549A (zh) | 一种基于重构算法的60GHz脉冲室内定位方法 | |
Hsieh et al. | Deep learning-based indoor localization using received signal strength and channel state information | |
Jiang et al. | Communicating is crowdsourcing: Wi-Fi indoor localization with CSI-based speed estimation | |
Huang et al. | Machine-learning-based data processing techniques for vehicle-to-vehicle channel modeling | |
CN103686999B (zh) | 基于WiFi信号的室内无线定位方法 | |
CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
CN110488222B (zh) | 一种nlos条件下svm与重心坐标相结合的uwb定位方法 | |
CN103402258A (zh) | 一种基于Wi-Fi的室内定位系统和方法 | |
Farkas et al. | Optimization of Wi-Fi access point placement for indoor localization | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN108566676A (zh) | 一种蓝牙定位方法 | |
CN112484625B (zh) | 一种基于uwb信道脉冲响应的高精度位移测量方法 | |
CN104125641A (zh) | 一种基于60GHz脉冲信号的高精度测距定位方法 | |
CN102984745A (zh) | Wi-Fi AP位置及路径损耗模型的联合估测方法 | |
CN103167606A (zh) | 基于稀疏表示的wlan室内定位方法 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
Eldeeb et al. | Optimal placement of access points for indoor positioning using a genetic algorithm | |
CN109547929A (zh) | 基于共轭梯度法的分布式传感器节点定位方法 | |
Song et al. | Fingerprinting localization method based on toa and particle filtering for mines | |
Li et al. | Cramer-rao lower bound analysis of data fusion for fingerprinting localization in non-line-of-sight environments | |
CN110133588A (zh) | 一种天线定位方法、装置及设备 | |
Nam et al. | On mitigation of ranging errors for through-the-body NLOS conditions using convolutional neural networks | |
Gui et al. | Resolution limit of positioning error for range-free localization schemes | |
CN108966341A (zh) | 一种定位方法和定位装置 | |
Silva et al. | Towards non-line-of-sight ranging error mitigation in industrial wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |