CN106896355A - 基于uwb时间反演的障碍物材质识别及测距误差校正方法 - Google Patents

Abstract

本发明涉及基于UWB时间反演的障碍物识别及测距误差校正方法。采用至少两个带能量峰值点信号参数可识别的节点对信号通过障碍物时对产生的信号影响来识别障碍物的材质和厚度。根据不同属性的障碍物对信号的影响不同得出能量系数和幅值系数，计算出其相应材质系数，建立多信息融合数学模型，以此识别障碍物的材质和厚度。本发明的另一个目的是根据识别的障碍物的属性自动校正误差，在障碍物材质厚度数据库的基础上，建立相应的材质误差校正数据模型并且录入数据库，据此得出校正误差，从而提高定位测距精度。本发明的系统使用方便，环境自适应能力强，不仅能够识别障碍物而且能够对障碍物造成的误差进行校正，系统的成本也非常低。

Description

基于UWB时间反演的障碍物材质识别及测距误差校正方法

技术领域

本发明涉及基于UWB时间反演的障碍物材质识别及测距误差校正方法，属UWB通信技术领域，特别涉及UWB时间反演技术室内障碍物材质的识别以及识别后对定位测距误差的校正。

背景技术

近年来，随着无线通信技术的不断发展，室内定位技术应用也来越广泛。室内定位技术对于监狱、医院、消防的应用具有十分重要的意义。

超声波、红外线和蓝牙等传统的室内定位技术经过一段时间的发展遇到了很大的瓶颈，在系统成本、稳定性、定位精度等方面不能完全满足用户需求。

UWB技术是利用脉冲信号进行高速无线数据传输的短程通信技术，具备高传输速率、低发射功率、结构简单、低成本、抗干扰能力强、安全性高，因UWB设备具有很强的穿透能力，如墙壁等，较其他技术有明显优点，是现今室内定位领域的首选技术，用于探测雷达可在紧急情况下迅速找到藏在墙后或者是被埋在废墟中的人或重要物件；UWB探测成像系统可以用于提高建筑和家庭维修行业的安全性；基于UWB技术的精确定位业务具备实时室内外精确跟踪能力，定位精度可达厘米级。在室内精确定位方面对GPS起到一个很好的补充。

由于室内环境复杂多变，其中非视距传播(NLOS)的干扰很大，所以研究室内复杂环境下高精度的定位算法很有必要。现有传统的RSSI测距方法在简单的视距(LOS)环境下尚能达到一定的精度，但是随着环境的恶化，障碍物的材质种类多样，单凭NLOS下的RSSI值无法区分如此多的障碍物属性，无法识别障碍物，从而导致定位精度不够。最新出现的多传感器信息融合的障碍物材质识别方法(如发明专利“基于多传感器信息融合的障碍物材质识别方法”,申请号：201511028339.3)，需要至少三种传感器，利用不同传感器的数据互补和冗余，从各自独立的测量空间获取信息，通过融合技术对目标障碍物材质进行识别。其不足之处是：算法复杂、运算时间长和成本较高的诸多缺点。

发明专利“基于UWB技术的室内定位方法”(申请号：201610509724.8)包括上位机和三个UWB基站，采用时隙型S-ALOHA算法与第一至第三UWB基站进行无线通信的若干待定位标签，再通过上位机对获得的信息进行计算，并结合第一至第三UWB基站实际位置，实现对所述待定位标签的位置定位。然而采用该方法并未考虑障碍物的影响，不能对目标障碍物材质进行识别。

综上所述，基于穿透障碍物的RSSI值材质识别并不准确，多传感器信息融合的障碍物材质识别方法运算成本和设备成本较高，采用三个UWB基站室内精确定位方法不能对目标障碍物材质进行识别。因此，一种基于UWB技术，既能实现室内目标物的精确定位，又能准确识别障碍物材质，特别的，识别之后还可对测距误差进一步校正的方法成为必需。

发明内容

本发明目的是针对背景技术所述问题，设计一种基于UWB时间反演的障碍物材质识别及测距误差校正方法。采用该方法，既能准确识别障碍物材质，特别的，识别之后还可对测距误差进一步校正，以实现室内目标物的高精度定位。按本发明所述方法构建的障碍物识别以及测距误差校正系统，使用方便，环境自适应能力强，系统构建成本低。

本发明是针对在室内或有障碍物环境下，两个UWB节点之间传递信号时不可避免的遇到障碍物，根据节点接收信号的能量和峰值判断该障碍物的材质，同时根据障碍物的材质属性，对测距误差进行误差校正。

理论上，时间反演是指对采集到的信号，在时域上将其反转的一种逆序处理方法，时间反演技术的时间聚焦性和空间聚焦性结合UWB对环境有着良好的适应能力，能够较好的抑制多径影响，可以很好的聚集信号能量，减少能量损耗。

因此本发明采用以UWB的时间反演技术为基础展开：

首先设置：UWB节点A和UWB节点B，所述UWB节点A和UWB节点B均是能量和峰值可测的UWB节点，其次是在UWB节点A和UWB节点B之间分别置入不同材质、不同厚度的待测障碍物。

再根据检测到的UWB节点A和UWB节点B的峰值点，按如下公式计算出幅度系数：

公式(1)中，A_sp代表SP点信道响应的峰值，t_sp表示信道响应峰值对应的时间。

进一步的，根据检测到的UWB节点A和UWB节点B的能量，按如下公式计算出能量系数：

公式(2)中，E_WTRmax是时间反演的聚焦峰能，是聚焦时间。

更进一步的，根据公式(1)和公式(2)计算出的能量系数和幅度系数，按如下公式计算出所述待测障碍物的材质系数：

公式(3)中，f是材质系数，f₀是节点间无障碍物时的峰值点；本处将作为能量系数权值进一步拉开材质之间的区别。

最后，利用Matlab软件，对收集数据进行拟合，得出相应的材质系数数学模型。

测试结果表明：不同材质、不同厚度的障碍物，具有各不相同的材质系数，将这些材质系数数据逐次录入数据库后，UWB节点A和UWB节点B之间放入待测障碍物，即可通过与所述数据库进行比对后分析出其材质和厚度来。

据此，本发明设计了如下技术方案：

基于UWB时间反演的障碍物材质识别及测距误差校正方法，包括基于UWB的障碍物材质识别方法和测距误差校正方法；是针对在室内或有障碍物环境下，两个UWB节点之间传递信号时不可避免的遇到障碍物，根据UWB节点接收信号的能量和峰值，判断该障碍物的材质，同时根据障碍物的材质属性，对测距误差进行误差校正；其特征在于：

所述基于UWB的障碍物材质识别和测距误差校正方法，包括三方面内容：

一、构建不同类型障碍物材质属性的数据库；

二、测试并识别待测障碍物的材质属性；

三、根据误差校正数学模型计算障碍物造成的测距误差值，进行测距误差校正；

所述构建不同类型障碍物材质属性的数据库，包括如下步骤：

⑴设定至少二个UWB节点，构建测试不同障碍物的材质属性测试系统；所述UWB节点是具备能量和峰值可测量的UWB节点；

⑵分别测试并计算不同障碍物各自的幅度系数、能量系数、材质系数；

⑶根据步骤⑵所获得的不同障碍物的幅度系数、能量系数、材质系数，建立多信息融合数学模型；

⑷将所述信息融合数学模型录入数据库，构建具有不同障碍物材质属性的数据库；

所述测试并识别待测障碍物的材质属性，包括如下步骤：

⑴将待测障碍物放入两个UWB节点之间，打开各UWB节点开始测试；

⑵测试并计算所述障碍物的幅度系数、能量系数、材质系数；

⑶根据所测障碍物的幅度系数、能量系数、材质系数，建立多信息融合数学模型；

⑷匹配数据库中的多信息融合数学模型，得出待测障碍物的材质属性；

⑸确定待测障碍物的材质；

所述根据误差校正数学模型计算障碍物造成的测距误差值，进行测距误差校正，包括如下步骤：

⑴据已确定的待测物体材质，建立误差校正数学模型，得出待测物体造成的距离误差值；

⑵根据误差值，校正所测得的节点间测得距离；

⑶确定两节点间距离，以实现更高精度的定位。

进一步的，所述幅度系数的计算，按如下公式：

公式(1)中，f_AMC代表幅度系数，A_sp代表sp点信道响应的峰值，t_sp表示信道响应峰值对应的时间；

所述能量系数的计算，按如下公式：

公式(2)中，f_ENC代表能量系数，E_WTRmax是时间反演的聚焦峰能，t_sp是聚焦时间；

所述材质系数的计算，按如下公式：

公式(3)中，f是材质系数，f₀是两个UWB节点间无物体时的峰值点。

更进一步的，所述根据误差校正数学模型计算障碍物造成的测距误差值进行测距误差校正步骤中，误差校正数学模型采用matlab做多元线性回归，按如下公式：

Δd＝aX₁+bX₂+c (4)

公式(4)中，Δd是测距误差校正值，X₁是障碍物的能量值，X₂是障碍物的峰值点，a、b、c为相应的拟合参数。

本发明的有益效果是：

本发明基于UWB时间反演的障碍物材质识别及误差校正方法，可取得如下有益效果：

①采用至少两个带UWB信号能量峰值可识别的节点，对信号通过障碍物时产生的UWB信号影响来识别障碍物的材质和厚度，针对不同属性的障碍物对信号的影响不同得出对应的能量系数和幅值系数，计算出其相应材质系数，以此识别不同的材质和厚度，再根据大量实验数据建立障碍物识别数据库。

②本发明还根据所识别障碍物自动的增加误差校正，从而提高了测距定位精度。

③发明构建的测距定位系统，使用方便，环境自适应能力强，不仅能够识别障碍物而且能够对障碍物造成的误差进行校正，系统的构建成本非常低。

附图说明

图1为本发明的材质识别流程图

图2为本发明的材质识别和测距校正流程图

图3为本发明的材质实验实施图

具体实施方式

以下结合附图对本发明实施例作进一步说明，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，凡在本发明的精神和原则之内所做的任何修改、等同替换或改进等，均应包含在本发明的权利要求范围之内，本技术方案中未详细述及的，均为公知技术。

本发明基于UWB时间反演的障碍物材质识别及测距误差校正方法，包括基于UWB时间反演的障碍物材质识别方法和测距误差校正方法。是针对在室内或有障碍物环境下，两个节点之间传递信号时不可避免的遇到障碍物，根据节点接收信号的能量和峰值判断该障碍物的材质和厚度，并根据障碍物的材质和厚度属性，对测距误差进行误差校正，其原理包括针对在室内或有障碍物环境下，两个节点之间传递信号时不可避免的遇到障碍物，根据节点接收信号的能量和峰值判断该障碍物的材质和厚度。

由于时间反演是指对采集到的信号，在时域上将其反转的一种逆序处理方法。时间反演技术的时间聚焦性和空间聚焦性结合UWB对环境有着良好的适应能力，能够较好的抑制多径影响，可以很好的聚集信号能量，减少能量损耗。

本发明正是采用以UWB的时间反演技术进行的基础展开。包括依次计算幅度系数、能量系数和材质系数三步算法，以及利用Matlab软件，对收集数据进行拟合，得出相应的多信息融合数学模型，分别如下：

首先设置：UWB节点A和UWB节点B，所述UWB节点A和UWB节点B均是能量和峰值可测的UWB节点，其次是在UWB节点A和UWB节点B之间分别置入不同材质不同厚度的待测障碍物；

再根据检测到的UWB节点A和UWB节点B的峰值点，按如下公式计算出幅度系数：

公式(1)中，A_sp代表SP点信道响应的峰值，t_sp表示信道响应峰值对应的时间；

再根据检测到的UWB节点A和UWB节点B的能量，按如下公式计算出能量系数：

公式(2)中，E_WTRmax是时间反演的聚焦峰能，是聚焦时间；

然后根据公式(1)和公式(2)计算出的能量系数和幅度系数，按如下公式计算出所述待测障碍物的材质系数：

公式(3)中，f是材质系数，f₀是节点间无障碍物时的峰值点；公式中将作为能量系数权值进一步拉开材质之间的区别；

然后，利用Matlab软件，对收集数据进行拟合，得出相应的材质系数，建立多信息融合数学模型。

同时建立误差校正数学模型采用matlab做多元线性回归：

Δd=aX₁+bX₂+c (4)

公式(4)中，Δd是测距误差校正值，X₁是障碍物的能量值，X₂是障碍物的峰值点，a、b、c为相应的拟合参数。

最后，拟合完成后对应材质、材质系数及其造成的测距误差录入数据库。

由于不同材质不同厚度的障碍物，具有各不相同的材质系数，将这些不同材质不同厚度的材质系数数据逐次录入数据库之后，若UWB节点A和UWB节点B之间放入任一数据库中已录入的其它待测障碍物，通过本技术方案进行测试时，该待测障碍物的材质检测数据在与数据库进行比对后，即可分析出来，同时还可判断该障碍物造成的测距偏差，从而对测距误差进行校正。

以下是参照附图1～3，对本发明技术方案作进一步详细说明。

设定：分别选取2.5mm、5mm、7.5mm厚的金属板、2cm、10cm、20cm厚的木板和8mm、28mm、56mm塑料板作为实验对象中的障碍物，再按图3所示组建测试系统，图3中，节点A、B之间的距离设置为6m，节点A是发射节点，节点B是接收节点。

测试前，保留A、B节点的相对面敞开，其他的面用金属将接收节点封闭起来以屏蔽外界干扰，在节点A和节点B之间分别放所述金属板或木板或塑料板，测试过程中，观察接收节点的能量和峰值变化规律，并根据接收到的峰值点计算幅度系数：

上述公式(1)中，A_sp代表SP点信道响应的峰值，t_sp表示信道响应峰值对应的时间。

再根据收到的能量，按下式计算能量系数：

公式(2)中，E_WTRmax是时间反演的聚焦峰能，是聚焦时间。

然后根据公式(1)和公式(2)计算出的能量系数和幅度系数，按下式计算障碍物的材质系数：

公式(3)中，f是材质系数，f₀是节点间无障碍物时的峰值点，本处将作为能量系数权值进一步拉开材质之间的区别。

采用Matlab软件对收集数据进行拟合得出相应的材质系数，建立多信息融合数学模型。

同时建立测距误差校正数学模型采用matlab做多元线性回归：

Δd＝aX₁+bX₂+c (4)

公式(4)中，Δd是测距误差校正值，X₁是障碍物的能量值，X₂是障碍物的峰值点，a、b、c为相应的拟合参数。拟合完成后对应材质录入数据库。

针对三种不同材质不同厚度障碍物在节点A、B之间，节点B距离UWB节点A 6m，自UWB节点B处测得的能量、峰值和TOA测得距离数据如下表：

上述测试结果表明，由于不同材质不同厚度的障碍物会得出不同的能量和峰值，所计算出的材质系数各不相同。依据此，即可根据大量的材质测试数据，拟合出不同的数据模型，将其录入数据库后，自动区分出不同材质不同厚度的障碍物和获得相应误差校正值。

以下是针对障碍物材质的识别方法及测距误差校正后的定位方法具体步骤。

参照附图1，障碍物材质的识别方法按如下步骤：

(1)准备带能量和峰值可测的UWB节点A和UWB节点B；

(2)在UWB节点A与UWB节点B之间加入待测障碍物；再打开UWB节点A和UWB节点B开始测试；

(3)根据测试数据，计算所述障碍物的幅度系数、能量系数、材质系数；

(4)根据上述多种系数，建立多信息融合数学模型；

(5)匹配数据库中的上述多信息融合数学模型，得出待测障碍物的材质和厚度属性；

(6)确定UWB节点A和UWB节点B之间的障碍物材质和厚度。

由于不同材质不同厚度的障碍物会产生不同程度的距离偏移现象，因此本发明还有另外一个目的，即识别完成后对初步位置距离进行校正，其方法是针对不同材质不同厚度属性，依据所述数据库中录入的不同种类障碍物的多信息融合数学模型，自动进行误差校正；据此，本发明还设计了障碍物材质的识别后误差校正方法。

根据待测障碍物的材质属性，得出的该待测障碍物造成的校正值；然后校正所测得的初步位置距离，最终确定UWB节点A和UWB节点B之间的距离。

参照附图2，障碍物材质的识别后误差校正方法按如下步骤：

(1)若识别后无障碍物则直接获得LOS下的距离；

(2)若识别后有障碍物，则在障碍物材质厚度识别之后；

(3)根据匹配数据库中的误差校正模型，得出该材质及厚度所造成的误差；

(4)在UWB节点A和UWB节点B的初步距离基础上进行误差校正；

(5)得出UWB节点A和UWB节点B之间的距离。

本发明是基于UWB时间反演的障碍物材质识别及误差校正后的定位方法，采用至少两个带能量峰值点信号参数可识别的节点，对信号通过障碍物时产生的信号影响来识别障碍物的材质，针对不同属性的障碍物对信号的影响得出不同的能量系数和幅值系数，计算出其相应材质系数，以此识别不同的材质，再根据大量实验数据建立障碍物识别数据库，以及该材质障碍物对测距的误差。同时，本发明还根据所识别障碍物材质属性自动的校正测距误差，从而提高了测距定位精度。

本发明构建的测距定位系统，使用方便，环境自适应能力强，不仅能够识别障碍物而且能够对障碍物造成的节点间距离的误差进行校正，系统的构建成本非常低。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。

Claims (4)

1.基于UWB时间反演的障碍物材质识别及测距误差校正方法，包括基于UWB的障碍物材质识别方法和测距误差校正方法；是针对在室内或有障碍物环境下，两个UWB节点之间传递信号时不可避免的遇到障碍物，根据UWB节点接收信号的能量和峰值，判断该障碍物的材质，同时根据障碍物的材质属性，对测距误差进行误差校正；其特征在于：所述基于UWB的障碍物材质识别和测距误差校正方法，包括三方面内容：

一、构建不同类型障碍物材质属性的数据库；

二、测试并识别待测障碍物的材质属性；

三、根据误差校正数学模型计算障碍物造成的测距偏差值，进行测距误差校正；

所述构建不同类型障碍物材质属性的数据库，包括如下步骤：

⑴设定至少二个UWB节点，构建测试不同障碍物的材质属性测试系统；

⑵分别测试并计算不同障碍物各自的幅度系数、能量系数、材质系数；

⑶根据上述所获得的不同障碍物的幅度系数、能量系数、材质系数，建立多信息融合数学模型；

⑷将所述多信息融合数学模型录入数据库，构建具有不同障碍物材质属性的数据库；所述测试并识别待测障碍物的材质属性，包括如下步骤：

⑴将待测障碍物放入两个UWB节点之间，打开各UWB节点开始测试；

⑵测试并计算所述障碍物的幅度系数、能量系数、材质系数；

⑶根据所测得的障碍物的系数，建立多信息融合数学模型；

⑷匹配数据库中的多信息融合数学模型，得出待测障碍物的材质和厚度属性；

⑸确定待测障碍物的材质和厚度；

所述根据误差校正数学模型计算障碍物造成的测距偏差值进行测距误差校正，包括如下步骤：

⑴据已确定的待测障碍物材质和厚度，建立误差校正数学模型，得出待测障碍物造成的距离误差值；

⑵根据误差值，校正所测得的初步位置距离；

⑶确定两节点间距离，以实现更高精度的定位。

2.如权利要求1所述基于UWB时间反演的障碍物材质识别及误差校正方法，其特征在于：

所述UWB节点是具备能量和峰值可测量的UWB节点。

3.如权利要求1所述基于UWB时间反演的障碍物材质识别及误差校正方法，其特征在于：

所述幅度系数的计算，按如下公式：

$f_{AMC}=\frac{A_{sp}}{t_{sp}}---\left(1\right)$

公式(1)中，f_AMC代表幅度系数，A_sp代表sp点信道响应的峰值，t_sp表示信道响应峰值对应的时间；

所述能量系数的计算，按如下公式：

公式(2)中，f_ENC代表能量系数，E_WTRmax是时间反演的聚焦峰能，t_sp是聚焦时间；

所述材质系数的计算，按如下公式：

$f=f_{ENC}*\frac{(f_{AMC}-f_0)}{f_{AMC}}---\left(3\right)$

公式(3)中，f是材质系数，f₀是两个UWB节点间无障碍物时的峰值点。

4.如权利要求1所述基于UWB时间反演的障碍物材质识别及误差校正方法，其特征在于：所述根据误差校正数学模型计算障碍物造成的测距误差值进行测距误差补偿步骤中，所述误差校正数学模型采用matlab做多元线性回归，按如下公式：

Δd＝aX₁+bX₂+c (4)

公式(4)中，Δd是测距误差校正值，X₁是障碍物的能量值，X₂是障碍物的峰值点，a、b、c为相应的拟合参数。