CN107205226B - 基于信道分类的室内定位跟踪方法及系统 - Google Patents
基于信道分类的室内定位跟踪方法及系统 Download PDFInfo
- Publication number
- CN107205226B CN107205226B CN201710254392.8A CN201710254392A CN107205226B CN 107205226 B CN107205226 B CN 107205226B CN 201710254392 A CN201710254392 A CN 201710254392A CN 107205226 B CN107205226 B CN 107205226B
- Authority
- CN
- China
- Prior art keywords
- sight
- path
- paths
- line
- node
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000002238 attenuated effect Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- JHJOOSLFWRRSGU-UHFFFAOYSA-N Fenchlorphos Chemical compound COP(=S)(OC)OC1=CC(Cl)=C(Cl)C=C1Cl JHJOOSLFWRRSGU-UHFFFAOYSA-N 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
- G01S5/12—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 by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于信道分类的室内定位跟踪方法及系统,包括如下步骤:步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;步骤2:根据上一次的步骤4,记录三条具有最强能量的反射路径的信息;若没有上一次的步骤4,则不记录;步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位。
Description
技术领域
本发明涉及信道分类方法和室内定位算法,具体地,涉及一种基于信道分类的室内定位跟踪方法及系统。
背景技术
随着基于全球定位系统、北斗卫星导航系统、格洛纳斯卫星导航系统和伽利略卫星定位系统的室外定位技术的商用,高精度室内定位技术越来越受到关注。现有的室内定位技术分为两类:不基于测距的室内定位技术和基于测距的室内定位技术。不基于测距的室内定位技术以WIFI为代表,通过测量信号的接收信号强度指示进行定位,具有广泛适用的优点,但定位精度较低。基于测距的室内定位技术以超宽带为代表,通过直接测量待定位节点和锚节点之间的距离进行定位,超宽带信号具有穿透力强、高分辨率测距和信号稳定等优点,但对设备的要求较高。
下一代移动通信5G中将使用毫米波技术,相比超宽带信号,毫米波具有更高的时间分辨率,可以实现更高精度的测距。另一方面,相比WIFI,5G设备同样具有很高的普遍性,所以基于测距的室内定位技术将会越来越受到青睐。然而,非视距传播引起测距误差仍然是基于测距的室内定位技术面临的主要困难。
经过对现有技术的文献检索发现,传统的非视距传播识别方法只将信道分为视距情况和非视距情况,不过,S.Wang和Y.Zhang于2016年在WCNC(IEEE WirelessCommunication and Networking Conference)发表了“Convex Hull based NodeSelection NLoS mitigation for Indoor Localization”(2016年在IEEE的无线通信和网络会议,《基于凸形的室内定位的节点选择非视距减轻》)的文章,提出了信道应分为四种情况:普通的视距情况、衰减的视距情况、普通的非视距情况和棘手的非视距情况,但是,并未给出合适的分类方法。E.Leitinger,P.Meissner,C.Rudisser,G.Dumphart和K.Witrisal于2015年在IEEE journal on selected areas in communications发表了“Evaluation ofposition-related information in multipath components for indoor positioning”(2015年在IEEE的通信选定区域杂志,《室内定位的多径参数中位置相关信息的评估》)的文章,提出了结合虚拟锚节点和多径参数的定位方法,可以在非视距情况下进行定位,降低由于非视距传播引起的定位误差,但是,这种方法依赖虚拟锚节点和信号反射路径一一对应的准确性,虚拟锚节点与信号反射路径对应出错时会引入定位误差。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种定位更加精确的基于信道分类的室内定位跟踪方法及系统。
根据本发明提供的基于信道分类的室内定位跟踪方法,包括如下步骤:
步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;
步骤2:根据上一次的步骤4,记录三条具有最强能量的反射路径的信息;若没有上一次的步骤4,则不记录;
步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;
步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位。
优选的,所述步骤2包括:
步骤2.1:判断是否有上一次的步骤4,若有上一次的步骤4,则进入步骤2.2,若没有上一次的步骤4,则跳过;
步骤2.3:记录这三条具有最强能量的反射路径的长度ri last(i=1,2,3)。
优选的,所述步骤3包括:
步骤3.1:根据待定位节点和各锚节点之间信道脉冲响应中的各路径的幅值和时延,幅值最大的路径和最先到达的路径之间的时间差τrise,根据τrise的值将信道分为两类:τrise=0和τrise>0;
步骤3.2:计算可以反映视距路径和非视距路径的差别的特征值,并得到特征向量;
步骤3.3:将根据步骤3.2得到的特征向量应用到支持向量机中,将步骤3.1得到的τrise=0类分为两类:普通的视距情况,棘手的非视距情况,将步骤3.1得到的τrise>0类分为两类:普通的非视距情况,衰减的视距情况,共四种情况;
步骤3.4:根据步骤3.3的分类结果,对于普通的视距情况和衰减的视距情况,判断视距路径存在,反之,对于普通的非视距情况和棘手的非视距情况,判断视距路径不存在。
优选的,所述步骤4包括:
步骤4.1:根据步骤3的结果,将视距情况和衰减的视距情况下信道脉冲响应中最先到达的路径判断为直射路径,并统计视距路径的数量nLOS(nLOS≤nanchor),其中,nanchor是锚节点的个数;
步骤4.2:根据视距路径的数量,若nLOS<3,则判断当前测量的待定位节点与锚节点之间具有最大能量的N条非直射路径的路径为当前测量的反射路径,其中,N是由用户确定的正整数;
步骤4.3:计算当前测量的反射路径的长度与步骤2中记录的三条反射路径的长度之差||rj-ri last||,其中,rj(1≤j≤N)是当前测量的第j条反射路径的长度,ri last(1≤i≤N)是记录的第i条反射路径的长度;
步骤4.4:比较||rj-ri last||和预先设定的阈值t,若||rj-ri last||≤t,则判断当前测量的第j条反射路径rj与记录的第i条反射路径ri last对应的虚拟锚节点为同一个,并记录满足条件的反射路径的个数n;
步骤4.5:根据nLOS+n的值,采用不同的方式进行定位解算。
优选的,所述步骤4.5包括:
若nLOS+n>3,根据锚节点或满足步骤4.4条件的反射路径所对应的一阶虚拟锚节点的位置,选取所围成的形状最接近正三角形的三个锚节点或一阶虚拟锚节点,使用这三个锚节点或一阶虚拟锚节点的坐标和它们对应的视距路径或反射路径,运用三角定位的方法进行二维坐标求解;
若nLOS+n=3,使用这三条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,运用三角定位的方法进行二维坐标求解;
若nLOS+n=2,使用这两条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,可以解算出两个可行解,选取与上一次步骤4的结果相近的可行解为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算;
若nLOS+n<2,则选取上一次步骤4的结果作为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算。
根据本发明提供的基于信道分类的室内定位跟踪系统,包括存储有用于室内定位跟踪的指令的服务器,所述指令在由所述服务器执行时使得所述服务器:
步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;
步骤2:根据上一次的步骤4,记录三条具有最强能量的反射路径的信息;若没有上一次的步骤4,则不记录;
步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;
步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位。
优选的,所述步骤2包括:
步骤2.1:判断是否有上一次的步骤4,若有上一次的步骤4,则进入步骤2.2,若没有上一次的步骤4,则跳过;
步骤2.3:记录这三条具有最强能量的反射路径的长度ri last(i=1,2,3)。
优选的,所述步骤3包括:
步骤3.1:根据待定位节点和各锚节点之间信道脉冲响应中的各路径的幅值和时延,幅值最大的路径和最先到达的路径之间的时间差τrise,根据τrise的值将信道分为两类:τrise=0和τrise>0;
步骤3.2:计算可以反映视距路径和非视距路径的差别的特征值,并得到特征向量;
步骤3.3:将根据步骤3.2得到的特征向量应用到支持向量机中,将步骤3.1得到的τrise=0类分为两类:普通的视距情况,棘手的非视距情况,将步骤3.1得到的τrise>0类分为两类:普通的非视距情况,衰减的视距情况,共四种情况;
步骤3.4:根据步骤3.3的分类结果,对于普通的视距情况和衰减的视距情况,判断视距路径存在,反之,对于普通的非视距情况和棘手的非视距情况,判断视距路径不存在。
优选的,所述步骤4包括:
步骤4.1:根据步骤3的结果,将视距情况和衰减的视距情况下信道脉冲响应中最先到达的路径判断为直射路径,并统计视距路径的数量nLOS(nLOS≤nanchor),其中,nanchor是锚节点的个数;
步骤4.2:根据视距路径的数量,若nLOS<3,则判断当前测量的待定位节点与锚节点之间具有最大能量的N条非直射路径的路径为当前测量的反射路径,其中,N是由用户确定的正整数;
步骤4.3:计算当前测量的反射路径的长度与步骤2中记录的三条反射路径的长度之差||rj-ri last||,其中,rj(1≤j≤N)是当前测量的第j条反射路径的长度,ri last(1≤i≤N)是记录的第i条反射路径的长度;
步骤4.4:比较||rj-ri last||和预先设定的阈值t,若||rj-ri last||≤t,则判断当前测量的第j条反射路径rj与记录的第i条反射路径ri last对应的虚拟锚节点为同一个,并记录满足条件的反射路径的个数n;
步骤4.5:根据nLOS+n的值,采用不同的方式进行定位解算。
优选的,所述步骤4.5包括:
若nLOS+n>3,根据锚节点或满足步骤4.4条件的反射路径所对应的一阶虚拟锚节点的位置,选取所围成的形状最接近正三角形的三个锚节点或一阶虚拟锚节点,使用这三个锚节点或一阶虚拟锚节点的坐标和它们对应的视距路径或反射路径,运用三角定位的方法进行二维坐标求解;
若nLOS+n=3,使用这三条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,运用三角定位的方法进行二维坐标求解;
若nLOS+n=2,使用这两条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,可以解算出两个可行解,选取与上一次步骤4的结果相近的可行解为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算;
若nLOS+n<2,则选取上一次步骤4的结果作为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算。
与现有技术相比,本发明提出的定位跟踪方法可以有效地提高室内定位精度,降低定位误差。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的基于信道分类的室内定位跟踪框架的工作流程图;
图2为本发明提供的基于信道分类的室内定位跟踪框架的系统结构示意图;
图3为根据本发明中的定位跟踪框架估计的路径与真实路径的对比图;
图4为根据本发明中的定位跟踪框架的定位误差累积分布函数示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1是本发明实施例提供的基于信道分类的室内定位跟踪框架的工作流程图,下面结合图1详细说明。
步骤S1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称;
步骤S2:根据上一次的步骤S4,记录三条具有最强能量的反射路径的信息;若没有上一次的步骤S4,则不记录;
步骤S3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;
步骤S4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位。
所述步骤S2包括:
步骤S2.1:判断是否有上一次的步骤4,若有上一次的步骤4,则进入步骤2.2,若没有上一次的步骤4,则跳过;
步骤S2.3:记录这三条具有最强能量的反射路径的长度ri last(i=1,2,3)。
所述步骤S3包括:
步骤S3.1:根据待定位节点和各锚节点之间信道脉冲响应中的各路径的幅值和时延,幅值最大的路径和最先到达的路径之间的时间差τrise。根据τrise的值将信道分为两类:τrise=0和τrise>0;
步骤S3.2:计算可以反映视距路径和非视距路径的差别的特征值,并得到特征向量;
步骤S3.3:将根据步骤S3.2得到的特征向量应用到支持向量机中,将步骤S3.1得到的τrise=0类分为两类:普通的视距情况,棘手的非视距情况,将步骤A得到的τrise>0类分为两类:普通的非视距情况,衰减的视距情况,共四种情况。
步骤S3.4:根据步骤S3.3的分类结果,对于普通的视距情况和衰减的视距情况,判断视距路径存在,反之,对于普通的非视距情况和棘手的非视距情况,判断视距路径不存在。
所述步骤S3.2包括:
步骤S3.2.1:根据信道脉冲响应h(t),计算信道脉冲响应的平均幅值μ|h|,计算公式如下:
其中,T为信道脉冲响应h(t)的总时长,t(0≤t≤T)为总时长T中的t时刻;
步骤S3.2.3:计算信道脉冲响应的峰态κ,计算公式如下:
步骤S3.2.4:计算信道脉冲响应的平均超量延时τMED,计算公式如下:
步骤S3.2.5:计算信道脉冲响应的均方根时延拓展τRMS,计算公式如下:
步骤S3.2.6:计算信道脉冲响应的平均能量比峰值λPE,计算公式如下:
其中,hmax=max|h(t)|;
步骤S3.2.7:根据信道脉冲响应的六种特征值,形成特征向量φ,其中:
所述步骤S3.3包括:
对于S3.1中τrise=0类,普通的视距情况对应的训练样本中di为+1,棘手的非视距情况对应的训练样本中di为-1;
对于S3.1中τrise>0类,普通的非视距情况对应的训练样本中di为+1,衰减的视距情况对应的训练样本中di为-1;
步骤S3.3.2:求解最优化问题:
步骤S3.3.4:根据训练结果进行分类计算,分类器l(φ)如下:
其中,φ是待分类的特征向量;
对于S3.1中τrise=0类,分类器l(φ)结果为+1,对应信道分类结果为普通的视距情况,分类器l(φ)结果为-1,对应信道分类结果为棘手的非视距情况;
对于S3.1中τrise>0类,分类器l(φ)结果为+1,对应信道分类结果为普通的非视距情况,分类器l(φ)结果为-1,对应信道分类结果为衰减的视距情况。
所述步骤S4包括:
步骤S4.1:根据步骤S3的结果,将视距情况和衰减的视距情况下信道脉冲响应中最先到达的路径判断为直射路径并统计视距路径的数量nLOS(nLOS≤nanchor),其中,nanchor是锚节点的个数;
步骤S4.2:根据视距路径的数量,若nLOS<3,则判断当前测量的待定位节点与锚节点之间具有最大能量的N条非直射路径的路径为当前测量的反射路径,其中,N是由用户确定的正整数;
步骤S4.3:计算当前测量的反射路径的长度与步骤2中记录的三条反射路径的长度之差||rj-ri last||,其中,rj(1≤j≤N)是当前测量的第j条反射路径的长度,ri last(1≤i≤N)是记录的第i条反射路径的长度;
步骤S4.4:比较||rj-ri last||和预先设定的阈值t,若||rj-ri last||≤t,则判断当前测量的第j条反射路径rj与记录的第i条反射路径ri last对应的虚拟锚节点为同一个,并记录满足条件的反射路径的个数n;
步骤S4.5:根据nLOS+n的值,采用不同的方式进行定位解算,具体如下:
若nLOS+n>3,根据锚节点(或满足步骤S4.4条件的反射路径所对应的虚拟锚节点)的位置,选取所围成的形状最接近正三角形的三个锚节点(或虚拟锚节点),使用这三个锚节点(或虚拟锚节点)的坐标和它们对应的视距路径(或反射路径),运用三角定位的方法进行二维坐标求解;
若nLOS+n=3,使用这三条视距路径(或反射路径)和它们对应的锚节点(或虚拟锚节点),运用三角定位的方法进行二维坐标求解;
若nLOS+n=2,使用这两条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,可以解算出两个可行解,选取与上一次步骤S4的结果相近的可行解为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算;
若nLOS+n<2,则选取上一次步骤S4的结果作为本次定位过程的解;若没有上一次步骤4的结果,则判断为无法定位解算。
图2所示的是基于信道分类的室内定位跟踪框架的系统结构示意图,采集到的数据通过服务器执行上述定位工作。
为了测试本发明提出的定位跟踪框架中信道分类方法的性能,在仿真过程中,将本发明提出的信道分类方法与基于机器学习和参数化技术的将信道仅分为视距情况和非视距情况的两种信道分类方法进行比较。
通过仿真,基于本发明提出的信道分类方法的分类准确性高于另两种基于机器学习和参数化技术的将信道仅分为视距情况和非视距情况的信道分类方法。仿真结果如下表所示:
信道分类方法 | 分类准确性 |
本发明提出的信道分类方法 | 96.4% |
基于机器学习的信道分类方法 | 91.7% |
基于参数化技术的信道分类方法 | 83.6% |
表1
为了测试本发明提出的定位跟踪框架中定位精度的性能,在仿真过程中,首先使用本发明提出的定位跟踪框架估计路径,并与真实路径进行比较,接着将本发明提出的定位跟踪框架与只将信道分为两类和不进行信道分类的两种定位跟踪框架进行比较。
定位误差的计算公式为:
e=||pest-preal||,
其中,pest是仿真中待定为节点的估计位置,preal仿真中待定为节点的真实位置。
如图3所示估计路径与真实路径的比较图,图中黑色实线代表墙(信号无法穿透),黑色虚线代表门(信号穿透时有衰减),星点代表锚节点。从图3中可以看出,估计的路径与真实路径误差很小。如图4所示定位误差的累积分布函数图,从图中可以看出,本发明提出的定位跟踪框架可以有效地提高定位精度,降低定位误差。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种基于信道分类的室内定位跟踪方法,其特征在于,包括如下步骤:
步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;
步骤2:根据所述基于信道分类的室内定位跟踪方法上一次的定位结果,记录三条具有最强能量的反射路径的信息;若没有上一次的定位结果,则不记录;
步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;
步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位;
所述步骤3包括:
步骤3.1:根据待定位节点和各锚节点之间信道脉冲响应中的各路径的幅值和时延,幅值最大的路径和最先到达的路径之间的时间差τrise,根据τrise的值将信道分为两类:τrise=0和τrise>0;
步骤3.2:计算可以反映视距路径和非视距路径的差别的特征值,并得到特征向量;
步骤3.3:将根据步骤3.2得到的特征向量应用到支持向量机中,将步骤3.1得到的τrise=0类分为两类:普通的视距情况,棘手的非视距情况,将步骤3.1得到的τrise>0类分为两类:普通的非视距情况,衰减的视距情况,共四种情况;
步骤3.4:根据步骤3.3的分类结果,对于普通的视距情况和衰减的视距情况,判断视距路径存在,反之,对于普通的非视距情况和棘手的非视距情况,判断视距路径不存在。
3.根据权利要求1所述的基于信道分类的室内定位跟踪方法,其特征在于,所述步骤4包括:
步骤4.1:根据步骤3的结果,将视距情况和衰减的视距情况下信道脉冲响应中最先到达的路径判断为直射路径,并统计视距路径的数量nLOS(nLOS≤nanchor),其中,nanchor是锚节点的个数;
步骤4.2:根据视距路径的数量,若nLOS<3,则判断当前测量的待定位节点与锚节点之间具有最大能量的N条非直射路径的路径为当前测量的反射路径,其中,N是由用户确定的正整数;
步骤4.3:计算当前测量的反射路径的长度与步骤2中记录的三条反射路径的长度之差||rj-ri last||,其中,rj(1≤j≤N)是当前测量的第j条反射路径的长度,ri last(1≤i≤N)是记录的第i条反射路径的长度;
步骤4.4:比较||rj-ri last||和预先设定的阈值t,若||rj-ri last||≤t,则判断当前测量的第j条反射路径rj与记录的第i条反射路径ri last对应的虚拟锚节点为同一个,并记录满足条件的反射路径的个数n;
步骤4.5:根据nLOS+n的值,采用不同的方式进行定位解算。
4.根据权利要求3所述的基于信道分类的室内定位跟踪方法,其特征在于,所述步骤4.5包括:
若nLOS+n>3,根据锚节点或满足步骤4.4条件的反射路径所对应的一阶虚拟锚节点的位置,选取所围成的形状最接近正三角形的三个锚节点或一阶虚拟锚节点,使用这三个锚节点或一阶虚拟锚节点的坐标和它们对应的视距路径或反射路径,运用三角定位的方法进行二维坐标求解;
若nLOS+n=3,使用这三条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,运用三角定位的方法进行二维坐标求解;
若nLOS+n=2,使用这两条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,可以解算出两个可行解,选取与上一次的定位结果相近的可行解为本次定位过程的解;若没有上一次的定位结果,则判断为无法定位解算;
若nLOS+n<2,则选取上一次的定位结果作为本次定位过程的解;若没有上一次的定位结果,则判断为无法定位解算。
5.一种基于信道分类的室内定位跟踪系统,包括存储有用于室内定位跟踪的指令的服务器,其特征在于,所述指令在由所述服务器执行时使得所述服务器:
步骤1:根据建筑平面图和锚节点的位置,求解一阶虚拟锚节点的位置,其中,锚节点是位置已知的节点,一阶虚拟锚节点是锚节点对应于墙面的镜面对称节点;
步骤2:根据所述基于信道分类的室内定位跟踪系统上一次的定位结果,记录三条具有最强能量的反射路径的信息;若没有上一次的定位结果,则不记录;
步骤3:根据信道脉冲响应进行信道分类,并根据信道分类结果判断锚节点与待定位节点之间是否存在视距路径;
步骤4:根据视距路径的数量选取若干反射路径,结合视距路径进行定位;
所述步骤3包括:
步骤3.1:根据待定位节点和各锚节点之间信道脉冲响应中的各路径的幅值和时延,幅值最大的路径和最先到达的路径之间的时间差τrise,根据τrise的值将信道分为两类:τrise=0和τrise>0;
步骤3.2:计算可以反映视距路径和非视距路径的差别的特征值,并得到特征向量;
步骤3.3:将根据步骤3.2得到的特征向量应用到支持向量机中,将步骤3.1得到的τrise=0类分为两类:普通的视距情况,棘手的非视距情况,将步骤3.1得到的τrise>0类分为两类:普通的非视距情况,衰减的视距情况,共四种情况;
步骤3.4:根据步骤3.3的分类结果,对于普通的视距情况和衰减的视距情况,判断视距路径存在,反之,对于普通的非视距情况和棘手的非视距情况,判断视距路径不存在。
7.根据权利要求5所述的基于信道分类的室内定位跟踪系统,其特征在于,所述步骤4包括:
步骤4.1:根据步骤3的结果,将视距情况和衰减的视距情况下信道脉冲响应中最先到达的路径判断为直射路径,并统计视距路径的数量nLOS(nLOS≤nanchor),其中,nanchor是锚节点的个数;
步骤4.2:根据视距路径的数量,若nLOS<3,则判断当前测量的待定位节点与锚节点之间具有最大能量的N条非直射路径的路径为当前测量的反射路径,其中,N是由用户确定的正整数;
步骤4.3:计算当前测量的反射路径的长度与步骤2中记录的三条反射路径的长度之差||rj-ri last||,其中,rj(1≤j≤N)是当前测量的第j条反射路径的长度,ri last(1≤i≤N)是记录的第i条反射路径的长度;
步骤4.4:比较||rj-ri last||和预先设定的阈值t,若||rj-ri last||≤t,则判断当前测量的第j条反射路径rj与记录的第i条反射路径ri last对应的虚拟锚节点为同一个,并记录满足条件的反射路径的个数n;
步骤4.5:根据nLOS+n的值,采用不同的方式进行定位解算。
8.根据权利要求7所述的基于信道分类的室内定位跟踪系统,其特征在于,所述步骤4.5包括:
若nLOS+n>3,根据锚节点或满足步骤4.4条件的反射路径所对应的一阶虚拟锚节点的位置,选取所围成的形状最接近正三角形的三个锚节点或一阶虚拟锚节点,使用这三个锚节点或一阶虚拟锚节点的坐标和它们对应的视距路径或反射路径,运用三角定位的方法进行二维坐标求解;
若nLOS+n=3,使用这三条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,运用三角定位的方法进行二维坐标求解;
若nLOS+n=2,使用这两条视距路径或反射路径和它们对应的锚节点或一阶虚拟锚节点,可以解算出两个可行解,选取与上一次的定位结果相近的可行解为本次定位过程的解;若没有上一次的定位结果,则判断为无法定位解算;
若nLOS+n<2,则选取上一次的定位结果作为本次定位过程的解;若没有上一次的定位结果,则判断为无法定位解算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254392.8A CN107205226B (zh) | 2017-04-18 | 2017-04-18 | 基于信道分类的室内定位跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254392.8A CN107205226B (zh) | 2017-04-18 | 2017-04-18 | 基于信道分类的室内定位跟踪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107205226A CN107205226A (zh) | 2017-09-26 |
CN107205226B true CN107205226B (zh) | 2020-07-24 |
Family
ID=59905172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710254392.8A Active CN107205226B (zh) | 2017-04-18 | 2017-04-18 | 基于信道分类的室内定位跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107205226B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109151707B (zh) * | 2018-01-22 | 2021-04-16 | 中南大学 | 一种移动状态下的视距/非视距路径识别方法 |
WO2020010558A1 (zh) * | 2018-07-12 | 2020-01-16 | 罗伯特·博世有限公司 | 检测方法和检测装置 |
CN109996175B (zh) * | 2019-05-15 | 2021-04-30 | 苏州矽典微智能科技有限公司 | 室内定位系统和方法 |
CN112346009B (zh) * | 2021-01-06 | 2021-04-16 | 广东省新一代通信与网络创新研究院 | 一种基于智能反射面的定位方法及系统 |
WO2024189391A1 (en) * | 2023-03-10 | 2024-09-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Multipath time and carrier phase positioning |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2442950A1 (en) * | 2003-09-26 | 2005-03-26 | Chahe Nerguizian | Method and system for indoor geolocation using an impulse response fingerprinting technique |
CN101606076A (zh) * | 2006-12-29 | 2009-12-16 | 诺基亚公司 | 对距离估计或涉及距离估计的改进 |
CN104333905A (zh) * | 2014-11-03 | 2015-02-04 | 中国矿业大学(北京) | 一种抑制巷道nlos时延误差的toa井下人员定位系统及方法 |
CN105548962A (zh) * | 2015-12-21 | 2016-05-04 | 李奇 | 非同步基站系统下的无线测距定位方法及系统 |
-
2017
- 2017-04-18 CN CN201710254392.8A patent/CN107205226B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2442950A1 (en) * | 2003-09-26 | 2005-03-26 | Chahe Nerguizian | Method and system for indoor geolocation using an impulse response fingerprinting technique |
CN101606076A (zh) * | 2006-12-29 | 2009-12-16 | 诺基亚公司 | 对距离估计或涉及距离估计的改进 |
CN104333905A (zh) * | 2014-11-03 | 2015-02-04 | 中国矿业大学(北京) | 一种抑制巷道nlos时延误差的toa井下人员定位系统及方法 |
CN105548962A (zh) * | 2015-12-21 | 2016-05-04 | 李奇 | 非同步基站系统下的无线测距定位方法及系统 |
Non-Patent Citations (2)
Title |
---|
Convex hull based node selection NLos mitigation for indoor Localization;Stephen Wang,Yuechuan Zhang;《IEEE Wireless Communications and Networking Conference》;20160406;全文 * |
Evaluation of Position related information in multipath components for indoor positioning;Erik Leitinger;《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》;20150506;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107205226A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107205226B (zh) | 基于信道分类的室内定位跟踪方法及系统 | |
US20230077304A1 (en) | Cooperative positioning method and apparatus, device, and storage medium | |
CN107318084B (zh) | 一种基于最优相似度的指纹定位方法及装置 | |
Nurminen et al. | Statistical path loss parameter estimation and positioning using RSS measurements in indoor wireless networks | |
Tayebi et al. | The application of ray-tracing to mobile localization using the direction of arrival and received signal strength in multipath indoor environments | |
Xu et al. | Optimal sensor deployment for 3D AOA target localization | |
Tarrio et al. | A new positioning technique for RSS-based localization based on a weighted least squares estimator | |
JP6395840B2 (ja) | ToFフィンガープリント及びジオロケーションのための方法及び装置 | |
Gholoobi et al. | RSS based localization using a new WKNN approach | |
CN108566677B (zh) | 一种指纹定位方法及装置 | |
CN111157943A (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
US11085991B1 (en) | Test node-based wireless positioning method and device thereof | |
Wang et al. | High-accuracy localization using single-anchor ultra-wide bandwidth systems | |
Zang et al. | Research on hybrid algorithm based on TDOA | |
RU2686481C1 (ru) | Адаптивный способ пространственного отождествления пеленгов с наземными источниками радиоизлучения и система для его реализации | |
CN111770528B (zh) | 基于信道参数萃取方法的视距与非视距识别方法及装置 | |
KR102118981B1 (ko) | 비콘 신호와 핑거프린트 맵 기반의 실내 측위 방법 및 시스템 | |
CN108834053B (zh) | 一种定位方法、装置及设备 | |
CN111366921A (zh) | 基于距离加权融合的双站雷达交叉定位方法、系统及介质 | |
Chen et al. | A modified probability neural network indoor positioning technique | |
Insanic et al. | A maximum likelihood approach to estimation of vector velocity in Doppler radar networks | |
Mazlan et al. | WiFi fingerprinting indoor positioning with multiple access points in a single base station using probabilistic method | |
Naseri et al. | Multipath-aided cooperative network localization using convex optimization | |
Romeo et al. | Data fusion with ML-PMHT for very low SNR track detection in an OTHR | |
Karbownik et al. | Ultra-wideband technology-based localization platform with real-time signal processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |