CN107402375B - 一种带观测时滞的室内行人定位efir数据融合系统及方法 - Google Patents
一种带观测时滞的室内行人定位efir数据融合系统及方法 Download PDFInfo
- Publication number
- CN107402375B CN107402375B CN201710671294.4A CN201710671294A CN107402375B CN 107402375 B CN107402375 B CN 107402375B CN 201710671294 A CN201710671294 A CN 201710671294A CN 107402375 B CN107402375 B CN 107402375B
- Authority
- CN
- China
- Prior art keywords
- time
- uwb
- moment
- efir
- observation
- 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
Images
Classifications
-
- 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
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种带观测时滞的室内行人定位EFIR数据融合系统及方法,包括:通过UWB目标节点获取其与UWB参考节点之间的到达时刻,并通过TOA‑距离模型得到UWB参考节点与目标节点之间的距离信息。将获取到的距离信息作为观测量输入到EFIR滤波器,通过EFIR滤波器进行数据融合,并对目标行人的位置信息进行预估,最终得到当前时刻的行人最优的位置信息。本发明有益效果:EFIR滤波器以目标行人在k和k‑1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k‑1时刻参考节点与定位标签之间的距离作为系统观测量构建UWB定位模型进行数据融合,减少了由于UWB无线数据传输造成的数据采集延时对系统定位精度的影响。
Description
技术领域
本发明涉及复杂环境下组合定位技术领域,尤其涉及一种带观测时滞的室内行人定位EFIR数据融合系统及方法。
背景技术
近年来,行人导航(Pedestrian Navigation,PN)作为导航技术应用的新兴领域,正越来越受到各国学者的重视,并逐渐成为该领域的研究热点。然而在隧道、大型仓库、地下停车场等室内环境下,外界无线电信号微弱、电磁干扰强烈等因素都会对目标行人导航信息获取的准确性、实时性及鲁棒性有很大影响。如何将室内环境下获取的有限信息进行有效的融合以消除室内复杂环境影响,保证行人导航精度的持续稳定,具有重要的科学理论意义和实际应用价值。
在现有的定位方式中,全球卫星导航系统(Global Navigation SatelliteSystem,GNSS)是最为常用的一种方式。虽然GNSS能够通过精度持续稳定的位置信息,但是其易受电磁干扰、遮挡等外界环境影响的缺点限制了其应用范围,特别是在室内、地下巷道等一些密闭的、环境复杂的场景,GNSS信号被严重遮挡,无法进行有效的工作。近年来,UWB(Ultra Wideband)以其在复杂环境下定位精度高的特点在短距离局部定位领域表现出很大的潜力。学者们提出将基于UWB的目标跟踪应用于GNSS失效环境下的行人导航。这种方式虽然能够实现室内定位,但是由于室内环境复杂多变,UWB信号十分容易受到干扰而导致定位精度下降甚至失锁;与此同时,由于UWB采用的通信技术通常为短距离无线通信技术,因此若想完成大范围的室内目标跟踪定位,需要大量的网络节点共同完成,这必将引入网络组织结构优化设计、多节点多簇网络协同通信等一系列问题。因此现阶段基于UWB的目标跟踪在室内导航领域仍旧面临很多挑战。
发明内容
本发明的目的就是为了解决由于UWB无线数据传输造成的数据采集延时对系统定位精度的影响,提供了一种带观测时滞的室内行人定位EFIR数据融合系统及方法,该系统及方法以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建UWB定位模型进行数据融合,减少了由于UWB无线数据传输造成的数据采集延时对系统定位精度的影响。
为实现上述目的,本发明的具体方案如下:
一种带观测时滞的室内行人定位EFIR数据融合系统,包括:
UWB目标节点:用于测量UWB定位标签与UWB参考节点之间的距离信息;
UWB参考节点:预先放置在设定的位置,便于测量与定位标签之间的距离;
数据处理系统:用于对采集到的传感器数据进行数据融合;
所述UWB目标节点固定在行人的身体上,所述UWB参考节点设置在任意位置,所述UWB目标节点与数据处理系统连接。
进一步地,所述数据处理系统包括EFIR滤波器,通过所述EFIR滤波器对UWB目标节点获取的其与UWB参考节点之间的距离信息进行数据融合,最终得到目标行人的最优位置信息预估。
一种带观测时滞的室内行人定位EFIR数据融合方法,包括:
(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量,构建UWB定位模型;
(2)通过UWB目标节点获取其与UWB参考节点之间的到达时刻TOA,并通过TOA-距离模型得到UWB参考节点与目标节点之间的距离信息;
(3)将获取到的距离信息作为观测量输入到扩展有限状态响应滤波器,通过扩展有限状态响应滤波器进行数据融合,并对目标行人的位置信息进行预估,最终得到当前时刻的行人最优的位置信息。
进一步地,所述扩展有限状态响应滤波器的状态方程为:
其中,(PEast,k,PNorth,k)、(PEast,k-1,PNorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的位置;(VEast,k,VNorth,k)、(VEast,k-1,VNorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的速度;T为采样时间;为非时滞模型中k-1时刻的系统噪声。
进一步地,所述扩展有限状态响应滤波器的观测方程为:
其中,(d1,k-1,d2,k-1,d3,k-1,d4,k-1)分别为通过UWB目标节点获取到的k-1时刻到UWB参考节点(编号1-4)的距离信息,为系统k时刻的观测噪声;为在k-1时刻参考节点i的东向位置;为在k-1时刻参考节点i的北向位置;为关于的函数。
进一步地,所述TOA-距离模型具体为:
以UWB目标节点获取到的其与UWB参考节点之间的到达时刻TOA为输入量,以距离为输出量,中间运算过程为;TOA*光速=距离。
进一步地,作为状态量目标行人k时刻和k-1时刻的东向和北向位置的初值根据实际需要自行设定。
进一步地,所述扩展有限状态响应滤波器EFIR进行数据融合的方法具体为:
设定中间变量m和s:
m=k-N+1,s=m+M-1;
其中,N为EFIR滤波器的局部滤波窗口的大小;M为状态向量的维数;
设定中间变量j的范围为从s+1时刻到k时刻,EFIR滤波器进行的迭代如下:
其中,为j-1时刻带观测时滞模型的系统矩阵;为j-1时刻带观测时滞模型的状态向量迭代中间量;为由j-1时刻得到的j时刻带观测时滞模型的状态向量迭代中间量;和分别为j和j-1时刻的广义噪声功率增益;为j时刻带观测时滞模型的偏差校正增益;为带观测时滞模型在j时刻的观测向量;为j时刻带观测时滞模型下的状态向量预估值;为关于的函数。
本发明的有益效果:
1、EFIR滤波器以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建UWB定位模型进行数据融合,减少了由于UWB无线数据传输造成的数据采集延时对系统定位精度的影响。
2、可用于室内环境下的智能鞋子的中高精度定位。
附图说明
图1为一种带观测时滞的室内行人定位系统示意图;
图2为一种带观测时滞的室内行人定位EFIR数据融合方法的示意图。
具体实施方式:
下面结合附图对本发明进行详细说明:
一种带观测时滞的室内行人定位系统,如图1所示,包括:UWB目标节点、UWB参考节点和数据处理系统;UWB目标节点固定置在行人的身体上,UWB参考节点设置在任意位置,UWB目标节点与数据处理系统连接。
其中,
UWB目标节点:用于测量UWB定位标签与UWB参考节点之间的距离信息;
UWB参考节点:预先放置在设定的位置,便于测量与定位标签之间的距离;
数据处理系统:用于对采集到的传感器数据进行数据融合;
数据处理系统包括EFIR滤波器,通过EFIR滤波器对UWB目标节点获取的其与UWB参考节点之间的距离信息进行数据融合,最终得到目标行人的最优位置信息预估。
一种带观测时滞的室内行人定位EFIR数据融合方法,如图2所示,包括:
(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建UWB定位模型进行数据融合;
(2)通过UWB目标节点获取其与UWB参考节点之间的到达时刻(Time of Arrival,TOA),并通过TOA-距离模型得到UWB参考节点与目标节点之间的距离信息。
TOA-距离模型具体为:
以UWB目标节点获取到的其与UWB参考节点之间的到达时刻TOA为输入量,以距离为输出量,中间运算过程为;TOA*光速=距离。
(3)将获取到的距离信息作为观测量输入到扩展有限状态响应(Extended finiteimpulse response,EFIR)滤波器,通过EFIR滤波器进行数据融合,并对目标行人的位置信息进行预估,最终得到当前时刻的行人最优的位置信息;
EFIR滤波器的状态方程为:
其中,(PEast,k,PNorth,k)、(PEast,k-1,PNorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的位置;(VEast,k,VNorth,k)、(VEast,k-1,VNorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的速度;T为采样时间;为非时滞模型中k-1时刻的系统噪声;
作为状态量目标行人k时刻和k-1时刻的东向和北向位置的初值根据实际需要自行设定。
EFIR滤波器的观测方程为:
扩展有限状态响应滤波器EFIR进行数据融合的方法具体为:
设定中间变量m和s:
m=k-N+1,s=m+M-1;
其中,N为EFIR滤波器的局部滤波窗口的大小;M为状态向量的维数;
设定中间变量j的范围为从s+1时刻到k时刻,EFIR滤波器进行的迭代如下:
其中,为j-1时刻带观测时滞模型的系统矩阵;为j-1时刻带观测时滞模型的状态向量迭代中间量;为由j-1时刻得到的j时刻带观测时滞模型的状态向量迭代中间量;和分别为j和j-1时刻的广义噪声功率增益;为j时刻带观测时滞模型的偏差校正增益;为带观测时滞模型在j时刻的观测向量;为j时刻带观测时滞模型下的状态向量预估值;为关于的函数。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种带观测时滞的室内行人定位EFIR数据融合系统,其特征在于,包括:
UWB目标节点:用于测量UWB定位标签与UWB参考节点之间的距离信息;
UWB参考节点:预先放置在设定的位置,便于测量与定位标签之间的距离;
数据处理系统:用于对采集到的传感器数据进行数据融合;
所述UWB目标节点固定在行人的身体上,所述UWB参考节点设置在任意位置,所述UWB目标节点与数据处理系统连接;
所述数据处理系统包括EFIR滤波器,通过所述EFIR滤波器对UWB目标节点获取的其与UWB参考节点之间的距离信息进行数据融合,最终得到目标行人的最优位置信息预估,具体为:
(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量,构建UWB定位模型;
所述扩展有限状态响应滤波器的状态方程为:
所述扩展有限状态响应滤波器的观测方程为:
其中,(d1,k-1,d2,k-1,d3,k-1,d4,k-1)分别为通过UWB目标节点获取到的k-1时刻到UWB参考节点的距离信息,为系统k时刻的观测噪声;i=1,2,3,4为在k-1时刻参考节点i的东向位置;i=1,2,3,4为在k-1时刻参考节点i的北向位置;为关于的函数;为k时刻带观测时滞模型下的观测向量;
(2)通过UWB目标节点获取其与UWB参考节点之间的到达时刻TOA,并通过TOA-距离模型得到UWB参考节点与目标节点之间的距离信息;
(3)将获取到的距离信息作为观测量输入到扩展有限状态响应滤波器,通过扩展有限状态响应滤波器进行数据融合,并对目标行人的位置信息进行预估,最终得到当前时刻的行人最优的位置信息。
2.一种带观测时滞的室内行人定位EFIR数据融合方法,基于权利要求1所述的一种带观测时滞的室内行人定位EFIR数据融合系统实现,其特征在于,包括:
(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量,以UWB定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量,构建UWB定位模型;
所述扩展有限状态响应滤波器的状态方程为:
所述扩展有限状态响应滤波器的观测方程为:
其中,(d1,k-1,d2,k-1,d3,k-1,d4,k-1)分别为通过UWB目标节点获取到的k-1时刻到UWB参考节点的距离信息,为系统k时刻的观测噪声;i=1,2,3,4为在k-1时刻参考节点i的东向位置;i=1,2,3,4为在k-1时刻参考节点i的北向位置;为关于的函数;为k时刻带观测时滞模型下的观测向量;
(2)通过UWB目标节点获取其与UWB参考节点之间的到达时刻TOA,并通过TOA-距离模型得到UWB参考节点与目标节点之间的距离信息;
(3)将获取到的距离信息作为观测量输入到扩展有限状态响应滤波器,通过扩展有限状态响应滤波器进行数据融合,并对目标行人的位置信息进行预估,最终得到当前时刻的行人最优的位置信息。
4.如权利要求2所述的一种带观测时滞的室内行人定位EFIR数据融合方法,其特征在于,所述TOA-距离模型具体为:
以UWB目标节点获取到的其与UWB参考节点之间的到达时刻TOA为输入量,以距离为输出量,中间运算过程为;TOA*光速=距离。
5.如权利要求2所述的一种带观测时滞的室内行人定位EFIR数据融合方法,其特征在于,作为状态量目标行人k时刻和k-1时刻的东向和北向位置的初值根据实际需要自行设定。
6.如权利要求2所述的一种带观测时滞的室内行人定位EFIR数据融合方法,其特征在于,所述扩展有限状态响应滤波器EFIR进行数据融合的方法具体为:
设定中间变量m和s:
m=k-N+1,s=m+M-1;
其中,N为EFIR滤波器的局部滤波窗口的大小;M为状态向量的维数;
设定中间变量j的范围为从s+1时刻到k时刻,EFIR滤波器进行的迭代如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710671294.4A CN107402375B (zh) | 2017-08-08 | 2017-08-08 | 一种带观测时滞的室内行人定位efir数据融合系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710671294.4A CN107402375B (zh) | 2017-08-08 | 2017-08-08 | 一种带观测时滞的室内行人定位efir数据融合系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107402375A CN107402375A (zh) | 2017-11-28 |
CN107402375B true CN107402375B (zh) | 2020-05-05 |
Family
ID=60401643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710671294.4A Active CN107402375B (zh) | 2017-08-08 | 2017-08-08 | 一种带观测时滞的室内行人定位efir数据融合系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107402375B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680167B (zh) * | 2018-05-16 | 2020-10-16 | 深迪半导体(上海)有限公司 | 基于uwb和激光测距的室内航位推算定位方法及系统 |
CN109141412B (zh) * | 2018-08-06 | 2020-09-22 | 济南大学 | 面向有数据缺失ins/uwb组合行人导航的ufir滤波算法及系统 |
CN108759825B (zh) * | 2018-08-06 | 2020-05-05 | 济南大学 | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 |
CN112788743A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 一种基于超宽带技术的定位方法和装置 |
CN112346007B (zh) * | 2020-10-26 | 2022-08-12 | 上海航天测控通信研究所 | 一种测向定位方法及系统 |
CN113218388B (zh) * | 2021-03-02 | 2022-07-05 | 济南大学 | 一种考虑可变有色测量噪声的移动机器人定位方法及系统 |
CN113970331A (zh) * | 2021-09-06 | 2022-01-25 | 济南大学 | 一种基于重构观测量的四旋翼定位方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281281A (zh) * | 2013-05-28 | 2013-09-04 | 安徽华东光电技术研究所 | 一种基于超宽带室内导航定位系统 |
CN205176258U (zh) * | 2015-10-20 | 2016-04-20 | 南京睿辰欣创网络科技股份有限公司 | 一种基于uwb的室内定位系统 |
CN105928518A (zh) * | 2016-04-14 | 2016-09-07 | 济南大学 | 采用伪距和位置信息的室内行人uwb/ins紧组合导航系统及方法 |
CN106871893A (zh) * | 2017-03-03 | 2017-06-20 | 济南大学 | 分布式ins/uwb紧组合导航系统及方法 |
-
2017
- 2017-08-08 CN CN201710671294.4A patent/CN107402375B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281281A (zh) * | 2013-05-28 | 2013-09-04 | 安徽华东光电技术研究所 | 一种基于超宽带室内导航定位系统 |
CN205176258U (zh) * | 2015-10-20 | 2016-04-20 | 南京睿辰欣创网络科技股份有限公司 | 一种基于uwb的室内定位系统 |
CN105928518A (zh) * | 2016-04-14 | 2016-09-07 | 济南大学 | 采用伪距和位置信息的室内行人uwb/ins紧组合导航系统及方法 |
CN106871893A (zh) * | 2017-03-03 | 2017-06-20 | 济南大学 | 分布式ins/uwb紧组合导航系统及方法 |
Non-Patent Citations (1)
Title |
---|
Triangulation-Based Indoor Robot Localization Using Extended FIR/Kalman Filtering;Moises Granados-Cruz etal.;《2014 11th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE)》;20141003;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107402375A (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107402375B (zh) | 一种带观测时滞的室内行人定位efir数据融合系统及方法 | |
CN107255795B (zh) | 基于ekf/efir混合滤波的室内移动机器人定位方法和装置 | |
CN109141413B (zh) | 具有数据缺失uwb行人定位的efir滤波算法及系统 | |
CN103471595B (zh) | 一种面向ins/wsn室内移动机器人紧组合导航的迭代扩展rts均值滤波方法 | |
CN106680765B (zh) | 基于分布式组合滤波ins/uwb行人导航系统及方法 | |
Xu et al. | Enhancing INS/UWB integrated position estimation using federated EFIR filtering | |
CN105509739A (zh) | 采用固定区间crts平滑的ins/uwb紧组合导航系统及方法 | |
Rinauro et al. | Fast near-maximum likelihood phase estimation of X-ray pulsars | |
CN109141412B (zh) | 面向有数据缺失ins/uwb组合行人导航的ufir滤波算法及系统 | |
CN107966143A (zh) | 一种基于多窗口的自适应efir数据融合方法 | |
CN108759825B (zh) | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 | |
CN111964667B (zh) | 一种基于粒子滤波算法的地磁_ins组合导航方法 | |
CN205384029U (zh) | 采用固定区间crts平滑的ins/uwb紧组合导航系统 | |
CN114217268A (zh) | 一种基于机器学习的复杂环境下无线定位方法 | |
CN109655060B (zh) | 基于kf/fir和ls-svm融合的ins/uwb组合导航算法及系统 | |
CN104202817B (zh) | 大型室内空间中的多热点信号指纹地图的存储和匹配方法 | |
CN109269498B (zh) | 面向具有数据缺失uwb行人导航的自适应预估ekf滤波算法及系统 | |
Wang et al. | Deep neural network‐based Wi‐Fi/pedestrian dead reckoning indoor positioning system using adaptive robust factor graph model | |
Wang et al. | A compensation method for gyroscope random drift based on unscented Kalman filter and support vector regression optimized by adaptive beetle antennae search algorithm | |
Lu et al. | A robust UWB array localization scheme through passive anchor assistance | |
CN104296741A (zh) | 采用距离平方和距离平方变化率的wsn/ahrs紧组合方法 | |
CN111578939B (zh) | 考虑采样周期随机变化的机器人紧组合导航方法及系统 | |
Kong et al. | Hybrid indoor positioning method of BLE and monocular VINS based smartphone | |
CN104897157A (zh) | 基于足部航姿参考和肩部电子罗盘的个人导航系统及方法 | |
CN113218388B (zh) | 一种考虑可变有色测量噪声的移动机器人定位方法及系统 |
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 |