CN107817469B - 基于非视距环境下超宽频测距实现室内定位方法 - Google Patents
基于非视距环境下超宽频测距实现室内定位方法 Download PDFInfo
- Publication number
- CN107817469B CN107817469B CN201710970633.9A CN201710970633A CN107817469B CN 107817469 B CN107817469 B CN 107817469B CN 201710970633 A CN201710970633 A CN 201710970633A CN 107817469 B CN107817469 B CN 107817469B
- Authority
- CN
- China
- Prior art keywords
- distance
- base station
- target
- measured
- line
- 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
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
- G01S5/145—Using a supplementary range measurement, e.g. based on pseudo-range measurements
Abstract
本发明涉及一种基于非视距环境下超宽频测距实现室内定位方法,测试系统由被定位目标上的一个标签和n个基站组成,每个基站与标签之间通信采用超宽频传输技术,所有的基站安装在同一水平面上,被定位目标运动平面与基站平面要求定高,采用飞行时间TOF原理测距。根据多组测量距离信息与系统预测模型所估计出的距离信息进行比较,一方面通过测量距离与估计距离差值阈值进行是否为非视距测距数据的认定,另一方面,通过计算测量距离与估计距离差值在估计点对实际坐标偏移大小的阈值进行是否作为非视距测距数据的认定。两种判定方案共同决定距离数据是否为非视距测距数据,然后对非视距测量数据进行排除,再进行相应的定位运算,从而提高定位精度。
Description
技术领域
本发明涉及一种室内定位技术,特别涉及一种基于非视距环境下超宽频测距实现室内定位方法。
背景技术
移动机器人代表了机电一体化较高的水平,该机器人的广泛应用以自主导航作为前提,而较高的导航精度离不开较高的定位精度。在室内环境中布置传感器网络可以较好完成机器人定位与导航的功能。
现有技术中,通常使用多个距离信息组成多个距离方程组,使用最小二乘法求出目标点的坐标,从而使得方程的残差最小,但是由于室内环境的复杂性,传感器网络在测距过程中由于遮挡或者多径效应等原因,所得的距离信息会与实际距离信息产生较大差异,从而会使得定位信息存在较大偏差。
非视距为通信两点之间视线受阻;超宽频技术:通过对具有很陡上升和下降时间的冲激脉冲进行直接调制,使信号具有GHz量级的带宽。
发明内容
本发明是针对室内根据传感器网络的距离信息定位,非视距存在测距偏差的问题,提出了一种基于非视距环境下超宽频测距实现室内定位方法,识别并削弱由于非视距产生的误差,从而提高在非视距环境中的定位精度。
本发明的技术方案为:一种基于非视距环境下超宽频测距实现室内定位方法,具体包括如下步骤:
1)建立室内测试系统:被定位目标上的一个标签和n个基站组成,标签与基站均采用超宽带模块,每个基站与标签之间通信采用超宽频传输技术,所有的基站安装在同一水平面上,被定位目标与基站可在同一水平面,也可不在同一上水平面,但被定位目标运动平面与基站平面要求定高,每个基站与标签之间采用飞行时间TOF原理测距;
2)将所有基站和被测目标设在同一水平面,针对二维环境下进行定位计算:A:对步骤1)建立的室内测试系统进行预测模型估计:
预测阶段如下:
Xk|k-1=AXk-1|k-1
Pk|k-1=APk-1|k-1AT+Q
其中,X=[x y vx vy]T,Xk-1|k-1为k-1时刻状态变量X的最优估计,Xk|k-1为k时刻对于状态变量X的预测向量,Pk|k-1为k时刻的预测误差协方差矩阵,Pk-1|k-1为k-1时刻的校正误差协方差矩阵,Q为过程噪声协方差矩阵,设置为对角矩阵;
校正阶段如下:
其中(xi,yi)为第i个基站的位置信息,h(Xk|k-1)为k时刻每个基站与被测目标之间的估计距离所组成的列向量;
B:通过建立一个矩阵,让多组测量距离信息与系统预测模型所估计出的距离信息进行比较,判定出非视距测距数据:
根据基站个数n,定义一个矩阵满足:
C=I-CA·CB
其中,dvar为距离差阈值,为正数,dk,i为第k时刻第i个基站与被测目标之间的水平距离,hk,i为第k时刻h(Xk|k-1)中第i行元素;
C:定位运算:
定义H为h的雅克比矩阵:
H′k=CHk+(I-C)Hk-1
卡尔曼增益如下所示:
其中R为测量协方差矩阵,设置为对角矩阵,
状态校正式如下:
Xk|k=Xk|k-1+KkC(dk-hk)
Pk|k=Pk|k-1-KkH′kPk|k-1
其中,dk为第k时刻测量的距离向量,Pk|k为校正误差协方差矩阵,Xk|k即为在第k时刻的坐标最优估计列向量;
3)若被测目标与基站不在同一水平面上,采用直角三角形的几何关系来求解出被测目标与基站之间的水平距离:
其中,d测为实际测量距离,Δh为基站与目标的高度差,d为目标与基站的水平距离。
本发明的有益效果在于:本发明基于非视距环境下超宽频测距实现室内定位方法,根据多组测量距离信息与系统预测模型所估计出的距离信息进行比较,一方面通过测量距离与估计距离差值阈值进行是否为非视距测距数据的认定,另一方面,通过计算测量距离与估计距离差值在估计点对实际坐标偏移大小的阈值进行是否作为非视距测距数据的认定。两种判定方案共同决定距离数据是否为非视距测距数据,然后对非视距测量数据进行排除,再进行相应的定位运算,从而提高定位精度。
附图说明
图1为本发明室内环境下的基站与被测目标排布示意图。
具体实施方式
一种基于无线传感器网络的室内定位系统,对于单目标定位系统来说,由一个标签和多个基站组成,标签与基站均采用超宽带模块,标签和基站采用可充电的锂电池供电。每个基站与标签之间通信采用超宽频传输技术(该技术具有抗干扰性能强、传输速率高、系统容量大、发送功率小、精度高等特点),所有的基站安装在同一水平面上,被定位目标不要求与基站在同一水平面上,但是要求定高,可将标签安装至移动机器人上。若被测目标与基站不在同一水平面上,此时可采用直角三角形的几何关系来求解出被测目标与基站之间的水平距离:
其中,d测为实际测量距离,Δh为基站与目标的高度差,d为目标与基站的水平距离。基站摆放可以设置为如图1的形式,其中图1中五角星为基站,四角星为被测目标,黑线即为遮挡物。
每个基站与标签之间测距采用TOF(飞行时间Time of Flight)原理,具体实现如下:
将所有的基站与标签设置同步时钟。其次基站向四周发送无线信号,其中该信号中包含发送时刻的时间戳。标签接收到该信号时,根据标签的时间戳与接收到信息中的时间戳进行比对,通过时间差来计算出标签与基站之间的距离,如下式所示:
d测=c·(treceive-tsend) (2)
其中,c为光在真空中的传播速度,treceive为接收到数据的时间,tsend为发送数据的时间。
通过TOF测距原理,得到标签与每个基站之间的距离信息,所获得的距离信息存在噪声,其描述如下:
d(t)=dreal(t)+n(t)+NLOS(t) (3)
其中,d(t)为在t时刻所测量的距离值,dreal(t)为t时刻的真实距离,n(t)为满足均值为0、方差为σ2的高斯随机变量,NLOS(t)为t时刻的非视距误差,该值满足NLOS(t)≥0。
当标签与基站不在同一水平面时,需要使用公式(1)得到标签与基站之间的水平距离d,然后用二维环境的解法来进行求解;反之,若标签与基站在同一水平面时,则可直接使用获得的距离信息来进行求解,即d=d测,公式(3)是所测量的距离的误差模型,对所有定位测量均实用。
将所有基站和被测目标设在同一水平面,针对二维环境下的定位计算,目标运动模型和观测模型可以描述如下:
其中,(xi,yi)为第i个基站的坐标位置,共n个基站,(x,y)为被测目标的位置,zi为第i个基站与被测目标之间的观测距离。Z为观测距离所构成的向量。
为方便运算,将运动模型简化:
其中,x(k)和vx(k)为k时刻目标在世界坐标系下x方向的位置与速度,y(k)和vy(k)为k时刻目标在世界坐标系下y方向的位置与速度。
因此,预测阶段如下:
Xk|k-1=AXk-1|k-1 (7)
Pk|k-1=APk-1|k-1AT+Q (8)
其中,X=[x y vx vy]T,Xk-1|k-1为k-1时刻状态变量X的最优估计,Xk|k-1为k时刻对于状态变量X的预测向量,Pk|k-1为k时刻的预测误差协方差矩阵,Pk-1|k-1为k-1时刻的校正误差协方差矩阵,Q为过程噪声协方差矩阵,设置为对角矩阵。
校正阶段如下:
其中(xi,yi)为第i个基站的位置信息,h(Xk|k-1)为k时刻每个基站与被测目标之间的估计距离所组成的列向量。
根据基站个数n,定义一个矩阵满足:
C=I-CA·CB (11)
其中,dvar为距离差阈值,为正数,dk,i为第k时刻第i个基站与被测目标之间的水平距离,hk,i为第k时刻h(Xk|k-1)中第i行元素。
对于cBi,求取方式如下:
首先得出各个基站与目标之间的坐标方程:
其中,ri为第i个基站与被测目标之间的距离。
将(13)式中前n-1个方程分别与第n个方程相减,并整理得到(14)式。
并整理成(15)式形式:
由于非视距误差的存在,会使得实际测量值大于真实值,因此有:
(18)式减(15)式,根据最小二乘法,得到
其中,ΔB=B′-B=f(r1,...,rn,Δr1,...Δrn),
因此,有
因此,
定义H为h的雅克比矩阵:
H′k=CHk+(I-C)Hk-1 (24)
卡尔曼增益如下所示:
其中R为测量协方差矩阵,设置为对角矩阵。
状态校正式如下:
Xk|k=Xk|k-1+KkC(dk-hk) (26)
Pk|k=Pk|k-1-KkH′kPk|k-1 (27)
其中,dk为第k时刻测量的距离向量,Pk|k为校正误差协方差矩阵,Xk|k即为在第k时刻的坐标最优估计列向量。
根据(26)式即可以得到在k时刻目标的坐标点,然后重复上述方法进行多次迭代即可。
上述方法可从二维环境扩展至三维环境,在三维环境下。基站可不安装在同一水平面上,且预测模型可扩展至三维环境之中,求解方法相似。
Claims (2)
1.一种基于非视距环境下超宽频测距实现室内定位方法,其特征在于,具体包括如下步骤:
1)建立室内测试系统:被定位目标上的一个标签和n个基站组成,标签与基站均采用超宽带模块,每个基站与标签之间通信采用超宽频传输技术,所有的基站安装在同一水平面上,被定位目标与基站可在同一水平面,也可不在同一水平面上,但被定位目标运动平面与基站平面要求定高,每个基站与标签之间采用飞行时间TOF原理测距;
2)将所有基站和被测目标设在同一水平面,针对二维环境下进行定位计算:
A:对步骤1)建立的室内测试系统进行预测模型估计:
预测阶段如下:
Xk|k-1=AXk-1|k-1
Pk|k-1=APk-1|k-1AT+Q
其中,X=[x y vx vy]T,Xk-1|k-1为k-1时刻状态变量X的最优估计,Xk|k-1为k时刻对于状态变量X的预测向量,Pk|k-1为k时刻的预测误差协方差矩阵,Pk-1|k-1为k-1时刻的校正误差协方差矩阵,Q为过程噪声协方差矩阵,设置为对角矩阵;
校正阶段如下:
其中(xi,yi)为第i个基站的位置信息,h(Xk|k-1)为k时刻每个基站与被测目标之间的估计距离所组成的列向量;
B:通过建立一个矩阵,让多组测量距离信息与系统预测模型所估计出的距离信息进行比较,判定出非视距测距数据:
根据基站个数n,定义一个矩阵满足:
C=I-CA·CB
其中,dvar为距离差阈值,为正数,dk,i为第k时刻第i个基站与被测目标之间的水平距离,hk,i为第k时刻h(Xk|k-1)中第i行元素;
C:定位运算:
定义H为h的雅克比矩阵:
H′k=CHk+(I-C)Hk-1
卡尔曼增益如下所示:
其中R为测量协方差矩阵,设置为对角矩阵,
状态校正式如下:
Xk|k=Xk|k-1+KkC(dk-hk)
Pk|k=Pk|k-1-KkH′kPk|k-1
其中,dk为第k时刻测量的距离向量,Pk|k为校正误差协方差矩阵,Xk|k即为在第k时刻的坐标最优估计列向量;
3)若被测目标与基站不在同一水平面上,采用直角三角形的几何关系来求解出被测目标与基站之间的水平距离:
其中,d测为实际测量距离,Δh为基站与目标的高度差,d为目标与基站的水平距离。
2.根据权利要求1所述基于非视距环境下超宽频测距实现室内定位方法,其特征在于,步骤2)中的cBi具体求取方式如下:
首先得出各个基站与目标之间的坐标方程:
其中,ri为第i个基站与被测目标之间的距离,
将(13)式中前n-1个方程分别与第n个方程相减,并整理得到(14)式,
并整理成(15)式形式,
由于非视距误差的存在,会使得实际测量值大于真实值,因此有:
(18)式减(15)式,根据最小二乘法,得到
其中,ΔB=B′-B=f(r1,...,rn,Δr1,...Δrn),
因此,有
因此,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710970633.9A CN107817469B (zh) | 2017-10-18 | 2017-10-18 | 基于非视距环境下超宽频测距实现室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710970633.9A CN107817469B (zh) | 2017-10-18 | 2017-10-18 | 基于非视距环境下超宽频测距实现室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107817469A CN107817469A (zh) | 2018-03-20 |
CN107817469B true CN107817469B (zh) | 2020-11-24 |
Family
ID=61608120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710970633.9A Active CN107817469B (zh) | 2017-10-18 | 2017-10-18 | 基于非视距环境下超宽频测距实现室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107817469B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594215A (zh) * | 2018-04-04 | 2018-09-28 | 重庆人文科技学院 | 一种多点协同高精度无线测距定位方法 |
CN108872934B (zh) * | 2018-04-19 | 2022-05-17 | 南京邮电大学 | 一种基于非视距误差抑制的室内三维定位方法 |
JP7330209B2 (ja) * | 2018-05-23 | 2023-08-21 | デラヴァル ホルディング アーベー | 動物タグを位置決定するためのシステム、中間ベースステーションの位置を決定する方法、及びそのためのコンピュータプログラム |
CA3101191A1 (en) * | 2018-05-23 | 2019-11-28 | Delaval Holding Ab | System, method and computer program for positioning animal tags |
WO2020034085A1 (zh) * | 2018-08-14 | 2020-02-20 | 罗伯特·博世有限公司 | 用于检测信号传播类型的方法和装置 |
CN109141427B (zh) * | 2018-08-29 | 2022-01-25 | 上海理工大学 | 在非视距环境下基于距离和角度概率模型的ekf定位方法 |
US20210318422A1 (en) * | 2018-08-31 | 2021-10-14 | Robert Bosch Gmbh | Method and apparatus for detecting signal propagation type |
CN109548141B (zh) * | 2018-11-01 | 2020-11-10 | 上海理工大学 | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 |
CN110007264B (zh) * | 2019-04-19 | 2021-09-21 | 中国矿业大学(北京) | 一种矿井人员精确定位非视距误差判定方法 |
CN110044357B (zh) * | 2019-04-22 | 2023-02-24 | 长春工程学院 | 一种室内高精度三维无线定位方法 |
CN110133698B (zh) * | 2019-06-13 | 2023-06-27 | 湖南农业大学 | 用于农业作业机械自动导航定位的uwb定位方法及系统 |
CN110401915B (zh) * | 2019-08-27 | 2021-02-05 | 杭州电子科技大学 | 一种nlos条件下sekf与距离重构相结合的移动目标定位方法 |
CN111190139B (zh) * | 2020-01-13 | 2023-06-02 | 东北大学 | 一种用于复杂环境中超宽带非视线传输的高精度定位方法 |
CN111650575B (zh) * | 2020-05-30 | 2022-10-28 | Oppo广东移动通信有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
CN112066978A (zh) * | 2020-09-17 | 2020-12-11 | 西安思丹德信息技术有限公司 | 一种适用于机载设备的地面目标主动定位方法与装置 |
CN113108791B (zh) * | 2021-03-05 | 2023-08-04 | 深圳大学 | 一种导航定位方法及导航定位设备 |
CN113259884B (zh) * | 2021-05-19 | 2022-09-06 | 桂林电子科技大学 | 基于多参数融合的室内定位基站布设优化方法 |
CN113382354B (zh) * | 2021-06-08 | 2022-04-22 | 东南大学 | 一种基于因子图的无线定位非视距信号判别方法 |
CN113759180B (zh) * | 2021-09-06 | 2022-05-24 | 西安电子科技大学 | 提高超宽带测距精度的天线延时校准方法及系统 |
CN114302330B (zh) * | 2021-12-24 | 2023-07-18 | 重庆邮电大学 | 一种los/nlos环境下的基于ssgp的uwb定位方法 |
CN114928811A (zh) * | 2022-05-05 | 2022-08-19 | 南京理工大学 | 一种基于神经网络的超宽带矿井下人员精确定位方法 |
CN114578286B (zh) * | 2022-05-09 | 2022-09-20 | 江苏多飞网络科技有限公司 | 一种商品入库的监督方法与系统 |
CN117518076B (zh) * | 2023-11-07 | 2024-04-19 | 中南大学 | 一种管道内机器人定位的非视距误差识别和缓解方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008017034A2 (en) * | 2006-08-03 | 2008-02-07 | Ntt Docomo Inc. | Weighted least square localization method exploiting multipath channel statistics for non-line-of-sight mitigation |
CN101526605A (zh) * | 2009-03-31 | 2009-09-09 | 江苏大学 | 一种具有非视距误差消除功能的鲁棒定位方法 |
CN105824003B (zh) * | 2014-12-16 | 2019-02-22 | 国家电网公司 | 一种基于轨迹平滑的室内移动目标定位方法 |
CN105357754B (zh) * | 2015-11-02 | 2018-08-10 | 中国电子科技集团公司第二十八研究所 | 一种基于无线网络的移动节点组合定位方法 |
CN106707235B (zh) * | 2017-03-08 | 2019-07-02 | 南京信息工程大学 | 一种基于改进的无迹卡尔曼滤波的室内测距定位方法 |
-
2017
- 2017-10-18 CN CN201710970633.9A patent/CN107817469B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107817469A (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107817469B (zh) | 基于非视距环境下超宽频测距实现室内定位方法 | |
CN109548141B (zh) | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 | |
CN109597027B (zh) | 一种基于单基站的定位系统及方法 | |
CN103501538B (zh) | 基于多径能量指纹的室内定位方法 | |
CN104602340A (zh) | 基于超宽带技术的定位系统及定位方法 | |
CN102231912A (zh) | 一种基于rssi测距的室内无线传感器网络定位方法 | |
CN108872932B (zh) | 基于神经网络的超视距目标直接定位结果纠偏方法 | |
CN105549005A (zh) | 一种基于网格划分的动态目标波达方向跟踪方法 | |
CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
CN110856106A (zh) | 基于uwb和气压计的室内高精度三维定位方法 | |
CN110187333B (zh) | 一种基于合成孔径雷达技术的rfid标签定位方法 | |
CN103630875A (zh) | 一种射频识别定位方法及装置 | |
CN105044667A (zh) | 一种运动目标的双星跟踪方法、装置和系统 | |
CN103376447A (zh) | 一种实现非合作双多基地雷达目标三维定位的方法 | |
CN111352444A (zh) | 基于无线导航的无人机室外移动平台自主降落方法及系统 | |
KR100977246B1 (ko) | 순방향 링크 aoa를 이용한 위치 추정 장치 및 방법 | |
CN102395198A (zh) | 无线传感网络基于信号强度的节点定位方法及装置 | |
CN110888108B (zh) | 一种基于rfid与相位校准的定位方法 | |
CN103096465B (zh) | 一种环境自适应的多目标直接定位方法 | |
CN113551670A (zh) | 一种基于uwb的三维寻物方法和装置 | |
CN104515974B (zh) | 微波着陆机载设备角度、测距数据处理方法 | |
CN113359787A (zh) | 一种基于超宽带定位的无人机机库降落方法 | |
CN111060945B (zh) | 一种gnss/5g紧组合融合定位方法与装置 | |
CN102288107B (zh) | 基于无线传感网络引导的超大几何参量测量系统自标定方法 | |
CN103491628A (zh) | 一种基于tpoa的nlos传输环境无线定位方法 |
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 |