CN108107421A - 一种室内测距方法和装置 - Google Patents

Abstract

本发明实施例公开了一种室内测距方法和装置。所述方法包括：通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。本发明实施例可以消除NLOS环境下的NLOS误差，提高测距精度。

Description

一种室内测距方法和装置

技术领域

本发明实施例涉及测距技术领域，尤其涉及一种室内测距方法和装置。

背景技术

随着目标距离测量技术的发展，先进的测距技术在军事和民用等很多领域都发挥的重要的作用，目标距离测量的精确度的要求也越来越高。

现有技术中主要基于到达时间差(Time Difference of Arrival，TDOA)的测距算法进行测距，在发射端发射信号到达两个接收端，算出它们各自的到达时间，然后将这两个时间做差从而算出时间差，再通过基本的测距算法计算出接收端的位置。一般采用Chan算法进行接收端位置的计算，然而在非视距(Non Line of Sight，NLOS)环境下TDOA的误差除了包含系统测量误差外还有额外的附加时延误差(NLOS误差)，而Chan算法的加权矩阵中只考虑了系统测量误差，这就使得在NLOS环境下使用Chan算法不能抵消附加时延带来的误差，测距的结果必然会产生较大的误差。

发明内容

本发明提供一种室内测距方法和装置，可以消除非视距(Non Line of Sight，NLOS)环境下的NLOS误差，提高测距精度。

第一方面，本发明实施例提供了一种室内测距方法，包括：

通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；

采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

第二方面，本发明实施例还提供了一种室内测距装置，该装置包括：

NLOS误差消除模块，用于通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；

距离值模块，用于采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

本发明实施例通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值，并采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。本发明实施例的技术方案可以消除非视距(Non Line of Sight，NLOS)环境下的NLOS误差，提高测距精度。

附图说明

图1为本发明实施例一中的室内测距方法的流程图；

图2为本发明实施例一中的节点与待测距点之间的位置分布图；

图3为本发明实施例一中的NLOS环境下测距偏差示意图；

图4为本发明实施例二中的测距路径的示意图；

图5为本发明实施例二中的定位精度示意图；

图6为本发明实施例二中的NLOS误差指数示意图；

图7为本发明实施例三中的室内测距装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一中的室内测距方法的流程图，本实施例可适用于室内测距的情况，该方法可以由室内测距装置来执行，本实施例可选基于低功率的无线接入节点(Small Cell)进行测距来具体说明，具体包括如下步骤：

步骤110、通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值。

其中，所述基于区域面积差的NLOS误差抑制算法可以基于几何面积判决算法进行计算。图2为本发明实施例一中的节点与待测距点之间的位置分布图，参见图2，可以对所述几何面积判决算法进行具体说明：

假设室内空间中有五个Small cell信号节点：AP₁、AP₂、AP₃、AP₄和AP₅，待测距点为O，O点位于AP₁、AP₂、AP₃、AP₄和AP₅五点所围成的五边形之区域内，那么O点与AP₁、AP₂、AP₃、AP₄和AP₅五点就可形成五个小三角形。对于一个三角形，当知道它三条边的长度时，就可以用海伦(Heron)公式得出该三角形的面积：其中S为三角形的面积；a、b和c分别为三角形三条边的边长，k＝(a+b+c)/2。如图2所示，O点与AP₁、AP₂、AP₃、AP₄和AP₅五点形成的五个小三角形的面积可以根据海伦公式分别求出来：

其中，dS₁、dS₂、dS₃、dS₄和dS₅分别为O点到AP₁、AP₂、AP₃、AP₄和AP₅的距离，令S'为O点与AP₁、AP₂、AP₃、AP₄和AP₅所围成的五个小三角形的面之和，即设S为AP₁、AP₂、AP₃、AP₄和AP₅五个节点所形成的大五角形的面积，它可以通过实际测量得到。

在LOS环境下，S的值应等于S'，然而，由于信号在室内环境下传播属于NLOS传播，而NLOS因素是一个非负的随机变量，所以在室内环境下，S'显著增大，即S'＞S。

图3为本发明实施例一中的NLOS环境下测距偏差示意图，参见图3，可以对所述基于区域面积差的NLOS误差抑制算法进行具体说明：

如图3所示，O点是待测距点的真实位置，因为NLOS的影响，待测距点O相对于节点AP₁、AP₂、AP₃、AP₄和AP₅的位置偏移到待测偏移距点O'。

通过到达时间(Time of Arrival，TOA)算法可以获得待测偏移距点O'到各个节点AP_i的偏移距离值dS_i'(i＝1,2,...,5)，具体可以包括：首先测量待测偏移距点O'到各个节点AP_i的TOA时间t_i(i＝1,2,...,5)，乘以光速v_c得到五个偏移距离值dS_i'，dS_i'＝v_c*t_i，(i＝1,2,...,5)。待测距点O到节点AP₁、AP₂、AP₃、AP₄和AP₅的真实距离值为dS_i(i＝1,2,...,5)，节点AP_i到AP_j的距离为d_ij，d_ij可以通过实际测量获得，区域AP_iOAP_jO'的面积为S_ij，其中1≤i≤4，2≤j≤5，j＝i+1。参见图3，区域AP₁OAP₂O'的面积等于ΔAP₁O'AP₂的面积减去ΔAP₁OAP₂的面积，即：

同理，

由于信号强度衰减越大，待测距点离节点之间的距离越远，因此对ΔS＝S'-S的影响越大。设节点AP_i到待测距点O的信号衰减值为PL_i，所以总区域面积差ΔS＝S₁₂+S₂₃+S₃₄+S₄₅+S₅₁与总的信号衰减值成正增长关系，即各路径NLOS衰减总和越大，则ΔS越大，同理，当ΔS一定时，即衰减的总和不变时，PL_i+PL_j越大，则S_ij占ΔS的比例越大。

则S_ij占ΔS的权重为

因此

即通过任意相邻两个节点到待测距点的信号衰减值之和占信号衰减值总和的权重，确定所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值；依据所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值，获取所述两个节点与待测距点组成的区域和所述两个节点与待测偏移距点组成的区域之间的面积差。

根据海伦公式可以得到待测偏移距点O'与各个节点AP_i中任中意相邻两个节点组成的区域的面积：

其中，

同理，也可以根据海伦公式得到待测距点O与各个节点AP_i中任意相邻两个节点组成的区域的面积：

其中，

根据所述面积差、包含有真实距离未知量的任意相邻两个节点与待测距点组成区域的面积、依据所述偏移距离值得到的任意相邻两个节点与待测偏移距点组成区域的面积和相邻节点的距离值，得到待测距点到各个节点的真实距离值，将所述真实距离值作为重构距离值。

步骤120、采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

其中，所述TDOA算法可以为：

设参与测距的Smallcell节点的坐标为(x_i,y_i)，且第一个节点的坐标为(x₁,y₁)，待测节点坐标为(x,y)，则待测距点到第i个节点的距离为

则第i个节点到待测距点的距离与第一个节点(x₁,y₁)到待测距点的距离差为

等式变换可得R_i,1 ²+2R_i,1R₁＝K_i-2X_i,1x-2Y_i,1y-K₁,i＝1,2,3...,N，其中，X_i,1＝X_i-X₁,Y_i,1＝Y_i-Y₁,K_i＝X_i ²+Y_i ²。

所述Chan算法是一种基于TDOA技术、具有解析表达式解的定位算法，是一种非递归的双曲线方程组算法，它具有解析表达式解。该算法具有很多优点，如计算复杂度小和在噪声服从正态分布的环境下具有较高的测距精度。

当参与测距的节点为4个以上时，Chan算法可以充分地利用测得的TDOA值，获得更为准确的测距结果。基本原理如下，因为初始获得的TDOA方程组是非线性的，所以第一步需要将此非线性的方程组转换成线性方程组，然后利用加权最小二乘算法(Weighted LeastSquare，WLS)将此线性方程组解出一个初始解。利用此次得出的初始解和其他的已知约束条件对待测距点进行第二次WLS估计。第二次WLS估计之后，就可以得到一个改进的解。其具体实施如下：

假设为未知变量，其中z_p＝[x,y]^T，通过式R_i,1 ²+2R_i,1R₁＝K_i-2X_i,1x-2Y_i,1y-K₁,i＝1,2,3...,N可以求出TDOA噪声的误差矢量，其可以表示为：其中，

可以定义无噪声误差时{*}变量表示为{*}⁰，因此有 又因通过推导式可以将噪声误差矢量表示为：其中，

当信噪比(SNR)较高时，噪声矢量n近似服从高斯分布，可以通过计算得出噪声矢量的协方差矩阵。在实际应用过程中，通常可以cn_i,1＜＜R₁ ⁰，所以可以忽略掉式中的第二项，则误差矢量ψ就成为了高斯随机矢量，且其协方差矩阵形式为ψ＝E[ψψ^T]＝c²BQB。

上式中，Q是TDOA的协方差矩阵。z_α的元素R₁是和式有关的，所以式仍然是变量的非线性方程组。为了求解上述非线性方程组，这里先假设x，y和R_i无关，再利用WLS算法对其进行第一次估计，然后将已知的x，y和R_i的关系代入第一次估计结果，进行第二次估计，即可得到最终结果。上述两个步骤是对待测距点位置坐标的最大似然(ML)估计的近似。假定z_α的元素之间是相互独立的，则z_α的ML估计可以表示为：

z_α＝argmin{(h-G_αz_α ⁰)^Tψ^-1(h-G_αz_α ⁰)}

＝(G_α ^Tψ^-1G_α)^-1G_α ^Tψ^-1h

上式是式的WLS解，因为B中包含待测距点到各节点之间的距离，所以还是未知的，故上式还无法求解。所以，还需要对其作进一步的近似。当待测距点到各节点的距离很远，R_i ⁰(i＝1,2,3,…,M)与定义距离R⁰的值很接近，故B≈R⁰I。z_α可以近似表示为：z_α＝(G_α ^TQ^-1G_α)^-1G_α ^TQ^-1h。

当待测距点到各节点的距离较近时，从上式z_α＝(G_α ^TQ^-1G_α)^-1G_α ^TQ^-1h可以得到一个初始解，用这个解计算B矩阵，然后通过式得到第一次WLS估计结果。在做第二次WLS计算时，需要首先得到z_α的协方差矩阵。通过z_α的期望值和z_αz_α ^T可以计算z_α的协方差矩阵。G_α矩阵不容易直接得到，因为它包含随机元素R_i,1，可以通过扰动方法计算协方差矩阵。当存在噪声时R_i,1＝R_i,1 ⁰+cn_i,1，并且，G_α＝G_α ⁰+ΔG_α，h＝h⁰+Δh。

因为G_α ⁰z_α ⁰＝h⁰由式可知ψ＝Δh-ΔG_α ⁰z_α ⁰，令由式ψ＝Δh-ΔG_α ⁰z_α ⁰得

保留上式中的线性扰动分量，然后利用式R_i,1＝R_i,1 ⁰+cn_i,1和式ψ＝Δh-ΔG_α ⁰z_α ⁰可知Δz_α和其协方差如下： 上述的计算忽略了式中的平方项，式可以用来计算cov(z_α)。以上的计算过程中是以假设x，y和R_i相互独立为前提的。但是，通过可知，它们之间并非相互独立，所以，可以利用x，y和R_i的相互关系进一步改进测距估计的性能。当TDOA误差比较小时这种偏差可以忽略不计，矢量是一个随机矢量，它的均值是一个实际值，其协方差矩阵由式确定。所以z_α的元素可以表示为z_α,1＝x⁰+e₁，z_α,2＝y⁰+e₂，z_α,3＝R₁ ⁰+e₃，其中，e₁，e₂，e₃是z_α的估计误差。将z_α的前两个元素分别减去X₁，Y₁，然后再对各元素分别取平方，就得到了另外一组方程：ψ'＝h'-G_αz_α'，其中，ψ′是z_α的误差矢量。

把式z_α,1＝x⁰+e₁，z_α,2＝y⁰+e₂和z_α,3＝R₁ ⁰+e₃代入式ψ'＝h'-G_αz_α'可得

ψ₁'＝2(x⁰-X₁)e₁+e₁ ²≈2(x⁰-X₁)e₁

ψ₂'＝2(y⁰-Y₁)e₂+e₂ ²≈2(y⁰-Y₁)e₂

只有在误差e的值较小的时候上述近似才能成立，上述推算是对ML估计的再一次近似。ψ′的协方差矩阵可以表示为

ψ'＝E(ψ'ψ^'T)＝4B'cov(z_α)B'

因为ψ服从正态分布，故ψ'也服从正态分布，则Δz_α＝c(G_α ^′Tψ^'-1G_α′)^-1(G_α ^'Tψ^'-1h')，于ψ′中包含待测节点的真实位置，所以它是一个未知量。不过，利用z_α值可以计算出B'，利用G_α对中的G_α ⁰作近似。在MS距离BS较远时，z_α的协方差矩阵可以近似为可以简化成

z_a'≈(G_α ^′TB^'-1G_αQ^-1G_αB^'-1G_α')^-1(G_α ^′TB^'-1G_αQ^-1G_αB^′-1G_α')h'

最终可以得到待测距点的测距估计结果为

具体的，将所述重构距离值按顺序排列，将排列第二到最后一个的重构距离值依次减去第一个重构距离值得到差值，将所述差值作为TDOA的测量距离值的重构值。假设室内空间中有五个节点，则可以得到4个TDOA的重构值，通过所述Chan算法进行测距求解，得到所述待测距点到各个节点的距离值

本实施例通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值，并采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。本实施例的技术方案可以消除非视距(Non Line of Sight，NLOS)环境下的NLOS误差，提高测距精度。

实施例二

本实施例可以上述实施例为基础，提供了一种示例，通过具体的仿真实验和分析对本发明实施例提供的室内测距方法进行验证说明。

在本实施例中，可选一个室内实验室建立一个测距系统模型。在该系统模型中，可以采用5个节点进行测距，设置五个节点的坐标分别为A(0m，0m)、B(7m，0m)、C(10m，5m)、D(7m，10m)和E(4m，5m)。信号发射功率均为100mW，信道特性符合瑞利信道模型，信号传播均属于NLOS传播。因为NLOS是一个随机的正值，而且很难获得它的历史信息和规律特性，所以，可以将NLOS建模为一个随机指数模型NLOS(t)＝U(0，K)，其中K指的是NLOS误差指数，它表示的是NLOS误差的最大可能偏移值，它与NLOS环境有关，NLOS环境越恶劣，K的值就越大。

在A(0m，0m)、B(7m，0m)、C(10m，5m)、D(7m，10m)和E(4m，5m)组成的五边形当中选择一条直线路径上的9个位置点进行测距实验，而且设定此时的NLOS指数K＝5。分别比较传统Chan测距算法和本发明实施例的方法下的测距精度。图4为本发明实施例二中的测距路径的示意图，选定的路径是一条直线路径，从图4中可以得出本发明实施例的方法的测距路径更加靠近实际选定的真实路径，而传统的Chan算法的测距路径偏差很大。

在NLOS指数K＝5的室内环境下，可以随机的选取9个点用本发明实施例的方法和传统Chan测距算法进行测距，并比较了他们的测距精度。图5为本发明实施例二中的定位精度示意图，9个测距点的测距结果均是本发明实施例算法误差小于传统Chan算法的测距误差。

在A(0m，0m)、B(7m，0m)、C(10m，5m)、D(7m，10m)和E(4m，5m)组成的五边形当中随机选择一个点进行测距，但是测距环境设定在不同的NLOS指数下，我们设定NLOS指数K的范围从1到15。在这15的不同的NLOS指数环境下选择随机的一个点进行测距，分别比较其在传统Chan测距算法和本发明实施例的方法下的测距精度。图6为本发明实施例二中的NLOS误差指数示意图，可以看出，在不同的NLOS指数下，本发明实施例的方法相较于传统的Chan算法均具有明显优势，并且，随着环境的NLOS指数增大，优势也越来越大。

本实施例通过具体的仿真实验和分析对本发明实施例提供的室内测距方法进行验证，表明本发明实施例的技术方案可以消除非视距(Non Line of Sight，NLOS)环境下的NLOS误差，提高测距精度。

实施例三

图7为本发明实施例三中的室内测距装置的结构示意图，所述装置包括：

NLOS误差消除模块210，用于通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；

距离值模块220，用于采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

进一步的，所述NLOS误差消除模块210具体可以用于：

通过TOA算法，获得待测偏移距点到各个节点的偏移距离值；

通过任意相邻两个节点到待测距点的信号衰减值之和占信号衰减值总和的权重，确定所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值；

依据所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值，获取所述两个节点与待测距点组成的区域和所述两个节点与待测偏移距点组成的区域之间的面积差；

根据所述面积差、包含有真实距离未知量的任意相邻两个节点与待测距点组成区域的面积、依据所述偏移距离值得到的任意相邻两个节点与待测偏移距点组成区域的面积和相邻节点的距离值，得到待测距点到各个节点的真实距离值，将所述真实距离值作为重构距离值。

进一步的，所述距离值模块220具体可以用于：

将所述重构距离值按顺序排列，将排列第二到最后一个的重构距离值依次减去第一个重构距离值得到差值，将所述差值作为TDOA的测量距离值的重构值。

本实施例所提供的室内测距装置可执行本发明任意实施例所提供的室内测距方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种室内测距方法，其特征在于，包括：

通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；

采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

2.根据权利要求1所述的方法，其特征在于，通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各节点的重构距离值，包括：

通过TOA测量算法，获得待测偏移距点到各个节点的偏移距离值；

通过任意相邻两个节点到待测距点的信号衰减值之和占信号衰减值总和的权重，确定所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值；

依据所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值，获取所述两个节点与待测距点组成的区域和所述两个节点与待测偏移距点组成的区域之间的面积差；

根据所述面积差、包含有真实距离未知量的任意相邻两个节点与待测距点组成区域的面积、依据所述偏移距离值得到的任意相邻两个节点与待测偏移距点组成区域的面积和相邻节点的距离值，得到待测距点到各个节点的真实距离值，将所述真实距离值作为重构距离值。

3.根据权利要求1所述的方法，其特征在于，采用所述重构距离值对TDOA的测量距离值进行重构，包括：

将所述重构距离值按顺序排列，将排列第二到最后一个的重构距离值依次减去第一个重构距离值得到差值，将所述差值作为TDOA的测量距离值的重构值。

4.一种室内测距装置，其特征在于，包括

NLOS误差消除模块，用于通过基于区域面积差的NLOS误差抑制算法获得消除NLOS误差后的待测距点到各个节点的重构距离值；

距离值模块，用于采用所述重构距离值对TDOA的测量距离值进行重构，并通过Chan算法进行测距求解，得到所述待测距点到各个节点的距离值。

5.根据权利要求4所述的装置，其特征在于，所述NLOS误差消除模块具体用于：

通过TOA算法，获得待测偏移距点到各个节点的偏移距离值；

通过任意相邻两个节点到待测距点的信号衰减值之和占信号衰减值总和的权重，确定所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值；

依据所述两个节点分别与待测距点组成的区域和所述两个节点分别与待测偏移距点组成的区域之间的面积差占总区域面积差的权重值，获取所述两个节点与待测距点组成的区域和所述两个节点与待测偏移距点组成的区域之间的面积差；

根据所述面积差、包含有真实距离未知量的任意相邻两个节点与待测距点组成区域的面积、依据所述偏移距离值得到的任意相邻两个节点与待测偏移距点组成区域的面积和相邻节点的距离值，得到待测距点到各个节点的真实距离值，将所述真实距离值作为重构距离值。

6.根据权利要求4所述的装置，其特征在于，所述距离值模块具体用于：

将所述重构距离值按顺序排列，将排列第二到最后一个的重构距离值依次减去第一个重构距离值得到差值，将所述差值作为TDOA的测量距离值的重构值。