CN108882149B - 距离相关概率的nlos补偿定位方法 - Google Patents

距离相关概率的nlos补偿定位方法 Download PDF

Info

Publication number
CN108882149B
CN108882149B CN201810636498.9A CN201810636498A CN108882149B CN 108882149 B CN108882149 B CN 108882149B CN 201810636498 A CN201810636498 A CN 201810636498A CN 108882149 B CN108882149 B CN 108882149B
Authority
CN
China
Prior art keywords
positioning
nlos
uwb
los
establishing
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
Application number
CN201810636498.9A
Other languages
English (en)
Other versions
CN108882149A (zh
Inventor
李晓斌
于天洋
孙海燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Technology
Original Assignee
Shanghai Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Technology filed Critical Shanghai Institute of Technology
Priority to CN201810636498.9A priority Critical patent/CN108882149B/zh
Publication of CN108882149A publication Critical patent/CN108882149A/zh
Application granted granted Critical
Publication of CN108882149B publication Critical patent/CN108882149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • G01S5/08—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种距离相关概率的NLOS补偿定位方法，包括以下步骤：1)由多个UWB基站接收UWB标签发送的信号,且根据信号中的信息测算出各UWB基站与UWB标签的距离；2)根据几何定位原理,建立定位系统的数学模型；3)利用无线定位系统的系统噪声的特性，建立定位问题的最优化描述；4)利用松弛方法和加权最小二乘方法,并结合定位系统的最大NLOS估值计算最终的坐标值；通过上述方式，本发明能够在不需要识别传输路径状况、NLOS误差分布状况未知的情况下，实现了LOS/NLOS下的鲁棒定位,本发明的计算复杂度低,定位的精度也能够得到保障且具有一定的优势。

Description

距离相关概率的NLOS补偿定位方法
技术领域
本发明涉及一种距离相关概率的NLOS补偿定位方法。
背景技术
近年来，无线定位技术备受关注，各种无线定位系统得到广泛的应用，如智能仓储、智能交通系统、目标跟踪，以及其他场景。一些传统的定位方法，如假设定位源和传感器之间的信号传播是视距的(LOS,line of sight)，是不切实际的。由于在恶劣环境中的障碍物遮挡，如复杂的室内和城市密集区，不考虑节点间信号的非视距(NLOS,non-line ofsight)传播，传统的定位方法性能会显著下降。因此,在无线定位技术的实际应用中,实现在非视距下的是高精度定位是非常重要的。
目前，解决无线定位系统中非视距定位问题的研究方法有很多。一种简单的方法是融合多种传感信息对目标进行定位。利用信标网络中传感器对目标位置进行估计，然后通过附加的惯性测量单元对离群的NLOS测量值进行剔除；也有仅仅依靠信标网络中的传感器测得抵达目标的到达角度(AOA,angle of arrival)和到达时间(TOA,time of arrival)或接收信号强度(RSS,strength of received signal)，转化成角度和距离值，提高NLOS下的定位精度。然而这样的部署会使整个定位方案的复杂度和实施成本增加。另一种普遍的方法是先识别出NLOS传输路径，丢弃相关的测量值，然后依靠LOS路径下高精度的测量值进行源定位。但是，这样的方法也存在两个缺陷：(1)如果LOS路径数量太少，二维定位中LOS路径少于三个或三维定位中LOS路径少于四个，则无法对目标进行定位；(2)在识别LOS/NLOS路径时存在漏判和错判的情况，这将严重降低定位精度。
发明内容
本发明的目的在于提供一种距离相关概率的NLOS补偿定位方法。
为解决上述问题，本发明提供一种距离相关概率的NLOS补偿定位方法，包括：
由多个UWB基站接收到UWB标签发送的信号，并且根据所述信号中蕴含的信息测算出各UWB基站与UWB标签的距离值，并将所述距离值汇集到UWB定位服务主站中，其中，所有UWB基站位置固定，并被所述UWB定位服务主站知道所有UWB基站坐标；
基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型；
利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述；
利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，所述UWB基站以长宽比例2:3来按照长方形排列，且所述UWB基站覆盖在定位区域的上方。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，所述无线定位系统的数学模型利用各个UWB基站的测量值。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型，包括：
通过极大似然估计方法，结合无线定位系统的出厂的测量噪声检验报告，将定位问题转化为最优问题。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
借助松弛方法，建立最优问题的约束条件。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述，包括：
将所述距离值与LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型；
借助加权最小二乘方法，完成定位问题的最优描述。
进一步的，在上述距离相关概率的NLOS补偿定位方法中，利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
直接利用二分搜索的方法计算定位的估计值。
与现有技术相比，本发明在NLOS发生的可能性随着UWB基站和UWB标签间距离的增加而增大的环境中，本发明在不需要识别传输路径状况、NLOS误差分布状况未知的情况下，实现了LOS/NLOS下的鲁棒定位，和传统的鲁棒定位算法相比，本发明的计算复杂度低,定位的精度也能够得到保障且具有一定的优势。
附图说明
图1是本发明一实施例的距离相关概率的NLOS补偿定位方法的流程图；
图2是本发明一实施例的各种算法在存在大量NLOS传输下的定位结果的示意图；
图3是本发明一实施例的距离相关概率的NLOS补偿定位方法多目标定位结果的示意图；
图4是本发明一实施例的各种算法在3个LOS传输下噪声变化对的定位结果影响的示意图；
图5是本发明一实施例的各种算法在2个LOS传输下噪声变化对的定位结果影响的示意图；
图6是本发明一实施例的各种算法在不同LOS传输数量下的定位结果的示意图；
图7是本发明一实施例的各种算法在不同NLOS最大偏差下的定位结果的示意图；
图8是本发明一实施例的各种算法在不同NLOS传输数量下的定位结果的示意图；
图9是现场试验的定位结果的示意图；
图10是定位区域的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1～4所示，本发明提供一种距离相关概率的NLOS补偿定位方法，包括：
步骤S1，由多个UWB基站接收到UWB标签发送的信号，并且根据所述信号中蕴含的信息测算出各UWB基站与UWB标签的距离值，并将所述距离值汇集到UWB定位服务主站中，其中，所有UWB基站位置固定，并被所述UWB定位服务主站知道所有UWB基站坐标；
步骤S2，基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型；
步骤S3，利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述；
步骤S4，利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值。
在此，通过上述方式，本发明能够在不需要识别传输路径状况、NLOS误差分布状况未知的情况下，实现了LOS/NLOS下的鲁棒定位，本发明的计算复杂度低,定位的精度也能够得到保障且具有一定的优势，能够克服超宽带(UWB,ultra-wide band)无线定位中NLOS传输环境下定位精度较差的问题。
本发明在NLOS发生的可能性随着UWB基站和UWB标签间距离的增加而增大的环境中，本发明在不需要识别传输路径状况、NLOS误差分布状况未知的情况下，实现了LOS/NLOS下的鲁棒定位，和传统的鲁棒定位算法相比，本发明的计算复杂度低,定位的精度也能够得到保障且具有一定的优势。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，所述UWB基站以长宽比例2:3来按照长方形排列，且所述UWB基站覆盖在定位区域的上方。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，所述无线定位系统的数学模型利用各个UWB基站的测量值，即考虑了所有有效的LOS和NLOS测量。
在此，定位的数学模型会尽可能多的利用各个UWB观测基站的测量值，即考虑了所有有效的LOS和NLOS测量。
定位的测距模型为
di＝||x-xi||+bi+vi (1)
这里用x,xi分别表示源和基站的位置，vi代表测量系统的测量噪声。假设测量噪声服从均值为零，方差为
Figure BDA0001701694870000052
的高斯分布；bi代表NLOS测量造成的偏差，当定位源与第i个信标节点之间是LOS观测时bi为0，否则bi>0。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型，包括：
通过极大似然估计方法，结合无线定位系统的出厂的测量噪声检验报告，将定位问题转化为最优问题。
在此，通过极大似然估计方法，将定位问题转化为最优问题，
Figure BDA0001701694870000051
其中z＝[xT,bi]T,H＝[I2,02×N]T，
Figure BDA0001701694870000061
I2表示2×2的单位矩阵，0N×N表示全为零的矩阵，ei表示单位矩阵的第i列。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
借助松弛方法，建立最优问题的约束条件。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述，包括：
将所述距离值与LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型；
借助加权最小二乘方法，完成定位问题的最优描述。
在此，由于所述的定位最优问题的描述为非凸数学问题难以求解。所以,借助参数替代和松弛方法，将非凸问题转化为凸问题，即做如下近似替代bi≈b i＝1,...,N。
同时，由于我们假设系统噪声服从高斯分布，为了方便计算机求解，则可将极大似然估计转化成最小二乘估计，也就是
Figure BDA0001701694870000062
为了提高NLOS偏差补偿的鲁棒性，使得误差补偿在LOS和NLOS下的效果达到最好，我们让(3)中
Figure BDA0001701694870000063
可以得到
Figure BDA0001701694870000064
接着，对f(b)的最大值进行分情况讨论。可以得到
Figure BDA0001701694870000071
再接下来，将定位基站得到的距离值与基站的LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型。
Figure BDA0001701694870000072
借助加权最小二乘方法，完成定位问题的最优描述即(6)。由于目标函数和约束条件都是二次的，则可以直接利用二分搜索的方法计算定位的估计值。
Figure BDA0001701694870000073
其中wi的取值由(6)所示的距离相关概率函数来确定。
本发明的距离相关概率的NLOS补偿定位方法一实施例中，利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
直接利用二分搜索的方法计算定位的估计值。
在此，由于目标函数和约束条件都是二次的，则可以直接利用二分搜索的方法计算定位的估计值。
请参阅图1～图4，本发明实施例包括：
一种距离相关概率的NLOS补偿定位方法，具体采用定位方法的步骤包括：
1)由多个UWB基站接收到UWB标签发送的信号,并且根据信号中蕴含的信息测算出各UWB基站与UWB标签的距离值,并将这些信息汇集到UWB定位服务主站中,所有UWB基站位置固定，并被定位服务主站知道所有UWB基站坐标。
UWB定位基站以长宽比例2:3来按照长方形排列，且定位基站覆盖在定位区域的上方。定位的数学模型会尽可能多的利用各个UWB观测基站的测量值，即考虑了所有有效的LOS和NLOS测量，定位的测距模型为：
di＝||x-xi||+bi+vi (1)
这里用x,xi分别表示源和基站的位置，vi代表测量系统的测量噪声。假设测量噪声服从均值为零，方差为
Figure BDA0001701694870000081
的高斯分布；bi代表NLOS测量造成的偏差，当定位源与第i个信标节点之间是LOS观测时bi为0，否则bi>0。
2)根据几何定位原理,建立定位系统的数学模型。通过极大似然估计方法，将定位问题转化为最优问题，
Figure BDA0001701694870000082
其中z＝[xT,bi]T,H＝[I2,02×N]T，
Figure BDA0001701694870000083
I2表示2×2的单位矩阵，0N×N表示全为零的矩阵，ei表示单位矩阵的第i列。
3)利用无线定位系统的系统噪声的特性，建立定位问题的最优化描述。定位最优问题的描述为非凸数学问题难以求解。所以,借助参数替代和松弛方法，将非凸问题转化为凸问题，即做如下近似替代
bi≈b i＝1,...,N
同时，由于我们假设系统噪声服从高斯分布，为了方便计算机求解，则可将极大似然估计转化成最小二乘估计，也就是
Figure BDA0001701694870000084
为了提高NLOS偏差补偿的鲁棒性，使得误差补偿在LOS和NLOS下的效果达到最好，我们让(3)中
Figure BDA0001701694870000091
可以得到
Figure BDA0001701694870000092
接着，对f(b)的最大值进行分情况讨论。可以得到
Figure BDA0001701694870000093
4)利用松弛方法和加权最小二乘方法,并结合定位系统的最大NLOS估值计算最终的坐标值。接下来，将定位基站得到的距离值与基站的LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型。
Figure BDA0001701694870000094
借助加权最小二乘方法，完成定位问题的最优描述即(6)。
Figure BDA0001701694870000095
其中wi的取值由(6)所示的距离相关概率函数来确定。转换成矩阵形式如下
Figure BDA0001701694870000096
这里
Figure BDA0001701694870000097
其中对于i＝1,...,2N情况下
Figure BDA0001701694870000098
当i＝2N+1,...,3N时|di|≤bmax。
Figure BDA0001701694870000101
Figure BDA0001701694870000102
由于目标函数和约束条件都是二次的。所以可以求得精确解
Figure BDA0001701694870000103
这里μ是υ(μ)＝0的解，
Figure BDA0001701694870000104
其中λmax表示矩阵的最大特征值。υ(μ)是严格递减的，因此可以用二分法求得零点。
5)实验验证
1实验室试验项目
所有的定位基站被随机部署在一个100m×100m的平面区域。我们的研究令非视距误差服从某一均值和方差的高斯分布，即偏差服从高斯分布bi：N(γ，σi)。更进一步的在使用二分法求解零点时，指定迭代的深度为50层。
在图1中，在多个UWB基站接收到UWB标签发送的信号,首先根据信号中蕴含的信息测算出各UWB基站与UWB标签的距离值；然后，根据几何定位原理,建立定位系统的数学模型。接着，利用无线定位系统的系统噪声的特性，建立定位问题的最优化描述。最后，利用松弛方法和加权最小二乘方法,并结合定位系统的最大NLOS估值计算最终的坐标值。
图2～图8中，各符号对应的算法为极大似然算法(MLE,maximum likelihoodestimation)、二阶松弛鲁棒算法(RSOCRP,robust second cone relaxationprogramming)、线性规划算法(LP,linear programming)、递归松弛的加权最小二乘算法(RSR-WLS,recursion semi-define relaxation weight least square)、森林优化算法(FOA,forest optimization algorithm)、距离相关概率的加权最小二乘算法(RD-WLS,related distance weight least square)。各定位基站的LOS/NLOS状态和位置采用蒙特克罗方法确定。定位的精度采用均方根误差(RSME,root mean square error)来衡量。
图2中，横坐标表示真实NLOS传输误差。图上可以看到随着NLOS传输误差的增大，各定位算法的定位精度都降低，本发明的定位结果受NLOS传输误差干扰的影响最小。
图3中，本发明的算法和其他算法的定位RSME对比图，主要研究多目标定位下，各定位算法的精度变化情况。从图3中可以看出，本发明的定位算法的定位性能一直优于其他算法。
图4中，展现了在NLOS测量偏差bi：N(1，2)，定位的LOS观测数量为3，NLOS观测数量为4，最大NLOS偏差估计bmax＝3情况下，参与定位的LOS测量噪声对定位的性能的影响情况。图表显示了随着参与定位的LOS测量噪声的增大，各种定位补偿算法会使定位的RSME降低。从图4中可以看出，本发明的定位算法的定位性能一直优于其他算法。
图5中，反映了在NLOS测量偏差bi：N(1，2)，定位的LOS观测数量为2，NLOS观测数量为4，最大NLOS偏差估计bmax＝3情况下，参与定位的LOS测量噪声对定位的RSME的影响情况。图表显示了随着参与定位的LOS测量噪声的增大，各种定位补偿算法会使定位的RSME降低。通过图4与图5对比，可以发现由于参与定位的LOS观测数据小于3，本发明提出的算法性能不受参与定位LOS基站的数量影响，从而保障了定位解算的鲁棒力。
图6中，反映了在测量噪声
Figure BDA0001701694870000111
NLOS测量偏差bi：N(1，2)，NLOS观测数量为4，最大NLOS偏差估计bmax＝3情况下，参与定位的LOS测量数量对定位的RSME的影响情况。图6显示了随着参与定位的LOS数量的增多，各种定位补偿算法会使定位的RSME降低。它表明越多高可靠性的LOS观测数据会保证定位的精度。本发明的基于测距概率的加权最小二乘方法在参与定位的LOS观测达到一定的数值以后，解算位置的RSME会保持稳定。这也就说明了本发明的算法只要有足够的观测数据(LOS或NLOS)，就可以保证算法求解的目标位置达到一定的指标。
图7中，论述了在测量噪声
Figure BDA0001701694870000121
NLOS测量偏差
Figure BDA0001701694870000123
参与定位的LOS测量数量为3，NLOS观测数量为4情况下，最大NLOS偏差估计的变化对定位的均方根误差的影响情况。图7反映随着最大NLOS偏差估计变化，各算法呈现出一直的变化规律，即在最大NLOS偏差估计为3时，解算的位置的RSME性能最好。当最大偏差取值大于等于NLOS测量偏差的均值和标准差之和时，可以保证75％的实际NLOS偏差存在该范围内。所以当bmax＞2时，各算法的解算位置精度会提高；当bmax＞5时会导致了定位精度的下降。结果说明，本发明的定位算法的定位性能一直优于其他算法。
图8中，论述了在测量噪声
Figure BDA0001701694870000122
NLOS测量偏差bi：N(1，2)，定位的LOS观测数量为3，最大NLOS偏差估计bmax＝3情况下，参与定位的NLOS测量数据的数量对定位的均方根误差的影响情况。图7显示了随着参与定位的NLOS测量数据的增多，各种定位补偿算法会使定位的精度单调递增。在NLOS观测数据很小的情况下，本发明提出的方法相对于其他定位算法，可以保证更高的定位精度。
2现场试验项目
为了便于现场施工，我们将四个UWB定位基站布置在12.40m×15.98m矩形区域的四个顶点。工作人员佩戴者定位标签沿地面上的矩形路线行走。通过对区域内静态点在有遮挡和无遮挡下的定位，统计出该定位系统的LOS测量噪声服从N(0，0.15)，NLOS测量偏差服从N(0.5，0.5)，则从理论和实验室试验项目的结果来看，NLOS最大偏差设置为1.2时本发明提出的定位算法性能最佳。根据人员沿固定矩形轨迹移动的特点，将行动路线划分为四段(记为区域1ˉ区域4)，考虑与行进方向垂直的的定位结果来衡量本发明算法的定位性能。
在图9中我们可以看出，越靠近定位基站的地方，定位结果的离散度越小。这是因为在越靠近基站的位置，基站和标签之间信号的LOS传输可能性越大。反之，在距离各基站都较远的位置，定位结果离散程度更大；我们还可以看到补偿后的定位轨迹较补偿前向内部汇聚。定位区域的划分和基站的位置示意如图10。
(1)现场试验中，当最大NLOS偏差设置为1时，采用本发明定位方法进行定位补偿前后的定位结果对比如下表
Figure BDA0001701694870000131
(2)现场试验中，当最大NLOS偏差设置为1.2时，采用本发明定位方法进行定位补偿前后的定位结果对比如下表
Figure BDA0001701694870000132
从表格中我们可以发现补偿后较之前，各个区域中的位置偏差的标准差都有所下降。从两表中数据对比，可以得出NLOS最大偏差估计的越准确，补偿效果越好的结论。从两表中可以看到，采用本发明的定位补偿算法后，定位结果的标准差提高了3ˉ6cm。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (1)

1.一种距离相关概率的NLOS补偿定位方法，其特征在于，包括：
由多个UWB基站接收到UWB标签发送的信号，并且根据所述信号中蕴含的信息测算出各UWB基站与UWB标签的距离值，并将所述距离值汇集到UWB定位服务主站中，其中，所有UWB基站位置固定，并被所述UWB定位服务主站知道所有UWB基站坐标；
基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型；
利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述；
利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值；
所述UWB基站以长宽比例2:3来按照长方形排列，且所述UWB基站覆盖在定位区域的上方；
所述无线定位系统的数学模型利用各个UWB基站的测量值；
基于所述UWB定位服务主站，并根据几何定位原理，建立无线定位系统的数学模型，包括：
通过极大似然估计方法，结合无线定位系统的出厂的测量噪声检验报告，将定位问题转化为最优问题；
利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
借助松弛方法，建立最优问题的约束条件；
利用所述无线定位系统的系统噪声的特性，建立定位问题的最优化描述，包括：
将所述距离值与LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型；
借助加权最小二乘方法，完成定位问题的最优描述；
利用松弛方法和加权最小二乘方法，并结合所述无线定位系统的最大NLOS估值计算最终的坐标值，包括：
直接利用二分搜索的方法计算定位的估计值；
通过极大似然估计方法，结合无线定位系统的出厂的测量噪声检验报告，将定位问题转化为最优问题，包括：
通过公式(2)的极大似然估计方法，将定位问题转化为最优问题，
Figure FDA0002888953350000021
其中，z＝[xT,bi]T,H＝[I2,02×N]T，
Figure FDA0002888953350000023
I2表示2×2的单位矩阵，0N×N表示全为零的矩阵，ei表示单位矩阵的第i列，di为距离值，bi代表NLOS测量造成的偏差，当定位源与第i个信标节点之间是LOS观测时bi为0，否则bi>0，di＝||x-xi||+bi+vi，这里用x,xi分别表示源和基站的位置，vi代表测量系统的测量噪声；
将所述距离值与LOS/NLOS状态建立联系，建立基于距离相关概率的LOS/NLOS概率模型，包括：
借助加权最小二乘方法，完成定位问题的最优描述即公式(6)：
Figure FDA0002888953350000022
CN201810636498.9A 2018-06-20 2018-06-20 距离相关概率的nlos补偿定位方法 Active CN108882149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810636498.9A CN108882149B (zh) 2018-06-20 2018-06-20 距离相关概率的nlos补偿定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810636498.9A CN108882149B (zh) 2018-06-20 2018-06-20 距离相关概率的nlos补偿定位方法

Publications (2)

Publication Number Publication Date
CN108882149A CN108882149A (zh) 2018-11-23
CN108882149B true CN108882149B (zh) 2021-03-23

Family

ID=64339811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810636498.9A Active CN108882149B (zh) 2018-06-20 2018-06-20 距离相关概率的nlos补偿定位方法

Country Status (1)

Country Link
CN (1) CN108882149B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109597023A (zh) * 2018-12-10 2019-04-09 中国人民解放军陆军工程大学 基于nlos误差消除的半定规划的定位方法
CN110673089B (zh) * 2019-08-23 2021-06-15 宁波大学 未知视距和非视距分布情况下基于到达时间的定位方法
CN110850366B (zh) * 2019-10-31 2021-07-16 宁波大学 混合视距和非视距环境下基于接收信号强度的定位方法
CN111308420A (zh) * 2019-12-06 2020-06-19 长安大学 一种基于声信号时延估计及到达频率的室内非视距定位方法
CN113777557B (zh) * 2021-09-26 2023-09-15 北方工业大学 基于冗余距离筛选的uwb室内定位方法及系统
CN113677001B (zh) * 2021-10-25 2022-02-08 山东开创电气有限公司 具有自动智能补偿uwb定位精度装置及方法
CN115802485A (zh) * 2022-11-16 2023-03-14 江苏杰瑞科技集团有限责任公司 船舶建造车间人员定位的测距误差补偿方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1499874A (zh) * 2002-11-07 2004-05-26 华为技术有限公司 一种位置估计方法
CN102680994A (zh) * 2012-04-18 2012-09-19 北京邮电大学 室外定位方法和定位接收机
CN103152826A (zh) * 2013-03-08 2013-06-12 天津大学 一种基于nlos状态检测补偿的移动目标追踪方法
CN103491628A (zh) * 2013-09-13 2014-01-01 浙江工业大学 一种基于tpoa的nlos传输环境无线定位方法
CN105607039A (zh) * 2016-01-27 2016-05-25 宁波大学 非视距环境下基于到达时间差的稳健最小二乘定位方法
CN105979584A (zh) * 2016-07-06 2016-09-28 浙江工业大学 一种基于边长残差加权的定位方法
CN106019222A (zh) * 2016-07-06 2016-10-12 浙江工业大学 一种基于定位算法残差的二次规划定位方法
CN106483496A (zh) * 2016-10-19 2017-03-08 河南城建学院 基于chan算法与改进牛顿迭代的联合时差定位方法
CN106550451A (zh) * 2016-11-01 2017-03-29 哈尔滨工程大学 一种多用户超宽带室内定位系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9755797B2 (en) * 2013-12-26 2017-09-05 Mediatek Singapore Pte. Ltd. Localization-based beamforming scheme for systems with multiple antennas

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1499874A (zh) * 2002-11-07 2004-05-26 华为技术有限公司 一种位置估计方法
CN102680994A (zh) * 2012-04-18 2012-09-19 北京邮电大学 室外定位方法和定位接收机
CN103152826A (zh) * 2013-03-08 2013-06-12 天津大学 一种基于nlos状态检测补偿的移动目标追踪方法
CN103491628A (zh) * 2013-09-13 2014-01-01 浙江工业大学 一种基于tpoa的nlos传输环境无线定位方法
CN105607039A (zh) * 2016-01-27 2016-05-25 宁波大学 非视距环境下基于到达时间差的稳健最小二乘定位方法
CN105979584A (zh) * 2016-07-06 2016-09-28 浙江工业大学 一种基于边长残差加权的定位方法
CN106019222A (zh) * 2016-07-06 2016-10-12 浙江工业大学 一种基于定位算法残差的二次规划定位方法
CN106483496A (zh) * 2016-10-19 2017-03-08 河南城建学院 基于chan算法与改进牛顿迭代的联合时差定位方法
CN106550451A (zh) * 2016-11-01 2017-03-29 哈尔滨工程大学 一种多用户超宽带室内定位系统

Also Published As

Publication number Publication date
CN108882149A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108882149B (zh) 距离相关概率的nlos补偿定位方法
Yang et al. A novel NLOS error compensation method based IMU for UWB indoor positioning system
Djosic et al. Fingerprinting-assisted UWB-based localization technique for complex indoor environments
Yan et al. Review of range-based positioning algorithms
CN112533163B (zh) 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法
JP2011214920A (ja) 位置推定装置、位置推定方法及びプログラム
Xu et al. Random sampling algorithm in RFID indoor location system
CN107371133B (zh) 一种提高基站定位精度的方法
Cheng et al. Real time indoor positioning system for smart grid based on uwb and artificial intelligence techniques
Arsan et al. A Clustering‐Based Approach for Improving the Accuracy of UWB Sensor‐Based Indoor Positioning System
CN105190346A (zh) 使用外部辅助信息以改善固定的基于定时的无线电定位网络的技术
Pan et al. Map-aided and UWB-based anchor placement method in indoor localization
CN114222365B (zh) 一种基于单基站的超宽带定位方法、装置、计算单元、系统
Chengdong et al. A RSSI-based probabilistic distribution localization algorithm for wireless sensor network
Si et al. An adaptive weighted Wi-Fi FTM-based positioning method in an NLOS environment
Cheng et al. Ultra wideband indoor positioning system based on artificial intelligence techniques
Dai et al. Analysis of target detection based on UWB NLOS ranging modeling
Fahed et al. Wi-Fi-based localization in dynamic indoor environment using a dynamic neural network
KR101333111B1 (ko) 위치 추정 시스템 및 방법
CN113378272B (zh) 用于构建多墙体遮挡下超宽带测距误差模型的方法及系统
Wang et al. A Novel Non‐Line‐of‐Sight Indoor Localization Method for Wireless Sensor Networks
Isokawa et al. An Anchor‐Free Localization Scheme with Kalman Filtering in ZigBee Sensor Network
Lou et al. High-accuracy positioning algorithm based on UWB
Chóliz et al. Evaluation of algorithms for UWB indoor tracking
Janicka et al. An example and analysis for ambiguity resolution in the indoor ZigBee positioning system

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