CN109709513A - 一种室内应用于核电站定位方法及系统 - Google Patents
一种室内应用于核电站定位方法及系统 Download PDFInfo
- Publication number
- CN109709513A CN109709513A CN201910072462.7A CN201910072462A CN109709513A CN 109709513 A CN109709513 A CN 109709513A CN 201910072462 A CN201910072462 A CN 201910072462A CN 109709513 A CN109709513 A CN 109709513A
- Authority
- CN
- China
- Prior art keywords
- base station
- coordinate
- positioning
- label
- equation
- 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.)
- Pending
Links
Abstract
本发明提供一种室内应用于核电站定位方法及系统,所述方法包括获取多个定位基站的坐标,测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。本发明通过CHAN氏算法结合卡尔曼滤波对目标进行双重估计定位算法的叠加,并通过建立精确描述室内环境下无线电信号的传播特性的射线追踪模模型解决了现有技术下因为核电站内存在大量遮挡的屏柜影响无线信号,即非视距定位因素,导致定位精度不够的问题。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种室内应用于核电站定位方法及系统。
背景技术
现有的核电厂房定位技术目前一般进行存在性定位,无法将现场移动目标的行动轨迹和状态进行实时监控管理,普通定位产品定位精度误差也比较大(达到米级别)。主要考虑核电系统是基于安全保守的设计原则,且无线设备与现场各类精密设备之间的电磁干扰会造成不可逆的影响且难以诊断事故源头,另外厂房环境特殊,部分厂房环境较为恶劣,定位手段的应用会有一定的难度,目前一般有三种解决方案。
方案一所采用的基于Wi-Fi信号传输模式通过无线信号强度(Received SignalStrength Indicator,RSSI)和地磁信号数据加以卡尔曼滤波算法得到标签的位置和移动轨迹。目前由于Wi-Fi通信功率较大,只适用于反应堆厂房和精密电仪设备厂房以外区域,由于是基于RSSI测距,当厂房里面存在大量存在遮挡的屏柜时,无线信号无法穿透实体,信号削减较为严重,此方法测算出的定位误差会比较大,无法达到较良好的定位效果。
方案二提供了一种基本定位思路,根据接收到的信号强度采用TOA算法确定距离,通过内置的定位惯性定位模块实现终端设备的定位。此方法没有具体介绍到基于何种通信定位技术和模式,也没有针对核电厂房环境条件提供针对性解决方案。TOA算法涉及到为了得到精确传输时间,要确保节点和标签的时钟严格同步。通常情况下,要实现精确的节点与标签之间时钟同步很难做到,通过相关技术实现相应成本也会提高。一般而言,在室内环境中,由于存在非视距(Non-Line of sight,NLOS)及多径问题,使得TOA的测量值与实际值偏差较大,传统的TOA估计方法很难实现距离的精确估计。此外本方法也未提供屏柜遮挡解决方案,定位效果有待商榷。
方案三采用UWB定位技术应用于普通楼宇的终端定位方法。本方案没有具体描述能否满足动态定位效果,也没有介绍屏柜格挡对信号传输的影响及解决方法。此外采用TOA算法没有提到需要定位节点的数量及布置位置的因素,这对定位精度也会产生较大影响,以及采用模糊逻辑算法并不能提高一定的定位精度。此外采用TOA算法同样存在要求定位节点与标签要求时钟信号严格同步的情况,实现难度较大。整体提出的方案针对性不够。
发明内容
为解决上述技术问题,本发明提供一种室内应用于核电站定位方法及系统。
本发明提供的一种室内应用于核电站定位方法,所述方法包括:
获取多个定位基站的坐标(Xi,Yi,Zi),所述i大于1;
测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;
根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。
进一步地,测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差具体为:
定位标签同一时刻向所述第一基站和所述第i基站发送电磁波信号,所述i值从2到M;
测量所述定位标签至所述第i基站的第一传播时间与所述定位标签至所述第一基站的第二传播时间的时间差τi;
根据电磁波传播速度c与所述时间差τi的乘积得到所述距离差。
进一步地,根据定位基站的数量采用对应运算方式计算所述定位标签的坐标具体包括:
建立第一方程式所述定位标签的坐标为(x,y,z),所述第i基站的坐标为(Xi,Yi,Zi),所述Ri为所述定位标签至所述第i基站距离;
将所述第一方程式推导得到第二方程式其中Ki=Xi 2+Yi 2+Zi 2,R=x2+y2+z2,R1 2=(x-x1)2-(y-y1)2-(z-z1)2;
Ri,1=Ri-R1,所述Ri,1为定位标签至所述多个定位基站中第i基站距离与所述定位标签至所述多个定位基站中第一基站距离的距离差;
Xi,1=Xi-X1,所述Xi,1为第i基站水平坐标与第一基站水平坐标的坐标差;
Yi,1=Yi-Y1,所述Yi,1为第i个基站垂直坐标与第一基站垂直坐标的坐标差;
Zi,1=Zi-Z1,所述Zi,1为第i基站竖直坐标与第一基站竖直坐标的坐标差;
根据Ri 2-R1 2=(x-xi)2+(y-yi)2+(z-zi)2-(x-x1)2+(y-y1)2+(z-z1)2,推导得到第三方程式
判断定位基站数量为四个时,将所述第三方程式通过转换得到第四方程式
根据假设Ri为已知、第i各基站与定位标签的距离Ri由TOA算法可初步测得,以及Ri=cti,利用所述第四方程式可直接推导得出x,y,z的值即得到定位标签坐标(x,y,z)。
进一步地,根据定位基站的数量采用对应运算方式计算所述定位标签的坐标还包括:
判断定位基站数量为四个以上时,建立第五方程式
将所述第五方程式由非线性方程转换为线性方程;
用加权最小二乘法得到所述线性方程初始解;
对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签坐标(x,y,z)。
进一步地,将所述第五方程式由非线性方程转换为线性方程具体为:
设置未知向量Za=[Zp T,R1]T,其中Zp=[x,y,z]T,由此推导出以Za为变量的线性方程h=GaZa,其中
设是定位标签的真实值,当存在到达时间差(Time Difference of Arrival,TDOA)误差时,TDOA噪声误差矢量
进一步地,所述用加权最小二乘法得到所述线性方程初始解具体包括:
定义无TDOA噪声时表达式为{*}0,作为{*}的真实值,因此推导出Ri,1=Ri,1 0+cni,1,所述ni,1表示定位标签分别到第i基站和第一基站的时间差;
结合Ri,1=Ri,1 0+cni,1和Ri 0=Ri,1 0+R1 0得到TDOA噪声误差矢量其中所述B表示对角矩阵,对角线上元素分别为其中标识Schur乘积;
因cni,1<<Ri 0,推导TDOA噪声误差矢量具有协方差矩阵的高斯随机矢量Ψ=E[ψψT]=c2BQB,其中Q为TDOA协方差矩阵;
通过加权最小二乘法进行第一次求解,将已知的R1与x、y、z关系代入第一次求解的结果中;假定Za元素间相互独立,则Za最大似然估计为
当定位标签距离较远,定义B≈R0I,因此
当定位标签距离很近,利用可得到一初始解用于估计B矩阵,
进一步地,对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签坐标(x,y,z)具体为:
计算za的期望值及zaza T得到za的协方差矩阵;
因为Ga含有随机量Ri,1,推导得到和所述Δza为za扰动项;
za的元素表示为za,1=x0+e1,za,2=y0+e2,za,3=z0+e3,za,4=R1 0+e4,其中e1、e2、e3、e4为za的估计误差;
za的前三个元素za,1、za,2、za,3分别减去x1、y1、z1,在对各元素求平方得到方程Ψ'=h'-G'az'a,其中所述Ψ'是za的误差矢量,Ψ'的协方差矩阵为Ψ'=E[ψ'ψ'T]=4B'cov(Za)B',B'=diag{x0-x1,y0-y1,z0-z1,R1 0};
因为Ψ为高斯分布,所以Ψ′也为高斯分布,z'a的最大似然估计为
za的协方差矩阵近似表示为z'a的协方差矩阵可化简为
将矩阵G'a代入z'a和z'az'a T,z'a的协方差矩阵为
改进的定位标签的坐标
进一步地,所述方法还包括:
建立卡尔曼滤波定位的状态更新方程x(k+1)=Ax(k)+w(k)和测量方程s(k)=Cx(k)+v(k),其中状态向量xk、yk、zk、分别为k时刻定位标签在坐标系中三个方向的位移和速度的估计值,A为系统矩阵,观测向量为定位标签的观测定位信息,为定位标签在坐标系中三个方向的位移的观测值,C为输出矩阵;w(k)和v(k)分别为状态噪声和观测噪声,且为相互独立的零均值白噪声序列,所述w(k)和所述v(k)满足[w(k)]=[(k)]=0、E[w(k)w(k)T]=Q和E[v(k)v(k)T]=R;
赋予状态向量的初始值x(0)的统计特性为E[x(0)]=u0,Var[x(0)]=E[x(0)-u0][x(0)-u0]T=P0;
计算得到卡尔曼滤波增量K(k)=P(k|k-1)CT[CP(k|k-1)CT+R]-1;
将改进的定位标签的坐标输入到测量值Zk;
根据状态向量估计值、卡尔曼滤波增量和测量值,计算定位标签坐标最优值所述为定位标签坐标最优值,所述为先验估计的状态矩阵,所述Kk为卡尔曼滤波增量,所述H为n×m观测模型矩阵。
进一步地,所述方法还包括:
更新Pk,所述Pk是的协方差矩阵,Pk-1为上一时刻状态的估计误差协方差矩阵;
P(k|k)=[I-K(k)C]P(k|k-1),用于计算更新本次估计误差协方差的值。
本发明提供的一种室内应用于核电站定位系统,所述系统包括:
获取单元,用于获取多个定位基站的坐标;
测量单元,用于测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;
计算单元,用于根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。
监控单元,用于连续定位标签的坐标显示过程,根据房间模型数据和测得的定位标签的坐标,调用射线追踪功能计算出所有最短传播路径,通过射线求交运算判断可行性后,保留并记录最短的可行传播路径,结合计算单元测得的定位标签的坐标,输出目标所处房间信息和定位标签的坐标数据到监控端显示单元实现后台实时监控,所述房间模型数据包括屏柜位置尺寸和定位基站的定位坐标。
实施本发明,具有如下有益效果:
本发明通过获取定位基站的定位坐标,获取定位标签至第i基站的第一距离与定位标签至第一基站第二距离的距离差,运用Chan氏算法联合卡尔曼滤波进行目标节点双重估计定位算法的叠加方法,精确地计算出定位标签的位置,解决了现有技术下定位精度不够和成本高的问题。
此外,本系统还具备误入报警功能,即通过基站采集各个厂房子项建筑物信息,针对重要、特殊房间如继电器室、仪控机柜间、乏燃料间、通信设备间等,如果接近或进入此类房间,可以通过此类房间就近的基站检测到目标标签的接近,如果接收达到一定信号阈值可即时触发节点的接近或进入的语音提醒,以防现场人员误闯入重要区域或走错隔间,如果已进入误入隔间状态,目标标签则会强制发送报警信号至监控端设备,使管理层可采取及时的应对措施。
核电厂由于其特殊性,狭小幽闭空间非常之多,通过本系统可以掌握现场运行人员的的工作状态和人员安全情况,可以大大补充有线电话系统覆盖范围有限的局限性,减少现场人员时常无法联络的情况。且由于现场发生设备故障、人生安全等应急工况相较于其它领域较为频繁,采用到具备及时、有效的应急响应、现场状态实时跟踪与监控以及现场调度指挥是完善核电厂安全机制的一项重要的技术指标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的室内应用于核电站定位方法及系统的工作场景图。
图2是本发明实施例提供的室内应用于核电站定位方法的流程图。
图3是本发明实施例提供的室内应用于核电站定位系统的结构图。
图4是本发明实施例提供的捕捉定位标签的移动路径方法的流程图。
具体实施方式
本专利核心内容为获取定位基站坐标以及获取定位标签与第i基站第一距离与定位标签第二距离的距离差,通过CHAN氏算法和卡尔曼滤波算法计算定位标签坐标,以下结合附图和实施例对该室内应用于核电站定位方法及系统具体实施方式做进一步说明。
下面将详细描述本发明提供的室内应用于核电站定位方法及系统的实施例。
如图1所示,本发明实施例提供了一种室内应用于核电站定位方法及系统的场景,分四种情况来进行说明:
第一种情况是定位基站分别设置在不同的房间里面,例如房间11、12、13里面分别设置有定位基站111、121和131,且房间11里面还有定位标签112,这里房间和基站的数量仅仅用来做为示例说明。此过程为存在性检测,即根据房间内的定位基站是否接收到定位标签发出的无线信号来确定定位目标是否存在于房间并将信号发送至后台监控端。此检测方式适用于环境复杂特殊或空间狭小的处所。
第二种情况是定位基站设置在走廊里面,例如走廊21里面设置有定位基站211和212,定位标签213,当然这里的定位基站数量未必是实际情况种定位基站数量。此过程为一维定位,此定位情况相对高维定位空间其精度较高,通过等间隔均匀布置基站位置可直接测得定位标签,一般适用于廊道、走廊、隧道等线形空间的定位。
第三种情况是定位基站设置在一个房间里面,例如房间31里面设置有定位基站311、312、313、314和定位标签315;此过程为二维定位,即根据房间内的屏柜位置合理布置在房间顶部的若干基站,可以实现子项室内的无盲区定位模式,同样根据以上算法可以测算出房间内存在高度差的目标节点位置信息。此方式可适用于核电厂的NI核岛(辐射强度在设备可接受的区域)、CI常规岛及BOP辅助设施的各类活动空间较大的厂房房间。
第四种情况是定位基站设置在多个房间里面,房间41、42和43是独立的三间房间,房间41在房间42正楼上,房间42在房间43正楼上,房间41中的定位基站411、412、413和414处于同一平面,房间42和房间43中也有若干基站位于同一平面上,房间41中设置有定位标签415,定位标签415与411、412、413和414可能处于同一平面上,也可能不处于同一平面上。此过程为三维定位。由于核电厂的各子项(建筑)均是多层不均的固体结构,需要定位出目标的具体位置三维空间位置,首先可通过基站定位模块接收定位标签发出的源信号,将接收信号的基站的位置信息发至后台即可检测出节点位于子项的某一层,再通过房间内的各个基站运用二维平面定位方式确定人员位于具体房间的具体坐标,即实现子项的整体定位功能,此方法尤其适用于类似汽轮机厂房、电气厂房等层数多、结构较为复杂的子项。
综上所述,根据核电站不同区域的空间结构差异化显著,可按需构建不同模式混合使用的组网定位架构,结合采集的楼层数据信息,实现多重组网定位功能,大大减少定位盲区。
如图2所示,本发明实施例提供了一种室内应用于核电站定位方法,所述方法包括:
步骤S21,获取多个定位基站的坐标。
需要说明的是,定位基站的坐标为(Xi,Yi,Zi),所述i大于1,也说明定位基站至少多于一个,i表示第i个基站,X、Y、Z代表坐标三个维度;获取多个定位基站的定位坐标的方式一般是在系统中读取预存的定位基站的坐标。
步骤S22,测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差。
需要说明的是,这里可以通过测量定位标签至所述多个定位基站中第i基站第一距离,另外测量定位标签至所述多个定位基站中第一基站第二距离,通过第一距离减去第二距离得到距离差;也可以仅仅测量定位标签至所述第i基站的第一传播时间与定位标签至所述第一基站的第二传播时间的时间差,根据电磁波传播速度与时间差的乘积得到距离差。
步骤S22具体为:
定位标签同一时刻向所述第一基站和所述第i基站发送电磁波信号,所述i值从2到M;
测量所述定位标签至所述第i基站的第一传播时间与所述定位标签至所述第一基站的第二传播时间的时间差τi;
根据电磁波传播速度c与所述时间差τi的乘积得到所述距离差。
步骤S23、根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。
步骤S24、根据所述定位标签的坐标,调用射线追踪功能计算出所有最短传播路径,输出定位标签所处房间信息和定位标签的坐标数据到监控端显示单元,实现后台监控。
进一步地,所述步骤S23具体包括:
建立第一方程式所述定位标签的坐标为(x,y,z),所述第i基站的坐标为(Xi,Yi,Zi),所述Ri为所述定位标签至所述第i基站距离;
将所述第一方程式推导得到第二方程式其中Ki=Xi 2+Yi 2+Zi 2,R=x2+y2+z2,R1 2=(x-x1)2-(y-y1)2-(z-z1)2;
Ri,1=Ri-R1,所述Ri,1为定位标签至所述多个定位基站中第i基站距离与所述定位标签至所述多个定位基站中第一基站距离的距离差;
Xi,1=Xi-X1,所述Xi,1为第i基站水平坐标与第一基站水平坐标的坐标差;
Yi,1=Yi-Y1,所述Yi,1为第i个基站垂直坐标与第一基站垂直坐标的坐标差;
Zi,1=Zi-Z1,所述Zi,1为第i基站竖直坐标与第一基站竖直坐标的坐标差;
根据Ri 2-R1 2=(x-xi)2+(y-yi)2+(z-zi)2-(x-x1)2+(y-y1)2+(z-z1)2,推导得到第三方程式
判断定位基站数量为四个时,将所述第三方程式通过转换得到第四方程式
需要说明的是,第三方程式可以看作是关于x、y、z的线性方程,即三个未知数,三个方程,通过转换可以得到第四方程式。
根据假设Ri为已知、第i各基站与定位标签的距离Ri由TOA算法可初步测得,以及Ri=cti,利用所述第四方程式可直接推导得出x,y,z的值即得到定位标签坐标(x,y,z)。
判断定位基站数量为四个以上时,建立第五方程式
将所述第五方程式由非线性方程转换为线性方程;
用加权最小二乘法得到所述线性方程初始解;
对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签坐标(x,y,z)。
需要说明的是,Ri、Ri,1假定已知值,假定已知值当作附加变量。
将所述第五方程式由非线性方程转换为线性方程具体为:
设置未知向量Za=[Zp T,R1]T,其中Zp=[x,y,z]T,由此推导出以Za为变量的线性方程h=GaZa,其中
设是定位标签的真实值,当存在到达时间差(Time Difference of Arrival,TDOA)误差时,TDOA噪声误差矢量
需要说明的是,T表示矩阵的转置计算,即将n×m变换为m×n。
用加权最小二乘法得到所述线性方程初始解具体包括:
定义无TDOA噪声时表达式为{*}0,作为{*}的真实值,因此推导出Ri,1=Ri,1 0+cni,1,所述ni,1表示定位标签分别到第i基站和第一基站的时间差;
结合Ri,1=Ri,1 0+cni,1和Ri 0=Ri,1 0+R1 0得到TDOA噪声误差矢量其中所述B表示对角矩阵,对角线上元素分别为其中标识Schur乘积;
因cni,1<<Ri 0,推导TDOA噪声误差矢量具有协方差矩阵的高斯随机矢量Ψ=E[ψψT]=c2BQB,其中Q为TDOA协方差矩阵;
通过加权最小二乘法进行第一次求解,将已知的R1与x、y、z关系代入第一次求解的结果中;假定Za元素间相互独立,则Za最大似然估计为
当定位标签距离较远,定义B≈R0I,因此
当定位标签距离很近,利用可得到一初始解用于估计B矩阵,
需要说明的是,这里定义za=[Zp T,R1]T,与所求未知量Zp相关的位置向量;当定位标签距离较远,是根据基站捕捉信号强弱以及计算的距离差的相对值进行定义,当求得的距离差的离散型误差超过假定的真实值的10%时,可看做距离较远,反之则较近。
还需要说明的是,当定位标签距离很大时,与R0(定义距离)接近,可替代,可以得到Za第一次的加权最小二乘法的估计值。而在现实中,Ψ是未知的,B包括了从待测点到接收点的真实距离。所以,为了得到这个问题的解,需要进行第二次估计。因为Ψ的量纲不影响结果,则
如果定位标签的距离较近时,可以先利用式得到一个初始解去估计B矩阵,加权最小二乘法计算结果可由计算得到,虽然此式可以迭代提供更好的答案,但是仿真结果表明,该式不用迭代就可以给出一个足够精确的结果。
进一步地,对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签坐标(x,y,z)具体为:
计算za的期望值及zaza T得到za的协方差矩阵;
因为Ga含有随机量Ri,1,推导得到和所述Δza为za扰动项;
za的元素表示为za,1=x0+e1,za,2=y0+e2,za,3=z0+e3,za,4=R1 0+e4,其中e1、e2、e3、e4为za的估计误差;
za的前三个元素za,1、za,2、za,3分别减去x1、y1、z1,在对各元素求平方得到方程Ψ'=h'-G'az'a,其中所述Ψ'是za的误差矢量,Ψ'的协方差矩阵为Ψ'=E[ψ'ψ'T]=4B'cov(Za)B',
因为Ψ为高斯分布,所以Ψ′也为高斯分布,z'a的最大似然估计为
za的协方差矩阵近似表示为z'a的协方差矩阵可化简为
将矩阵G'a代入z'a和z'az'a T,z'a的协方差矩阵为
改进的定位标签坐标
需要说明的是,za矩阵的期望为每组求得的值的平均值Ex;Δza是za的扰动项即
进一步地,所述方法还包括:
建立卡尔曼滤波定位的状态更新方程x(k+1)=Ax(k)+w(k)和测量方程s(k)=Cx(k)+v(k),其中状态向量xk、yk、zk、分别为k时刻定位标签在坐标系中三个方向的位移和速度的估计值,A为系统矩阵,观测向量为定位标签的观测定位信息,为定位标签在坐标系中三个方向的位移的观测值,C为输出矩阵;w(k)和v(k)分别为状态噪声和观测噪声,且为相互独立的零均值白噪声序列,所述w(k)和所述v(k)满足[w(k)]=[(k)]=0、E[w(k)w(k)T]=Q和E[v(k)v(k)T]=R;
需要说明的是,状态更新方程主要是根据上一时刻状态和外部作用估计出当前时刻的状态,测量方程是利用上一次计算得到的估计误差协方差和过程噪声协方差预测当前的估计误差协方差矩阵。
进一步地需要说明的是,当对待测目标节点进行跟踪和定位时,待测目标节点上设置有定位标签,对待测目标节点的跟踪就是对定位标签的跟踪;由现有知识可知定位的轨迹是连续平滑的,即相邻的两个时刻运动轨迹点距离应该保持在某一个门限内,即在位置上不会突变,待测目标节点当前时刻的状态和上一时刻的状态有关联。当所建立的对象运动模型和实际对象的运动模型足够匹配且系统状态和参数不发生突然改变,它能够通过当前观测量和先前观测信息,按照线性最小方差理论,得到待测目标节点位置的最优估值,性能表现较好。
赋予状态向量的初始值x(0)的统计特性为E[x(0)]=u0,Var[x(0)]=E[x(0)-u0][x(0)-u0]T=P0;
计算得到卡尔曼滤波增量K(k)=P(k|k-1)CT[CP(k|k-1)CT+R]-1;
将改进的定位标签坐标输入到测量值Zk;
根据状态向量估计值、卡尔曼滤波增量和测量值,计算定位标签坐标最优值所述为定位标签坐标最优值,所述为先验估计的状态矩阵,所述Kk为卡尔曼滤波增量,所述H为n×m观测模型矩阵。
需要说明的是,Kk卡尔曼增益是最优估计组成比例调节器,Kk的大小反映了在最优化状态值估计过程中“更相信”观测值Zk还是估计值它可以使后验估计的误差协方差达到最小。
进一步地,所述方法还包括:
更新Pk,所述Pk是的协方差矩阵,Pk-1为上一时刻状态的估计误差协方差矩阵;
P(k|k)=[I-K(k)C]P(k|k-1),用于计算更新本次估计误差协方差的值。
进一步地,步骤S24具体包括:
连续定位标签的坐标显示过程,根据房间模型数据和测得的定位标签的坐标,调用射线追踪功能计算出所有最短传播路径,通过射线求交运算判断可行性后,保留并记录最短的可行传播路径,结合计算单元测得的定位标签的坐标,输出目标所处房间信息和定位标签的坐标数据到监控端显示单元实现后台实时监控,所述房间模型数据包括屏柜位置尺寸和定位基站的定位坐标。
如图3所示,本发明实施例提供了一种室内应用于核电站定位系统,所述系统包括:
获取单元31,用于获取多个定位基站的坐标;
测量单元32,用于测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;
计算单元33,用于根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。
监控单元34,用于连续定位标签的坐标显示过程,根据房间模型数据和测得的定位标签的坐标,调用射线追踪功能计算出所有最短传播路径,通过射线求交运算判断可行性后,保留并记录最短的可行传播路径,结合计算单元测得的定位标签的坐标,输出目标所处房间信息和定位标签的坐标数据到监控端显示单元实现后台实时监控,所述房间模型数据包括屏柜位置尺寸和定位基站的坐标。
需要说明的是,最短传播路径包括定位坐标至定位基站的最短直射路径、最短反射路径、最短绕射路径和最短反射加绕射路径。
还需要说明的是,一旦基站监控到定位标签的坐标进入到某些特定区域,可以发出告警或者提示。
如图4所示,本发明实施例提供了一种捕捉定位标签的移动路径方法,所述方法包括:
步骤S41,获取室内环境物体的坐标和定位基站的坐标。
需要说明的是,在室内进行捕捉定位标签首先需要构建模型,通过量测获取室内环境物体的坐标,将室内环境物体的坐标存储进入系统,建立房间模型数据,房间模型数据包括屏柜位置尺寸和定位基站的坐标。
步骤S42,获取定位标签的坐标。
需要说明的是,这里定位标签的坐标是初始时刻定位标签的坐标,随着定位标签的移动,后面获取的定位标签的坐标已经和该初始时刻定位标签的坐标不同了。
步骤S43,计算定位坐标至定位基站的最短直射路径、最短反射路径、最短绕射路径和最短反射加绕射路径。
步骤S44、根据行进连续过程滤波平滑计算定位节点坐标。
需要说明的是,定位标签一般置于人或者核电站内小车上面,其行动的轨迹具有连续性的特点,根据人步进过程的连续性,通过滤波算法平滑计算出的为节点坐标值,以达到减小非视距(Non-Line of Sight,NLOS)误差的目的。
本发明通过获取定位基站的定位坐标,获取定位标签至第i基站的第一距离与定位标签至第一基站第二距离的距离差,运用Chan氏算法联合卡尔曼滤波进行目标节点双重估计定位算法的叠加方法,精确地计算出定位标签的位置,解决了现有技术下定位精度不够和成本高的问题。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种室内应用于核电站定位方法,其特征在于,所述方法包括:
步骤S11,获取多个定位基站的坐标(Xi,Yi,Zi),所述i大于1;
步骤S12,测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;
步骤S13,根据定位基站的数量采用对应运算方式计算所述定位标签的坐标。
2.如权利要求1所述的方法,其特征在于,步骤S12具体为:
定位标签同一时刻向所述第一基站和所述第i基站发送电磁波信号,所述i值从2到M;
测量所述定位标签至所述第i基站的第一传播时间与所述定位标签至所述第一基站的第二传播时间的时间差τi;
根据电磁波传播速度c与所述时间差τi的乘积得到所述距离差。
3.如权利要求2所述的方法,其特征在于,所述步骤S13包括:
建立第一方程式所述定位标签的坐标为(x,y,z),所述第i基站的坐标为(Xi,Yi,Zi),所述Ri为所述定位标签至所述第i基站距离;
将所述第一方程式推导得到第二方程式其中Ki=Xi 2+Yi 2+Zi 2,R=x2+y2+z2,R1 2=(x-x1)2-(y-y1)2-(z-z1)2;
Ri,1=Ri-R1,所述Ri,1为定位标签至所述多个定位基站中第i基站距离与所述定位标签至所述多个定位基站中第一基站距离的距离差;
Xi,1=Xi-X1,所述Xi,1为第i基站水平坐标与第一基站水平坐标的坐标差;
Yi,1=Yi-Y1,所述Yi,1为第i个基站垂直坐标与第一基站垂直坐标的坐标差;
Zi,1=Zi-Z1,所述Zi,1为第i基站竖直坐标与第一基站竖直坐标的坐标差;
根据Ri 2-R1 2=(x-xi)2+(y-yi)2+(z-zi)2-(x-x1)2+(y-y1)2+(z-z1)2,推导得到第三方程式
判断定位基站数量为四个时,将所述第三方程式通过转换得到第四方程式
根据假设Ri为已知、第i各基站与定位标签的距离Ri由TOA算法可初步测得,以及Ri=cti,利用所述第四方程式可直接推导得出x,y,z的值即得到定位标签的坐标(x,y,z)。
4.如权利要求3所述的方法,其特征在于,所述步骤S13还包括:
判断定位基站数量为四个以上时,建立第五方程式
将所述第五方程式由非线性方程转换为线性方程;
用加权最小二乘法得到所述线性方程初始解;
对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签的坐标(x,y,z)。
5.如权利要求4所述的方法,其特征在于,将所述第五方程式由非线性方程转换为线性方程具体为:
设置未知向量Za=[Zp T,R1]T,其中Zp=[x,y,z]T,由此推导出以Za为变量的线性方程h=GaZa,其中
设是定位标签的真实值,当存在到达时间差(Time Difference of Arrival,TDOA)误差时,TDOA噪声误差矢量
6.如权利要求5所述的方法,其特征在于,所述用加权最小二乘法得到所述线性方程初始解具体包括:
定义无TDOA噪声时表达式为{*}0,作为{*}的真实值,因此推导出Ri,1=Ri,1 0+cni,1,所述ni,1表示定位标签分别到第i基站和第一基站的时间差;
结合Ri,1=Ri,1 0+cni,1和Ri 0=Ri,1 0+R1 0得到TDOA噪声误差矢量Ψ=cBn-0.5c2n⊙n≈cBn,其中所述B表示对角矩阵,对角线上元素分别为其中⊙标识Schur乘积;
因cni,1<<Ri 0,推导TDOA噪声误差矢量具有协方差矩阵的高斯随机矢量Ψ=E[ψψT]=c2BQB,其中Q为TDOA协方差矩阵;
通过加权最小二乘法进行第一次求解,将已知的R1与x、y、z关系代入第一次求解的结果中;假定Za元素间相互独立,则Za最大似然估计为
当定位标签距离较远,定义B≈R0I,因此
当定位标签距离很近,利用可得到一初始解用于估计B矩阵,
7.如权利要求6所述的方法,其特征在于,对所述初始解及附加变量进行第二次加权最小二乘法运算,得到改进的定位标签的坐标(x,y,z)具体为:
计算za的期望值及zaza T得到za的协方差矩阵;
因为Ga含有随机量Ri,1,推导得到和所述Δza为za扰动项;
za的元素表示为za,1=x0+e1,za,2=y0+e2,za,3=z0+e3,za,4=R1 0+e4,其中e1、e2、e3、e4为za的估计误差;
za的前三个元素za,1、za,2、za,3分别减去x1、y1、z1,在对各元素求平方得到方程Ψ'=h'-G'az'a,其中所述Ψ'是za的误差矢量,Ψ'的协方差矩阵为Ψ'=E[ψ'ψ'T]=4B'cov(Za)B',
因为Ψ为高斯分布,所以Ψ′也为高斯分布,z'a的最大似然估计为
za的协方差矩阵近似表示为z'a的协方差矩阵可化简为
将矩阵G'a代入z'a和z'a的协方差矩阵为
改进的定位标签的坐标
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
建立卡尔曼滤波定位的状态更新方程x(k+1)=Ax(k)+w(k)和测量方程s(k)=Cx(k)+v(k),其中状态向量xk、yk、zk、分别为k时刻定位标签在坐标系中三个方向的位移和速度的估计值,A为系统矩阵,观测向量为定位标签的观测定位信息,为定位标签在坐标系中三个方向的位移的观测值,C为输出矩阵;w(k)和v(k)分别为状态噪声和观测噪声,且为相互独立的零均值白噪声序列,所述w(k)和所述v(k)满足[w(k)]=[(k)]=0、E[w(k)w(k)T]=Q和E[v(k)v(k)T]=R;
赋予状态向量的初始值x(0)的统计特性为E[x(0)]=u0,Var[x(0)]=E[x(0)-u0][x(0)-u0]T=P0;
计算得到卡尔曼滤波增量K(k)=P(k|k-1)CT[CP(k|k-1)CT+R]-1;
将改进的定位标签坐标输入到测量值Zk;
根据状态向量估计值、卡尔曼滤波增量和测量值,计算定位标签坐标最优值所述为定位标签坐标最优值,所述为先验估计的状态矩阵,所述Kk为卡尔曼滤波增量,所述H为n×m观测模型矩阵。
9.如权利要求8所述的方法,其特征在于,所述方法还包括:
更新Pk,所述Pk是的协方差矩阵,Pk-1为上一时刻状态的估计误差协方差矩阵;
P(k|k)=[I-K(k)C]P(k|k-1),用于计算更新本次估计误差协方差的值。
10.一种室内应用于核电站定位系统,其特征在于,所述系统包括:
获取单元,用于获取多个定位基站的坐标;
测量单元,用于测量定位标签至所述多个定位基站中第i基站第一距离与所述定位标签至所述多个定位基站中第一基站第二距离的距离差;
计算单元,用于根据定位基站的数量采用对应运算方式计算所述定位标签的坐标;
监控单元,用于连续定位标签的坐标显示过程,根据房间模型数据和测得的定位标签的坐标,调用射线追踪功能计算出所有最短传播路径,通过射线求交运算判断可行性后,保留并记录最短的可行传播路径,结合计算单元测得的定位标签的坐标,输出目标所处房间信息和定位标签的坐标数据到监控端显示单元实现后台实时监控,所述房间模型数据包括屏柜位置尺寸和定位基站的定位坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910072462.7A CN109709513A (zh) | 2019-01-25 | 2019-01-25 | 一种室内应用于核电站定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910072462.7A CN109709513A (zh) | 2019-01-25 | 2019-01-25 | 一种室内应用于核电站定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109709513A true CN109709513A (zh) | 2019-05-03 |
Family
ID=66262899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910072462.7A Pending CN109709513A (zh) | 2019-01-25 | 2019-01-25 | 一种室内应用于核电站定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109709513A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221245A (zh) * | 2019-05-28 | 2019-09-10 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110657806A (zh) * | 2019-09-30 | 2020-01-07 | 青岛联合创智科技有限公司 | 一种基于CKF、chan解算和Savitzky-Golay平滑滤波的位置解算方法 |
CN110798886A (zh) * | 2019-11-04 | 2020-02-14 | 北京邮电大学 | 一种定位方法及装置 |
CN110850362A (zh) * | 2019-11-27 | 2020-02-28 | 博微宇空(重庆)科技有限公司 | 基于场景辅助的地基定位系统及方法 |
CN111999220A (zh) * | 2020-08-26 | 2020-11-27 | 西安建筑科技大学 | 一种追踪碎石颗粒运动轨迹的方法 |
CN113108791A (zh) * | 2021-03-05 | 2021-07-13 | 深圳大学 | 一种导航定位方法及导航定位设备 |
CN113259884A (zh) * | 2021-05-19 | 2021-08-13 | 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 |
CN113316085A (zh) * | 2021-05-08 | 2021-08-27 | 中国核电工程有限公司 | 一种封闭空间内滞留告警的方法及装置、系统 |
CN113639744A (zh) * | 2021-07-07 | 2021-11-12 | 武汉工程大学 | 一种用于仿生机器鱼的导航定位方法和系统 |
CN116828596B (zh) * | 2023-08-28 | 2023-11-10 | 四川思凌科微电子有限公司 | 一种使用rssi的高精度定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103476116A (zh) * | 2013-09-23 | 2013-12-25 | 东南大学 | 基于定位单元质量及多算法数据融合的抗NLoS误差定位方法 |
CN103925925A (zh) * | 2014-03-14 | 2014-07-16 | 四川九洲空管科技有限责任公司 | 一种用于多点定位系统的实时高精度位置解算方法 |
CN105526934A (zh) * | 2016-02-17 | 2016-04-27 | 郑州联睿电子科技有限公司 | 一种室内外一体化高精度定位导航系统及其定位方法 |
CN108391279A (zh) * | 2018-02-08 | 2018-08-10 | 南瑞集团有限公司 | 一种lte电力无线专网网外干扰源故障跟踪定位方法 |
CN109188355A (zh) * | 2018-09-14 | 2019-01-11 | 四川大学 | 一种多点定位系统接收天线优化及最优布站方法 |
-
2019
- 2019-01-25 CN CN201910072462.7A patent/CN109709513A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103476116A (zh) * | 2013-09-23 | 2013-12-25 | 东南大学 | 基于定位单元质量及多算法数据融合的抗NLoS误差定位方法 |
CN103925925A (zh) * | 2014-03-14 | 2014-07-16 | 四川九洲空管科技有限责任公司 | 一种用于多点定位系统的实时高精度位置解算方法 |
CN105526934A (zh) * | 2016-02-17 | 2016-04-27 | 郑州联睿电子科技有限公司 | 一种室内外一体化高精度定位导航系统及其定位方法 |
CN108391279A (zh) * | 2018-02-08 | 2018-08-10 | 南瑞集团有限公司 | 一种lte电力无线专网网外干扰源故障跟踪定位方法 |
CN109188355A (zh) * | 2018-09-14 | 2019-01-11 | 四川大学 | 一种多点定位系统接收天线优化及最优布站方法 |
Non-Patent Citations (5)
Title |
---|
仲江涛等: ""基于Kalman 滤波的Chan 室内定位算法改进"", 《通信技术》 * |
朱良谊等: "《基于Arduino的四旋翼飞行器系统设计与制作》", 30 September 2018 * |
李招华等: ""基于Chan的TDOA三维定位算法"", 《现代电信科技》 * |
邵萌等: "《超精密位移平台控制系统设计》", 30 June 2018, 沈阳:东大大学出版社 * |
高阳: ""基于移动广播网的TDOA定位与非视距抑制技术研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221245B (zh) * | 2019-05-28 | 2022-04-19 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110221245A (zh) * | 2019-05-28 | 2019-09-10 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110657806A (zh) * | 2019-09-30 | 2020-01-07 | 青岛联合创智科技有限公司 | 一种基于CKF、chan解算和Savitzky-Golay平滑滤波的位置解算方法 |
CN110798886A (zh) * | 2019-11-04 | 2020-02-14 | 北京邮电大学 | 一种定位方法及装置 |
CN110850362A (zh) * | 2019-11-27 | 2020-02-28 | 博微宇空(重庆)科技有限公司 | 基于场景辅助的地基定位系统及方法 |
CN111999220A (zh) * | 2020-08-26 | 2020-11-27 | 西安建筑科技大学 | 一种追踪碎石颗粒运动轨迹的方法 |
CN113108791A (zh) * | 2021-03-05 | 2021-07-13 | 深圳大学 | 一种导航定位方法及导航定位设备 |
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 |
CN113316085A (zh) * | 2021-05-08 | 2021-08-27 | 中国核电工程有限公司 | 一种封闭空间内滞留告警的方法及装置、系统 |
CN113259884A (zh) * | 2021-05-19 | 2021-08-13 | 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 |
CN113639744A (zh) * | 2021-07-07 | 2021-11-12 | 武汉工程大学 | 一种用于仿生机器鱼的导航定位方法和系统 |
CN113639744B (zh) * | 2021-07-07 | 2023-10-20 | 武汉工程大学 | 一种用于仿生机器鱼的导航定位方法和系统 |
CN116828596B (zh) * | 2023-08-28 | 2023-11-10 | 四川思凌科微电子有限公司 | 一种使用rssi的高精度定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709513A (zh) | 一种室内应用于核电站定位方法及系统 | |
CN110708659B (zh) | 一种适用于矿井路径的人员定位方法及系统 | |
CN110068791B (zh) | 基于阵列天线的室内定位系统 | |
CN108303673A (zh) | 一种基于视频辅助定位的uwb三维定位系统 | |
CN108639889B (zh) | 一种基于非侵入式传感器的电梯云监测系统 | |
CN112423225B (zh) | 基于uwb技术的铁路客站内目标对象的定位方法 | |
Cheng et al. | Real time indoor positioning system for smart grid based on uwb and artificial intelligence techniques | |
CN109831741A (zh) | 地下管廊人员定位系统 | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
Monica et al. | Optimized anchors placement: An analytical approach in UWB-based TDOA localization | |
Kaniewski et al. | Application of UWB modules in indoor navigation system | |
CN109308060A (zh) | 基于无线脉冲的车间资源感知定位系统 | |
CN103200674B (zh) | 面向无人值守变电站的移动对象定位跟踪方法 | |
CN114268900A (zh) | 一种室内定位方法及系统 | |
CN107659918B (zh) | 一种智能跟随的方法及系统 | |
Gulden et al. | An overview of wireless local positioning system configurations | |
Zhou | An Overview of Ultra-Wideband Positioning Technology and Its Applications | |
CN110213719A (zh) | 一种基于uwb的室内定位方法 | |
Ling et al. | UWB-based real-time continuous positioning system in NLOS tunnel environment | |
CN105699937B (zh) | 一种基于css定位技术的变电站高精度混合定位方法 | |
CN111190139B (zh) | 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 | |
Luo et al. | Accurate localization for indoor and outdoor scenario by GPS and UWB fusion | |
Eduard et al. | Infrastructure-Less Long-Range Train-Arrival Notification System | |
Lee et al. | Hybrid positioning system for improving location recognition performance in offshore plant environment | |
Ting et al. | High precision location tracking technology in IR4. 0 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |