CN110290491B

CN110290491B - 一种基于多径辅助的室内目标定位方法

Info

Publication number: CN110290491B
Application number: CN201910412290.3A
Authority: CN
Inventors: 田增山; 李泽; 王亚; 金悦; 未平
Original assignee: Chongqing University of Post and Telecommunications
Current assignee: Chongqing University of Post and Telecommunications
Priority date: 2019-05-17
Filing date: 2019-05-17
Publication date: 2020-12-04
Anticipated expiration: 2039-05-17
Also published as: CN110290491A

Abstract

本发明提出一种基于多径辅助的室内定位方法。首先，利用多径信号的差分TOF构建关于散射体以及目标位置的目标方程；然后，利用粒子群优化(Particle Swarm Optimization,PSO)算法对散射体位置以及目标位置进行联合搜索，其中利用散射体与目标的AOA及房间尺寸大小确定搜索范围，减小搜索空间；其次，选取搜索到的散射体以及对应的差分TOF构建定位方程，对方程进行线性化后求解目标位置。最后，对所有散射体估计到的目标位置进行聚类检测检测散射体中的离群点，当出现离群散射体时重新进行上述步骤直到不出现离群点，此时将搜索到的目标位置作为最终估计值。该发明方法有效地利用了多径信号并且消除了相位误差的影响，实现了单站定位。

Description

一种基于多径辅助的室内目标定位方法

技术领域

本发明属于室内定位技术，一种基于多径辅助的室内目标定位方法。

背景技术

随着人类经济社会的发展，出现了智慧工厂、智慧城市、智慧医疗等智能型产业，这些产业的发展无不依赖于先进的智能计算。因此，智能计算的出现将极大地改变人类的生产生活，同时也推动了经济的转型与升级。由于地理位置信息是许多智能计算例如无人驾驶、机器人导航等不可或缺的部分，定位技术得到了极大的关注。另一方面，由于现在人们的生产生活大部分发生在室内环境下，室内定位技术显得越来越重要。以室内位置解决方案将为智慧工厂建设提供更多的应用价值，助力工业转型。在智慧城市中，室内定位将为智能家居、公共安全以及城市管理提供重要的技术支撑。智慧医疗方面，室内位置信息可以提高病人管理效率、降低管理成本以及增强服务质量。因此，研究室内定位技术有着重要的意义。

至今，在众多的室内定位技术中无线定位技术发展尤为迅速，其中基于WiFi和LTE(Long Term Evolution,LTE)信号的定位技术已经突破了亚米级的定位精度。无线定位技术主要可分为以下几类：一、基于接收信号强度(Received Signal Strength,RSS)；二、基于到达时间差(Time Difference of Arrival,TDOA)或者飞行时间(Time of Flight,TOF)；三、基于到达角(Angle of Arrival，AOA)。基于RSS的定位技术最为常用，主要原因是RSS易于获取，其定位精度在2-4米左右。主要的方法有：一、基于传播模型测距的定位方法；第二、基于指纹的定位方法。对于第一种方法，首先要在离线阶段训练传播模型，而传播模型主要依赖于衰减因子。因此，衰减因子的精确程度影响到最终测距的结果。由于室内环境存在多径信号，造成观测的RSS存在波动，因此训练的衰减因子精度较差。虽然指纹定位方法提高了定位精度，但是仍然需要进行离线数据采集构建指纹数据库。当环境发生变化则需要对指纹库进行更新。基于TDOA的定位技术通常需要接收端之间进行时钟同步，另外利用TDOA通常需要三个及其三个以上的接收节点才能实现目标的定位。TOF主要是获得无线信号从发送端到接收端的传播时间，然而现有的WiFi或者LTE等商用网络中接收信号存在大量的相位误差，相位误差的消除也是其关键技术之一。基于AOA的定位技术是利用目标与多个接收端之间形成的角度进行定位，因此信号的AOA可以利用其在阵列天线之间的相位差进行估计。由于多径信号的存在，通常需要利用超分辨算法例如多重信号分类(MultipleSignal Classification,MUSIC)对多径信号进行分辨，以获得直射路径的AOA，多径信号AOA的估计精度要受到天线数量的影响。一般地，要求天线数量要多于路径的个数，且天线数量越多估计的精度就越高。对利用TDOA和TOF的定位方法，相位误差消除则是其关键问题。对利用AOA的定位方法来说，对目标定位需要多个基站。但是在室内环境下，由于目标的移动性以及环境的复杂性使得这一条件得不到满足，因此基于AOA的定位方法有着一定的局限性。

本发明提出一种基于多径辅助的室内目标定位方法，该方法利用多径信号的AOA和差分TOF对目标进行定位。相比传统室内定位算法中对多径信号进行抑制，利用多径信号可以在只有单个定位基站的情况下对目标进行定位。首先，利用多径信号的差分TOF构建关于散射体以及目标位置的目标方程；然后，利用粒子群优化(Particle SwarmOptimization,PSO)对散射体位置以及目标位置进行联合搜索，其中利用散射体与目标的AOA及房间尺寸大小确定搜索范围，减小搜索空间；其次，选取搜索到的散射体以及对应的差分TOF构建定位方程，求解目标位置。最后，对所有散射体估计到的目标位置进行聚类，当检测散射体位置具有较大误差的情况时重新进行PSO。该发明方法有效地利用了多径信号并且消除了相位误差的影响，实现了单站定位。

发明内容

本发明的目的是提供一种基于多径辅助的室内目标定位方法，它能有效地利用多径信号对目标进行定位。

本发明所述的基于多径辅助的室内目标定位方法，包括以下步骤：

步骤一、对定位基站获得的信道频率响应(Channel frequency Response,CFR)构建理论与实际测量值之间的关系，构建信号模型；

步骤二、对多径与直达路径的TOF进行差分，构造TOF差分观测值。由于多径信号是发射信号经过散射体反射形成的，因此到达接收端的多径参数包含了室内场景信息，可以有效地利用多径参数对目标进行定位；

步骤三、利用散射体及目标位置构造TOF差分值，然后联合差分TOF观测值构造目标函数。由于目标函数未知变量大于等式数量，且室内多径信号数量较多，该问题是一个NP-hard问题；

步骤四、利用路径的AOA可以建立过散射体及目标位置的直线方程；同时，考虑到室内环境大小有限，可以结合直线方程确定目标以及散射体的位置范围；

步骤五、利用粒子群优化(Particle Swarm Optimization,PSO)对目标以及散射体位置联合搜索；主要包括：构造适应度函数、参数初始化、粒子最佳适应度更新、种群最佳适应度更新、速度更新以及粒子位置更新；

步骤六、利用所有散射体及对应的TOF差分值，构建目标定位方程，然后求解目标位置；

步骤七、利用聚类算法对所有散射体组合定位出的目标位置进行聚类；如果满足聚类准则，则将PSO的输出结果作为最终的目标位置；反之，则重复步骤五至步骤七。

有益效果

本发明是基于多径信号进行目标定位有以下优点：

1.由于多径信号包含室内环境信息，相比于传统定位算法中对多径信号进行抑制，可以利用室内多径信号对目标进行定位；

2.利用同一接收端的多径及直达路径的TOF包含公共相位误差的特点，利用差分的方法消除相位误差对TOF的影响，该方法可以应用在现有的商用无线局域网以及移动网络当中；

3.由于是利用多径信号进行定位，因此可以实现单个定位基站对目标进行定位，而不需要多个网络节点，也不需要目标与接收端之间进行时钟同步。

附图说明

图1为本发明的流程图；

图2为室内场景示意图；

具体实施方案

下面结合附图对本发明作进一步详细说明：

图1为本发明流程图，步骤如下：

步骤一、在室内环境下假设房间大小为L×Wm²，如图2所示，其中L为房间长度，W为房间宽度。定位基站利用由N(N＞3)个阵元组成的线性阵列，信号采用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)调制方式，子载波数量为M个。信道频率响应(Channel Frequency Response,CFR)可以表示为：

其中，γ_k和τ_k分别表示第k条路径的衰减和TOF，K为路径的个数，f为载波频率，j为复数单位。所有天线上的全部子载波的CFR可以表示为：

H＝[h_1,1,…,h_1,M,…,h_N,1,…,h_N,M]^T (2)

根据联合角度和时延估计算法(Joint Angle and Delay，JADE)模型，H又可以表示为：

H＝Z(θ,τ)S(γ)+N (3)

其中，S(γ)是K×1衰减向量，N是NM×1的噪声矢量。Z(θ,τ)是NM×K的方向矩阵，其可以表示为：

其中，

表示克罗内克乘法，a(θ)和b(τ)分别表示为：

a(θ)＝[a₁(θ),…,a_N(θ)]^T (5)

b(τ)＝[b₁(τ),…,b_M(τ)]^T (6)

其中，a_n(θ)＝e^{-j2πf(n-1)dsinθ/c}为a(θ)中第n个元素，θ为路径的AOA，d是天线之间的间距为半波长，c为电磁波在真空中的传播速度。b_m(τ)＝e^{-j2πΔf(m-1)τ}为b(τ)中第m个元素，Δf为子载波频率间隔。对于式(3)利用JADE算法，可以联合估计多径信号的AOA和TOF，并且可以利用多径信号的空间特性进行直达路径识别。由于收发两端不同步存在载波频率偏移(Carrier Frequency Offset,CFO)造成的相位误差，那么实际测量到的CFR为

为CFO造成的相位误差。另外，由于存在符号定时偏移(Symbol TimingOffset,STO)以及包检测时延(Packet Detection Delay,PDD)，会给不同子载波上的CFR造成2πkΔτ的相位偏移，Δτ为附加传播时延。

步骤二、如图1所示，为了直观表示在房间内建立平面直角坐标系。目标、第i散射体以及基站分别用P、S_i以及R来标记，散射体以及目标的坐标为s_i＝[x_i,y_i]，i＝1,…,L+1，其中目标的位置为s_L+1＝[x_L+1,y_L+1]，基站坐标表示为r＝[x_R,y_R]。首先，由步骤一可知第i条路径到达接收端的TOF为：

其中，

c为电磁波在真空中的传播速度，

为CFO引起的公共误差，Δτ为附加传播时延为STO及PDD引起的附加时延，ε_i为估计误差。设直达路径的TOF为：

其中，

ε_L+1为估计误差。以直达路径为参考形成的差分TOF表示为：

其中，ε_i/L+1为估计误差的差值。

步骤三、构造理论上第i条反射路径与直达路径之间差分TOF为：

引入变量

表示为：

根据公式(9)和(10)，

可以进一步表示为：

其中，ε＝[ε_1/L+1，...，ε_L/L+1]为TOF估计误差向量，其协方差矩阵为Λ＝E{εε^T}。t(S)表示为：

其中，S＝[s₁，...,s_L+1]。式(12)利用加权最小二乘法有：

为了求解目标以及散射体位置构造目标函数有：

对目标及散射体位置求解等式应该大于或等于未知数个数，考虑到L个散射体及目标的坐标，则总共有2(L+1)个未知数。式(12)中有L个等式，式(16)中以AOA建立的方程有L+1个，则总共有2L+1个。由于未知数大于等式数量且位置范围较大，因此问题(9)是个NP-hard问题。

步骤四、对于第i个路径可以建立直线方程为：

y_i-y_R＝tanθ_i(x_i-x_R),i＝1,…,L+1 (16)

其中，θ_i为第i条路径的AOA。室内环境大小约束了目标及散射体位置范围，根据式(16)有以下几种情况：

4a、当tanθ_i＞0，求解式(16)与直线y＝W交点E(x_e,y_e)；当x_e＜L时，有x_i∈[0,x_e]；当x_e≥L时，有x_i∈[0,L]。

4b、当tanθ_i＜0，求解式(16)与直线y＝0交点E(x_e,y_e)，当x_e＜L时，x_i∈[0,x_e]；当x_e≥L时，x_i∈[0,L]。

4c、当tanθ_i＝0，有x_i∈[0,L]。

步骤五、在获得目标以及散射体位置范围后，利用PSO算法对目标以及散射体位置联合搜索。包括以下步骤：

5a、随机生成维度为L+1的初始种群粒子

初始种群数量为Q。其中，

为第q个粒子的L个散射体的x分量，

为第q个粒子中目标位置x分量，随机生成的x分量范围由步骤四获得；然后，设置每个粒子初始历史最佳位置，第q(q＝1,…,Q)个粒子的初始历史最佳位置为

其初始速度

0_L+1为长度L+1的零向量；设置种群历史最佳位置为

其次，设置每个粒子的历史最佳适应度，第q个粒子的初始最佳适应度为f^q＝Inf，种群的历史初始最佳适应度为f^Q＝Inf，其中Inf是一个极大正数。

5b、更新粒子历史最佳适应度值以及历史最佳位置。第t次迭代中，计算种群中第q(q＝1,…,Q)个粒子的适应度

当

对粒子的历史最佳适应度进行更新有

以及对粒子历史最佳位置进行更新有

适应度函数为：

其中，S中目标以及散射体位置y分量利用式(16)计算。

5c、更新种群历史最佳适应度值以及历史最佳位置，选择Q个粒子最小适应度值fit_min，当f^Q≥fit_min，对种群的历史最佳适应度值进行更新有f^Q＝fit_min，对种群历史最佳位置进行更新有

p(fit_min)为适应度最小的粒子位置。

5d、对种群中每个粒子的速度值进行更新有：

其中，w为惯性权重，其在计算过程中从0.9到0.4之间线性变化，c₁为自我学习因子从2.5到0.5线性变化，c₂为群体学习因子从0.5到2.5之间线性变化，rand为在[0,1]区间产生一个随机数。

5e、对种群中粒子的位置进行更新有：

5f、判断是否达到最大迭代次数I，如果t＜I，则重复步骤5b-5e。反之结束循环，将历史最佳位置f^Q作为最终的搜索结果；利用f^Q以及式(16)计算目标以及散射体的位置。

步骤六、将第i个散体位置带入公式(13)中：

其中，

对(19)两边平方并进行线性化，然后联合三个散射体有：

Gz＝h-e (20)

其中，z＝[x_L+1-x_R,y_L+1-y_R,d_L+1]^T，d_L+1为目标到定位基站之间的距离，e为测量误差矢量。矩阵G和h分别表示为：

其中，i₁≠i₂≠i₃且i₁,i₂,i₃∈[1,L]。利用最小二乘法有：

z＝(G^TG)^-1G^Th (23)

步骤七、对

(从L个不同元素中取出3个元素的组合数)种散射体组合定位出的目标位置进行聚类，在室内环境下L∈[6,8]很容易满足。如果满足聚类准则，则将PSO的输出结果作为最终的目标位置。反之，则重复步骤五至步骤七。聚类准则如下：

7a、所有散射体组合定位都不存在离群点，即所有定位结果都在定位区域内；

7b、所有散射体组合定位聚类的类数量不小于1。

Claims

1.一种基于多径辅助的室内目标定位方法，其特征在于，包括以下步骤：

a)利用多径与直达路径的飞行时间(Time of Flight,TOF)进行差分，构建关于散射体以及目标位置的差分TOF观测方程；

b)利用多径与直达路径的到达角(Angle of Arrival,AOA)、定位基站的位置构建直线方程，利用室内环境的尺寸大小确定散射体以及目标位置的范围；

c)利用粒子群优化(Particle Swarm Optimization,PSO)搜索散射体与目标的位置；

d)选取散射体以及定位基站的位置构建目标定位方程，求解目标位置；

e)利用聚类算法对利用散射体组合定位出的目标位置进行聚类，对聚类结果进行分析，确定是否要重行执行PSO。

2.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，其特征在于利用多径与直达路径TOF差值消除相位误差的影响，保留了路径之间真实的TOF差值；具体如下：为了直观表示在房间内建立平面直角坐标系；目标、第i散射体以及基站分别用P、S_i以及R来标记，散射体以及目标的坐标为s_i＝[x_i,y_i]，i＝1,…,L+1，其中目标的位置为s_L+1＝[x_L+1,y_L+1]，基站坐标表示为r＝[x_R,y_R]；第i条路径到达接收端的TOF为：

其中，

c为电磁波在真空中的传播速度，

为CFO引起的公共误差，Δτ为符号定时偏移(Symbol TimingOffset,STO)以及包检测时延(Packet Detection Delay,PDD)引起的公共附加TOF，ε_i为估计误差；设直达路径的TOF为：

其中，

ε_L+1为估计误差；以直达路径为参考形成的差分TOF有：

其中，ε_i/L+1为估计误差的差值；

构造理论上第i条反射路径与直达路径之间差分TOF为：

引入变量

表示为：

根据公式(3)和(4)，

可以进一步表示为：

其中，ε＝[ε_1/L+1，…，ε_L/L+1]为TOF估计误差向量，其协方差矩阵为Λ＝E{εε^T}，t(S)表示为：

其中，S＝[s₁，…,s_L+1]；式(6)利用加权最小二乘法有：

为了求解目标以及散射体位置构造目标函数有：

对目标及散射体位置求解等式应该大于或等于未知数个数，考虑到L个散射体及目标的坐标，则总共有2(L+1)个未知数；式(6)中有L个等式，式(10)中以AOA建立的方程有L+1个，则总共有2L+1个；由于未知数大于等式数量且位置范围较大，因此公式(9)中的问题是个NP-hard问题。

3.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用多径、直达路径AOA以及定位基站位置构建直线方程，利用室内环境的尺寸大小确定散射体以及目标位置区域，其特征在于确定了目标以及散射体位置范围，减小搜索范围；具体地，对于第i个路径可以建立直线方程为：

y_i-y_R＝tanθ_i(x_i-x_R),i＝1,…,L+1 (10)

其中，θ_i为第i条路径的AOA；

同时，室内环境大小约束了目标以及散射体的范围，有利于位置的搜索；在房间大小为L×Wm²的情况下，那么根据式(10)有以下几种情况：

a)当tanθ_i＞0，求解式(10)与直线y＝W交点E(x_e,y_e)；当x_e＜L时，有x_i∈[0,x_e]；当x_e≥L时，有x_i∈[0,L]；

b)当tanθ_i＜0，求解式(10)与直线y＝0交点E(x_e,y_e)，当x_e＜L时，x_i∈[0,x_e]；当x_e≥L时，x_i∈[0,L]；

c)当tanθ_i＝0，有x_i∈[0,L]。

4.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用PSO算法搜索散射体与目标的位置，其特征在于利用散射体以及目标位置范围能快速地搜索其位置；具体地，包括以下步骤：

a)随机生成维度为L+1的初始种群粒子

初始种群数量为Q；其中，

为第q个粒子的L个散射体的x分量，

为第q个粒子中目标x分量，随机生成的粒子x范围由权利要求3获得；设置每个粒子初始历史最佳位置，第q(q＝1,…,Q)个粒子的初始历史最佳位置为

初始速度

0_L+1为长度L+1的零向量；设置种群历史最佳位置为

设置每个粒子的历史最佳适应度，第q个粒子的初始最佳适应度为f^q＝Inf；设置种群的历史初始最佳适应度为f^Q＝Inf，Inf是一个极大正数；

b)更新粒子历史最佳适应度值以及历史最佳位置；在第t次迭代中，计算种群中第q(q＝1,…,Q)个粒子的适应度

当

对粒子的历史最佳适应度进行更新有

以及对粒子历史最佳位置进行更新有

适应度函数为：

其中，S中目标以及散射体位置y分量利用式(10)计算；

c)更新种群历史最佳适应度值以及历史最佳位置；选择Q个粒子中适应度最小值fit_min，当f^Q≥fit_min，对种群的历史最佳适应度值进行更新有f^Q＝fit_min，对种群历史最佳位置进行更新有

p(fit_min)为适应度最小的粒子位置；

d)对种群中每个粒子的速度值进行更新有：

其中，w为惯性权重，其在计算过程中从0.9到0.4之间线性变化，c₁为自我学习因子从2.5到0.5线性变化，c₂为群体学习因子从0.5到2.5之间线性变化，rand为在[0,1]区间产生一个随机数；

e)对种群中粒子的位置进行更新有：

f)判断是否达到最大迭代次数I，如果t＜I，则重复步骤b-e；反之结束循环，将历史最佳位置f^Q作为最终的搜索结果。

5.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，选取散射体以及定位基站的位置构建目标定位方程，然后求解目标位置，其特征在于能够利用搜索出的散射体位置以及对应的差分TOF对目标进行定位；具体地，将第i个散射体位置带入式(7)中：

其中，

对(13)两边平方并进行线性化，然后联合三个散射体有：

Gz＝h-e (14)

其中，z＝[x_L+1-x_R,y_L+1-y_R,d_L+1]^T，d_L+1为目标到定位基站之间的距离，e为测量误差矢量；矩阵G和h分布表示为：

其中，i₁≠i₂≠i₃且i₁,i₂,i₃∈[1,L]；利用最小二乘法有：

z＝(G^TG)^-1G^Th (17) 。

6.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用聚类算法对利用散射体定位出的所有可能的目标位置进行聚类，对聚类结果进行分析，确定是否要重行执行PSO算法，其特征在于能够有效地检测出散射体位置出现较大误差的情况；具体地，对

种散射体组合定位出的目标位置进行聚类；其中，

为从L个不同元素中取出3个元素的组合数，且在室内环境下要求L∈[6,8]；如果满足聚类准则，则将PSO的输出结果作为最终的目标位置；反之，则重复步骤c)、d)、e)；其中，聚类准则如下：

a)所有散射体组合定位都不存在离群点，即所有定位结果都在定位区域内；

b)所有散射体组合定位聚类的类数量不小于1。