CN111896914A - 一种协同定位方法、装置、设备和存储介质 - Google Patents

一种协同定位方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111896914A
CN111896914A CN202010280268.0A CN202010280268A CN111896914A CN 111896914 A CN111896914 A CN 111896914A CN 202010280268 A CN202010280268 A CN 202010280268A CN 111896914 A CN111896914 A CN 111896914A
Authority
CN
China
Prior art keywords
target
value
preset
measured
algorithm
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
Application number
CN202010280268.0A
Other languages
English (en)
Inventor
陈大伟
陈诗军
金玲飞
钱路雁
李俊强
王阳
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202010280268.0A priority Critical patent/CN111896914A/zh
Publication of CN111896914A publication Critical patent/CN111896914A/zh
Priority to EP21785628.5A priority patent/EP4134697A4/en
Priority to PCT/CN2021/078794 priority patent/WO2021203871A1/zh
Priority to KR1020227021724A priority patent/KR20220101195A/ko
Priority to JP2022535910A priority patent/JP7344389B2/ja
Priority to US17/785,640 priority patent/US20230077304A1/en
Pending legal-status Critical Current

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
    • G01S5/0278—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 involving statistical or probabilistic considerations
    • 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
    • G01S5/0257—Hybrid positioning
    • 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
    • G01S5/0205—Details
    • G01S5/0244—Accuracy or reliability of position solution or of measurements contributing thereto
    • 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
    • G01S5/0284—Relative positioning
    • G01S5/0289—Relative positioning of multiple transceivers, e.g. in ad hoc networks
    • 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
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Abstract

本申请提出一种协同定位方法、装置、设备和存储介质。该方法包括：采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；根据多目标源的泰勒级数算法、目标距离测量值和初始定位估计值确定待测目标位置。

Description

一种协同定位方法、装置、设备和存储介质
技术领域
本申请涉及定位，具体涉及一种协同定位方法、装置、设备和存储介质。
背景技术
随着全球定位系统(Global Position System，GPS)的出现，定位需求在日常生活中开始变得越来越重要。在传统的定位算法中，泰勒(Taylor)级数展开法是解非线性方程组的最佳解法之一，但Taylor算法的缺点有两点，其一是对初始值较敏感，迭代的初始值对Taylor算法的影响较大，第二是可能会出现不收敛的情况。因此，如何实现对待测目标的高精准定位，是亟待解决的问题。
发明内容
本申请实施例提供一种协同定位方法、装置、设备和存储介质，实现了对待测目标的高精准定位。
本申请实施例提供一种协同定位方法，包括：
采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；
基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；所述至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；
根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置。
本申请实施例提供一种协同定位装置，包括：
第一确定模块，配置为采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；
第二确定模块，配置为基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；所述至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；
第三确定模块，配置为根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置。
本申请实施例提供一种设备，包括：存储器，以及一个或多个处理器；
所述存储器，配置为存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的方法。
附图说明
图1是本申请实施例提供的一种协同定位方法的流程图；
图2是本申请实施例提供的一种理论距离测量值范围的显示示意图；
图3是本申请实施例提供的另一种协同定法方法的流程图；
图4是本申请实施例提供的一种不同算法误差分析图；
图5是本申请实施例提供的一种不同算法定位误差对比示意图；
图6是本申请实施例提供的一种累计分布与测量误差方法的关系图；
图7是本申请实施例提供的一种定位点分布示意图；
图8是本申请实施例提供的一种协同定位装置的结构框图；
图9是本申请实施例提供的一种设备的结构示意图。
具体实施方式
下文中将结合附图对本申请的实施例进行说明。
在传统的定位算法中，Taylor级数展开法是解非线性方程组的最佳解法之一，Taylor级数展开法有着较高的求解精度和较快的迭代速度，使其成为最常用的定位算法之一。Taylor算法的缺点有两点，其一是对初始值较敏感，迭代的初始值对Taylor算法的影响较大，第二是可能会出现不收敛的情况。解决方法是利用多种算法进行协同定位。先用一种算法得出定位初始值，再使用该初始值带入Taylor级数展开法得到精确解。
到达时间差(Time Difference of Arrival，TDOA)定位算法模型，在时延估计得到多个TDOA测量值之后，可以建立定位方程组：
Figure BDA0002446318080000031
在初始值求解方面，一般采用Chan算法获取定位初始值。Chan算法在测量误差服从高斯分布时，该算法定位精确，并且算法复杂度不高。Chan算法采用的两步加权最小二乘(Weighted Least Squares，WLS)，先假设变量是相互独立的，求得他们的估计值，再考虑他们之间的相互关系，求得到目标位置。
Figure BDA0002446318080000032
其中，x，y和R分别是待测目标的坐标和与基站之间的距离的估计值。
定义误差向量ψ＝h-GaZa，则：
φ＝E[ψψT]≈c2BQB (3)
其中，第一对角矩阵B＝diag{r1，r2，...，rN}，r1，r2，...，rN是基站i与待测目标的真实距离，
Figure BDA0002446318080000033
是服从高斯分布的噪声矢量协方差矩阵，假定Za中的各个量相互独立，用加权最小二乘得到：
Figure BDA0002446318080000034
由于由于B中有MS和基站探测器之间的距离，则φ是个未知量，还需要进一步的计算。
在待测目标与基站距离很远的情况下，可用Q代替，上述公式可以近似为：
Figure BDA0002446318080000035
在待测目标距离基站距离较近的情况下，先假设待测目标距离基站很远，然后利用上述公式得到一个初始的粗略的解，利用该初始解可以计算B矩阵，然后再计算第一次和第二次WLS的结果。
Chan算法的假设是基于测量误差为零均值高斯分步，对于实际环境中误差较大的测量值，比如在有非视距误差的环境下(NLOS)，该算法的性能会有显著的下降。
在Taylor定位求解方面，定位精度受距离测量误差以及观测方程数量影响。距离测量误差越小、观测方程越多，定位效果就越好。可以通过一定手段消除误差较大的数据。同时现有定位算法一般都是建立终端和基站距离测量的观测方程，在基站数不多的情况下，方程数量受限，定位效果一般。有鉴于此，本申请实施例提出一种协同定位方法，根据模拟退火算法的改进Chan算法和泰勒级数算法，对待测目标进行高精度的定位。
在一实施例中，图1是本申请实施例提供的一种协同定位方法的流程图。本实施例适用于采用至少两种算法对待测目标进行协同定位的情况。本实施例中的协同定位方法包括S110-S130。
S110、采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值。
在实施例中，第一预设定位算法为Chan算法。Chan算法是一种基于TDOA技术、具有解析表达式解的定位算法，在TDOA误差服从理想高斯分布时性能良好。在实施例中，待测目标指的是待测终端，比如，待测终端可以为待定位的用户设备(User Equipment，UE)。在实施例中，采用模拟退火算法和Chan算法协同确定待测目标的初始定位估计值，以便于得到待测目标准确的定位位置。模拟退火算法具有局部搜索能力强，运行时间较短的优点。在待测目标与每个基站之间的距离较近的情况下，第一次估算也需要一个估计初始值，才能求解初始解的估计矩阵。在实际生活中，比如，室内定位的场景下，待测目标与每个基站之间的距离较近，此时需要一个估计初始值(即本实施例中的初始定位估计值)。为此，在本申请实施例中，将模拟退火算法引入待测目标的定位初始解的求解过程中，是为了辅助Chan算法进行初始定位估计，即得到初始定位估计值。
S120、基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值。
在实施例中，至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离。在实施例中，可对待测目标和目标基站之间进行多次测量，以得到多个距离测量值，但在实际测量过程中，出现误差较大的距离测量值，为了实现对待测目标的准确测量，可配置一个预设误差阈值，对距离测量值进行筛除，从而得到较为准确的目标距离测量值。目标距离测量值可以为一个，也可以为多个，与所配置的预设误差阈值以及用户对待测目标的测量准确性高低有关，即在用户对待测目标的测量准确性高的情况下，对预设误差阈值配置高一些；反之，对预设误差阈值配置低一些。在实施例中，目标基站的坐标值为真实坐标值；而待测目标的坐标值为初始定位估计值。
在实施例中，根据目标基站的坐标值和待测目标的坐标值，可计算得到对应的距离估计值，将距离估计值和多次测量得到的距离测量值进行比较，并将比较结果和预设误差阈值对距离测量值进行筛选，可得到较为准确的目标距离测量值。
S130、根据多目标源的泰勒级数算法、目标距离测量值和初始定位估计值确定待测目标位置。
在实施例中，多目标源的泰勒级数算法，指的是将多个待测目标之间的距离测量值参与计算的泰勒级数算法。在实施例中，基于多目标源的泰勒级数算法和Chan算法进行协同定义，可以有效的估计出待测目标的位置，并在误差不服从零均值的高斯分布的情况下，比常用算法的精度更高，更有效。
在一实施例中，采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值，包括：
根据模拟退火算法确定待测目标的初始坐标估计值；
基于第一预设定位算法和初始坐标估计值确定待测目标的初始定位估计值。
在一实施例中，根据模拟退火算法确定待测目标的初始坐标估计值，包括：
根据随机生成的初始坐标值与距离测量值计算预设目标函数，距离测量值为对待测目标与目标基站进行测量得到的距离；
确定随机生成的两个初始坐标值分别对应的两个预设目标函数之间的增量值；
在增量值满足预设准则，且当前迭代次数达到预设迭代次数阈值，以及模拟退火算法中的当前温度达到终止温度的情况下，将最新随机生成的初始坐标值作为待测目标的初始坐标估计值。
在一实施例中，预设准则，包括下述之一：
在增量值小于等于零的情况下，接受随机生成的最新初始坐标值，并降低当前温度；
在增量值大于零的情况下，以第一预设概率接受随机生成的最新初始坐标值。
在一实施例中，基于第一预设定位算法和初始坐标估计值确定待测目标的初始定位估计值，包括：
根据初始坐标估计值计算第一预设定位算法中的第一预设对角矩阵，第一预设对角矩阵为每个目标基站与待测目标之间真实距离组成的矩阵；
根据第一预设对角矩阵和预设噪声矢量协方差矩阵计算得到对应的第一次估计值；
根据第一次估计值和预设估计误差得到第二次估计值；
根据第二次估计值、第二预设对角矩阵和目标基站的已知坐标值确定待测目标的初始定位估计值，第二预设对角矩阵为根据待测目标的坐标值、目标基站的坐标值，以及待测目标与目标基站之间的距离估计值组成的矩阵。
在实施例中，基于模拟退火算法的改进Chan算法获得初始解(即上述实施例中的初始定位估计值)的实施步骤，包含：
假设场所内共有N个基站，对于每个待测目标，模拟退火算法的预设目标函数设置为：
Figure BDA0002446318080000061
其中，Ri为待测目标与目标基站(已知坐标值的基站)的距离估计值，R′i为待测目标与目标基站的距离测量值。预设目标函数的含义为，使用估计的待测目标坐标求出的Ri与距离测量值R′i之间差距的绝对值越小，则估计的坐标越准确。
在实施例中，基于模拟退火算法的改进Chan算法步骤如下：
步骤1，随机生成初始解ω，并计算预设目标函数Jω，当前迭代次数k＝0，当前温度t0＝tmax，r∈(0，1)用来控制降温退火。在实施例中，初始解即为上述实施例中随机生成的初始坐标值。
步骤2，扰动产生新解ω′，并计算预设目标函数Jω′。
步骤3，计算增量值ΔJ＝Jω′-Jω。
步骤4，如果ΔJ≤0，则接受新解ω＝ω′，Jω＝Jω′，k＝k+1，降低温度tk＝rtk-1，否则按照Metropolis准则接受新解，即以第一预设概率(比如，
Figure BDA0002446318080000062
)接受新解。
步骤5，判断是否达到预设迭代次数阈值，若未达到预设迭代次数阈值，继续步骤2。
步骤6，判断是否满足终止条件，终止条件为达到终止温度，若满足终止条件，则输出最终结果；不满足终止条件，则重置迭代次数k＝0，并降低初始温度t0＝rtmax。
步骤7，得到坐标估计初始值(x′，y′)。
步骤8，利用初始值计算Chan算法中的第一预设对角矩阵B，再带入公式(3)求出φ，之后利用公式(4)求出第一次最小二乘解
Figure BDA0002446318080000077
即得到(x0，y0，R0)。
步骤9，由于第一次最小二乘时未考虑x，y和R之间的关系，第二次最小二乘中考虑这三者之间的关系，从而实现更高的定位精度。利用第一次估计值，构造一组误差方程组进行第二次估计。
Figure BDA0002446318080000071
其中，Zi表示Za中的第i分量，ei表示Za的估计误差。
定义新的误差向量：
ψ′＝h′-G′z′ (8)
其中：
Figure BDA0002446318080000072
其中，(X1，Y1)代表基站1的已知坐标。
则ψ′的协方差矩阵为：
Figure BDA0002446318080000078
其中，第二预设对角矩阵为：B′＝diag(x0-X1，y0-Y1，R0)，
Figure BDA0002446318080000073
Figure BDA0002446318080000074
同样采用之前的方法估计，得到：
Figure BDA0002446318080000075
步骤10，得到最终估计位置
Figure BDA0002446318080000076
在实施例中，最终估计位置Z即为上述实施例中待测目标的初始定位估计值。
在一实施例中，基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值，包括：确定待测目标的初始定位估计值与目标基站之间的距离测量误差值；根据距离测量误差值确定对应的累积分布函数；根据累计分布函数确定对应的预设误差阈值；根据预设误差阈值筛除至少两个距离测量值，得到目标距离测量值。
在实施例中，基于误差数据阈值筛除和待测目标间距离测量值优化泰勒定位，包含如下步骤：
由于测量值可能会有NLOS或者多径带来的延时误差，并且泰勒(Taylor)级数展开算法对初始值敏感，所以在得到初始的估计值之后，开始Taylor算法的之前需要将误差特别大的数据进行阈值筛除。
图2是本申请实施例提供的一种理论距离测量值范围的显示示意图。如图1所示，A，B为基站位置，T为待测目标的真实位置，其中，e为测量误差的期望，圆的方程为：
Figure BDA0002446318080000081
Figure BDA0002446318080000082
理论上，A，B的距离测量值在大圆半径与小圆半径之间，由于之前根据模拟退火的改进Chan算法得到了一个初始值，则带入初始值，计算每个基站距离该初始值的误差，并计算累积分布函数。比如，可以将90％误差以上的误差去除，既可以换来一部分的性能提升，并且可以筛除一部分数据。
设场所内共有N个基站，M个待测目标。由于传统的Taylor级数展开算法并未将待测目标之间的测量距离值考虑在内，损失了一部分的有用信息，从而导致定位的精度下降。
原本的Taylor算法采用待测目标与基站之间的距离关系进行计算，即：
Figure BDA0002446318080000083
其中，Ri，j表示待测目标与已知基站之间的距离测量值，为了让定位更精确，可以将所有位置信息都利用起来，加入待测目标之间的距离测量值建立方程组。
Figure BDA0002446318080000091
其中，(xi，yi)表示待测目标的坐标值，(Xi，Yi)表示已知基站的坐标值，R′i，j表示待测目标之间的距离测量值，Ri，j表示待测目标与已知基站之间的距离测量值。
在一实施例中，根据多目标源的泰勒级数算法、目标距离测量值和初始定位估计值确定待测目标位置，包括：将两个待测目标之间的距离测量误差值，以及待测目标与目标基站之间的距离测量误差值组成第一矩阵；利用待测目标的初始定位估计值和估计坐标值之间的差值组成第二矩阵；利用待测目标与目标基站之间的距离估计值，以及两个待测目标之间的上一次距离估计值组成第三矩阵；基于预设定位模型并根据第一矩阵、第二矩阵和第三矩阵确定对应的第四矩阵；基于加权最小二乘法、第四矩阵、第三矩阵和预设协方差矩阵对第二矩阵进行递归计算，直至待测目标侧估计坐标值与初始定位估计值之间的变化量小于预设门限值；将小于预设门限值对应的初始定位估计值作为待测目标位置。
在实施例中，获得初始解后带入多目标源的Taylor级数改进算法，其特征包含：
在待测目标的初始值
Figure BDA0002446318080000092
(即上述实施例中的初始定位估计值，此时为多个待测目标(1，2……M)的初始定位估计值)处进行泰勒级数展开，去除二阶以上分量，得到下列方程组：
Figure BDA0002446318080000101
其中，
Figure BDA0002446318080000102
为待测目标之间距离的上一次估计值，Ri，j为待测目标与已知基站之间的距离估计值，
Figure BDA0002446318080000103
ei，j为待测目标之间距离测量误差，e′1，2为待测目标与已知基站之间的距离误差。
整理后得到定位模型：
h＝GΔ+E (14)
其中，
Figure BDA0002446318080000104
Figure BDA0002446318080000105
对式(14)使用加权最小二乘法(WLS)，可以得到对Δ的估计：
Δ＝(GTQ-1G)-1GTQ-1h (15)
其中，Q代表TDOA测量值的协方差矩阵。在第二次递归计算中，令
Figure BDA0002446318080000106
重复计算多次，直到Δxi和Δyi都都足够小，满足某个设定的门限值ε：
Figure BDA0002446318080000111
此时，(xi，yi)的值即为最终的估计位置。在实施例中，(xi，yi)的值即为上述实施例中待测目标位置。
在一实施例中，图3是本申请实施例提供的另一种协同定法方法的流程图。如图3所示，本实施例包括：S210-S260。
S210、确定TDOA测量值。
在实施例中，确定待测目标与目标基站之间的多个TDOA测量值。
S220、利用模拟退火算法获得初始估计值。
在实施例中，基于模拟退火算法获取得到待测目标的初始估计值(即上述实施例中的初始坐标估计值)。
S230、带入近距离的Chan算法，得到初始定位估计值。
在实施例中，将初始估计值带入近距离的Chan算法，可确定待测目标的初始定位估计值。
S240、将错误数据方程去除。
在实施例中，利用预设误差阈值筛选至少两个距离测量值，以得到目标距离测量值，即错误数据方程指的是误差较大的距离测量值。
S250、将初始定位估计值带入多目标泰勒算法。
在实施例中，基于多目标泰勒算法、初始定位估计值和目标距离测量值，可得到最终结果，即待测目标位置。
S260、输出最终结果。
在实施例中，在得到待测目标位置之后，将待测目标位置输出并显示，以供用户进行参考。
在一实现方式中，在100m×100m的平面内随机放置20个未知位置的待测目标，5个已知位置的基站。假设距离测量误差服从10m，方差为δ2＝1的指数分布。仿真步骤包括步骤1-步骤10。
步骤1，对每一个未知待测目标i，模拟退火的目标函数定义为：
Figure BDA0002446318080000112
步骤2，对每一个未知待测目标i，进行如下操作：
1)设置迭代终止次数为100，温度下降参数r＝0.98，初始温度tmax＝100。
2)扰动产生新解ω′i，并计算目标函数
Figure BDA0002446318080000121
3)计算增量
Figure BDA0002446318080000122
4)如果ΔJ≤0，则接受新解
Figure BDA0002446318080000123
k＝k+1，降低温度tk＝rtk-1，否则按照Metropolis准则接受新解，即以概率
Figure BDA0002446318080000124
接受新解。
5)判断是否满足终止条件，终止条件为达到终止温度，满足的话输出最终结果，不满足的话重置迭代次数k＝0，并降低初始温度t0＝rtmax。
6)得到坐标估计初始值(x′i，y′i)。
步骤3，利用模拟退火算法得到的20个初始值计算Chan算法中的矩阵B，带入公式(3)求出，求得公式(5)求出第一次最小二乘解
Figure BDA0002446318080000125
即得到(x0，i，y0，i，R0，i)。
步骤4，由于第一次最小二乘时没有考虑x，y和R之间的关系，第二次最小二乘中将会考虑，从而实现更高的定位精度。利用第一次估计值，构造一组误差方程组进行第二次估计。
Figure BDA0002446318080000126
其中，Z1，i表示Za，i中的第1分量，ei表示Za的估计误差。
定义新的误差向量：
ψ′i＝h′i-G′iz′i，i＝1，...，20
其中，
Figure BDA0002446318080000127
其中，(X1，Y1)代表基站1的已知坐标。
则ψ′的协方差矩阵为：
Figure BDA0002446318080000128
其中，B′i＝diag(x0，i-X1，y0，i-Y1，R0，i)，
Figure BDA0002446318080000129
同样采用之前的方法估计，得到：
Figure BDA00024463180800001210
步骤5，得到20个待测目标的Chan算法估计位置
Figure BDA00024463180800001211
i＝1，...，20。
步骤6，通过改进Chan算法得到的初始位置估计Zk，k＝1，...，20，分别计算每个基站坐标距离该初始值的累积分布函数，
Figure BDA0002446318080000131
i＝1，...，5，将误差超过90％的函数去除。
步骤7，建立方程组：
Figure BDA0002446318080000132
步骤8，在之前Chan算法得到的估计位置
Figure BDA0002446318080000133
处展开，并整理得到：
Figure BDA0002446318080000134
Figure BDA0002446318080000135
步骤9，使用加权最小二乘法(WLS)，可以得到对Δ的估计：
Δ＝(GTQ-1GT)-1GTQ-1h
其中，Q代表TDOA测量值的协方差矩阵。在第二次递归计算中，令
Figure BDA0002446318080000136
重复计算最多50次，直到Δx_i和Δy_i都足够小。
步骤10，得到最终估计结果(x_1，y_1)，…，(x_20，y_20)。图4是本申请实施例提供的一种不同算法误差分析图。如图4所示，基于模拟退火算法的改进Chan算法和泰勒级数算法得到的测量误差最小。
在其他不变的情况下，分析误差的方差与定位精度的关系。图5是本申请实施例提供的一种不同算法定位误差对比示意图。如图5所示，基于模拟退火算法的改进Chan算法和泰勒级数算法得到的定位误差最小。
在δ^2＝0.5时，重复测试50次测试定位误差分布函数和方差的关系。图6是本申请实施例提供的一种累计分布与测量误差方法的关系图。如图6所示，基于模拟退火算法的改进Chan算法和泰勒级数算法得到的累计分布与测量误差方差最小。
在真实目标在(60，65)点的情况下，运行20次算法，得到定位点分布。图7是本申请实施例提供的一种定位点分布示意图。如图7所示，所得到的估计定位点集中在待测目标的真实位置附近。
图8是本申请实施例提供的一种协同定位装置的结构框图。如图8所示，本实施例中的协同定位装置包括：第一确定模块310、第二确定模块320和第三确定模块330。
第一确定模块310，配置为采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；
第二确定模块320，配置为基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；
第三确定模块330，配置为根据多目标源的泰勒级数算法、目标距离测量值和初始定位估计值确定待测目标位置。
本实施例提供的协同定位装置设置为实现图1所示实施例的协同定位方法，本实施例提供的协同定位装置实现原理和技术效果类似，此处不再赘述。
在一实施例中，第一确定模块310，包括：
第一确定单元，配置为根据模拟退火算法确定待测目标的初始坐标估计值；
第二确定单元，配置为基于第一预设定位算法和初始坐标估计值确定待测目标的初始定位估计值。
在一实施例中，第一确定单元，包括：
第一确定子单元，配置为根据随机生成的初始坐标值与距离测量值计算预设目标函数，距离测量值为对待测目标与目标基站进行测量得到的距离；
第二确定子单元，配置为确定随机生成的两个初始坐标值分别对应的两个预设目标函数之间的增量值；
第三确定子单元，配置为在增量值满足预设准则，且当前迭代次数达到预设迭代次数阈值，以及模拟退火算法中的当前温度达到终止温度的情况下，将最新随机生成的初始坐标值作为待测目标的初始坐标估计值。
在一实施例中，预设准则，包括下述之一：
在增量值小于等于零的情况下，接受随机生成的最新初始坐标值，并降低当前温度；
在增量值大于零的情况下，以第一预设概率接受随机生成的最新初始坐标值。
在一实施例中，第二确定单元，包括：
第四确定子单元，配置为根据初始坐标估计值计算第一预设定位算法中的第一预设对角矩阵，第一预设对角矩阵为每个目标基站与待测目标之间真实距离组成的矩阵；
第五确定子单元，配置为根据第一预设对角矩阵和预设噪声矢量协方差矩阵计算得到对应的第一次估计值；
第六确定子单元，配置为根据第一次估计值和预设估计误差得到第二次估计值；
第七确定子单元，配置为根据第二次估计值、第二预设对角矩阵和目标基站的已知坐标值确定待测目标的初始定位估计值，第二预设对角矩阵为根据待测目标的坐标值、目标基站的坐标值，以及待测目标与目标基站之间的距离估计值组成的矩阵。
在一实施例中，第二确定模块320，包括：
第三确定单元，配置为确定待测目标的初始定位估计值与目标基站之间的距离测量误差值；
第四确定单元，配置为根据距离测量误差值确定对应的累积分布函数；
第五确定单元，配置为根据累计分布函数确定对应的预设误差阈值；
第六确定单元，配置为根据预设误差阈值筛除至少两个距离测量值，得到目标距离测量值。
在一实施例中，第三确定模块330，包括：
第七确定单元，配置为将两个待测目标之间的距离测量误差值，以及待测目标与目标基站之间的距离测量误差值组成第一矩阵；
第八确定单元，配置为利用待测目标的初始定位估计值和估计坐标值之间的差值组成第二矩阵；
第九确定单元，配置为利用待测目标与目标基站之间的距离估计值，以及两个待测目标之间的上一次距离估计值组成第三矩阵；
第十确定单元，配置为基于预设定位模型并根据第一矩阵、第二矩阵和第三矩阵确定对应的第四矩阵；
计算单元，配置为基于加权最小二乘法、第四矩阵、第三矩阵和预设协方差矩阵对第二矩阵进行递归计算，直至待测目标侧估计坐标值与初始定位估计值之间的变化量小于预设门限值；
第十一确定单元，配置为将小于预设门限值对应的初始定位估计值作为待测目标位置。
在一实施例中，第一预设定位算法为Chan算法。
图9是本申请实施例提供的一种设备的结构示意图。如图9所示，本申请提供的设备，包括：处理器410、存储器420。该设备中处理器410的数量可以是一个或者多个，图9中以一个处理器410为例。该设备中存储器420的数量可以是一个或者多个，图9中以一个存储器420为例。该设备的处理器410和存储器420可以通过总线或者其他方式连接，图9中以通过总线连接为例。在该实施例中，该设备为计算机设备。
存储器420作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序以及模块，如本申请任意实施例的设备对应的程序指令/模块(例如，协同定位装置中的第一确定模块310、第二确定模块320和第三确定模块330)。存储器420可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述提供的设备可设置为执行上述任意实施例提供的协同定位方法，具备相应的功能和效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种协同定位方法，该方法包括：采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；所述至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置。
本领域内的技术人员应明白，术语用户设备涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。
一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(Instruction Set Architecture，ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(Read-Only Memory，ROM)、随机访问存储器(Random Access Memory，RAM)、光存储器装置和系统(数码多功能光碟(Digital Video Disc，DVD)或光盘(Compact Disk，CD))等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑器件(Field-Programmable Gate Array，FGPA)以及基于多核处理器架构的处理器。

Claims (11)

1.一种协同定位方法，其特征在于，包括：
采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；
基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；所述至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；
根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置。
2.根据权利要求1所述的方法，其特征在于，所述采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值，包括：
根据模拟退火算法确定待测目标的初始坐标估计值；
基于第一预设定位算法和所述初始坐标估计值确定待测目标的初始定位估计值。
3.根据权利要求2所述的方法，其特征在于，所述根据模拟退火算法确定待测目标的初始坐标估计值，包括：
根据随机生成的初始坐标值与距离测量值计算预设目标函数，所述距离测量值为对待测目标与目标基站进行测量得到的距离；
确定所述随机生成的两个初始坐标值分别对应的两个预设目标函数之间的增量值；
在所述增量值满足预设准则，且当前迭代次数达到预设迭代次数阈值，以及模拟退火算法中的当前温度达到终止温度的情况下，将随机生成的最新初始坐标值作为待测目标的初始坐标估计值。
4.根据权利要求3所述的方法，其特征在于，所述预设准则，包括下述之一：
在所述增量值小于等于零的情况下，接受随机生成的最新初始坐标值，并降低当前温度；
在所述增量值大于零的情况下，以第一预设概率接受随机生成的最新初始坐标值。
5.根据权利要求2所述的方法，其特征在于，所述基于第一预设定位算法和所述初始坐标估计值确定待测目标的初始定位估计值，包括：
根据所述初始坐标估计值计算所述第一预设定位算法中的第一预设对角矩阵，所述第一预设对角矩阵为每个目标基站与待测目标之间真实距离组成的矩阵；
根据所述第一预设对角矩阵和预设噪声矢量协方差矩阵计算得到对应的第一次估计值；
根据所述第一次估计值和预设估计误差得到第二次估计值；
根据所述第二次估计值、第二预设对角矩阵和目标基站的已知坐标值确定待测目标的初始定位估计值，所述第二预设对角矩阵为根据待测目标的坐标值、目标基站的坐标值，以及待测目标与目标基站之间的距离估计值组成的矩阵。
6.根据权利要求1所述的方法，其特征在于，所述基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值，包括：
确定所述待测目标的初始定位估计值与目标基站之间的距离测量误差值；
根据所述距离测量误差值确定对应的累积分布函数；
根据所述累计分布函数确定对应的预设误差阈值；
根据预设误差阈值筛除至少两个距离测量值，得到目标距离测量值。
7.根据权利要求1所述的方法，其特征在于，所述根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置，包括：将两个待测目标之间的距离测量误差值，以及待测目标与目标基站之间的距离测量误差值组成第一矩阵；
利用待测目标的初始定位估计值和估计坐标值之间的差值组成第二矩阵；
利用待测目标与目标基站之间的距离估计值，以及两个待测目标之间的上一次距离估计值组成第三矩阵；
基于预设定位模型并根据所述第一矩阵、所述第二矩阵和所述第三矩阵确定对应的第四矩阵；
基于加权最小二乘法、所述第四矩阵、所述第三矩阵和预设协方差矩阵对所述第二矩阵进行递归计算，直至待测目标侧估计坐标值与初始定位估计值之间的变化量小于预设门限值；
将小于预设门限值对应的初始定位估计值作为待测目标位置。
8.根据权利要求1-7任一所述的方法，其特征在于，所述第一预设定位算法为Chan算法。
9.一种协同定位装置，其特征在于，包括：
第一确定模块，配置为采用模拟退火算法和第一预设定位算法确定待测目标的初始定位估计值；
第二确定模块，配置为基于预设误差阈值筛选至少两个距离测量值，得到目标距离测量值；所述至少两个距离测量值为对待测目标与目标基站进行至少两次测量得到的距离；
第三确定模块，配置为根据多目标源的泰勒级数算法、所述目标距离测量值和所述初始定位估计值确定待测目标位置。
10.一种设备，其特征在于，包括：存储器，以及一个或多个处理器；
所述存储器，配置为存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
CN202010280268.0A 2020-04-10 2020-04-10 一种协同定位方法、装置、设备和存储介质 Pending CN111896914A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202010280268.0A CN111896914A (zh) 2020-04-10 2020-04-10 一种协同定位方法、装置、设备和存储介质
EP21785628.5A EP4134697A4 (en) 2020-04-10 2021-03-03 COOPERATIVE POSITIONING METHOD AND APPARATUS, DEVICE AND STORAGE MEDIUM
PCT/CN2021/078794 WO2021203871A1 (zh) 2020-04-10 2021-03-03 协同定位方法、装置、设备和存储介质
KR1020227021724A KR20220101195A (ko) 2020-04-10 2021-03-03 협력 위치결정 방법, 장치, 디바이스 및 저장 매체
JP2022535910A JP7344389B2 (ja) 2020-04-10 2021-03-03 協調測位方法、装置、機器及び記憶媒体
US17/785,640 US20230077304A1 (en) 2020-04-10 2021-03-03 Cooperative positioning method and apparatus, device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010280268.0A CN111896914A (zh) 2020-04-10 2020-04-10 一种协同定位方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN111896914A true CN111896914A (zh) 2020-11-06

Family

ID=73206180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010280268.0A Pending CN111896914A (zh) 2020-04-10 2020-04-10 一种协同定位方法、装置、设备和存储介质

Country Status (6)

Country Link
US (1) US20230077304A1 (zh)
EP (1) EP4134697A4 (zh)
JP (1) JP7344389B2 (zh)
KR (1) KR20220101195A (zh)
CN (1) CN111896914A (zh)
WO (1) WO2021203871A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112558078A (zh) * 2020-12-10 2021-03-26 湖南国天电子科技有限公司 一种基于多站的轨迹被动跟踪方法
CN112714395A (zh) * 2020-12-22 2021-04-27 福州数据技术研究院有限公司 一种室内定位方法和存储设备
CN113391266A (zh) * 2021-05-28 2021-09-14 南京航空航天大学 基于非圆多嵌套阵降维子空间数据融合的直接定位方法
CN113405539A (zh) * 2021-06-21 2021-09-17 杭州越歌科技有限公司 地下管道测绘方法及系统
WO2021203871A1 (zh) * 2020-04-10 2021-10-14 中兴通讯股份有限公司 协同定位方法、装置、设备和存储介质
CN114598987A (zh) * 2020-12-04 2022-06-07 大唐移动通信设备有限公司 定位方法、装置、电子设备及计算机可读存储介质
CN115493598A (zh) * 2022-11-15 2022-12-20 西安羚控电子科技有限公司 运动过程中的目标定位方法、装置及存储介质
CN116801380A (zh) * 2023-03-23 2023-09-22 昆明理工大学 基于改进全质心-Taylor的UWB室内定位方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114143712B (zh) * 2021-12-09 2023-06-16 中国地质调查局水文地质环境地质调查中心 一种监测方法、装置及存储介质
CN114142954B (zh) * 2021-12-10 2022-10-14 上海交通大学 应用于多干扰源检测与定位的无人机方法及系统
CN114415113B (zh) * 2022-01-14 2022-12-09 深圳锦沃科技有限公司 室内定位方法、装置、计算机设备及存储介质
CN115267644A (zh) * 2022-07-19 2022-11-01 广州伟宏智能科技有限公司 电能表失准检测方法以及装置
CN115184979B (zh) * 2022-09-08 2022-11-25 中交第一航务工程局有限公司 船管相对位置监测方法、系统、计算机设备及存储介质
CN116761253B (zh) * 2023-08-17 2023-10-20 湘江实验室 一种基于三角形面积的uwb加权定位方法
CN117194854B (zh) * 2023-11-01 2024-02-27 辽宁天衡智通防务科技有限公司 基于改进Chan算法的三维定位方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150201309A1 (en) 2008-06-12 2015-07-16 Board Of Trustees Of Northern Illinois University System and method for wireless positioning and location determination
US9091746B2 (en) * 2010-07-01 2015-07-28 Qualcomm Incorporated Determination of positions of wireless transceivers to be added to a wireless communication network
WO2012016355A1 (en) * 2010-08-05 2012-02-09 Telefonakietolaget Lm Ericsson (Publ) Method of and system for locating the position of user equipment
JP2016090311A (ja) 2014-10-31 2016-05-23 三菱電機株式会社 測位装置
KR101589269B1 (ko) 2014-12-12 2016-01-27 한국항공우주연구원 위치 추정 방법 및 장치
CN105137391B (zh) * 2015-09-17 2018-01-19 中国矿业大学(北京) 基于tdoa的css精确定位方法
CN109186609A (zh) 2018-10-09 2019-01-11 南京航空航天大学 基于KF算法、Chan算法及Taylor算法的UWB定位方法
CN109375165B (zh) 2018-11-22 2021-12-14 中电科思仪科技股份有限公司 一种tdoa多测量站的定位方法
CN111896914A (zh) * 2020-04-10 2020-11-06 中兴通讯股份有限公司 一种协同定位方法、装置、设备和存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021203871A1 (zh) * 2020-04-10 2021-10-14 中兴通讯股份有限公司 协同定位方法、装置、设备和存储介质
CN114598987A (zh) * 2020-12-04 2022-06-07 大唐移动通信设备有限公司 定位方法、装置、电子设备及计算机可读存储介质
CN112558078A (zh) * 2020-12-10 2021-03-26 湖南国天电子科技有限公司 一种基于多站的轨迹被动跟踪方法
CN112714395A (zh) * 2020-12-22 2021-04-27 福州数据技术研究院有限公司 一种室内定位方法和存储设备
CN113391266A (zh) * 2021-05-28 2021-09-14 南京航空航天大学 基于非圆多嵌套阵降维子空间数据融合的直接定位方法
CN113405539A (zh) * 2021-06-21 2021-09-17 杭州越歌科技有限公司 地下管道测绘方法及系统
CN113405539B (zh) * 2021-06-21 2023-04-07 浙江建设职业技术学院 地下管道测绘方法及系统
CN115493598A (zh) * 2022-11-15 2022-12-20 西安羚控电子科技有限公司 运动过程中的目标定位方法、装置及存储介质
CN116801380A (zh) * 2023-03-23 2023-09-22 昆明理工大学 基于改进全质心-Taylor的UWB室内定位方法

Also Published As

Publication number Publication date
WO2021203871A1 (zh) 2021-10-14
JP2023506803A (ja) 2023-02-20
EP4134697A4 (en) 2024-04-24
US20230077304A1 (en) 2023-03-09
EP4134697A1 (en) 2023-02-15
JP7344389B2 (ja) 2023-09-13
KR20220101195A (ko) 2022-07-19

Similar Documents

Publication Publication Date Title
CN111896914A (zh) 一种协同定位方法、装置、设备和存储介质
Yin et al. TOA-based robust wireless geolocation and Cramér-Rao lower bound analysis in harsh LOS/NLOS environments
CN106454747B (zh) 手机终端的无线定位方法
CN111209978B (zh) 三维视觉重定位方法、装置及计算设备、存储介质
CN111860300A (zh) 一种关键点检测方法、装置、终端设备及存储介质
CN110933630A (zh) 基于超宽带通信的室内三维定位方法及装置
CN109379711B (zh) 一种定位方法
CN107968987B (zh) 基于定积分结合环境参数的rssi加权质心定位方法
CN111148030A (zh) 指纹数据库的更新方法、装置、服务器及存储介质
JP2019502115A (ja) 移動装置のポジショニング
KR20140013308A (ko) 자기장 지도를 수정하는 방법, 자기장 지도를 수정하는 사용자 단말 및 서버
CN113189541B (zh) 一种定位方法、装置及设备
CN105338541A (zh) 一种基于移动无线网络数据的异常轨迹检测方法及装置
CN113935402A (zh) 时差定位模型的训练方法、装置及电子设备
CN112995893A (zh) 一种指纹定位方法、系统、服务器和存储介质
CN109613477B (zh) 一种复杂环境下的tdoa定位追踪方法
KR20140119333A (ko) 위치 정확도 향상을 위한 위치 측위 방법 및 장치
CN109116342B (zh) 定位方法、装置、介质和计算设备
CN111132029B (zh) 基于地形约束的定位方法及装置
CN113395762A (zh) 超宽带定位网络中位置校正方法及装置
CN115696572B (zh) 一种定位数据的生成方法、装置及相关设备
CN111741430B (zh) 一种基于最优参考点和接入点选取的指纹定位方法和系统
CN109831737B (zh) 一种基于置信度的蓝牙定位方法、装置、设备和系统
CN114095865B (zh) 一种测量报告的定位方法、装置、计算机设备及存储介质
CN109788431B (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和系统

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