CN113777557A - 基于冗余距离筛选的uwb室内定位方法及系统 - Google Patents
基于冗余距离筛选的uwb室内定位方法及系统 Download PDFInfo
- Publication number
- CN113777557A CN113777557A CN202111127835.XA CN202111127835A CN113777557A CN 113777557 A CN113777557 A CN 113777557A CN 202111127835 A CN202111127835 A CN 202111127835A CN 113777557 A CN113777557 A CN 113777557A
- Authority
- CN
- China
- Prior art keywords
- positioning
- value
- distance
- coordinate
- label
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000011478 gradient descent method Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims description 48
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于冗余距离筛选的UWB室内定位方法及系统,布设多个定位基站,在目标物体上布设多个定位标签,能够产生多个冗余距离,获取每个定位基站到各个定位标签的距离测量值,以及每个定位基站到各个定位标签的距离计算值,距离测量值与距离计算值的误差权重进行距离筛选,使用梯度下降法优化定位标签的定位坐标初值,提高了UWB的定位精度。
Description
技术领域
本发明涉及室内导航定位领域,特别是涉及一种基于冗余距离筛选的UWB室内定位方法及系统。
背景技术
近些年,随着无人驾驶技术、机器人、物联网等技术的发展,导航定位技术成为了各界的研究热点。在室内环境下,全球导航卫星系统(Global Navigation SatelliteSystem,GNSS)信号极易受遮挡,使得用户无法通过GNSS实现正常的导航定位,同时,智能搬运机器人、室内服务机器人等的需求发展迫切,高精度室内定位技术亟待发展。
室内定位技术普遍采用无线定位,应用较为广泛的无线定位技术主要包括WIFI、蓝牙、超宽带、蜂窝数据等。其中WIFI信号覆盖范围较小,而且容易受到其他信号的干扰;蓝牙信号的覆盖区域有限,同时蓝牙器件和设备的价格比较昂贵,而且对于复杂的室内环境,蓝牙系统的稳定性稍差,受噪声信号干扰大。蜂窝数据对信号基站依赖程度太高,功耗较高。而UWB(Ultra Wideband,超宽带)定位具有定位精度高、抗干扰能力强、穿透力强、低功耗以及低成本优势,已成为室内定位最常用的方法之一。
UWB定位固然有很大的优势,但是复杂的室内环境中,存在较多的遮挡物,使得多径效应的干扰难以消除,导致UWB的测距精度不稳定,如何根据不稳定的测距精度提高定位精度仍是目前所要解决的技术难题。
发明内容
本发明的目的是提供一种基于冗余距离筛选的UWB室内定位方法及系统,以提高UWB的定位精度。
为实现上述目的,本发明提供了如下方案:
一种基于冗余距离筛选的UWB室内定位方法,所述方法包括:
获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距;
采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值;
根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值;
根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值;
构建包含冗余距离的定位标签坐标优化模型;所述包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数;
根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
可选的,所述标签定位模型为
其中,(xi,yi,zi)为第i个定位基站的坐标,i=1,2,…,g,(xt,yt,zt)为第t个定位标签的定位坐标初值,di为第i个定位基站到第t个定位标签的距离测量值。
可选的,所述包含冗余距离的定位标签坐标优化模型为
其中,J为代价值,Ptag,m、Ptag,n分别为第m个和第n个定位标签的定位坐标初值,dm,n为第m个和第n个定位标签的间距,Panchor,k为第k个定位基站的坐标,rm,k为第k个定位基站到第m个定位标签的距离测量值,lm,k为第k个定位基站到第m个定位标签的距离的权重,μ为第k个定位基站到第m个定位标签的距离误差系数,为第k个定位基站到第m个定位标签的距离的权重系数。
可选的,所述根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值,具体包括:
计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
若所述判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
若所述判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值;
其中,δ表示步长。
一种基于冗余距离筛选的UWB室内定位系统,所述系统包括:
坐标获取模块,用于获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距;
距离测量值采集模块,用于采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值;
定位坐标初值获得模块,用于根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值;
距离计算值确定模块,用于根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值;
定位标签坐标优化模型构建模块,用于构建包含冗余距离的定位标签坐标优化模型;所述包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数;
定位坐标优化值获得模块,用于根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
可选的,所述标签定位模型为
其中,(xi,yi,zi)为第i个定位基站的坐标,i=1,2,…,g,(xt,yt,zt)为第t个定位标签的定位坐标初值,di为第i个定位基站到第t个定位标签的距离测量值。
可选的,所述包含冗余距离的定位标签坐标优化模型为
其中,J为代价值,Ptag,m、Ptag,n分别为第m个和第n个定位标签的定位坐标初值,dm,n为第m个和第n个定位标签的间距,Panchor,k为第k个定位基站的坐标,rm,k为第k个定位基站到第m个定位标签的距离测量值,lm,k为第k个定位基站到第m个定位标签的距离的权重,μ为第k个定位基站到第m个定位标签的距离误差系数,为第k个定位基站到第m个定位标签的距离的权重系数。
可选的,所述定位坐标优化值获得模块,具体包括:
梯度获得子模块,用于计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
代价值确定子模块,用于根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
判断结果获得子模块,用于判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
步骤返回子模块,用于若所述判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
定位坐标优化值输出子模块,用于若所述判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值;
其中,δ表示步长。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种基于冗余距离筛选的UWB室内定位方法及系统,布设多个定位基站,在目标物体上布设多个定位标签,能够产生多个冗余距离,获取每个定位基站到各个定位标签的距离测量值,以及每个定位基站到各个定位标签的距离计算值,距离测量值与距离计算值的误差权重进行距离筛选,使用梯度下降法优化定位标签的定位坐标初值,提高了UWB的定位精度。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于冗余距离筛选的UWB室内定位方法的流程图;
图2为本发明提供的一种基于冗余距离筛选的UWB室内定位方法的原理图;
图3为本发明提供的UWB定位系统中定位基站和定位标签分布图;
图4为本发明提供的权重大小和距离误差关系示意图;
图5为本发明的UWB室内定位方法与Caffery方法计算的x坐标值的误差对比图;图5(a)为Caffery方法计算的坐标值的x轴误差,图5(b)为UWB室内定位方法计算的坐标值的x轴误差;
图6为本发明的UWB室内定位方法与Caffery方法计算的y坐标值的误差对比图;图6(a)为Caffery方法计算的坐标值的y轴误差,图6(b)为UWB室内定位方法计算的坐标值的y轴误差;
图7为本发明的UWB室内定位方法与Caffery方法计算的z坐标值的误差对比图;图7(a)为Caffery方法计算的坐标值的z轴误差,图7(b)为UWB室内定位方法计算的坐标值的z轴误差。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于冗余距离筛选的UWB室内定位方法及系统,以提高UWB的定位精度。
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。
本发明提供了一种基于冗余距离筛选的UWB室内定位方法,如图1-2所示,方法包括:
步骤101,获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距。
布置UWB定位系统的定位基站以及定位标签:
参照图3,UWB定位系统要求至少部署4个不在同一平面的定位基站,在目标物体上至少部署三个定位标签。部署的定位基站和定位标签要有各自的身份标识,使得UWB采集的信息能够区分相应的定位标签和定位基站组合。图3中,1是墙体,2指示的实心圆表示在同一平面的3个定位基站,3指示是与其余三个定位基站不共面的定位基站,4指示的空心圆表示定位标签,5表示目标物体,6是一根长杆使其上方固定的定位标签与其余3个定位标签不共面。
采集各个定位基站、定位标签的初始坐标和定位标签两两之间的距离信息:
定位标签两两之间的距离信息可由定位标签坐标计算得出,也可由激光测距仪等一起测量得出。
步骤102,采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值。
通过定位标签和定位基站各自的身份标识确定每个定位基站到各个定位标签之间由UWB测量的距离数据。
步骤103,根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值。
标签定位模型为
其中,(xi,yi,zi)为第i个定位基站的坐标,i=1,2,…,g,(xt,yt,zt)为第t个定位标签的定位坐标初值,di为第i个定位基站到第t个定位标签的距离测量值。
步骤104,根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值。
步骤105,构建包含冗余距离的定位标签坐标优化模型;包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数。
包含冗余距离的定位标签坐标优化模型为
其中,J为代价值,Ptag,m、Ptag,n分别为第m个和第n个定位标签的定位坐标初值,m,n=1,2,…,M,M≥3,dm,n为第m个和第n个定位标签的间距,Panchor,k为第k个定位基站的坐标,k=1,2,…,g,g≥4,rm,k为第k个定位基站到第m个定位标签的距离测量值,lm,k为第k个定位基站到第m个定位标签的距离的权重,μ为第k个定位基站到第m个定位标签的距离误差系数,为第k个定位基站到第m个定位标签的距离的权重系数。
步骤106,根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
具体过程如下:
步骤106-1,计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
步骤106-2,根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
步骤106-3,判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
即,通过条件|JK+1-JK|<ε=10-3(K表示迭代的次数)判断J是否收敛。若不收敛,则用下面的值代替上一次的目标值。若收敛,则停止迭代,得到优化后的定位标签坐标。JK、JK+1分别表示第K次迭代的代价值与第K+1次迭代的代价值。
步骤106-4,若判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
步骤106-5,若判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值。
其中,δ表示步长。
本发明通过定位标签坐标初值计算的距离与UWB测量距离之间的误差设置权重对冗余的距离信息进行筛选,权重大小和距离误差关系如图4所示。图4的横坐标Distanceerror表示距离误差,纵坐标weight表示权重。
现有的UWB定位方法对所有测量数据等同看待,对误差大的距离不能区分问题,而UWB测距容易受环境中多径效应等随机误差的影响,导致测距精度稳定,针对不稳定的测距精度本发明设置多个不在同一平面的定位基站,并在目标物体上布设多个不在同一平面的定位标签,多个定位基站和多个定位标签就会形成冗余的距离信息,在定位标签坐标优化模型中加入冗余的距离信息,通过对冗余距离筛选提高UWB的定位精度。
为了验证本发明的基于冗余距离筛选的UWB室内定位方法的有效性,进行了Caffery方法与UWB室内定位方法的坐标值的误差对比实验。对比结果如图5-7所示。图5-7的横坐标Times表示时间,纵坐标Error表示误差,单位为m。可以看出,本发明的UWB室内定位方法的坐标值的误差明显小于Caffery方法。
本发明的优点是:
(1)本发明建立了由多个不在同一平面的定位基站和多个定位标签组成的UWB定位系统,该系统的定位精度更高,能够产生较多的冗余距离信息。
(2)本发明建立冗余距离筛选的梯度下降法数学模型,该模型定位标签的坐标初值为迭代起点,以定位标签之间的距离为约束条件,通过坐标初值计算的距离与UWB距离之间的误差设置权重进行距离筛选,使用梯度下降法优化坐标初值。该模型中定位标签坐标初值可由Caffery方法、Taylor展开法等方法计算出,比较灵活。
(3)本发明通过对利用冗余距离信息筛选的思想,减小UWB测距精度不稳定带来的影响,提高定位精度。
本发明还提供了一种基于冗余距离筛选的UWB室内定位系统,系统包括:
坐标获取模块,用于获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距;
距离测量值采集模块,用于采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值;
定位坐标初值获得模块,用于根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值;
距离计算值确定模块,用于根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值;
定位标签坐标优化模型构建模块,用于构建包含冗余距离的定位标签坐标优化模型;包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数;
定位坐标优化值获得模块,用于根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
标签定位模型为
其中,(xi,yi,zi)为第i个定位基站的坐标,i=1,2,…,g,(xt,yt,zt)为第t个定位标签的定位坐标初值,di为第i个定位基站到第t个定位标签的距离测量值。
包含冗余距离的定位标签坐标优化模型为
其中,J为代价值,Ptag,m、Ptag,n分别为第m个和第n个定位标签的定位坐标初值,dm,n为第m个和第n个定位标签的间距,Panchor,k为第k个定位基站的坐标,rm,k为第k个定位基站到第m个定位标签的距离测量值,lm,k为第k个定位基站到第m个定位标签的距离的权重,μ为第k个定位基站到第m个定位标签的距离误差系数,为第k个定位基站到第m个定位标签的距离的权重系数。
定位坐标优化值获得模块,具体包括:
梯度获得子模块,用于计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
代价值确定子模块,用于根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
判断结果获得子模块,用于判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
步骤返回子模块,用于若判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
定位坐标优化值输出子模块,用于若判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值。
其中,δ表示步长。
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。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于冗余距离筛选的UWB室内定位方法,其特征在于,所述方法包括:
获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距;
采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值;
根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值;
根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值;
构建包含冗余距离的定位标签坐标优化模型;所述包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数;
根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
4.根据权利要求3所述的基于冗余距离筛选的UWB室内定位方法,其特征在于,所述根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值,具体包括:
计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
若所述判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
若所述判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值;
其中,δ表示步长。
5.一种基于冗余距离筛选的UWB室内定位系统,其特征在于,所述系统包括:
坐标获取模块,用于获取UWB定位系统的多个定位基站的坐标和目标物体上的任意两个定位标签的间距;
距离测量值采集模块,用于采集UWB定位系统输出的每个定位基站到各个定位标签的距离测量值;
定位坐标初值获得模块,用于根据多个定位基站的坐标和每个定位基站到各个定位标签的距离测量值,利用标签定位模型,获得每个定位标签的定位坐标初值;
距离计算值确定模块,用于根据每个定位标签的定位坐标初值和多个定位基站的坐标,确定每个定位基站到各个定位标签的距离计算值;
定位标签坐标优化模型构建模块,用于构建包含冗余距离的定位标签坐标优化模型;所述包含冗余距离的定位标签坐标优化模型为关于定位标签的定位坐标、距离测量值与距离计算值的误差权重的函数;
定位坐标优化值获得模块,用于根据多个定位基站的坐标,以每个定位标签的定位坐标初值为迭代起点,并以目标物体上的任意两个定位标签的间距为约束条件,利用梯度下降法对所述包含冗余距离的定位标签坐标优化模型进行迭代求解,获得每个定位标签的定位坐标优化值。
8.根据权利要求7所述的基于冗余距离筛选的UWB室内定位系统,其特征在于,所述定位坐标优化值获得模块,具体包括:
梯度获得子模块,用于计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度;
代价值确定子模块,用于根据本次迭代的梯度,利用梯度下降计算公式,确定本次迭代的代价值;
判断结果获得子模块,用于判断本次迭代的代价值与上一次迭代的代价值的差值的绝对值是否小于差值阈值,获得判断结果;
步骤返回子模块,用于若所述判断结果表示否,则利用代替第m个定位标签的定位坐标初值,并利用代替距离测量值与距离计算值的误差权重,返回步骤“计算定位标签坐标优化模型对每个定位标签的定位坐标、距离测量值与距离计算值的误差权重的一阶偏导,获得本次迭代的梯度”;
定位坐标优化值输出子模块,用于若所述判断结果表示是,则输出本次迭代的每个定位标签的定位坐标,作为每个定位标签的定位坐标优化值;
其中,δ表示步长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111127835.XA CN113777557B (zh) | 2021-09-26 | 2021-09-26 | 基于冗余距离筛选的uwb室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111127835.XA CN113777557B (zh) | 2021-09-26 | 2021-09-26 | 基于冗余距离筛选的uwb室内定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777557A true CN113777557A (zh) | 2021-12-10 |
CN113777557B CN113777557B (zh) | 2023-09-15 |
Family
ID=78853445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111127835.XA Active CN113777557B (zh) | 2021-09-26 | 2021-09-26 | 基于冗余距离筛选的uwb室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777557B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245301A (zh) * | 2021-12-20 | 2022-03-25 | 杭州电子科技大学 | 一种基于冗余距离的uwb井下目标定位方法 |
CN114280540A (zh) * | 2022-01-18 | 2022-04-05 | 中铁第一勘察设计院集团有限公司 | 一种基于uwb的高精度3d实时定位方法 |
CN114415113A (zh) * | 2022-01-14 | 2022-04-29 | 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 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110193746A1 (en) * | 2010-02-09 | 2011-08-11 | National Pingtung University Of Science And Technology | Method of Positioning RFID Tags |
CN103200678A (zh) * | 2013-04-09 | 2013-07-10 | 南京信息工程大学 | 基于位置指纹识别算法的安卓设备WiFi室内定位方法 |
CN104198991A (zh) * | 2014-08-10 | 2014-12-10 | 北方工业大学 | 基于改进Sinc插值的小范围高精度定位方法 |
GB201610281D0 (en) * | 2016-06-13 | 2016-07-27 | Toshiba Kk | Indoor localization using received signal quality weights |
KR20160094031A (ko) * | 2015-01-30 | 2016-08-09 | (주)와이파이브 | 실내 다중경로 환경에서의 무선 통신망 기반 측위 시스템 |
CN108124309A (zh) * | 2017-12-13 | 2018-06-05 | 成都恒高科技有限公司 | 一种导航式距离差计算方法、tdoa定位方法及装置 |
CN108650706A (zh) * | 2018-05-09 | 2018-10-12 | 桂林电子科技大学 | 基于二阶泰勒近似的传感器节点定位方法 |
CN108882149A (zh) * | 2018-06-20 | 2018-11-23 | 上海应用技术大学 | 距离相关概率的nlos补偿定位方法 |
WO2019040556A1 (en) * | 2017-08-23 | 2019-02-28 | Locix Inc. | SYSTEMS AND METHODS FOR ADAPTIVE SELECTION OF DISTANCE ESTIMATIONS FOR LOCATING NODES BASED ON ERROR MEASUREMENT INFORMATION |
CN109696654A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 定位方法及终端设备 |
CN109782227A (zh) * | 2019-02-20 | 2019-05-21 | 核芯互联科技(青岛)有限公司 | 一种基于蓝牙信号rssi的室内定位方法 |
CN110536239A (zh) * | 2019-10-12 | 2019-12-03 | 新疆联海创智信息科技有限公司 | 一种定位方法及装置 |
CN110572779A (zh) * | 2019-08-30 | 2019-12-13 | 南京沃旭通讯科技有限公司 | 一种基于ToF模型的基站的系统误差估计方法 |
CN110650435A (zh) * | 2018-12-13 | 2020-01-03 | 杭州电子科技大学 | 基于UWB定位和ZigBee定位的机器学习融合方法 |
CN111381209A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种测距定位的方法及装置 |
CN111948602A (zh) * | 2020-08-17 | 2020-11-17 | 南京工程学院 | 基于改进Taylor级数的二维UWB室内定位方法 |
US20200389764A1 (en) * | 2019-06-05 | 2020-12-10 | Research & Business Foundation Sungkyunkwan University | Methods and apparatuses for indoor positioning using particle filter based on intensity of radio signal |
CN112729282A (zh) * | 2020-12-21 | 2021-04-30 | 杭州电子科技大学 | 一种融合单锚点测距和行人航迹推算的室内定位方法 |
CN112747747A (zh) * | 2021-01-20 | 2021-05-04 | 重庆邮电大学 | 一种改进的uwb/imu融合室内行人定位方法 |
-
2021
- 2021-09-26 CN CN202111127835.XA patent/CN113777557B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110193746A1 (en) * | 2010-02-09 | 2011-08-11 | National Pingtung University Of Science And Technology | Method of Positioning RFID Tags |
CN103200678A (zh) * | 2013-04-09 | 2013-07-10 | 南京信息工程大学 | 基于位置指纹识别算法的安卓设备WiFi室内定位方法 |
CN104198991A (zh) * | 2014-08-10 | 2014-12-10 | 北方工业大学 | 基于改进Sinc插值的小范围高精度定位方法 |
KR20160094031A (ko) * | 2015-01-30 | 2016-08-09 | (주)와이파이브 | 실내 다중경로 환경에서의 무선 통신망 기반 측위 시스템 |
GB201610281D0 (en) * | 2016-06-13 | 2016-07-27 | Toshiba Kk | Indoor localization using received signal quality weights |
WO2019040556A1 (en) * | 2017-08-23 | 2019-02-28 | Locix Inc. | SYSTEMS AND METHODS FOR ADAPTIVE SELECTION OF DISTANCE ESTIMATIONS FOR LOCATING NODES BASED ON ERROR MEASUREMENT INFORMATION |
CN109696654A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 定位方法及终端设备 |
CN108124309A (zh) * | 2017-12-13 | 2018-06-05 | 成都恒高科技有限公司 | 一种导航式距离差计算方法、tdoa定位方法及装置 |
CN108650706A (zh) * | 2018-05-09 | 2018-10-12 | 桂林电子科技大学 | 基于二阶泰勒近似的传感器节点定位方法 |
CN108882149A (zh) * | 2018-06-20 | 2018-11-23 | 上海应用技术大学 | 距离相关概率的nlos补偿定位方法 |
CN110650435A (zh) * | 2018-12-13 | 2020-01-03 | 杭州电子科技大学 | 基于UWB定位和ZigBee定位的机器学习融合方法 |
CN111381209A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种测距定位的方法及装置 |
CN109782227A (zh) * | 2019-02-20 | 2019-05-21 | 核芯互联科技(青岛)有限公司 | 一种基于蓝牙信号rssi的室内定位方法 |
US20200389764A1 (en) * | 2019-06-05 | 2020-12-10 | Research & Business Foundation Sungkyunkwan University | Methods and apparatuses for indoor positioning using particle filter based on intensity of radio signal |
CN110572779A (zh) * | 2019-08-30 | 2019-12-13 | 南京沃旭通讯科技有限公司 | 一种基于ToF模型的基站的系统误差估计方法 |
CN110536239A (zh) * | 2019-10-12 | 2019-12-03 | 新疆联海创智信息科技有限公司 | 一种定位方法及装置 |
CN111948602A (zh) * | 2020-08-17 | 2020-11-17 | 南京工程学院 | 基于改进Taylor级数的二维UWB室内定位方法 |
CN112729282A (zh) * | 2020-12-21 | 2021-04-30 | 杭州电子科技大学 | 一种融合单锚点测距和行人航迹推算的室内定位方法 |
CN112747747A (zh) * | 2021-01-20 | 2021-05-04 | 重庆邮电大学 | 一种改进的uwb/imu融合室内行人定位方法 |
Non-Patent Citations (8)
Title |
---|
CAFFERY JJ: "a new approach to the geometry of TOA location", pages 1943 - 1949 * |
F.HOLZKE等: "comparison of ultra-wideband range processing and filtering for indoor localization", pages 123 - 128 * |
张英豪: "非视距环境下协同车辆定位技术研究", pages 034 - 377 * |
林信川;游贵荣;: "基于iBeacon的室内定位算法优化研究", 陕西理工大学学报(自然科学版), no. 03 * |
王仁伟: "基于智能手机的WiFi的室内定位研究", pages 136 - 790 * |
王成晓;沈重;张鲲;: "结合最陡下降算法的室内NLOS场景下TDOA/AOA融合算法", 海南大学学报(自然科学版), no. 04 * |
韩宝磊: "基于UWB的高精度的室内定位技术研究", pages 136 - 422 * |
鲍大志: "基于分布式监测节点的信源定位技术研究", pages 136 - 1075 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245301A (zh) * | 2021-12-20 | 2022-03-25 | 杭州电子科技大学 | 一种基于冗余距离的uwb井下目标定位方法 |
CN114245301B (zh) * | 2021-12-20 | 2024-02-09 | 杭州电子科技大学 | 一种基于冗余距离的uwb井下目标定位方法 |
CN114415113A (zh) * | 2022-01-14 | 2022-04-29 | 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 |
CN114280540A (zh) * | 2022-01-18 | 2022-04-05 | 中铁第一勘察设计院集团有限公司 | 一种基于uwb的高精度3d实时定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113777557B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113777557B (zh) | 基于冗余距离筛选的uwb室内定位方法及系统 | |
CN103402258B (zh) | 一种基于Wi‑Fi的室内定位系统和方法 | |
CN101191832B (zh) | 一种基于测距的无线传感器网络节点定位方法 | |
US6934626B2 (en) | Low-cost, low-power geolocation system | |
CN105547305B (zh) | 一种基于无线定位和激光地图匹配的位姿解算方法 | |
CN106912105B (zh) | 基于pso_bp神经网络的三维定位方法 | |
CN101424737B (zh) | 一种基于信号强度距离的无线传感器网络信号图定位方法 | |
US20150230100A1 (en) | System and method for wireless positioning in wireless network-enabled environments | |
CN103501538B (zh) | 基于多径能量指纹的室内定位方法 | |
US20110057840A1 (en) | Method of Positioning RFID Tags | |
CN111352444A (zh) | 基于无线导航的无人机室外移动平台自主降落方法及系统 | |
CN102288938B (zh) | 一种有效的无线传感器网络节点的三维定位方法 | |
US20160182164A1 (en) | Signal Strength Distribution Establishing Method and Wireless Positioning System | |
CN110636436A (zh) | 基于改进chan算法的三维uwb室内定位方法 | |
CN109581281A (zh) | 基于到达时间差和到达频率差的移动目标定位方法 | |
CN106226732A (zh) | 基于tof及迭代无迹滤波的室内无线定位跟踪方法 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
US9720071B2 (en) | Mitigating effects of multipath during position computation | |
CN112068073A (zh) | Uwb定位误差校正方法、uwb定位系统、设备、存储介质 | |
Hsu et al. | An accelerometer based approach for indoor localization | |
Wang et al. | Deep neural network‐based Wi‐Fi/pedestrian dead reckoning indoor positioning system using adaptive robust factor graph model | |
CN103096465A (zh) | 一种环境自适应的多目标直接定位方法 | |
CN116337035A (zh) | 基于环境信息辅助的多源传感器弹性融合导航定位方法 | |
CN102288107A (zh) | 基于无线传感网络引导的超大几何参量测量系统自标定方法 | |
TWI391699B (zh) | 使用改良式機率類神經網路之定位方法 |
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 |