CN114051207B - 信号干扰下超宽带精确定位方法、装置及电子设备 - Google Patents
信号干扰下超宽带精确定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114051207B CN114051207B CN202111342747.1A CN202111342747A CN114051207B CN 114051207 B CN114051207 B CN 114051207B CN 202111342747 A CN202111342747 A CN 202111342747A CN 114051207 B CN114051207 B CN 114051207B
- Authority
- CN
- China
- Prior art keywords
- effective data
- target point
- data
- anchor points
- group
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
- H04W4/025—Services making use of location information using location based information parameters
-
- 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
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明一种信号干扰下超宽带精确定位方法、装置及电子设备,属于目标定位领域,方法包括:设定三维坐标系,获取4个锚点的坐标和靶点的活动范围;针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则对数据进行整定,得到整定后的有效数据,利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点与锚点的精确测量距离值;根据精确测量距离值,采用球形定位方法,得到靶点a的位置;若N=1,则建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置。本发明能够实现信号干扰下的超宽带精确定位,尤其是当某个靶点位置上仅测得一组有效数据,且其中含有一个异常项时,仍能够对靶点位置进行正确估算。
Description
技术领域
本发明涉及物体目标定位领域,尤其涉及一种信号干扰下超宽带精确定位方法、装置、电子设备及存储介质。
背景技术
UWB(Ultra-Wideband)技术也被称之为“超宽带”,又称之为脉冲无线电技术。这是一种无需任何载波,通过发送纳秒级脉冲而完成数据传输的短距离范围内无线通信技术,并且信号传输过程中的功耗仅仅有几十μW。UWB因其独有的特点,使其在军事、物联网等各个领域都有着广阔的应用。其中,基于UWB的定位技术具备实时的室内外精确跟踪能力,定位精度高,可达到厘米级甚至毫米级定位。
TOF(Time of Flight,飞行时间)测距技术属于双向测距技术,是UWB定位法中最常见的定位方法之一,其通过计算信号在两个模块的飞行时间,再乘以光速即可求出两个模块之间的距离。利用此技术,采集到预设的4个锚点(anchor)与靶点(Tag)之间的距离,即可建立数学模型计算出靶点的精确位置。
然而,在此技术实际应用于室内环境时,由于室内环境复杂多变,UWB通信信号极易受到遮挡,虽然UWB技术具有穿透能力,但仍然会产生误差,在较强干扰下,数据会发生异常波动(通常是时间延时),基本无法完成室内定位,甚至会造成严重事故。因此,信号干扰下的超宽带(UWB)精确定位问题成为亟待解决的问题。
发明内容
本发明的目的在于克服上述技术不足,提供一种信号干扰下超宽带精确定位方法,解决现有技术在较强干扰下,数据会发生异常波动(通常是时间延时),基本无法完成室内定位,甚至会造成严重事故的技术问题。
为达到上述技术目的,本发明的技术方案提供一种信号干扰下超宽带精确定位方法,包括以下步骤:
S101:设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
S102:数据整定:在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入步骤S103;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入步骤S105;
S103:数据聚类:利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
S104:第一靶点位置计算:根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
S105:第二靶点位置计算:建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置。
进一步地,步骤S102中,当N大于1时,得到整定后的有效数据,其具体过程如下:
S201:输入N组有效数据;
S202:计算N组有效数据的均值;
S203:用各组有效数据减去均值后,得到处理后的各组有效数据;
S204:遍历处理后的各组有效数据,判断任一组有效数据i中的第k项是否超过预设值d;若是,则将第i组有效数据中的第k项视为异常项;进入步骤S205;否则,进入步骤S206;其中i=1,2,..N,k=1,2,3,4;
S205:将第i组有效数据中除第k项以外的其它项加上均值,第k项用均值代替,得到整定后的有效数据,结束整定过程;
S206:将第i组有效数据加上均值,得到整定后的有效数据。
进一步地,步骤S105具体为:
所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
本发明提供一种信号干扰下超宽带精确定位装置,包括:
数据预处理模块,设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
数据整定模块,在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入数据聚类模块;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入第二靶点位置计算模块;
数据聚类模块,利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
第一靶点位置计算模块,根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
第二靶点位置计算模块,建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置。
进一步地,所述第二靶点位置计算模块,具体处理如下:所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
本发明还提供了一种计算机设备,其包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述信号干扰下超宽带精确定位的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读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信号干扰下超宽带精确定位的步骤。
与现有技术相比,本发明的有益效果包括:能够实现信号干扰下的超宽带(UWB)精确定位,尤其是当某个靶点位置上仅测得一组有效数据,且其中含有一个异常项时,仍然能够对靶点位置进行正确估算。
附图说明
图1是本发明提供的信号干扰下超宽带精确定位方法的流程示意图;
图2是三维坐标系、锚点、靶点活动范围示意图;
图3是本发明数据整定示意图;
图4是采用K-means聚类方法后的效果示意图;
图5是球形定位方法的流程图;
图6是本发明第二靶点位置计算的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种信号干扰下超宽带精确定位方法。请参考图1,该方法包括以下步骤:
S101:设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
作为一种实施例,请参考图2,图2是三维坐标系、锚点、靶点活动范围示意图;图2中,4个锚点分别为A0-A3;靶点为Tag;靶点在4个锚点构成的空间范围内活动;其中4个锚点通过线缆与计算器电性连接;
S102:数据整定:在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入步骤S103;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入步骤S105;
作为一种实施例,N组有效数据中的第i组有效数据,可表示为:di=[di0,di1,di2,di3];其中di0-di3分别表示靶点a到锚点A0-A3的测量距离;
作为一种实施例,请参考图3,图3是本发明数据整定示意图;步骤S102中的整定后的有效数据,其整定过程如下:
S201:输入N组有效数据;
作为一种实施例,输入的N组有效数据为d1,d2,...,di,...,dN;
S202:计算N组有效数据的均值;
作为一种实施例,均值m=(d1+d2+...+di+...+dN)/N;
S203:用各组有效数据减去均值后,得到处理后的各组有效数据;
作为一种实施例,处理后的第i组有效数据为:di ~=[di0-m,di1-m,di2-m,di3-m];
S204:遍历处理后的各组有效数据,判断任一组有效数据i中的第k项是否超过预设值d;若是,则将第i组有效数据中的第k项视为异常项;进入步骤S205;否则,进入步骤S206;其中i=1,2,..N,k=1,2,3,4;
作为一种实施例,预设值d取值为200mm;假设第4项为异常项;
S205:将第i组有效数据中除第k项以外的其它项加上均值,第k项用均值代替,得到整定后的有效数据,结束整定过程;
作为一种实施例,在存在异常项的情况下,第i组整定后的有效数据为:di`=[di0,di1,di2,m];
S206:将第i组有效数据加上均值,得到整定后的有效数据;
作为一种实施例,在不存在异常项的情况下,第i组整定后的有效数据,即为其本身,即di=[di0,di1,di2,di3];
S103:数据聚类:利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
作为一种实施例,本申请中采用K-means聚类方法,作为其它实施例,可采用其它聚类方法,这里不用以限定。请参考图4,图4是采用K-means聚类方法后的效果示意图;图4中左边两幅与右边两幅分别代表不同数据组聚类前后的效果图;
S104:第一靶点位置计算:根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
请参考图5球形定位方法的流程图;
图5中,首先输入4个锚点的坐标以及靶点和锚点的距离,即有效数据;在确定靶点到锚点距离的情况下,根据几何原理,靶点可以理解为同时位于以锚点所在的坐标为球心,Ri为半径的4个圆球上,而Ri即为靶点与锚点之间的直线距离。4个锚点编号为A0,A1,A2,A3,锚点坐标为A0(x0,y0,z0)~A3(x3,y3,z3),靶点坐标为(x,y,z),结合靶点坐标的限制条件则可如图5所示利用球形定位算法估算出靶点位置;具体地说:
将4个锚点的坐标以及靶点和锚点的距离带入式(1)
两两相减得式(2):
转换可得式(3):
利用已知x,y,z限制条件和最小二乘法求解上述线性方程,最终可得到输出的靶点a的坐标x,y,z值。
S105:第二靶点位置计算:建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置。
作为一种实施例,请参考图6所示,图6是本发明第二靶点位置计算的流程图;
所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;预设节点在靶点活动范围内进行均分;空间上两两接近的节点均有两轴的坐标相同,另一轴坐标距离为设定值;
节点设置的越密,模型判断准确度越高,但计算量也越大。节点设置完毕后,计算出各节点到4个靶点的距离,然后与测得的单组数据进行一一比对;
若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
通俗来讲,显然,含有某个异常项的单组距离数据应有3项与某个或多个节点的锚点距离值极为接近(绝对差值<50mm,即上述预设值b),而另一项则相距甚远(绝对差值>300mm,即上述预设值c),此为异常项。找到和该3项数据最为接近的节点,用此节点的锚点距离数据替换异常项。处理完毕后,即可利用球形算法估算靶点位置。
若测得的单组数据和某个或多个节点的锚点距离值较为接近(四项数据的绝对差值均<50mm),则可视为该组数据不含异常项,可直接利用球形算法估算靶点位置。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本实施例还提供一种信号干扰下超宽带精确定位装置,该信号干扰下超宽带精确定位装置与上述实施例中信号干扰下超宽带精确定位方法一一对应。该信号干扰下超宽带精确定位包括:
数据预处理模块,设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
数据整定模块,在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入数据聚类模块;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入第二靶点位置计算模块;
数据聚类模块,利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
第一靶点位置计算模块,根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
第二靶点位置计算模块,建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置。
所述第二靶点位置计算模块,具体处理如下:所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
本发明还提供了一种计算机设备,其包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述信号干扰下超宽带精确定位的步骤,在此不再赘述。
本发明还提供了一种计算机可读存储介质,所述计算机可读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信号干扰下超宽带精确定位的步骤,在此不再赘述。
作为一种具体实施例,本方法能够在信号受干扰的情况下,对靶点位置进行精确估算。若设定靶点活动范围为(5m*5m*3m),相邻节点轴坐标距离为0.1m,具体的估算精度为:当某位置测得多组可用数据时,此定位方法的2维(X、Y)精度在0.07m左右,3维(X、Y、Z)精度在0.2m左右;若仅有一组可用数据,此定位方法的2维精度在0.08m左右,3维精度在0.3m左右。
本发明的有益效果是:能够实现信号干扰下的超宽带(UWB)精确定位,尤其是当某个靶点位置上仅测得一组有效数据,且其中含有一个异常项时,仍然能够对靶点位置进行正确估算。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (5)
1.一种信号干扰下超宽带精确定位方法,其特征在于:包括以下步骤:
S101:设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
S102:数据整定:在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入步骤S103;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入步骤S105;
S103:数据聚类:利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
S104:第一靶点位置计算:根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
S105:第二靶点位置计算:建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置;
步骤S105具体为:
所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
2.如权利要求1所述的一种信号干扰下超宽带精确定位方法,其特征在于:步骤S102中,当N大于1时,得到整定后的有效数据,其具体过程如下:
S201:输入N组有效数据;
S202:计算N组有效数据的均值;
S203:用各组有效数据减去均值后,得到处理后的各组有效数据;
S204:遍历处理后的各组有效数据,判断任一组有效数据i中的第k项是否超过预设值d;若是,则将第i组有效数据中的第k项视为异常项;进入步骤S205;否则,进入步骤S206;其中i=1,2,…,N,k=1,2,3,4;
S205:将第i组有效数据中除第k项以外的其它项加上均值,第k项用均值代替,得到整定后的有效数据,结束整定过程;
S206:将第i组有效数据加上均值,得到整定后的有效数据。
3.一种信号干扰下超宽带精确定位装置,其特征在于,所述装置包括:
数据预处理模块,设定三维坐标系,并获取三维坐标系下4个锚点的坐标,通过4个锚点的坐标确定靶点的活动范围;
数据整定模块,在靶点活动范围内,针对某一具体位置的靶点a,采集N组有效数据,若N大于1,则找出各组数据中的异常项,然后用正常项的均值代替,得到整定后的有效数据,进入数据聚类模块;所述有效数据,具体指:靶点分别与4个锚点的4个初步测量距离值;若N=1,则进入第二靶点位置计算模块;
数据聚类模块,利用聚类方法将整定后的有效数据进行两次二维聚类,得到靶点a与4个锚点的精确测量距离值;
第一靶点位置计算模块,根据靶点a与4个锚点的精确测量距离值,采用球形定位方法,得到靶点a的位置,流程结束;
第二靶点位置计算模块,建立空间距离近似判断模型,利用空间距离近似判断模型结合球形定位方法,得到靶点a的位置;
所述第二靶点位置计算模块,具体处理如下:所述空间距离近似判断模型由靶点活动范围内的若干个预设节点构成;若单组有效数据均与某个预设节点与4个锚点的对应距离相差小于预设值b,则利用该单组有效数据,采用球形定位方法,得到靶点a的位置;若单组有效数据中某一个数据与某个或多个预设节点与锚点的对应距离相差大于预设值c,则表示该单组有效数据为异常项,找到与该单组有效数据的其它3个初步测量距离值最接近的节点,利用该节点与4个锚点的距离值采用球形定位方法,得到靶点a位置。
4.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述信号干扰下超宽带精确定位的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读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如权利要求1至2任一项所述信号干扰下超宽带精确定位的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111342747.1A CN114051207B (zh) | 2021-11-12 | 2021-11-12 | 信号干扰下超宽带精确定位方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111342747.1A CN114051207B (zh) | 2021-11-12 | 2021-11-12 | 信号干扰下超宽带精确定位方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114051207A CN114051207A (zh) | 2022-02-15 |
CN114051207B true CN114051207B (zh) | 2023-12-15 |
Family
ID=80208904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111342747.1A Active CN114051207B (zh) | 2021-11-12 | 2021-11-12 | 信号干扰下超宽带精确定位方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114051207B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115680626A (zh) * | 2022-11-15 | 2023-02-03 | 西南石油大学 | 一种卧式分离器动态液面监测设备及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015180674A1 (zh) * | 2014-05-28 | 2015-12-03 | 李杨 | 防丢失系统用随身设备和防丢失系统 |
WO2016101656A1 (zh) * | 2014-12-22 | 2016-06-30 | 上海斐讯数据通信技术有限公司 | 无线定位的方法 |
CN109270489A (zh) * | 2018-07-19 | 2019-01-25 | 江苏省送变电有限公司 | 基于uwb的nlos隧道环境下的实时连续定位方法 |
WO2020091286A1 (ko) * | 2018-10-31 | 2020-05-07 | 주식회사 아모텍 | 차량용 uwb 정밀 위치 추정 방법 및 시스템 |
WO2020132958A1 (zh) * | 2018-12-26 | 2020-07-02 | 西安大医集团股份有限公司 | 摆位方法、装置及放射治疗系统 |
-
2021
- 2021-11-12 CN CN202111342747.1A patent/CN114051207B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015180674A1 (zh) * | 2014-05-28 | 2015-12-03 | 李杨 | 防丢失系统用随身设备和防丢失系统 |
WO2016101656A1 (zh) * | 2014-12-22 | 2016-06-30 | 上海斐讯数据通信技术有限公司 | 无线定位的方法 |
CN109270489A (zh) * | 2018-07-19 | 2019-01-25 | 江苏省送变电有限公司 | 基于uwb的nlos隧道环境下的实时连续定位方法 |
WO2020091286A1 (ko) * | 2018-10-31 | 2020-05-07 | 주식회사 아모텍 | 차량용 uwb 정밀 위치 추정 방법 및 시스템 |
WO2020132958A1 (zh) * | 2018-12-26 | 2020-07-02 | 西安大医集团股份有限公司 | 摆位方法、装置及放射治疗系统 |
Non-Patent Citations (3)
Title |
---|
一种提高球形标靶点云数据质量和中心定位精度方法;程舒;花向红;丁凌航;陈西江;;测绘地理信息(第06期);全文 * |
图像引导体部伽玛刀摆位误差及影响因素的临床研究;吴达军;陈朝江;张栓千;李崇国;张显明;;肿瘤预防与治疗(第01期);全文 * |
基于全质心-Taylor的UWB室内定位算法;王磊;李鹏涛;贾宗璞;;传感器与微系统(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114051207A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107817469B (zh) | 基于非视距环境下超宽频测距实现室内定位方法 | |
CN109959894B (zh) | 定位方法及终端设备 | |
CN102209382A (zh) | 一种基于rssi的无线传感器网络节点定位方法 | |
CN108489382B (zh) | 一种基于空间多点约束的agv动态位姿测量方法 | |
CN108882149B (zh) | 距离相关概率的nlos补偿定位方法 | |
CN104035083A (zh) | 一种基于量测转换的雷达目标跟踪方法 | |
CN110333480B (zh) | 一种基于聚类的单无人机多目标aoa定位方法 | |
CN105929364B (zh) | 利用无线电定位的相对位置测量方法及测量装置 | |
CN111381209A (zh) | 一种测距定位的方法及装置 | |
CN114051207B (zh) | 信号干扰下超宽带精确定位方法、装置及电子设备 | |
CN103826298A (zh) | 一种协作式迭代优化的无线传感器网络定位计算方法 | |
CN113923772B (zh) | 基站标定方法和装置、计算机设备以及存储介质 | |
CN106546976B (zh) | 一种基于长周期非均匀采样目标跟踪处理方法及装置 | |
CN103047982A (zh) | 基于角度信息的目标自适应跟踪方法 | |
CN108562872B (zh) | 一种超短基线水下声学定位校准时异常值探测的方法 | |
CN111157943A (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
CN106568365A (zh) | 一种球面孔系复合位置度误差的检测与评定方法 | |
CN109282819B (zh) | 基于分布式混合滤波的超宽带定位方法 | |
CN110907925B (zh) | 一种高频地波雷达双站模型下的权重定位方法 | |
CN113835061B (zh) | 一种信号载波频率先验误差存在下单平台多普勒两阶段闭式定位方法 | |
CN104931956A (zh) | 一种基于圆概率误差加权的多雷达分组协同定位处理方法 | |
CN112379328B (zh) | 一种鲁棒式低功耗tdoa定位方法及鲁棒式中值过滤器 | |
CN113240065B (zh) | 基于改进粒子群优化算法的无源雷达布站方法 | |
CN104035066A (zh) | 基于无源多点定位技术的目标运动-静止状态判断方法 | |
Zhang et al. | A RSSI based localization algorithm for multiple mobile robots |
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 |