CN115190425A - 融合蓝牙aoa与超宽带的三维室内定位方法及系统 - Google Patents

融合蓝牙aoa与超宽带的三维室内定位方法及系统 Download PDF

Info

Publication number
CN115190425A
CN115190425A CN202210884078.9A CN202210884078A CN115190425A CN 115190425 A CN115190425 A CN 115190425A CN 202210884078 A CN202210884078 A CN 202210884078A CN 115190425 A CN115190425 A CN 115190425A
Authority
CN
China
Prior art keywords
base station
bluetooth
ultra
positioning
data
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
CN202210884078.9A
Other languages
English (en)
Inventor
王燕婷
夏靖波
陈新鹏
金世文
于昊蕾
陈俊
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.)
Xiamen University
Original Assignee
Xiamen University
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 Xiamen University filed Critical Xiamen University
Priority to CN202210884078.9A priority Critical patent/CN115190425A/zh
Publication of CN115190425A publication Critical patent/CN115190425A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • H04W4/30—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
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及一种融合蓝牙AOA与超宽带的三维室内定位系统，它包括在同平面上建立的蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内。本发明融合了超宽带(UWB)定位和蓝牙到达角定位(BLE‑AOA)；提供超宽带最小二乘法校正测距误差的模型，并提出蓝牙天线阵列采集的IQ数据异常值的处理算法，最后利用自适应滤波对由IQ数据得到的角度测量值进行误差优化，可以仅使用三个基站实现三维空间定位，突破了传统三维定位系统至少需要四个定位基站的局限。

Description

融合蓝牙AOA与超宽带的三维室内定位方法及系统
技术领域
本发明涉及室内定位领域，特别是一种融合蓝牙AOA与超宽带的三维室内定位方法及系统。
背景技术
伴随着现代工业化与智能化的发展，物联网的兴起，位置服务被日益需要，GPS定位系统是当下最成熟的定位系统之一，它在室外环境下的定位精确度高，已经达到亚米级别。但是GPS的信号一旦穿透建筑物就会有严重的信号衰减甚至吸收，因此GPS定位系统不适宜在室内环境中使用。与室外区域不同，由于室内环境包含不同类型的障碍物，对传播的信号有着不同程度的吸收率，室内定位系统的实现难度增大。为了克服GPS定位系统在室内环境下的不足，研究者就提出了室内定位服务LBS，由于室内定位在各大领域很高的商业价值，所以研究者加快了对LBS研究的步伐，在近几年的研究进程中硕果颇丰。LBS是将定位技术与移动通信技术相结合，客户端通过使用移动终端的无线通信网络，或者卫星定位系统，获取移动端的位置信息并结合其他信息向客户端提供与位置相关的服务。室内定位在现代生活、工作中，如火车站、公交车站、购物中心、博物馆、机场和图书馆的定位系统。
与室外GPS定位系统几乎包揽市场的局面不同的是，室内定位采用的技术种类较多。室内定位系统大致分为单技术定位和多技术融合定位。但是单技术定位有着许多的不足，而融合定位技术可以融合单技术的优势，互补不足。融合定位是将两个以及两个以上的定位技术相结合，将采集的数据一起进行计算得到目标位置。目前涌现出的主流定位技术有：RFID、WiFi、BLE、红外线、5G蜂窝、图像、超声波、UWB。蓝牙技术比WiFi技术更早被广泛使用，蓝牙技术在各种移动设备上的使用也不亚于WiFi技术，如蓝牙耳机、智能手机。目前蓝牙已经升级成了5.2版本的低能量蓝牙(BLE)。相比WiFi定位，蓝牙定位具有更低的功耗、更高的采样频率、更容易部署、更低成本、更高安全性，从而BLE定位更具优势。另外，UWB定位技术抗多径干扰能力强、定位精度高可达厘米级、覆盖范围大(约50米)是一项使用较广泛的高精度室内定位技术。
中国专利CN112533163A发明了一种基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法。首先，分别采集超宽带、蓝牙信标与各基站之间的距离，作为卡尔曼滤波的输入激励。然后，采用三边算法计算目标位置，循环使用卡尔曼滤波不断缩小定位误差。该方法达到了厘米级的定位精度，但是系统成本高。
由于蓝牙更新到5.2版本，这款低能量蓝牙新增了寻向功能这一重要特性，让蓝牙定位系统突破了仅能使用TOA、TDOA的限制，开拓了基于AOA的方向上进行研究。中国专利CN113260046A发明了一款基于蓝牙AOA的定位方法。该定位方法是在待定位设备发射的蓝牙数据中添加一段数据单元用于AOA定位。由接收端的天线阵列接受并转换成IQ信号。但是该发明只是提出关于蓝牙AOA的定位方法，并定位精度的优化并不明显。
中国专利CN114025426A发明了联合蓝牙AOA和RSSI的室内定位系统。同样是把蓝牙AOA的数据段加入蓝牙协议数据包中。不同的是该系统在结束段同时采集AOA数据值与RSSI值，并对RSSI值进行校准和数据降噪处理，最后综合角度测量值与RSSI值计算得到待定位设备的目标位置。但是系统在非视距情况下的定位精度表现仍然较差。
目前的大多数定位技术中，蓝牙技术实现的定位精度仅仅是米级别，但是具备低成本与低功耗的优势。UWB定位系统硬件成本较高、功耗大，但是定位精度可到达厘米级。因此，结合蓝牙与超宽带两种定位技术设计定位系统，能够实现优势互补，更有利于定位系统整体性能的提升。
发明内容
本发明的目的在于提供一种融合蓝牙AOA与超宽带的三维室内定位方法及系统，该系统一共使用三个基站实现了低成本、低功耗、高精度的三维空间定位。
本发明的目的通过如下技术方案实现：
一种融合蓝牙AOA与超宽带的三维室内定位系统，它包括在同平面上建立的蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内。
一种融合蓝牙AOA与超宽带的三维室内定位方法，它包括以下步骤：
步骤1.在同平面上建立蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内；
步骤2.超宽带基站S3基于采集到的信号和数据进行超宽带的测距定位，从而确定超宽带基站S3到定位标签之间的距离值R；
步骤3.蓝牙基站S1和蓝牙基站S2分别对采集到的蓝牙信号的IQ数据进行IQ数据优化处理；
步骤4.初始化自适应滤波算法的参数，将优化处理后的IQ数据作为自适应滤波器的输入激励，自适应滤波器通过自学习的方式不断调整滤波器系数，并且根据后续激励的连续输入，自适应滤波算法不断缩小与理想IQ信号的误差，以得到最优的IQ信号波形图，利用IQ信号的波形图转换成蓝牙阵列天线测得的角度值，其中蓝牙基站S1测得的角度值为θ1，蓝牙基站S2测得的角度值为θ2；
步骤5.融合超宽带基站的距离值与蓝牙基站的角度值，采用欧式几何原理进行计算，最终得到定位标签的空间位置，并且上传至云平台；
定位标签的三维空间坐标(x，y，z)如下：
Figure BDA0003765298710000031
Figure BDA0003765298710000032
Figure BDA0003765298710000033
进一步，步骤2中得到的超宽带基站S3到定位标签之间的距离值R，先通过超宽带最小二乘法误差优化模型进行校正，再作为步骤5计算空间坐标的距离值；超宽带最小二乘法误差优化模型为：
R＝1.017L-0.0154
其中L是超宽带基站S3到定位标签之间原始的测量距离，R是接近真实值的优化距离。
进一步，L采用DS-TWR算法得到；首先，分别记录定位标签发射、接收、再发射数据的三次时间戳t1、t2、t3，其次，分别记录超宽带基站S3接收、发射、再接收数据的三次时间戳t4、t5、t6，计算超宽带基站S3与定位标签之间的飞行时间Tprop具体如下：
Figure BDA0003765298710000041
计算距离L如下：
L＝Tprop×c
其中c为光速，c＝3·108m/s。
进一步，蓝牙基站S1和蓝牙基站S2采用的天线阵列均为双天线阵列，采样频率为4MHz，天线切换时间为2us，采样插槽为1us，每个采样插槽采样四个IQ样本，每一组的IQ采样数据有72个样本。
进一步，步骤3中蓝牙基站S1和蓝牙基站S2通过阵列天线接收的IQ数据，首先经过离群值算法去除异常值，然后采用近邻权值算法补偿异常值处的数值空缺，再使用移动均值平滑IQ数据，最后使用三次样条插值扩展IQ样本数据。
进一步，近邻权值算法补偿异常值处的数值空缺采用近邻零值补偿的算法，模型如下：
Figure BDA0003765298710000042
Figure BDA0003765298710000043
其中，k表示的是第k个样本，I、Q分别表示的是IQ的样本数据。
进一步，移动均值平滑IQ数据具体方法如下：使用一个长度为4的滑动窗口，以当前数据元素与前一个数据元素为中心，最终返回由中心向外扩展的局部4个数据点的均值组成的数组；其中每个均值是基于近邻零值补偿处理的样本数列中相邻元素的长度为4的移动窗口计算得出。
进一步，三次样条插值扩展IQ样本数据的具体方法如下：在相邻两个样本之间利用一元三次方程插入9个样本点，将IQ样本数据扩展为631个样本点。
进一步，步骤4的自适应滤波具体过程如下：
S4-1.将滤波器中的W(0)、m、u初始化；
S4-2.将第n个IQ样本数据作为自适应滤波算法的输入激励；
S4-3.根据第n个IQ样本序列的输入数据X(n)计算出输出数据y(n)；
S4-4.根据期望输出d(n)，计算误差e(n)，得到梯度T(n)；
S4-5.利用最小均方准则更新滤波器系数W(n)；
S4-6.回到S3-2，直到结束；
最后将自适应滤波得到的输出信号波形图通过公式转换成角度值。
较之现有技术而言，本发明的优点在于：本发明融合了超宽带(UWB)定位和蓝牙到达角定位(BLE-AOA)；提供超宽带最小二乘法校正测距误差的模型，并提出蓝牙天线阵列采集的IQ数据异常值的处理算法，最后利用自适应滤波对由IQ数据得到的角度测量值进行误差优化，可以仅使用三个基站实现三维空间定位，突破了传统三维定位系统至少需要四个定位基站的局限。
本发明使用一个超宽带基站和两个蓝牙基站实现了厘米级的精准三维定位系统，并且大大降低了定位系统的成本代价。此外，本发明通过集成NB-IoT模块于融合的蓝牙AOA与超宽带的定位系统上，可以实时获得定位数据，相比传统定位系统，在实际的应用性能以及广泛性方面都更优越。
附图说明
图1为本发明具体融合蓝牙AOA与超宽带的三维室内定位方法的实施例示意图；
图2为本发明超宽带DS-TWR测距原理图；
图3为本发明蓝牙AOA原理图；
图4为本发明具体IQ数据优化处理算法的流程图；
图5为本发明具体实施自适应滤波算法的角度算法流程图；
图6为本发明拟合自适应滤波后的载波信号波形图；
图7为本发明蓝牙天线阵列接收AOA的原理图；
图8为本发明基站定位的几何原理图；
图9为本发明基于NB-IoT的室内定位系统框架图。
具体实施方式
下面结合说明书附图和实施例对本发明内容进行详细说明：
如图1-9所示为本发明提供的一种融合蓝牙AOA与超宽带的三维室内定位方法及系统的实施例示意图。
一种融合蓝牙AOA与超宽带的三维室内定位方法，它包括以下步骤：
步骤1：
在同平面上建立蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内。
步骤2：
超宽带基站S3基于采集到的信号和数据进行超宽带的测距定位，从而确定超宽带基站S3到定位标签之间的距离值R；
本发明将在空间内设置超宽带基站S3，并在定位目标上部署超宽带定位标签。放置的定位标签对超宽带基站S3发送请求信号，超宽带基站S3做出响应后便回传信号，定位标签做出响应后再次向超宽带基站S3发送信号。定位标签与超宽带基站S3传输的信息帧都有一个时间戳来标记发送和接受时间。由接收与发送时间简单运算就可得出两者之间的飞行时间，从而得到锚节点和定位标签之间距离。
本发明采用的是TOF的扩展算法：DS-TWR算法。附图2为DS-TWR测距原理图。
因为基站与标签之间存在时钟同步问题会导致测距误差，所以需要消除时钟不同步的误差。首先，分别记录定位标签发射、接收、再发射数据的三次时间戳t1、t2、t3，其次，分别记录定位基站接收、发射、再接收数据的三次时间戳t4、t5、t6。计算基站与标签之间的飞行时间Tprop具体如下：
Figure BDA0003765298710000061
通过两次交换响应有效解决时钟不同步引入的误差。从而我们可以得到定位标签与锚节点之间距离：Tprop·c。其中c为光速(c＝3·108m/s)，计算距离L如下：
L＝Tprop×c
但在实际环境中，由于多径效应、噪声干扰会导致测距值L与真实距离的误差。本发明通过在1-10米的范围内，每间隔0.5米采样100组数据，计算出测量值与真实值之间产生的误差ρ(r)：
Figure BDA0003765298710000071
公式中，L是UWB定位的测量距离，
Figure BDA0003765298710000072
是定位标签与基站的实际距离。经过对ρ(r)的统计分析，可以将测距误差ρ定义为实际距离
Figure BDA0003765298710000073
的线性函数：
Figure BDA0003765298710000074
本发明利用最小二乘法直线拟合得到上述公式中的系数G1、G2，最终获得系数的估计值分别是-0.0165和0.0151。由此我们得出测距的误差函数：
Figure BDA0003765298710000075
将其带入公式
Figure BDA0003765298710000076
中可得到：
R＝1.017L-0.0154
其中L是测量距离，R则是本发明中校正UWB测距后接近真实距离的值。发明修正前的UWB测距的最大误差为20cm左右，而经过了误差统计模型的校正后最大误差降到了7cm以内。
步骤3：
蓝牙基站S1和蓝牙基站S2分别对采集到的蓝牙信号的IQ数据进行IQ数据优化处理；
本发明采用的是蓝牙AOA的定位方式。蓝牙AOA的基本原理：在蓝牙信号的接收端设置天线阵列，由蓝牙发射端发出信号，被接收端的天线阵列接收；根据天线之间接收到的信号波程差得出发射端的方向信息。附图3是蓝牙AOA的定位基本原理图。
其中，基于天线阵列采集蓝牙AOA的原始数据是IQ数据。本发明提出了一种基于线性天线阵列采集到蓝牙信号的IQ数据的异常值处理算法，从而减少蓝牙基站到定位标签之间的角度测量值的误差。在定位空间中部署两个携带阵列天线的蓝牙基站S1和蓝牙基站S2，并将蓝牙基站S1与超宽带基站S3放置在同个位置，最后将蓝牙定位标签放置在定位目标上。蓝牙定位标签发射信号被蓝牙基站的阵列天线接收，天线接收到的信号被转化为IQ数据存储。IQ数据通过本发明的IQ数据异常值算法处理转换成波形图，进而确定定位目标的角度值。
本发明的IQ数据优化处理算法简要概括为四个部分：首部去除、零值补偿、均值平滑、三次插值。附图4为本发明具体IQ数据优化处理算法的流程图。
蓝牙AOA的实现是在蓝牙数据包的尾部扩展了一段用来被天线阵列接收的AOA数据段。本发明的采用的天线阵列为双天线阵列，采样频率为4MHz，天线切换时间为2us，采样插槽为1us，每个采样插槽采样四个IQ样本。每一组的IQ采样数据有72个样本。在理想状态下，采集的72个IQ数据样本能够被完美还原成正弦波。由于蓝牙信号的抗干扰能力比超宽带弱，更容易受到干扰进而导致IQ数据出现异常值，这会让波形失真进而使角度测量误差显著增大。
为了优化IQ数据，首先采用首部去除异常值。在分析IQ采样数据时，发现每一组的前八个采样数据极其不稳定，因此采取首部去除的方式可以直接去除该部分误差。
其次，使用零值补偿处理IQ样本中的零值。因为在每四个采样数据中总会出现零值，这在还原波形时会产生较大的误差。为了让后期的拟合波形更加准确，发明了一种近邻零值补偿的算法。算法模型如下：
Figure BDA0003765298710000081
Figure BDA0003765298710000082
其中，k表示的是第k个样本，I、Q分别表示的是IQ的样本数据。
再次，本发明对基于近邻零值补偿的IQ数据进行移动均值平滑。本发明使用一个长度为4的滑动窗口，以当前数据元素与前一个数据元素为中心，最终返回由中心向外扩展的局部4个数据点的均值组成的数组。其中每个均值是基于近邻零值补偿处理的样本数列中相邻元素的长度为4的移动窗口计算得出。
最后，本发明对IQ数据采用三次样条插值，在相邻两个样本之间利用一元三次方程插入9个样本点，将IQ样本数据扩展为631个样本点。
步骤4：
初始化自适应滤波算法的参数，将优化处理后的IQ数据作为自适应滤波器的输入激励，自适应滤波器通过自学习的方式不断调整滤波器系数，并且根据后续激励的连续输入，自适应滤波算法不断缩小与理想IQ信号的误差，以得到最优的IQ信号波形图，利用IQ信号的波形图转换成蓝牙阵列天线测得的角度值，其中蓝牙基站S1测得的角度值为θ1，蓝牙基站S2测得的角度值为θ2；附图5为本发明具体实施自适应滤波算法的角度算法流程图。
将IQ样本数据作为系统输入信号向量：[x(n)，x(n-1)...x(0)]，本发明根据自适应滤波将定位系统输出定义为：
y(n)＝W(n)X(n)T
其中，X(n)＝[x(n)，x(n-1)...x(n-m+1)]；y(n)是系统输出值；W(n)＝[w1(n)，w2(n)...wm(n)]，表示自适应滤波器系数；m是自适应滤波器的阶数。将期望输出D设为[x(n-1)，x(n-2)...x(0)，x(n)]。因此计算系统误差信号e(n)：
e(n)＝y(n)-d(n)
更新阶段：计算系统梯度T(n)、自适应滤波器系数W(n+1)。
T(n)＝-2e(n)X(n)
W(n+1)＝W(n)-uT(n)
其中，u是自适应滤波系统的收敛因子。自适应滤波通过不断重复输出、更新阶段，从而得到最优的IQ数据信号。
最后，本发明对自适应滤波后的IQ数据采用正弦函数拟合。分别将631组的I、Q数据导入模型拟合出I、Q对应的三个系数值Ai、Bi、Ci与Aq、Bq、Cq。正弦函数拟合模型如下：
Ik＝Aisin(Bik+Ci)
Qk＝Aqsin(Bqk+Cq)
其中，k表示的是I、Q数据的样本序号。拟合得到的Ai、Bi、Ci与Aq、Bq、Cq分别代表了I和Q信号的幅度、频率、相移。进而I、Q信号函数表示为：
I＝Aisin(Bit+Ci)
Q＝Aqsin(Bqt+Cq)
进而将I、Q信号函数相加则可还原为蓝牙AOA的载波信号F：
F＝I+Q
Figure BDA0003765298710000091
附图6是本发明拟合自适应滤波后的载波信号波形图。
附图7为蓝牙天线阵列接收AOA的原理图。按照天线阵列中不同天线接收到的信号相位不同的原理，因此天线1、天线2、天线3......天线n获取的信号分别是：F1、F2、F3......Fn，对应的相位为：
Figure BDA0003765298710000092
相位差φ表示如下：
Figure BDA0003765298710000093
最终得到的定位目标的角度测量值θ如下：
Figure BDA0003765298710000101
其中，λ是蓝牙信号的波长，d是相邻天线之间的距离。
表一是实际BLE-AOA与基于自适应滤波BLE-AOA的对比表
Figure BDA0003765298710000102
步骤5：
融合超宽带基站的距离值与蓝牙基站的角度值，采用欧式几何原理进行计算，最终得到定位标签的空间位置，并且上传至云平台；
附图8为三基站定位的几何原理图。图中S1、S2、S3分别代表的是蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，S4是结合BLE-UWB的定位标签；θ1、θ2表示的是定位标签映射在x-y平面上相对于蓝牙基站S1和蓝牙基站S2的角度值，R是定位标签与超宽带基站的距离值，P1、P2、P3分别是定位空间的长、宽、高，其中P1为蓝牙基站S1和蓝牙基站S2是间距。
定位标签在角度θ1列出的表达式如下：
Figure BDA0003765298710000103
其中，y是定位标签在Y轴方向上的坐标值，x是定位标签在X轴方向上的坐标值。根据θ2列出的表达式如下：
Figure BDA0003765298710000104
定位标签在Z轴方向上的坐标值z的表达式如下：
Figure BDA0003765298710000105
联立上述公式得到融合蓝牙AOA与超宽带定位模型的三维空间坐标
(x，y，z)如下：
Figure BDA0003765298710000111
Figure BDA0003765298710000112
Figure BDA0003765298710000113
另外，在本发明中，定位基站上集成了蓝牙AOA、超宽带以及NB-IoT模块。基站通过NB-IoT同时获取定位标签的BLE-AOA和UWB的定位数据，并且将定位数据上传到物联网云平台。最后，在服务器端将定位数据进行融合蓝牙AOA与超宽带定位算法的计算从而生成定位坐标，并通过互联网上传至显示终端。附图9为本发明基于NB-IoT的室内定位系统框架图。
对本实施例的融合蓝牙AOA与超宽带定位方法进行试验，实验场地选择厦门大学漳州校区理工大楼506实验室环境，长4米，宽3米，高4米。将2个蓝牙基站与1个超宽带基站分别固定在实验室的两个角落上，并在实验的空间内移动定位标签。
传统三维空间高精度定位的系统往往使用超宽带定位实现，采用四个超宽带基站实现三维定位的定位精度平均在21.2厘米。而经过多次三维定位实验证明：本发明提出的融合蓝牙AOA与超宽带的三基站定位系统，能够实现三维空间定位精度平均在19.8厘米。相较于传统四基站超宽带定位系统，本发明的系统降低了定位系统的硬件成本、能耗低，并且实现了优于传统高精度定位的超宽带三维定位系统的定位精度。可以看到本发明相比传统的室内三维定位系统具备更高的定位性能。

Claims (10)

1.一种融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于，它包括以下步骤：
步骤1.在同平面上建立蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内；
步骤2.超宽带基站S3基于采集到的信号和数据进行超宽带的测距定位，从而确定超宽带基站S3到定位标签之间的距离值R；
步骤3.蓝牙基站S1和蓝牙基站S2分别对采集到的蓝牙信号的IQ数据进行IQ数据优化处理；
步骤4.初始化自适应滤波算法的参数，将优化处理后的IQ数据作为自适应滤波器的输入激励，自适应滤波器通过自学习的方式不断调整滤波器系数，并且根据后续激励的连续输入，自适应滤波算法不断缩小与理想IQ信号的误差，以得到最优的IQ信号波形图，利用IQ信号的波形图转换成蓝牙阵列天线测得的角度值，其中蓝牙基站S1测得的角度值为θ1，蓝牙基站S2测得的角度值为θ2；
步骤5.融合超宽带基站的距离值与蓝牙基站的角度值，采用欧式几何原理进行计算，最终得到定位标签的空间位置，并且上传至云平台；
定位标签的三维空间坐标(x，y，z)如下：
Figure FDA0003765298700000011
Figure FDA0003765298700000012
Figure FDA0003765298700000013
2.根据权利要求1所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于：
步骤2中得到的超宽带基站S3到定位标签之间的距离值R，先通过超宽带最小二乘法误差优化模型进行校正，再作为步骤5计算空间坐标的距离值；
超宽带最小二乘法误差优化模型为：
R＝1.017L-0.0154
其中L是超宽带基站S3到定位标签之间原始的测量距离，R是接近真实值的优化距离。
3.根据权利要求2所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于，L采用DS-TWR算法得到；
首先，分别记录定位标签发射、接收、再发射数据的三次时间戳t1、t2、t3，其次，分别记录超宽带基站S3接收、发射、再接收数据的三次时间戳t4、t5、t6，计算超宽带基站S3与定位标签之间的飞行时间Tprop具体如下：
Figure FDA0003765298700000021
计算距离L如下：
L＝Tprop×c
其中c为光速，c＝3·108m/s。
4.根据权利要求1所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于：
蓝牙基站S1和蓝牙基站S2采用的天线阵列均为双天线阵列，采样频率为4MHz，天线切换时间为2us，采样插槽为1us，每个采样插槽采样四个IQ样本，每一组的IQ采样数据有72个样本。
5.根据权利要求4所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于：
步骤3中蓝牙基站S1和蓝牙基站S2通过阵列天线接收的IQ数据，首先经过离群值算法去除异常值，然后采用近邻权值算法补偿异常值处的数值空缺，再使用移动均值平滑IQ数据，最后使用三次样条插值扩展IQ样本数据。
6.根据权利要求5所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于：
近邻权值算法补偿异常值处的数值空缺采用近邻零值补偿的算法，模型如下：
Figure FDA0003765298700000022
Figure FDA0003765298700000023
其中，k表示的是第k个样本，I、Q分别表示的是IQ的样本数据。
7.根据权利要求6所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于，移动均值平滑IQ数据具体方法如下：
使用一个长度为4的滑动窗口，以当前数据元素与前一个数据元素为中心，最终返回由中心向外扩展的局部4个数据点的均值组成的数组；
其中每个均值是基于近邻零值补偿处理的样本数列中相邻元素的长度为4的移动窗口计算得出。
8.根据权利要求6所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于，三次样条插值扩展IQ样本数据的具体方法如下：
在相邻两个样本之间利用一元三次方程插入9个样本点，将IQ样本数据扩展为631个样本点。
9.根据权利要求6所述的融合蓝牙AOA与超宽带的三维室内定位方法，其特征在于，步骤4的自适应滤波具体过程如下：
S4-1.将滤波器中的W(0)、m、u初始化；
S4-2.将第n个IQ样本数据作为自适应滤波算法的输入激励；
S4-3.根据第n个IQ样本序列的输入数据X(n)计算出输出数据y(n)；
S4-4.根据期望输出d(n)，计算误差e(n)，得到梯度T(n)；
S4-5.利用最小均方准则更新滤波器系数W(n)；
S4-6.回到S3-2，直到结束；
最后将自适应滤波得到的输出信号波形图通过公式转换成角度值。
10.一种用于实现权利要求1所述方法的融合蓝牙AOA与超宽带的三维室内定位系统，其特征在于：它包括在同平面上建立的蓝牙基站S1、蓝牙基站S2以及超宽带基站S3，其中蓝牙基站S1和超宽带基站S3共点设置，蓝牙基站S1和蓝牙基站S2间隔设置，其距离为P1，定位标签位于蓝牙基站S1、蓝牙基站S2和超宽带基站S3所形成的定位空间内。
CN202210884078.9A 2022-07-26 2022-07-26 融合蓝牙aoa与超宽带的三维室内定位方法及系统 Pending CN115190425A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210884078.9A CN115190425A (zh) 2022-07-26 2022-07-26 融合蓝牙aoa与超宽带的三维室内定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210884078.9A CN115190425A (zh) 2022-07-26 2022-07-26 融合蓝牙aoa与超宽带的三维室内定位方法及系统

Publications (1)

Publication Number Publication Date
CN115190425A true CN115190425A (zh) 2022-10-14

Family

ID=83520945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210884078.9A Pending CN115190425A (zh) 2022-07-26 2022-07-26 融合蓝牙aoa与超宽带的三维室内定位方法及系统

Country Status (1)

Country Link
CN (1) CN115190425A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117041886A (zh) * 2023-08-31 2023-11-10 青岛柯锐思德电子科技有限公司 一种基于集成uwb无线耳机的标签定位追踪方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117041886A (zh) * 2023-08-31 2023-11-10 青岛柯锐思德电子科技有限公司 一种基于集成uwb无线耳机的标签定位追踪方法
CN117041886B (zh) * 2023-08-31 2024-02-09 青岛柯锐思德电子科技有限公司 一种基于集成uwb无线耳机的标签定位追踪方法

Similar Documents

Publication Publication Date Title
CN109548141B (zh) 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法
US7302269B1 (en) Radiolocation in a wireless network using time difference of arrival
US8102784B1 (en) Localization in a network
CN112073895A (zh) 一种基于csi高精度人员定位跟踪方法
CN110933626B (zh) 一种高精度的自组织网络式室内定位方法
WO2009062305A1 (en) System for determining position over a network
CN112073903A (zh) 一种单基站高精度uwb室内定位系统及方法
WO2011091062A1 (en) Precision location method and system
Lu et al. Opportunities and Challenges in the Industrial Internet of Things based on 5G Positioning
CN103576166B (zh) 基于单颗静止轨道卫星对干扰源进行定位的方法及系统
CN112566028B (zh) 一种基于uwb的室内机器人定位方法
CN115190425A (zh) 融合蓝牙aoa与超宽带的三维室内定位方法及系统
Schwalowsky et al. System integration of an IEEE 802.11 based TDoA localization system
CN115802479A (zh) 基于5g及北斗的室内外融合定位方法
CN102664696A (zh) 面向无线传输环境的ieee1588协议优化系统及其方法
CN108989985A (zh) 单节点室内高精度定位系统及定位方法
Koivisto et al. Continuous device positioning and synchronization in 5G dense networks with skewed clocks
CN110662167A (zh) 一种室内异构网络间协同定位方法、系统及可读存储介质
CN211831165U (zh) 一种提高定位效率的室内定位系统
Ismail et al. Connected users localization in LTE networks
Zheng et al. Attitude determination in urban canyons: A synergy between GNSS and 5G observations
Chen et al. A time-compensation TDOA-based wireless positioning method for multi-level IoT positioning
CN113203985A (zh) 一种短波同频信号直接定位方法
Weber et al. Localization techniques for traffic applications based on robust WECOLS positioning in wireless sensor networks
CN116087874A (zh) 一种uwb阵列融合高精度定位方法及系统

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