CN115574821A - 基于超宽带的同步定位及建图方法、装置及电子设备 - Google Patents

基于超宽带的同步定位及建图方法、装置及电子设备 Download PDF

Info

Publication number
CN115574821A
CN115574821A CN202211146343.XA CN202211146343A CN115574821A CN 115574821 A CN115574821 A CN 115574821A CN 202211146343 A CN202211146343 A CN 202211146343A CN 115574821 A CN115574821 A CN 115574821A
Authority
CN
China
Prior art keywords
target
distance
estimation result
target node
node
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
CN202211146343.XA
Other languages
English (en)
Inventor
远方
赵曜
冯肖
刘咏
李文萃
贾静丽
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.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd
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 State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211146343.XA priority Critical patent/CN115574821A/zh
Publication of CN115574821A publication Critical patent/CN115574821A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/383—Indoor data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种基于超宽带的同步定位及建图方法、装置及电子设备，该方法包括：获取目标节点在目标时刻接收到的多径信号；基于接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，所述信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离；根据所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，确定所述目标节点在所述目标时刻的位置。通过本发明提供的基于超宽带的同步定位及建图方法、装置及电子设备，可有效提高定位精度。

Description

基于超宽带的同步定位及建图方法、装置及电子设备
技术领域
本发明涉及定位技术领域，尤其涉及一种基于超宽带的同步定位及建图方法、装置及电子设备。
背景技术
随着高精度定位服务的发展，室内定位被称为高精度定位中的最后一步。常用的室内无线定位技术有超宽带(ultra-wide band，UWB)、WiFi、Zigbee、蓝牙等，其中UWB以其较大的带宽、较高的时间分辨率、较强的抗多径效应能力等优点，被广泛应用于室内高精度定位中。
然而，传统的基于UWB的定位系统，其精度依赖于给定的环境地图的准确度，因此可能由于环境地图的不精确性导致较大的定位误差，且室内UWB信号传输产生的多径干扰会影响定位精度。
发明内容
针对现有技术存在的问题，本发明提供一种基于超宽带的同步定位及建图方法、装置及电子设备。
第一方面，本发明提供一种基于超宽带的同步定位及建图方法，包括：
获取目标节点在目标时刻接收到的多径信号，所述多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达所述目标节点的多个接收信号；
基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，所述信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；
基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离；所述历史位置数据包括所述目标节点与已发现的各虚拟锚节点之间的历史距离数据；
根据所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，确定所述目标节点在所述目标时刻的位置。
可选地，所述基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，包括：
基于所述接收信号、多径信号模型和信道参数的先验分布，利用卡尔曼滤波算法，得到信道参数估计结果。
可选地，所述基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
基于所述时延估计结果，得到第一距离集合，所述第一距离集合中包括不同路径的距离估计值；
基于所述历史位置数据，得到第二距离集合，所述第二距离集合中包括所述目标节点在所述目标时刻与已发现的虚拟锚节点之间的距离预测值；
将所述第一距离集合和所述第二距离集合中的元素对应匹配，根据匹配结果确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离。
可选地，所述将所述第一距离集合和所述第二距离集合中的元素对应匹配，包括：
基于最优子模式分配OSPA度量，将所述第一距离集合和所述第二距离集合中的元素对应匹配。
可选地，所述根据匹配结果确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
根据每组匹配成功的两个元素中的较小值，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离。
可选地，将所述第一距离集合和所述第二距离集合中的元素对应匹配之后，所述方法还包括：
基于所述第一距离集合中与已发现的虚拟锚节点无关的距离估计值，确定新的虚拟锚节点。
第二方面，本发明还提供一种基于超宽带的同步定位及建图装置，包括：
接收信号获取模块，用于获取目标节点在目标时刻接收到的多径信号，所述多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达所述目标节点的多个接收信号；
信道参数估计模块，用于基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，所述信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；
距离确定模块，用于基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离；所述历史位置数据包括所述目标节点与已发现的各虚拟锚节点之间的历史距离数据；
位置确定模块，用于根据所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，确定所述目标节点在所述目标时刻的位置。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述第一方面所述的基于超宽带的同步定位及建图方法。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述第一方面所述的基于超宽带的同步定位及建图方法。
第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于超宽带的同步定位及建图方法。
本发明提供的基于超宽带的同步定位及建图方法、装置及电子设备，通过将虚拟锚节点作为随机变量与目标节点位置一起引入到定位系统，从已知物理锚节点和初始化的虚拟锚节点开始，动态更新虚拟锚节点位置变量，并进一步学习未知环境地图，可有效提高定位精度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明提供的利用多径信号实现室内定位的示意图；
图2为本发明提供的基于超宽带的同步定位及建图方法的流程示意图；
图3为本发明提供的UWB-SLAM算法总体方案示意图；
图4为本发明提供的基于超宽带的同步定位及建图装置的结构示意图；
图5为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
超宽带是实现高精度室内定位的有效方案，超宽带信号在室内传播可表现为多径信号(MPCs)。基于超宽带的定位系统利用镜面反射的多径信号，可与局部几何相关，图1为本发明提供的利用多径信号实现室内定位的示意图，如图1所示，在一个室内空间部署至少一个单天线物理锚节点(physical anchor，PA)用于发射超宽带信号，物理锚节点发射的超宽带信号经过周围环境平面(例如，墙壁)的多次反射，到达目标节点形成多径信号，多径信号可当做是来自其他虚拟源即虚拟锚节点(virtual anchor，VA)的信号，虚拟锚节点是物理锚节点关于平面图的一个镜像。实际利用多径传播的方法需要先验知识，可以是平面图，也可以是一组已知的天线位置，以便从多径和已知测量位置推断房间几何形状。
传统的基于超宽带的定位系统中未考虑平面图的不精确性和由此产生的VAs位置不确定性(如图1中的误差椭圆)，错误检测到的虚拟锚节点将导致目标节点的定位出现偏差。
针对上述问题，本发明提供一种解决方案，将虚拟锚节点作为随机变量与目标节点位置一起引入到定位系统，即基于超宽带的同步定位及建图(simultaneouslocalization and mapping，SLAM)方法，从已知物理锚节点和初始化的虚拟锚节点开始，基于多径信号的UWB-SLAM是一种动态更新虚拟锚节点位置变量，并进一步定位和构图的方法，该方法能够学习未知环境地图，即构建平面图，可有效提高定位精度。
图2为本发明提供的基于超宽带的同步定位及建图方法的流程示意图，如图2所示，该方法包括如下步骤：
步骤200、获取目标节点在目标时刻接收到的多径信号，多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达目标节点的多个接收信号。
具体地，以任意时刻n对目标节点进行定位为例，首先需要获取该时刻目标节点接收到的多径信号。
例如，在时刻n，第j(j≥1)个锚节点发送一个脉冲宽度为TP的基带等效超宽带信号s(t)，该信号经过周围环境平面(例如，墙壁)的多次反射，到达目标节点m形成多径信号
Figure BDA0003855425860000061
该多径信号可建模为：
Figure BDA0003855425860000062
其中，t表示时间变量，
Figure BDA0003855425860000063
和
Figure BDA0003855425860000064
分别为复振幅和时延，k＝1,…,
Figure BDA0003855425860000065
是总数为
Figure BDA0003855425860000066
的多径成分指标(对应
Figure BDA0003855425860000067
个不同路径)，w(t)表示功率为
Figure BDA0003855425860000068
的加性高斯白噪声。可将总和为
Figure BDA0003855425860000069
的多径信道参数写成向量形式：
Figure BDA00038554258600000610
和
Figure BDA00038554258600000611
时延与位置
Figure BDA00038554258600000612
处的虚拟锚节点的关系为：
Figure BDA00038554258600000613
其中，c为光速，
Figure BDA00038554258600000614
为n时刻目标节点m的位置，ε(j,m)表示由于第j个锚节点和目标节点m之间的时钟异步而导致的时钟偏差。d(a,b)表示计算a,b两点之间几何距离的函数，
Figure BDA00038554258600000615
表示n时刻从第j个锚节点发射超宽带信号经第k条路径到达目标节点m经过的路径长度。
步骤201、基于接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果。
具体地，获取到目标节点的接收信号之后，便可以基于式(1)建立的多径信号模型，以及信道参数的先验分布，对多径信道参数进行估计。信道参数估计结果可以表示为
Figure BDA0003855425860000071
其中
Figure BDA0003855425860000072
表示不同路径的时延估计结果，
Figure BDA0003855425860000073
表示不同路径的复振幅估计结果，
Figure BDA0003855425860000074
表示噪声方差估计结果。
假定UWB-SLAM算法待估计目标节点的状态向量为xn＝[pn,vn]T，其联合后验概率密度函数为
Figure BDA0003855425860000075
其中pn，vn分别是目标节点的位置和速度矢量，
Figure BDA0003855425860000076
是第1到n时刻估计得到的距离集合，有限集
Figure BDA0003855425860000077
表示n时刻所有与测量距离相关的VA位置的集合。由于在物理锚节点和目标节点上均部署单天线，且只观测到部分VAs，因此需要一组过去的测量距离值和目标节点的相应估计状态来预测新的VAs。VAs和物理锚节点的
Figure BDA0003855425860000079
的集合不仅由于两者关联过程而随时间变化，也由于新发现的VAs而变化。在发现一个新的VA后，它的分布可以在已经检测到的VAs和目标节点联合状态空间中进行描述。图3为本发明提供的UWB-SLAM算法总体方案示意图，如图3所示，其中先验指超宽带信道概率模型，不同路径的时延分量的到达可以被建模为泊松过程，不同路径的振幅服从复高斯分布。对簇内每个信号的到达时间建立平均到达率为λ的泊松过程，多径时延到达的时间分布为：
Figure BDA0003855425860000078
其中，τk和τk1分别表示第k个和第k-1时延分量(即第k个和第k-1个到达信号的时延)，
Figure BDA0003855425860000081
表示先后到达的两个时延分量所服从的分布，K表示路径总数。
而多径成分的振幅服从均值为零方差为
Figure BDA0003855425860000082
的复高斯分布：
Figure BDA0003855425860000083
其中，α表示振幅变量。那么，信道参数的先验分布可描述为：
Figure BDA0003855425860000084
可选地，基于接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，包括：
基于接收信号、多径信号模型和信道参数的先验分布，利用卡尔曼滤波算法，得到信道参数估计结果。
具体地，卡尔曼滤波算法是一种“optimal recursive data processingalgorithm(最优化自回归数据处理算法)”，本发明实施例中，可以利用卡尔曼滤波算法融合预测和观测结果，充分利用两者的不确定性来得到最优估计。其中，预测指的是根据历史数据和信道参数的先验分布预测目标时刻的信道参数信息，观测指的是目标时刻接收的多径信号。
以下通过具体实施例对本发明提供的基于卡尔曼滤波的信道参数估计算法进行简要说明。
考虑一个离散时间动态系统，它由状态方程和观测方程共同表示：
状态方程：h(n+1)＝F(n+1,n)h(n)+v(n),n＝1,…,N (6)
观测方程：r(n)＝C(n)h(n)+w(n),n＝1,…,N (7)
其中，h(n+1)和h(n)分别表示时刻n+1和n的信道参数，观测数据r(n)已知，F(n+1,n),C(n)是时变矩阵，分别表示状态转移矩阵和观测矩阵，v(n)表示观测误差，w(n)表示期望为零的高斯白噪声，其相关矩阵定义为
Figure BDA0003855425860000085
Figure BDA0003855425860000086
v(n)与w(n)之间不相关。假设状态的初始值x(0)与v(n)，w(n)时均不相关。
当给定观测值r(1),…,r(n-1)时，将观测值r(n)的一步预测记做：
Figure BDA0003855425860000091
进一步定义r(n)的新息过程为：
Figure BDA0003855425860000092
式中，r(n)为n时刻的观测值，
Figure BDA0003855425860000093
定义为新息，即一步预测误差。定义状态向量的一步预测误差：
Figure BDA0003855425860000094
Figure BDA0003855425860000095
表示h(n)的一步预测；一步预测状态误差的相关矩阵：
Figure BDA0003855425860000096
新息的相关矩阵：R(n)＝C(n)·K(n,n-1)·CH(n)+Q2(n)。
以下示出了基于卡尔曼滤波的信道参数估计算法过程，输出的卡尔曼滤波状态期望即信道参数的最优估计结果。
Figure BDA0003855425860000097
Figure BDA0003855425860000101
步骤202、基于时延估计结果和目标时刻之前的历史位置数据，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离；历史位置数据包括目标节点与已发现的各虚拟锚节点之间的历史距离数据。
具体地，以图3所示的流程为例，得到信道参数估计结果之后，便可以基于信道参数估计结果中的时延估计结果，以及目标时刻n之前的历史位置数据
Figure BDA0003855425860000102
(比如目标节点与已发现的各虚拟锚节点之间的历史距离数据，这些历史数据可以是利用本发明提供的UWB-SLAM算法得到的之前各时刻的位置或距离数据)，通过相应的算法，得到目标时刻n的估计位置数据
Figure BDA0003855425860000103
其中包括目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离值，以及目标节点在目标时刻与未发现的虚拟锚节点之间的距离值。得到的目标时刻n的估计位置数据
Figure BDA0003855425860000104
可分别输出到历史数据模块进行统计处理，及输出到虚拟锚节点发现模块进行计算虚拟锚节点。
可选地，基于时延估计结果和目标时刻之前的历史位置数据，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
基于时延估计结果，得到第一距离集合，第一距离集合中包括不同路径的距离估计值；
基于历史位置数据，得到第二距离集合，第二距离集合中包括目标节点在目标时刻与已发现的虚拟锚节点之间的距离预测值；
将第一距离集合和第二距离集合中的元素对应匹配，根据匹配结果确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离。
具体地，得到信道参数估计结果之后，可以基于其中的时延估计结果，利用公式(2)计算得到每个时延估计值对应的距离估计值，作为第一距离集合。
另一方面，可以基于目标时刻之前的历史位置数据，来预测得到目标节点在目标时刻与已发现的虚拟锚节点之间的距离预测值，作为第二距离集合。预测算法可采用现有的相关算法，在此不做限定，只要能够实现预测功能即可。
然后，可以将第一距离集合和第二距离集合中的元素对应匹配，举例来说，若第一距离集合中的元素A与第二距离集合中的元素B匹配成功，则可以根据元素B所对应的虚拟锚节点VA1，确定元素A是目标节点在目标时刻与该虚拟锚节点VA1之间的距离估计值，从而根据匹配结果能够找到第一距离集合中的距离估计值所对应的虚拟锚节点，进而确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离。
可选地，根据匹配结果确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，可以包括：根据每组匹配成功的两个元素中的较小值，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离。比如，仍以上述第一距离集合中的元素A与第二距离集合中的元素B匹配成功为例，匹配成功后，可以先比较元素A和元素B两个距离值的大小，将其中较小的一个距离值，确定为目标节点在目标时刻与虚拟锚节点VA1之间的距离。
可选地，上述将第一距离集合和第二距离集合中的元素对应匹配，可以包括：基于最优子模式分配(Optimal Sub-Patten Assignment，OSPA)度量，将第一距离集合和第二距离集合中的元素对应匹配。
具体地，假设第一距离集合表示为
Figure BDA0003855425860000121
第二距离集合表示为
Figure BDA0003855425860000122
其中
Figure BDA0003855425860000123
是位置pn处的目标节点和位置为
Figure BDA0003855425860000124
的第k个VA之间的距离预测值。
由于
Figure BDA0003855425860000125
和
Figure BDA0003855425860000126
通常是不同基数的集合，即
Figure BDA0003855425860000127
没有定义传统的距离度量，因此没有直接的关联方式，本发明实施例中可采用最优子模式分配(OSPA)度量进行关联。可以通过用虚拟杂波填充
Figure BDA0003855425860000128
来确保
Figure BDA0003855425860000129
定义为：
Figure BDA00038554258600001210
其中，ΠN定义为正整数到N的置换集，πi是一个向量，其元素表示正整数的第i阶。函数
Figure BDA00038554258600001211
即在dc＞0时截断的任意距离度量d(·)，即所谓的截止距离，这是一个设计参数。度量阶表示为p。该度量中第一个和是
Figure BDA00038554258600001212
的最优子模式分配到
Figure BDA00038554258600001213
的距离和，即
Figure BDA00038554258600001214
的
Figure BDA00038554258600001215
项最优地分配给
Figure BDA00038554258600001216
Hungarian和Munkres算法可用于此赋值。对于
Figure BDA00038554258600001217
剩余的
Figure BDA00038554258600001218
项，dc被指定为惩罚距离。为了进行数据关联，引入一组对应变量
Figure BDA00038554258600001219
第i个值
Figure BDA00038554258600001220
定义为：
Figure BDA00038554258600001221
具体地，设
Figure BDA0003855425860000131
对应变量设置为：
Figure BDA0003855425860000132
其中，[πopt]k表示最优子模式分配的第k项。将数据关联应用于所有锚节点后，可定义以下并集：
a.相关的已发现(和可选先验已知)VAs集合
Figure BDA0003855425860000133
b.与
Figure BDA0003855425860000138
相应的距离值集合
Figure BDA0003855425860000134
c.
Figure BDA0003855425860000135
中与
Figure BDA0003855425860000139
的VAs无关但对应VA的距离估计值的集合
Figure BDA0003855425860000136
可用于发现新的VAs。
步骤203、根据目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，确定目标节点在目标时刻的位置。
具体地，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离后，便可以根据这些距离值以及已知VAs的位置，确定目标节点在目标时刻的位置，从而实现对目标节点的实时定位。
可选地，将第一距离集合和第二距离集合中的元素对应匹配之后，该方法还包括：
基于第一距离集合中与已发现的虚拟锚节点无关的距离估计值，确定新的虚拟锚节点。
具体地，将第一距离集合和第二距离集合中的元素对应匹配，并将第一距离集合中对应
Figure BDA0003855425860000137
的距离估计值去除之后，第一距离集合中的元素可分为：1)与第二距离集合中的距离预测值匹配成功的距离估计值的集合；2)剩余的距离估计值的集合
Figure BDA0003855425860000141
即与已发现的虚拟锚节点无关的距离估计值。
Figure BDA0003855425860000142
可用于发现新的VAs。
本发明提供的UWB-SLAM算法尝试将测量值与不同阶段的新VAs候选值相关联，其过程总结如下：
a.非关联测量(距离估计值)的潜在子集
Figure BDA0003855425860000143
包含可与现有的未明确估计的VA候选
Figure BDA0003855425860000144
关联的测量。VA候选相关测量值
Figure BDA0003855425860000145
和当前目标节点位置pn用于改进相应VA候选的位置估计，并解决其位置的模糊问题。也即根据VA候选相关测量值
Figure BDA0003855425860000146
和当前目标节点位置pn确定新的虚拟锚节点。
b.解决位置模糊问题后，可在位置
Figure BDA0003855425860000147
处初始化一个新的VA，其对应的协方差矩阵为
Figure BDA0003855425860000148
将新VA的位置和协方差矩阵添加到几何数据库中，新的VA可以在下一时刻定位中使用。
c.未与VA候选相关联的测量值包含在
Figure BDA0003855425860000149
中，并进一步分组为类似距离向量
Figure BDA00038554258600001410
其中
Figure BDA00038554258600001412
表示与第g组相关联的距离的时间指数集，Gn为当前组数。如果一个组的大小达到某个阈值，则使用分组距离和相应的目标节点位置
Figure BDA00038554258600001411
来估计新的VA候选。
本发明提供的基于超宽带的同步定位及建图方法，通过将虚拟锚节点作为随机变量与目标节点位置一起引入到定位系统，从已知物理锚节点和初始化的虚拟锚节点开始，动态更新虚拟锚节点位置变量，并进一步学习未知环境地图，可有效提高定位精度。
下面对本发明提供的基于超宽带的同步定位及建图装置进行描述，下文描述的基于超宽带的同步定位及建图装置与上文描述的基于超宽带的同步定位及建图方法可相互对应参照。
图4为本发明提供的基于超宽带的同步定位及建图装置的结构示意图，如图4所示，该装置包括：
接收信号获取模块400，用于获取目标节点在目标时刻接收到的多径信号，多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达目标节点的多个接收信号；
信道参数估计模块410，用于基于接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；
距离确定模块420，用于基于时延估计结果和目标时刻之前的历史位置数据，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离；历史位置数据包括目标节点与已发现的各虚拟锚节点之间的历史距离数据；
位置确定模块430，用于根据目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，确定目标节点在目标时刻的位置。
可选地，基于接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，包括：
基于接收信号、多径信号模型和信道参数的先验分布，利用卡尔曼滤波算法，得到信道参数估计结果。
可选地，基于时延估计结果和目标时刻之前的历史位置数据，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
基于时延估计结果，得到第一距离集合，第一距离集合中包括不同路径的距离估计值；
基于历史位置数据，得到第二距离集合，第二距离集合中包括目标节点在目标时刻与已发现的虚拟锚节点之间的距离预测值；
将第一距离集合和第二距离集合中的元素对应匹配，根据匹配结果确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离。
可选地，将第一距离集合和第二距离集合中的元素对应匹配，包括：
基于最优子模式分配OSPA度量，将第一距离集合和第二距离集合中的元素对应匹配。
可选地，根据匹配结果确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
根据每组匹配成功的两个元素中的较小值，确定目标节点在目标时刻与已发现的多个虚拟锚节点之间的距离。
可选地，该装置还包括：
虚拟锚节点发现模块，用于基于第一距离集合中与已发现的虚拟锚节点无关的距离估计值，确定新的虚拟锚节点。
在此需要说明的是，本发明提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图5为本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行上述各实施例提供的任一所述基于超宽带的同步定位及建图方法。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在此需要说明的是，本发明提供的电子设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的任一所述基于超宽带的同步定位及建图方法。
在此需要说明的是，本发明提供的非暂态计算机可读存储介质，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
又一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例提供的任一所述基于超宽带的同步定位及建图方法。
在此需要说明的是，本发明提供的计算机程序产品，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于超宽带的同步定位及建图方法，其特征在于，包括：
获取目标节点在目标时刻接收到的多径信号，所述多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达所述目标节点的接收信号；
基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，所述信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；
基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离；所述历史位置数据包括所述目标节点与已发现的各虚拟锚节点之间的历史距离数据；
根据所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，确定所述目标节点在所述目标时刻的位置。
2.根据权利要求1所述的基于超宽带的同步定位及建图方法，其特征在于，所述基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，包括：
基于所述接收信号、多径信号模型和信道参数的先验分布，利用卡尔曼滤波算法，得到信道参数估计结果。
3.根据权利要求1所述的基于超宽带的同步定位及建图方法，其特征在于，所述基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
基于所述时延估计结果，得到第一距离集合，所述第一距离集合中包括不同路径的距离估计值；
基于所述历史位置数据，得到第二距离集合，所述第二距离集合中包括所述目标节点在所述目标时刻与已发现的虚拟锚节点之间的距离预测值；
将所述第一距离集合和所述第二距离集合中的元素对应匹配，根据匹配结果确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离。
4.根据权利要求3所述的基于超宽带的同步定位及建图方法，其特征在于，所述将所述第一距离集合和所述第二距离集合中的元素对应匹配，包括：
基于最优子模式分配OSPA度量，将所述第一距离集合和所述第二距离集合中的元素对应匹配。
5.根据权利要求3或4所述的基于超宽带的同步定位及建图方法，其特征在于，所述根据匹配结果确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，包括：
根据每组匹配成功的两个元素中的较小值，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离。
6.根据权利要求3所述的基于超宽带的同步定位及建图方法，其特征在于，将所述第一距离集合和所述第二距离集合中的元素对应匹配之后，所述方法还包括：
基于所述第一距离集合中与已发现的虚拟锚节点无关的距离估计值，确定新的虚拟锚节点。
7.一种基于超宽带的同步定位及建图装置，其特征在于，包括：
接收信号获取模块，用于获取目标节点在目标时刻接收到的多径信号，所述多径信号包括至少一个物理锚节点发出的超宽带信号经多个不同路径传播后到达所述目标节点的多个接收信号；
信道参数估计模块，用于基于所述接收信号、多径信号模型和信道参数的先验分布，得到信道参数估计结果，所述信道参数估计结果包括不同路径的时延估计结果、不同路径的复振幅估计结果以及噪声方差估计结果；
距离确定模块，用于基于所述时延估计结果和所述目标时刻之前的历史位置数据，确定所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离；所述历史位置数据包括所述目标节点与已发现的各虚拟锚节点之间的历史距离数据；
位置确定模块，用于根据所述目标节点在所述目标时刻与已发现的多个虚拟锚节点之间的距离，确定所述目标节点在所述目标时刻的位置。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于超宽带的同步定位及建图方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于超宽带的同步定位及建图方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于超宽带的同步定位及建图方法。
CN202211146343.XA 2022-09-20 2022-09-20 基于超宽带的同步定位及建图方法、装置及电子设备 Pending CN115574821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211146343.XA CN115574821A (zh) 2022-09-20 2022-09-20 基于超宽带的同步定位及建图方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211146343.XA CN115574821A (zh) 2022-09-20 2022-09-20 基于超宽带的同步定位及建图方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN115574821A true CN115574821A (zh) 2023-01-06

Family

ID=84581105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211146343.XA Pending CN115574821A (zh) 2022-09-20 2022-09-20 基于超宽带的同步定位及建图方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN115574821A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008906A (zh) * 2023-03-24 2023-04-25 厦门大学 一种基于tdoa的室内多径辅助定位系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008906A (zh) * 2023-03-24 2023-04-25 厦门大学 一种基于tdoa的室内多径辅助定位系统及方法

Similar Documents

Publication Publication Date Title
CN109218282B (zh) 用于超宽带系统的脉冲成形互操作协议
WO2016112758A1 (zh) 终端的定位方法及装置
CN109490826B (zh) 一种基于无线电波场强rssi的测距与位置定位方法
CN110174641A (zh) 基于时间校正的tdoa定位方法、系统、装置
EP3732498A1 (en) Position determination system having a deconvolution decoder using a joint snr-time of arrival approach
CN115379382A (zh) 一种信息上报方法、装置、设备及可读存储介质
WO2019076210A1 (zh) 时域相关性估计方法、装置及设备
CN115574821A (zh) 基于超宽带的同步定位及建图方法、装置及电子设备
JP2021524590A (ja) 波動に基づいた信号を用いて少なくとも１つの物体の位置特定を行うための位置特定方法及び位置特定システム
Nawaz et al. Robust localization in cluttered environments with NLOS propagation
KR101627419B1 (ko) 이동 노드의 위치 추정 방법 및 그 장치
CN111165005A (zh) 用于无线电测量应用的方法
CN106792516B (zh) 基于无线通信基站的三维定位方法
KR101333111B1 (ko) 위치 추정 시스템 및 방법
KR101219913B1 (ko) 이동 노드 위치 추정 방법
CN111770528B (zh) 基于信道参数萃取方法的视距与非视距识别方法及装置
Raulefs et al. Bound‐based spectrum allocation for cooperative positioning
Silva et al. Towards non-line-of-sight ranging error mitigation in industrial wireless sensor networks
Gopakumar et al. Performance of some metaheuristic algorithms for localization in wireless sensor networks
Jespersen et al. An indoor multipath-assisted single-anchor UWB localization method
Buehrer et al. Cooperative indoor position location using the parallel projection method
Kirmaz et al. Time of arrival error estimation for positioning using convolutional neural networks
Naseri et al. Multipath-aided cooperative network localization using convex optimization
CN113395762A (zh) 超宽带定位网络中位置校正方法及装置
CN114222362A (zh) 定位方法及定位装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication