CN115586490A - 基于uwb技术的区域定位方法及系统 - Google Patents
基于uwb技术的区域定位方法及系统 Download PDFInfo
- Publication number
- CN115586490A CN115586490A CN202110699657.1A CN202110699657A CN115586490A CN 115586490 A CN115586490 A CN 115586490A CN 202110699657 A CN202110699657 A CN 202110699657A CN 115586490 A CN115586490 A CN 115586490A
- Authority
- CN
- China
- Prior art keywords
- positioning
- value
- error
- ranging
- 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.)
- Pending
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
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- 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
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及超宽带通信技术领域，具体的说是一种通过UWB信号实现定位基站和定位标签之间的距离观测，获取的距离信息经过标签集成的定位算法实时处理后，可实时显示标签位置及运动轨迹信息的基于UWB技术的区域定位方法及系统，首先，采用卡尔曼滤波算法，对于获取的TOA测距值进行滤波，以减小信号到达时间测量值中的非视距误差干扰，提升测距的稳定性；其次，将滤波后的距离测量值使用Chan算法去的初步的位置估计值；最后，通过改进观测向量的UKF算法对初步定位结果进行二次滤波处理，得到精确定位。
Description
技术领域：
本发明涉及超宽带通信技术领域，具体的说是一种通过UWB信号实现定位基站和定位标签之间的距离观测，获取的距离信息经过标签集成的定位算法实时处理后，可实时显示标签位置及运动轨迹信息的基于UWB技术的区域定位方法及系统。
背景技术：
近年来，随着无线传感器网络(WirelessSensor Networks，WSN)和近距离无线通信技术迅速发展，定位技术日益受到社会各界的广泛关注和重视，在社会的各个领域都起到了重要的作用，不仅在军事领域得到应用，也在日常生活中得到广泛应用，催生了许多基于位置的服务(LocationBasedService，LBS)。随着移动设备与智能终端的迅速普及，LBS渗入方方面面，人们对定位需求日益增加，不断要求无线定位技术能够提供更快的数据传输速率或者更加精确的定位信息，并且希望其成本更低、功耗更小。
无线技术在定位领域最典型应用就是基于卫星的定位系统，比如美国的全球定位系统(GlobalPositioningSystem，GPS)、俄罗斯的GLONASS定位系统、中国的北斗导航定位系统。卫星定位系统为当今应用范围最广的定位技术，采用多星联合定位，需要至少4颗卫星可见，精度可以达到米级，通过地基增强系统，可以将定位精度提升到厘米级，不过受环境限制，卫星定位在室外开阔环境下才能有较好的精度，在遮挡环境下精度较差，甚至无法定位。此外，实现区域定位常见的定位技术包括WiFi、ZigBee、蓝牙、有源RFID等技术。在办公室、家庭、工厂、公园等大众生活的方方面面得到了广泛应用，但是其定位精度仍然较低，同样不能满足高精度定位场景的需求，无法实现相应的精确定位需求。
超宽带(UltraWideBand，UWB)技术近些年来发展迅速，已经在短距离无线通信领域得到广泛应用，它是一种无载波通信技术，与其他传统无线定位方式相比，UWB直接采用时间间隔极短的脉冲进行通信，不需要使用载波信号进行调制，因此UWB信号具有更宽的频带，频率范围从3.1GHz到10.6GHz，它独特的通信方式可以使其的时间分辨率高达纳秒级，定位精度达到厘米级，具有高时间分辨率、高穿透力和较强的抗多径能力等优点，同时UWB定位设备的成本较低，功耗较低，体积小，易于集成到已有的定位设备中，可以满足工业应用和特殊生活场景中的定位需求，使UWB技术成为了高精度无线定位领域中最具竞争力的技术之一。可视化工厂、工业智能导航、物资管理、仓储中心、大型商场、办公楼宇、交通信息查询、地下车库等诸多场景的定位，需要高精度测距定位技术的支持，在这些场合，相比于其他定位技术，UWB技术的优势更明显，更具有广阔的发展前景，体现了UWB潜在的实用价值。
相对于空旷的室外环境，更多定位场景是在室内复杂信道环境，无线信号在传播过程中主要受到多路径影响和非视距传播影响，造成信号传播的距离不等于真实距离，使测距出现误差。
发明内容：
本发明针对现有技术中的不足，提出了一种能够显著提高测距精度、且不需要基站和标签之间严格的时钟同步，进而降低硬件成本的基于UWB技术的区域定位方法及系统。
本发明通过以下措施达到：
一种基于UWB技术的区域定位方法，其特征在于，首先，采用卡尔曼滤波算法，对于获取的TOA测距值进行滤波，以减小信号到达时间测量值中的非视距误差干扰，提升测距的稳定性；其次，将滤波后的距离测量值使用Chan算法去的初步的位置估计值；最后，通过改进观测向量的UKF算法对初步定位结果进行二次滤波处理，得到精确定位；
所述改进的观测向量的UKF算法滤波实现过程如下：
步骤3-1：初始化：设在状态向量x的初始状态x0的均值已知的情况下，
由(1) 表示，初始的方差P0由(2)表示，通常情况下初始状态x0的均值未知，算法计算中一般选择对
初始化为零向量，对协方差矩阵P0初始化为单位矩阵，其中X0表示初始状态向量， P0表示的是初始状态的估计误差协方差矩阵，
下标0对应的是系统在0时刻的状态和协方差，Xk为k时刻的系统状态向量，Pk为k时刻的系统状态的估计误差协方差矩阵；
步骤3-2：根据状态分布的均值和协方差，选取Sigma点：χ0表示次序为0的Sigma点，χi表示次序为i的Sigma点，(3)到(5)三个式子将2n+1个Sigma点如何产生都表达了出来，n为系统状态向量x的维度，α决定了Sigma点的散布程度，一般取为0.01，
式中，总共计算2n+1个Sigma点，参数λ＝α2(n+κ)-n用来缩放，以降低总体预测误差，α决定了采样点的分布状态，k为待选参数，κ的取值需要确保矩阵 (n+λ)P为半正定，通常取为0；
步骤3-3：计算Sigma点权值：
其中，下标为m表示均值对应的权值，下标为c表示协方差对应的权值，上标表示采样点的次序，待选参数β要求非负，可将高阶项的动差合并，这样便把高阶项对精度的影响考虑在内，状态变量在高斯分布时，β＝2为最佳值；
步骤3-4：Sigma点集的一步预测：
为依据系统k时刻的状态量对k+1时刻的状态估计，是一步预测得到的状态量估计，所产生的Sigma点集，fk+1为k+1时刻的状态转移函数
步骤3-5：系统状态量预测及协方差矩阵：
步骤3-6：根据状态量预测再次进行无迹变换得到新的Sigma点集：
步骤3-7：计算观测量的预测：
是对k+1时刻观测量的预测，所产生的i个点集，h为观测函数，
是对k+1时刻的系统状态量的一步估计，所产生的Sigma点集，
步骤3-8：加权求和得到Sigma点集的观测预测以及系统预测均值和协方差：
Pxz,k+1表示观测量估计和状态量估计之间的互协方差
步骤3-9：卡尔曼增其矩阵计算：是卡尔曼增益矩阵K计算
步骤3-10：系统状态和协方差更新：
Pk+1|k+1＝Pk+1|k-Kk+1Pzz,k+1KkT+1(17)，Pk+1|k+1为k+1时刻系统的估计误差协方差矩阵， Pk+1|k为一步预测的误差协方差矩阵，Kk+1为卡尔曼增益，Pzz,k+1为观测量估计误差的协方差矩阵。
本发明所述TOA测距值通过优化后的双程双向测距获得，具体为：节点A 发送测距请求消息帧，节点B在接收到后，经过Treply1响应处理时间，发送响应消息帧，节点A接收到该数据包后，经过Treply2响应处理时间，向节点B发送第 Final测距信号，节点接收和发送都会记录执行的时间戳信息，测距过程每个消息都附有测距节点精确的发送和接收时间；由此可得到UWB信号往返的时间为：
其中TOF为UWB信号传播时间，Treply1和Treply2分别是是设置的节点B与A 的响应延时，Tround1和Tround2分别为两次消息传递所经过的时间，由于Treply1、Treply2、 Tround1、Tround2均可以节点的计时器记录的时间戳获得，那么信号传播时间的测量值通过下面的表达式求得：
同样考虑时钟偏移，受影响的测量值为：
测量值和真实值之间的关系如下，误差可以表示为：
由于TOF＜＜Treply，则误差值可以简化为如下形式：
由上式的测量误差，得到距离计算误差：
其中ΔTreply表示设备A和设备B之间响应时延的差值，从误差表示上可以看出，测距精度的主要误差当中，已经与设备B的延迟时间无关，现在误差取决于 A和B的时延差，由于A、B时延差小于B的时延，因此从结果上来看，测距误差减小了很多。
本发明所述Chan算法的基本思想是：将初始非线性TOA方程组转换为线性方程组，使用加权最小二乘算法得到初始解，再使用第一步中的估计位置坐标及附加变量等约束条件进行第二次加权最小二乘法估计，最后得到改进的估计位置，具体为：
假设待定位的标签位置是(x,y)，第i个基站的位置为(xi,yi)，则可得：
其中di为标签到第i个基站的距离，Ki和R的表达式如下
其中，
R＝x2+y2，当基站数为3个时，可以唯一确定标签坐标；当基站数大于3个时，令Za＝[x,y,R]为未知量，并标记
为真实值，可以建立以Za为变量的误差矢量方程组：
ψ＝H-GaZa，其中ψ为误差矢量，Za、H、Ga的表达式如下：
在基于TOA方案的算法中，假设各个基站的距离测量误差为δi(δi＝cni，c代表电磁波传播速度，ni代表第i个基站的时间测量误差)，那么：
其中，
表示未知量di的真实值，实际中通常满足
从而得到：
即：
ψ≈2Bδ(28)
其中，
δ＝[δ1,δ2,...,δn]T；那么误差矢量ψ的协方差矩阵为：
Ψ＝E(ψψT)＝4BE(δδT)B＝4BQB (29)
Ψ＝E(ψψT)＝4BE(δδT)B＝4BQB
其中，
是测量误差向量δ的协方差矩阵，那么由加权最小二乘法(WLS，WeightedLeastAquare)可得Za的第一次估计值
在实际应用中，用Q代替Ψ首先计算得到
即用[x,y]T的一个估计值来计算B，由于Q第一次估计时未知，因此用单位矩阵代替，即得到下式：
计算估计值之后
再计算Ψ利用式(29)对Za再进行一次估计；
未知量Za中R的值与标签坐标有关，由第一次得到的估计位置以及附加变量R等已知约束条件，可构造新方程组进行第二次WLS估计，得到改进的标签估计位置，第一次估计值与其真值的关系为：
方程组左侧为估计误差，即：
ψ′＝H′-G′aZp (34)
其中，
ψ′是Zp的误差矢量；
为了确定第二次WLS计算的权值，需要计算第一次WLS估计值的协方差矩阵，由扰动法：
则ψ′的协方差矩阵为：
Ψ′＝E[ψ′ψ′T]＝4B′cov(Za)B′ (38)
其中，B′＝diag(x,y,0.5)。则Zp的估计值为：
由于B′含有标签的真实位置，可先将第一次求解过程得到的估计值
代替，将式(29)中Ψ的表达式带入式(31)得：
通过两次WLS计算，得到标签的定位结果为：
其中定位结果的选择需要标签的先验位置信息来解决，从而得到标签的最终估计位置。
本发明还包括对DS-TWR双边双向测距方式获得的测距结果进行线性拟合校准处理，为改善测距信息的稳定性，采用卡尔曼滤波算法对数据进行平滑处理，最后校正天线延时，提高测距精度。
本发明还提出了一种基于UWB技术的区域定位系统，其特征在于，设有至少四个基站，一个上位机以及定位标签，其中基站和定位标签上均设有DW1000 芯片，定位标签的微控制器上集成上述定位算法；基站还设有基站主控制器，基站主控制器上连接一个GPS接收模块来获得基站绝对的经纬度坐标，在定位过程中只需完成定位标签和基站之间距离的测量，将测距数据和GPS数据一并发送至定位标签，定位标签利用上述算法实现目标定位，得到定位结果为标签的相对位置坐标，进行坐标变换得到其经纬度坐标，并由上位机显示输出。
本发明所述GPS接收模块采用BH-ATGM332D模块，是GPS、北斗双模定位模块。
本发明所述基站的主控制器采用STM32F103C8T6芯片，所述定位标签的微控制器采用STM32微控制器。
本发明所述基于UWB技术的区域定位系统在工作时，定位过程大体可以分为3个部分，首先确定基站坐标，对布设基站的位置精确测量，得到四个基站的在自定义坐标系下的坐标；其次是数据传递过程，利用DS-TWR对移动标签进行测距，距离信息以及基站位置发送到标签；最后在标签处对数据处理后输出。
进一步，定位标签和基站之间双程双向测距算法实现：使用标签发送一条 Poll消息，4个基站依次回复Resp消息，标签发送Final消息为一个测距周期的方法进行测距，该算法相比较传统的一次Poll、Resp、Final进行一次测距的传统 TWR算法的优势是可以减少标签发送消息的数量，降低标签功耗；
进一步，所述定位标签开机后，初始化配置DWM1000，涉及到信道、脉冲重复频率，数据速率，数据包大小等配置。设置标签地址，配置相关时序，然后进入通信流程，发送Poll广播消息给基站并接收多个基站反馈的Resp消息，最后发送Final消息作为一个测距周期的结束，其中来自基站的Resp消息中包含有上个测距周期的测距结果，测距数据通过标签STM32的USB虚拟串口发送给上位机；基站开机上电后，同样进行初始化配置DWM1000，设置基站地址，配置相关时序，然后打开接收机进入接收模式，若接收到Poll消息，按规定时间回发Resp消息，发送成功后，打开接收机，等待接收下一条标签发送来的数据；若接收到Final消息，计算TOF，得到距离值；标签对测距值使用卡尔曼滤波器修正后，利用距离和基站坐标代入定位算法得到相对位置，结合基站经纬坐标通过坐标转换后数据输出。
本发明与现有技术相比，实现了一种基于UWB技术的区域定位系统，通过 UWB信号实现定位基站和定位标签之间的距离观测，获取的距离信息经过标签集成的定位算法实时处理，得到的位置估计信息发送给PC端，再由显控软件对标签的位置和运动轨迹实时显示，所提出的定位系统可以获取标签点的经纬度坐标，由于基站和标签采用的是某一区域内定义的相对坐标系，得到的系统定位结果同样是相对坐标，需要利用基站GPS模块，通过坐标转换的方法计算得到经纬度坐标，本发明采用一种简化的坐标正算方法，降低计算复杂度，并且转换误差很低，可忽略不计。
附图说明：
附图1是本发明中Chan-UKF算法的流程图。
附图2是本发明中坐标转换算法中球面三角形的示意图。
附图3是本发明实施例1中定位标签的工作流程图。
附图4是本发明实施例1中基站运行流程图。
附图5是本发明实施例1中数据帧写入与解析示意图。
附图6是本发明实施例1中定位标签对数据处理流程图。
附图7是本发明实施例1中坐标转换方法示意图。
附图8是本发明实施例1中线性拟合法修正测距误差示意图。
附图9是本发明实施例1中距离测量值统计特性直方图。
附图10是本发明实施例1中卡尔曼滤波效果仿真图。
附图11是本发明实施例1中测距误差CDF仿真结果图。
附图12是本发明实施例2中量测值卡尔曼滤波处理前后对比曲线图。
附图13是本发明实施例2中卡尔曼滤波前后累积概率对比图。
附图14是本发明实施例2中室内测试场景示意图。
附图15是本发明实施例2中坐标系示意图。
附图16是本发明实施例2中室内静态定位LOS误差示意图。
附图17是本发明实施例2中室内静态定位NLOS误差示意图。
附图18是本发明实施例2中静态定位测试示意图。
附图19是本发明实施例2中移动小车示意图。
附图20是动态定位测试示意图。
附图21是本发明实施例2中室外测试场景示意图。
附图22是本发明实施例2中静态定位测试示意图。
附图23是本发明实施例2中动态定位测试示意图。
具体实施方式：
下面结合附图和实施例，对本发明做进一步的说明。
本发明基于UWB技术开展区域定位系统的研究，通过对UWB技术相关理论的研究，选用DW1000芯片为核心搭建了系统的硬件平台，基于信号到达时间法(TOA)方案，对测距和定位算法进行分析研究，最终采用DS-TWR测距方法，并设计卡尔曼滤波器对测距值平滑处理，提出Chan-UKF定位算法降低环境干扰产生的误差，提升定位精度。利用坐标转换算法，由基站的经纬度值计算出标签的经纬度。
针对UWB在定位中因环境复杂多变而导致的定位精度低问题，基于TOA定位模型，本发明提出了一种Chan-UKF定位算法，结合卡尔曼滤波的思想，减少了在非视距和视距情况下因不确定性因素所造成的定位误差，所述Chan-UKF算法流程包括：首先，设计卡尔曼滤波器，对获取的TOA测距值进行滤波，以减小信号到达时间测量值中的非视距误差干扰，提升测距的稳定性；其次，将滤波后的距离测量值使用Chan算法取得的初步的位置估计；最后，通过改进观测向量的UKF算法对初步定位结果进行二次滤波，得到精确定位。这一改进方法对定位精度的提升效果显著，Chan-UKF算法整体流程如图1所示。
本发明所述的定位系统可以获取标签点的经纬度坐标，由于基站和标签采用的是某一区域内定义的相对坐标系，得到的系统定位结果同样是相对坐标。需要通过坐标转换的方法计算得到经纬度坐标，本发明中系统坐标转换方案的设计思路基于埃德·威廉姆斯航空公式，它用于精确计算地球两点之间的球面距离，如图2，从坐标反算方法中可以推导出坐标正解算法，下面对算法进行介绍：
设A点纬度为
经度为λA，B点纬度为
经度为λB，两点间的经度差记为α，α∈[0,π]。若两点在同一个半球，则A、B两点球面距离计算为：
当两点不在同一个半球，那么距离是：
其中，R为地球半径，在WGS-84地心坐标系中，R的值为长半轴值6378137.0m。同时，A、B两点之间大圆弧的起始航向角β可以通过下式求得：
下面为坐标反解算法：设已知A点经纬度坐标为
A到B点的距离为 L，A点到B点的方位角为θ，方位角指正北方向起依顺时针方向至目标方向线间的水平夹角。选取北极点N与A、B两点组成了一个球面三角形，地心为O点。设地球为一个理想球体，那么边角关系：AN、BN两点间的弧长表示为：
而AB两点间弧长为L，
则由球面三角余弦定理可得到下式：
由此可以计算出B点的纬度为：
在根据球面三角形的正弦定理可以得到：
由于B点的纬度值已经得到，通过其纬度值进而可以计算B点的经度值为：
该算法适用范围广，在两地经度差小于π/2的范围内适用，作用距离高达四分之一的地球周长，相比之下，UWB定位系统的作用距离和范围都很小。因此在上述算法的基础上，采用一种近距离坐标正算的简化算法，它不但可以降低计算复杂度，同时能够保证坐标转换的精度。
由于地球是一个不规则的椭球体，进行坐标正算时精确测量任意两点之间的弧长和方位角，然而当两点间的距离在小范围时，球体弦长与弧长十分接近可以采用近似方法来简化求解过程。距离50km的两点弧长与对应弦长之差仅为 0.13m，因此在小范围内，可以近似用两点间平地距离也就是弦长，代替地球大圆弧长。
于是简化算法：设A、B为本地近距离两位置点，分别以正东、正北作为x 轴、y轴正向建立二维平面直角坐标系，设A点处为一个UWB基站，其经纬度坐标为
两点间经度差为θ，纬度差为β，B点为一个UWB定位标签，它相对于A点正北、正东距离表示为：
DNorth＝R1×β (51)
其中，R1为子午线曲率半径，R2为卯酉圈曲率半径，由下式计算：
上式中，a是地球赤道半径，在WGS-84坐标系下，a的值为6378.137000km。 e表示第一偏心率，由e2＝f*(2-f)得到，f为扁率，值为1/298.257223563。当在任一极点或者两点相距较远时，算法不适用。在UWB定位基站坐标已知，定位标签的相对位置确定后，也就得到了DNorth和DEast，在通过上述算法，计算出两点的纬度差和经度差，就能求出定位标签的经纬度坐标。
实施例1：
本例中定位系统采用3个基站来实现对标签的定位，下面详细说明，如何利用时间戳计算得到标签到每个基站的飞行时间。
使用标签发送一条Poll消息，4个基站依次回复Resp消息，标签发送Final 消息为一个测距周期的方法进行测距，该算法相比较传统的一次Poll、Resp、Final 进行一次测距的传统TWR算法的优势是可以减少标签发送消息的数量，降低标签功耗。基于上述测距流程，分别对标签和基站进行分析其工作流程。
标签开机后，初始化配置DWM1000，涉及到信道、脉冲重复频率，数据速率，数据包大小等配置。设置标签地址，配置相关时序，然后进入通信流程，发送Poll广播消息给基站并接收多个基站反馈的Resp消息，最后发送Final消息作为一个测距周期的结束，其中来自基站的Resp消息中包含有上个测距周期的测距结果，测距数据通过标签STM32的USB虚拟串口发送给上位机。
基站开机上电后，同样进行初始化配置DWM1000，设置基站地址，配置相关时序，然后打开接收机进入接收模式，若接收到Poll消息，按规定时间回发 Resp消息，发送成功后，打开接收机，等待接收下一条标签发送来的数据；若接收到Final消息，计算TOF，得到距离值。基于上述测距流程，分别对标签和基站设计其工作流程，标签和基站软件运行流程图如图3和4所示。
本发明系统的定位过程大体可以分为3个部分，首先确定基站坐标，对布设基站的位置精确测量，得到四个基站的在自定义坐标系下的坐标；其次是数据传递过程，利用DS-TWR对移动标签进行测距，距离信息以及基站位置发送到标签；最后在标签处对数据处理后输出。
对于基站坐标的存储，采用写入设备主控制器内部FLASH的方式，通过配置指令，依此对基站的坐标进行写入，基站固定后，坐标写入操作只需要进行一次。标签除了需要距离信息外，还需要将基站获得来自GPS模块的经纬度消息和基站自身的一个相对坐标系下的位置坐标一起打包发送给标签。
具体过程：首先基站端利用GPS获取自身的经纬度信息，并将经纬度信息与基站坐标信息写入通信帧发送，标签方面读取通信帧内容，处理后代入后续的定位算法与坐标转换环节。由于标签和基站通信过程中，只有Response数据包是基站向标签发送的，于是在研究Response消息帧格式和内容的基础上，加入自定的数据内容。
定位标签对数据处理过程如图6，对测距值使用卡尔曼滤波器修正后，利用距离和基站坐标代入定位算法得到相对位置，结合基站经纬坐标通过坐标转换后数据输出。
在原标签和基站通信、测距和定位的基础上，需要在基站中获取GPS模块数据，使之能获取自身的经纬度坐标。GPS模块通过USART串口与单片机连接，需要设计程序，对GPS模块输出的原始信息依据NMEA协议格式进行解码，由于控制器串口源源不断接收到GPS原始数，在处理时使用DMA串口缓冲区以协调接收数据与数据解码的关系，解码完成后通过单片机USB虚拟串口以度为单位输出WGS-84坐标系的经纬度信息。
在定位算法求出标签的相对位置定位结果后，由于基站相对坐标是已知的，那么可以获得标签和GPS基站之间相对位置关系，计算出两坐标的角度和距离，根据上述描述的坐标转换的正算解法和坐标系建立方法，将算法写入单片机中，便可以计算出标签的经纬度坐标，最后通过标签输出。坐标转换坐标系建立如图 7所示，其中，A0基站与GPS模块连接经纬度坐标已知，与标签Tag的相对位置关系已知，从而计算Tag的经纬度坐标。
在利用DS-TWR进行测距的过程中，通过大量实验发现测距误差与标签和定位基站之间的距离呈线性关系。因此，采用线性拟合的方法对测距算法误差进行修正。假设获得的UWB测量值为
标签和基站距离的真实值为d，并且考虑均值为零的随机误差ε，则测量值与真实值的关系可以由下式表示：
为了求解拟合系数A、B的值，需要对d和
进行多次采样。假设在不同位置采样n次获得n组
采用线性回归法进行拟合：
式中，
是数据样本的均值，
是拟合误差的均方差。通过线性回归方法对DS-TWR测距算法的测量值进行修正可以得到更准确的测距结果。因此，对测距值进行校准，一般情况下，校准只需要在定位环境中进行一次，通过一个基站和一个标签测距，在不同位置采样多组数据，通过上述方法解算得到修正系数即可，并不需要每一个基站和标签都进行数据标定。
表1 UWB测距值与真实距离
根据实验场地，以0.6m等间隔采样，得到10个距离值，设置为基站和标签真实距离。在每个距离下采样300组数据计算平均值，即近似得到当前距离的UWB设备的测量值。通过实验，获取测距值与真实距离的对比如上表1所示。由上面的测量值，通过线性拟合，得到修正系数，也就得到了线性拟合公式和拟合误差的均方差。在程序设计中，将测距值代入校准公式得到修正后的数据，通过数据修正，UWB设备之间测量的距离值有十分高的精度。
天线延时校准是调整数字硬件误差的一种途径。天线延时的考虑在距离计算过程中是必要的，由于电磁波在固体中传播速度远小于在空气中传播，若忽视在天线传播的时长，会对距离测量产生很大的干扰，而要达到厘米级别的测距精度，天线延时需要进行误差校正。如果更改使用的天线，天线延时则需要改变。如果天线延时设置得太大，那么无线信号来回传输的测量时间会变大，这些计算结果会作为无效值被抛弃而无法报告测量值。在实际使用时会遇到通信在进行，但是测量结果没有更新的情况，这可能就是天线延时被设置得过大，可以通过清除天线延时来检测。将天线延时设置到正确值是天线校准的过程，使用双边双向测距法量测节点之间距离，计算与真实距离的误差，可以近似的认为由天线延迟引起，由于DS-TWR共有6次接收和发射，通过误对差结果除以六得到天线延迟的近似值，在该值附近不断调整，直到距离结果的均值和实际测量距离接近，此时测量值较为接近真实距离。
经过线性拟合以及天线延时校正，距离测量值的均值已经十分精准，接近真实距离值，但是由于环境因素影响存在NLOS误差，以及硬件设备的数据抖动，测量值在真实值附近有较大的波动，方差较大，在保证测距精度的前提，提升系统的稳定性也是不可缺少的。为了能够获取更佳的测距值，希望对波动较大的测量值平滑处理，提升测距的稳定性。
首先对测量值统计特性的分析，采用一基站和一标签继续进行测距实验，此次在两者相距500cm处采得500组测距数据并作出统计直方图如下，横轴为测量值，纵轴为测量值对应的出现次数。同时用该组数据的均值和方差进行正态分布拟合。
从图中可以看出，测量值分布比较接近高斯分布，而线性卡尔曼滤波器能够在线性高斯模型的条件下，对状态做出最优估计，得到较好的滤波效果。因此设计一维卡尔曼滤波器，对测量值平滑，减小偏差。图10是卡尔曼滤波器平滑处理的仿真图。
实施例2：
实验硬件条件：UWB定位基站1个、UWB定位标签1个、移动电源1个、个人电脑1台。测距环境选取无遮挡环境，基站与标签放置在同一条水平直线上，保持同一高度。
测距实验设置距离在500cm处进行，采样400组数据，同时收集原始测距数据和卡尔曼滤波后的数据，得到的结果如图12及图13所示。能够看出经过 Kalman滤波得到的状态与真实值之间的偏差比观测值与真实值之间的偏差小，卡尔曼滤波有效地降低了噪声干扰，提高了系统稳定性，而且从测量结果和CDF 结果中看出，经过滤波后测距精度已经达到10cm以内，同时提高了系统测距精度，降低了非视距干扰对系统性能的影响。
经过线性拟合校准、天线延时和卡尔曼滤波三个环节处理，基站与标签之间的精确测距功能基本已经实现，为定位过程提供了良好的测距基础。
本例在硬件模块引脚连接的基础上，设计PCB底板搭载硬件模块。使用容量为2000mAh的移动电源为定位基站供电。上位机与标签通过USB虚拟串口连接，实时采集定位数据。经过测试，定位基站可以连续工作8个小时。数据刷新率为 5Hz。
室内测试环境选择为7.5m*4m矩形办公区域，测试场景如图14，采用四个UWB定位基站，对标签进行定位系统测试，利用上位机实时采集数据，通过图中红色方框内的白板遮挡基站和标签之间信号直线传输，模拟NLOS环境。基站分别设置在矩形区域的四个顶点处，为了方便利用GPS数据进行坐标转换，建立坐标系如图15基站A0、A1、A2、A3坐标分别为(0,4)、(7.5,4)、(7.5,0)、(0,0)， A3基站连接GPS模块，基站和标签高度设置为1.65，单位为m。基站开机上电后，分别对不同的基站通过串口指令写入基站坐标。
首先对静态标签进行定位测试，随机选取3个位置点坐标分别为(0.6，2.87)、(3.6，0.17)、(6.6，3.67)。在LOS和NLOS环境下分别对每个位置点进行了5组定位实验，每组采集200次定位数据。位置点(0.6,2.87)的实验结果如图16和图17 所示。
3组位置点静态测试结果如图18所示，对位置点分别在LOS环境和NLOS环境下进行定位测试，真实位置、LOS估计和NLOS估计的结果在图中显示，其中黑色虚线为实际障碍物，遮挡标签与基站间信号来模拟NLOS情况。
测试结果误差分析如表2所示，表中分别为位置点的真实坐标值，LOS环境定位平均误差，NLOS环境定位平均误差。
表2静态测试误差(单位：m)
从测试结果可以得出LOS定位误差比较稳定，数值约为6cm左右，而NLOS 定位误差较大，数值从9cm到28cm具有较大的波动。表明系统在静态定位中 LOS环境性能良好、精度较高、稳定性较好，在NLOS情况下定位性能稍差，但强遮挡的情况下，系统在复杂室内环境下依然有很高的精度。
下面是动态目标定位测试：首先预设标签行驶轨迹，在架设基站的范围内选取长为6米，宽为3.5米的矩形区域的边界为测试轨迹，采用携带UWB定位标签的ROS机器人小车如图19所示，以平均速度约0.2m/s沿规划的行驶轨迹行进。由于定位过程中，有实验人员跟随小车，多人对信号遮挡，默认为NLOS定位环境，使用Chan算法和Chan-UKF算法对行驶轨迹进行动态定位测试，测试结果如图20所示。
图中红色轨迹为小车真实行驶的轨迹，绿色轨迹和蓝色轨迹分别为Chan算法和Chan-UKF算法得到的定位结果，对定位数据进行分析得到移动过程中Chan 算法最大的定位误差达到60cm，Chan-UKF算法定位误差最大点处的误差小于 30cm。经过定位轨迹的对比，可以看出Chan算法计算的运动轨迹有较大数据波动，轨迹不平滑，存在毛刺点即野值点的情况，相对而言Chan-UKF滤波算法计算轨迹更加贴近真实轨迹，随着UKF的收敛达到较高的精度，轨迹更加平滑，降低了出现野值的概率。
室外系统测试选择在体育场开阔环境进行，室外测试场景如图21所示。测试区域选择体育场内10m*7m的矩形区域，采用四个UWB定位基站，对标签进行定位系统测试，利用上位机实时采集数据，基站分别设置在矩形区域的四个顶点处，基站A0、A1、A2、A3坐标分别为(0，7)、(10，7)、(10，0)、(0，0)，A3 基站连接GPS模块，基站和标签高度设置为1.65，单位为m。基站开机上电后，分别对不同的基站通过串口指令写入基站坐标。首先对最远作用距离进行了实验，得到本系统使用的UWB硬件设备的测距有效作用距离为35m，当距离大于35m时，定位结果刷新率由原5Hz降至低于1Hz，无法有效的实时定位。
其次，对静态标签进行定位测试，随机选取3个位置点坐标分别为(5，4)、 (2.5，1)、(7.5，5)。在LOS和NLOS环境下分别对每个位置点进行了5组定位实验，每组采集200次定位数据，实验结果如表3所示，表中分别为位置点真实坐标值，LOS环境定位平均误差，NLOS环境定位平均误差。
表3静态测试误差(单位：m)
位置点静态测试结果如图22所示，对位置点分别在LOS环境和NLOS环境下进行定位测试，真实位置、LOS估计和NLOS估计的结果在图中显示。
最后对动态目标定位测试，规划运动轨迹是一个长为9m，宽为6m的矩形区域的边界，操控ROS机器人小车携带UWB标签沿预设路径以平均速度约 0.2m/s行进，得到定位结果如图23，由于在NLOS环境下进行动态定位，Chan 误差最大接近1米，Chan-UKF最大误差小于30cm，经过定位轨迹的对比可以看出Chan算法计算的运动轨迹有较大数据波动，轨迹不平滑，出现较大误差的次数较多，Chan-UKF滤波算法计算轨迹更加贴近真实轨迹，数据更加稳定。
考虑实验过程中测试人员的测量误差，可以认为本文设计的系统在室外环境的定位精度：在视距传播情况下，定位平均误差不超过15cm，在非视距情况下定位平均误差不超过25cm，移动标签定位的平均误差不超过30cm。经过系统性能测试，得出系统性能参数指标如表4所示。
表4参数指标
Claims (6)
1.一种基于UWB技术的区域定位方法，其特征在于，首先，采用卡尔曼滤波算法，对于获取的TOA测距值进行滤波，以减小信号到达时间测量值中的非视距误差干扰，提升测距的稳定性；其次，将滤波后的距离测量值使用Chan算法去的初步的位置估计值；最后，通过改进观测向量的UKF算法对初步定位结果进行二次滤波处理，得到精确定位；
所述改进的观测向量的UKF算法滤波实现过程如下：
步骤3-1：初始化：
步骤3-2：根据状态分布的均值和协方差，选取Sigma点：
式中，总共计算2n+1个Sigma点，参数λ＝α2(n+κ)-n用来缩放，以降低总体预测误差，α决定了采样点的分布状态，κ的取值需要确保矩阵(n+λ)P为半正定，通常取为0；
步骤3-3：计算Sigma点权值：
其中，下标为m表示均值对应的权值，下标为c表示协方差对应的权值，上标表示采样点的次序，待选参数β要求非负，可将高阶项的动差合并，这样便把高阶项对精度的影响考虑在内，状态变量在高斯分布时，β＝2为最佳值；
步骤3-4：Sigma点集的一步预测：
步骤3-5：系统状态量预测及协方差矩阵：
步骤3-6：根据状态量预测再次进行无迹变换得到新的Sigma点集：
步骤3-7：计算观测量的预测：
步骤3-8：加权求和得到Sigma点集的观测预测以及系统预测均值和协方差：
步骤3-9：卡尔曼增其矩阵计算：
步骤3-10：系统状态和协方差更新：
2.根据权利要求1所述的一种基于UWB技术的区域定位方法，其特征在于，所述TOA测距值通过优化后的双程双向测距获得，具体为：，节点A发送测距请求消息帧，节点B在接收到后，经过Treply1响应处理时间，发送响应消息帧，节点A接收到该数据包后，经过Treply2响应处理时间，向节点B发送第Final测距信号，节点接收和发送都会记录执行的时间戳信息，测距过程每个消息都附有测距节点精确的发送和接收时间；由此可得到UWB信号往返的时间为：
其中TOF为UWB信号传播时间，Treply1和Treply2分别是是设置的节点B与A的响应延时，Tround1和Tround2分别为两次消息传递所经过的时间，由于Treply1、Treply2、Tround1、Tround2均可以节点的计时器记录的时间戳获得，那么信号传播时间的测量值通过下面的表达式求得：
同样考虑时钟偏移，受影响的测量值为：
测量值和真实值之间的关系如下，误差可以表示为：
由于TOF＜＜Treply，则误差值可以简化为如下形式：
由上式的测量误差，得到距离计算误差：
其中ΔTreply表示设备A和设备B之间响应时延的差值，从误差表示上可以看出，测距精度的主要误差当中，已经与设备B的延迟时间无关，现在误差取决于A和B的时延差，由于A、B时延差小于B的时延，因此从结果上来看，测距误差减小了很多。
3.根据权利要求1所述的一种基于UWB技术的区域定位方法，其特征在于，所述Chan算法的基本思想是：将初始非线性TOA方程组转换为线性方程组，使用加权最小二乘算法得到初始解，再使用第一步中的估计位置坐标及附加变量等约束条件进行第二次加权最小二乘法估计，最后得到改进的估计位置，具体为：
假设待定位的标签位置是(x,y)，第i个基站的位置为(xi,yi)，则可得：
其中，
R＝x2+y2，当基站数为3个时，可,唯一确定标签坐标；当基站数大于3个时，令Za＝[x,y,R]为未知量，并标记
为真实值，可以建立以Za为变量的误差矢量方程组：
ψ＝H-GaZa
在基于TOA方案的算法中，假设各个基站的距离测量误差为δi(δi＝cni，c代表电磁波传播速度，ni代表第i个基站的时间测量误差)，那么：
其中，
表示未知量di的真实值，实际中通常满足
从而得到：
即：
ψ≈2Bδ (28)
其中，
δ＝[δ1,δ2,...,δn]T；那么误差矢量ψ的协方差矩阵为：
ψ＝E(ψψT)＝4BE(δδT)B＝4BQB (29)
其中，
是测量误差向量δ的协方差矩阵，那么由加权最小二乘法(WLS，WeightedLeastAquare)可得Za的第一次估计值
用Q代替Ψ首先计算得到
即用[x,y]T的一个估计值来计算B，由于Q第一次估计时未知，因此用单位矩阵代替，即得到：
计算估计值之后
再计算Ψ利用式(29)对Za再进行一次估计；
未知量Za中R的值与标签坐标有关，由第一次得到的估计位置以及附加变量R等已知约束条件，可构造新方程组进行第二次WLS估计，得到改进的标签估计位置，第一次估计值与其真值的关系为：
式中e1，e2，e3为估计误差，对各元素求平方，写成方程的形式(真实值用未知量表示)可得：
方程组左侧为估计误差，即：
ψ′＝H′-G′aZp (34)
其中，
ψ′是Zp的误差矢量；
为了确定第二次WLS计算的权值，需要计算第一次WLS估计值的协方差矩阵，由扰动法：
则ψ′的协方差矩阵为：
Ψ′＝E[ψ′ψ′T]＝4B′cov(Za)B′ (38)
其中，B′＝diag(x,y,0.5)。则Zp的估计值为：
由于B′含有标签的真实位置，可先将第一次求解过程得到的估计值
代替，将式(29)中Ψ的表达式带入式(31)得：
通过两次WLS计算，得到标签的定位结果为：
其中定位结果的选择需要标签的先验位置信息来解决，从而得到标签的最终估计位置。
4.根据权利要求1所述的一种基于UWB技术的区域定位方法，其特征在于，还包括对DS-TWR双边双向测距方式获得的测距结果进行线性拟合校准处理，为改善测距信息的稳定性，采用卡尔曼滤波算法对数据进行平滑处理，最后校正天线延时，提高测距精度。
5.一种基于UWB技术的区域定位系统，其特征在于，设有至少四个基站，一个上位机以及定位标签，其中基站和定位标签上均设有DW1000芯片，定位标签的微控制器上集成上述定位算法；基站还设有基站主控制器，基站主控制器上连接一个GPS接收模块来获得基站绝对的经纬度坐标，在定位过程中只需完成定位标签和基站之间距离的测量，将测距数据和GPS数据一并发送至定位标签，定位标签利用如权利要求1-4中任意一项所述算法实现目标定位，得到定位结果为标签的相对位置坐标，进行坐标变换得到其经纬度坐标，并由上位机显示输出。
6.根据权利要求5所述的一种基于UWB技术的区域定位系统，其特征在于，所述GPS接收模块采用BH-ATGM332D模块，是GPS、北斗双模定位模块；所述基站的主控制器采用STM32F103C8T6芯片，所述定位标签的微控制器采用STM32微控制器；所述基于UWB技术的区域定位系统在工作时，定位过程大体可以分为3个部分，首先确定基站坐标，对布设基站的位置精确测量，得到四个基站的在自定义坐标系下的坐标；其次是数据传递过程，利用DS-TWR对移动标签进行测距，距离信息以及基站位置发送到标签；最后在标签处对数据处理后输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110699657.1A CN115586490A (zh) | 2021-06-23 | 2021-06-23 | 基于uwb技术的区域定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110699657.1A CN115586490A (zh) | 2021-06-23 | 2021-06-23 | 基于uwb技术的区域定位方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115586490A true CN115586490A (zh) | 2023-01-10 |
Family
ID=84771609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110699657.1A Pending CN115586490A (zh) | 2021-06-23 | 2021-06-23 | 基于uwb技术的区域定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115586490A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116456460A (zh) * | 2023-06-14 | 2023-07-18 | 河北师范大学 | 用于tdoa室内定位的滤波预处理方法 |
| CN118151179A (zh) * | 2024-05-13 | 2024-06-07 | 南京慧智灵杰信息技术有限公司 | 一种lbs定位纠偏的方法 |
-
2021
- 2021-06-23 CN CN202110699657.1A patent/CN115586490A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116456460A (zh) * | 2023-06-14 | 2023-07-18 | 河北师范大学 | 用于tdoa室内定位的滤波预处理方法 |
| CN116456460B (zh) * | 2023-06-14 | 2023-09-01 | 河北师范大学 | 用于tdoa室内定位的滤波预处理方法 |
| CN118151179A (zh) * | 2024-05-13 | 2024-06-07 | 南京慧智灵杰信息技术有限公司 | 一种lbs定位纠偏的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103363988B (zh) | 一种利用智能手机传感器实现地磁室内定位导航的方法 | |
| Jiang et al. | Indoor and outdoor seamless positioning method using UWB enhanced multi-sensor tightly-coupled integration | |
| CN102209386B (zh) | 一种室内无线定位方法及装置 | |
| CN108709557B (zh) | 基于多用户轨迹拟合的室内地图生成方法 | |
| CN103796304B (zh) | 一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法 | |
| CN115586490A (zh) | 基于uwb技术的区域定位方法及系统 | |
| CN102749613A (zh) | 基于旋转天线的室内定位方法 | |
| CN113794991B (zh) | 一种基于UWB和LoRa的单基站无线定位系统 | |
| CN104181500A (zh) | 一种基于惯性信息和机会无线信号特征的实时定位方法 | |
| CN104197930A (zh) | 一种基于惯性制导和射频识别的室内定位装置及方法 | |
| CN102540177A (zh) | 一种基于三维射线追踪算法的目标定位方法 | |
| Kouroshnezhad et al. | An energy-aware drone trajectory planning scheme for terrestrial sensors localization | |
| CN103096465B (zh) | 一种环境自适应的多目标直接定位方法 | |
| Yu et al. | Multi-source fusion positioning algorithm based on pseudo-satellite for indoor narrow and long areas | |
| Liu et al. | Research on the positioning method of autonomous mobile robot in structure space based on UWB | |
| Moschevikin et al. | The impact of nlos components in time-of-flight networks for indoor positioning systems | |
| CN103379620A (zh) | 定位方法及定位系统 | |
| Zhao et al. | Uwb-rtk positioning system based on tdoa | |
| Huang et al. | A practical localization algorithm based on wireless sensor networks | |
| Wang et al. | [Retracted] Indoor and Outdoor Seamless Positioning Technology Based on Artificial Intelligence and Intelligent Switching Algorithm | |
| Alnizari | A real-time tracking system using RFID in Mecca | |
| Liyuan et al. | Multi-base-station uwb time difference positioning system | |
| CN104833995A (zh) | 基于Android平台的无源区域地理信息采集系统及方法 | |
| Amer et al. | A survey of recent indoor positioning systems using wireless networks | |
| Zhong et al. | Collaborative navigation in V2I network based on Chan-Taylor joint iterative algorithm |
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 |