CN115639521B - 一种基于uwb的移动目标运动状态判断方法 - Google Patents
一种基于uwb的移动目标运动状态判断方法 Download PDFInfo
- Publication number
- CN115639521B CN115639521B CN202211302595.7A CN202211302595A CN115639521B CN 115639521 B CN115639521 B CN 115639521B CN 202211302595 A CN202211302595 A CN 202211302595A CN 115639521 B CN115639521 B CN 115639521B
- Authority
- CN
- China
- Prior art keywords
- distance
- tag
- initial value
- motion state
- speed
- 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
Images
Classifications
-
- 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
本发明公开了一种基于UWB的移动目标运动状态判断方法,包括建立TWR定位模型,测量基站与标签的距离,将所测得的距离信息放在一个时间滑动窗口内,对窗口内的数据做一阶或高阶拟合,并分析计算出一阶导信息,将距离以及距离的变化率作为观测量,将标签的位置以及速度作为状态量列出观测方程,求解观测方程的雅可比矩阵H,判断卡尔曼滤波器是否有初值,若无初值,通过最小二乘法解算出标签第一次的位置坐标以及三轴速度,作为下一次定位中卡尔曼滤波器的初值,若有初值,将上述步骤S2得到的距离以及距离的变化量作为观测量,进行卡尔曼跟踪滤波解算标签的位置坐标以及三轴速度,最后,重复上述步骤便可实现标签的运动状态估计以及精确定位。
Description
技术领域
本发明涉及无线精确定位的技术领域,具体涉及一种基于UWB的移动目标运动状态判断方法。
背景技术
由于人类生活的很多方面都需要定位服务,比如在大型工厂里确定工人位置,保证人员安全,室内定位在近些年得到了快速的发展。由于室内定位要求精度较高,但是卫星信号,到达地面时信号较弱,且不能穿透建筑物,所以无法使用卫星定位技术进行室内高精度定位。与传统的基于蓝牙、WIFI、ZigBee等技术的室内定位相比,超宽带无线定位技术具有功耗低、抗多径效果好、覆盖范围较大、系统复杂度低、定位精度高等优点,这也使得运用UWB设备进行室内定位,被越来越多的人所青睐。
为提高定位的准确性,一般在定位算法中引入非线性滤波器。常见的非线性滤波器有扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)、容积卡尔曼滤波器(CKF)等。但卡尔曼滤波器在使用过程中需要对标签的状态进行预测,这就需要较为准确的标签运动速度等,来搭建标签的动力学模型,但是如果仅使用UWB定位,我们是很难准确实时预估标签的运动状态的,这就会造成定位结果的滞后。为了解决这个问题,传统方法是增大状态噪声,来减小预报过程对定位结果误差造成的影响,或是增加惯导系统来获得标签的运动状态进行辅助定位。
发明内容
鉴于现有技术的不足,本发明旨在于提供一种基于UWB的移动目标运动状态判断方法,并与最小二乘以及扩展卡尔曼等定位算法结合,实现高精度定位。
为了实现上述目的,本发明采用的技术方案如下:
一种基于UWB的移动目标运动状态判断方法,所述方法包括以下步骤:
S1建立TWR定位模型,在三维空间中布设四个基站来定位一个移动标签;
S2基站与标签之间用双向测距的方法,测得基站与标签的距离;
S3将所测得的距离信息放在一个时间滑动窗口内;
S4对窗口内的数据做一阶或高阶拟合,并分析计算出一阶导信息,该一阶导信息即为该时刻TWR的随时间的变化率;
S5将距离以及距离的变化率作为观测量,将标签的位置以及速度作为状态量列出观测方程;
S6求解观测方程的雅可比矩阵H;
S7判断卡尔曼滤波器是否有初值;
S8若无初值,通过最小二乘法解算出标签第一次的位置坐标以及三轴速度,作为下一次定位中卡尔曼滤波器的初值;
S9若有初值,将步骤S2到步骤S4过程得到的距离以及距离的变化量作为观测量,进行卡尔曼跟踪滤波解算标签的位置坐标以及三轴速度;
S10重复步骤S2到步骤S9的过程便可实现标签的运动状态估计以及精确定位。
需要说明的是,所述步骤S3中,滑窗的大小根据所定位的标签的类型选择。
需要说明的是,所述步骤S5中的观察方程为:
将式子的左右两边对时间进行求导:
本发明有益效果在于,在没有惯导系统时,只用UWB定位算法,可以较为准确的估算出Tag的运动速度等状态信息,在仅能使用UWB定位设备的场景下,减小了定位结果的滞后误差,提高了定位的准确性,解决了仅用UWB设备难以预估Tag运动状态的问题。
附图说明
图1为本发明的系统的流程示意图。
具体实施方式
下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
如图1所示,本发明为一种基于UWB的移动目标运动状态判断方法,所述方法包括以下步骤:
S1建立TWR定位模型,在三维空间中布设四个基站来定位一个移动标签;
S2基站与标签之间用双向测距的方法,测得基站与标签的距离;
S3将所测得的距离信息放在一个时间滑动窗口内;
S4对窗口内的数据做一阶或高阶拟合,并分析计算出一阶导信息,该一阶导信息即为该时刻TWR的随时间的变化率;
S5将距离以及距离的变化率作为观测量,将标签的位置以及速度作为状态量列出观测方程;
S6求解观测方程的雅可比矩阵H;
S7判断卡尔曼滤波器是否有初值;
S8若无初值,通过最小二乘法解算出标签第一次的位置坐标以及三轴速度,作为下一次定位中卡尔曼滤波器的初值;
S9若有初值,将步骤S2到步骤S4过程得到的距离以及距离的变化量作为观测量,进行卡尔曼跟踪滤波解算标签的位置坐标以及三轴速度;
S10重复步骤S2到步骤S9的过程便可实现标签的运动状态估计以及精确定位。
进一步的,本发明的所述步骤S3中,滑窗的大小根据所定位的标签的类型选择。
进一步的,本发明的所述步骤S5中的观察方程为:
将式子的左右两边对时间进行求导:
实施例
步骤1,在定位区域内布设4个UWB基站,人手持标签站在定位区域内
步骤2,标签与多个基站之间用双边双向测距(TWR)的方法,轮询测得基站与标签的距离,并将测量信息传给PC端
步骤3,将所测得的距离信息放在一个滑动窗口内,滑窗的大小根据所定位的标签的类型进行选择,本次方案为室内行人定位,可将滑窗大小设置成1-3秒
步骤4,对窗口内的数据做一阶拟合,并分析计算出一阶导信息,该一阶导信息即为该时刻TWR的随时间的变化率
步骤5,将距离以及距离的变化率作为观测量,将标签的位置以及速度作为状态量列出观测方程,本方案卡尔曼滤波器的观测量有6个,测量的距离以及估计的距离变化率:
式子的左右两边对时间进行求导:
步骤6,将观测方程对状态量求偏导,求出观测方程的雅可比矩阵。
步骤7,判断卡尔曼滤波器是否有初值。
步骤8,若无初值,通过最小二乘法解算出标签第一次的位置坐标以及三轴速度,作为下一次定位中卡尔曼滤波器的初值,最小二乘算法的阈值设置为10cm,最大迭代次数设置为5次。
步骤9,若有初值,将步骤2到步骤4过程得到的距离以及距离的变化量作为观测量,进行卡尔曼跟踪滤波解算标签的位置坐标以及三轴速度。
步骤10,重复步骤2到步骤9的过程便可实现标签的运动状态估计以及精确定位。
对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (3)
1.一种基于UWB的移动目标运动状态判断方法,其特征在于,所述方法包括以下步骤:
S1建立TWR定位模型,在三维空间中布设四个基站来定位一个移动标签;
S2基站与标签之间用双向测距的方法,测得基站与标签的距离;
S3将所测得的距离信息放在一个时间滑动窗口内;
S4对窗口内的数据做一阶或高阶拟合,并分析计算出一阶导信息,该一阶导信息即为对应时刻TWR的随时间的变化率;
S5将距离以及距离的变化率作为观测量,将标签的位置以及速度作为状态量列出观测方程;
S6求解观测方程的雅可比矩阵H;
S7判断卡尔曼滤波器是否有初值;
S8若无初值,通过最小二乘法解算出标签第一次的位置坐标以及三轴速度,作为下一次定位中卡尔曼滤波器的初值;
S9若有初值,将步骤S2到步骤S4过程得到的距离以及距离的变化量作为观测量,进行卡尔曼跟踪滤波解算标签的位置坐标以及三轴速度;
S10重复步骤S2到步骤S9的过程便可实现标签的运动状态估计以及精确定位。
2.根据权利要求1所述的基于UWB的移动目标运动状态判断方法,其特征在于,所述步骤S3中,滑窗的大小根据所定位的标签的类型选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211302595.7A CN115639521B (zh) | 2022-10-24 | 2022-10-24 | 一种基于uwb的移动目标运动状态判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211302595.7A CN115639521B (zh) | 2022-10-24 | 2022-10-24 | 一种基于uwb的移动目标运动状态判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115639521A CN115639521A (zh) | 2023-01-24 |
CN115639521B true CN115639521B (zh) | 2023-05-05 |
Family
ID=84945485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211302595.7A Active CN115639521B (zh) | 2022-10-24 | 2022-10-24 | 一种基于uwb的移动目标运动状态判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115639521B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9810767B1 (en) * | 2015-06-16 | 2017-11-07 | Michael Hamilton | Location estimation system |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6246361B1 (en) * | 1999-06-28 | 2001-06-12 | Gary Sutton | Method and apparatus for determining a geographical location of a mobile communication unit |
CN109376785B (zh) * | 2018-10-31 | 2021-09-24 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
CN109548141B (zh) * | 2018-11-01 | 2020-11-10 | 上海理工大学 | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 |
CN109788551A (zh) * | 2019-02-26 | 2019-05-21 | 重庆邮电大学 | 一种三维室内定位系统及方法 |
CN110132270B (zh) * | 2019-06-13 | 2021-08-31 | 深圳汉阳科技有限公司 | 自动扫雪装置定位方法 |
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 |
CN112533149B (zh) * | 2020-11-27 | 2022-06-07 | 桂林理工大学 | 一种基于uwb移动节点的移动目标定位算法 |
CN112946573A (zh) * | 2021-03-01 | 2021-06-11 | 青岛柯锐思德电子科技有限公司 | 一种封闭空间下跨区域共享uwb基站、定位系统及定位方法 |
CN114689056B (zh) * | 2022-04-08 | 2023-04-18 | 上海柯锐芯微电子有限公司 | 一种基于uwb ss-twr的精确测距方法 |
-
2022
- 2022-10-24 CN CN202211302595.7A patent/CN115639521B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9810767B1 (en) * | 2015-06-16 | 2017-11-07 | Michael Hamilton | Location estimation system |
Non-Patent Citations (1)
Title |
---|
提高GPS定位精度的改进卡尔曼滤波算法研究;滕云龙;陈小平;唐应辉;;现代电子技术(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115639521A (zh) | 2023-01-24 |
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 | |
CN112533163B (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
Wann et al. | Hybrid TDOA/AOA indoor positioning and tracking using extended Kalman filters | |
CN105263113A (zh) | 一种基于众包的WiFi位置指纹地图构建方法及其系统 | |
CN110346758A (zh) | 应用于变电站巡检人员的超宽带定位与警示方法 | |
CN105004340A (zh) | 结合惯性导航技术和指纹定位技术的定位误差修正方法 | |
CN103471586B (zh) | 一种传感器辅助的终端组合定位方法及装置 | |
CN104507159A (zh) | 一种基于WiFi接收信号强度的混合室内定位方法 | |
CN104080165A (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
CN103338516A (zh) | 一种基于总体最小二乘的无线传感器网络两步定位方法 | |
CN111722180B (zh) | 一种基于卡尔曼滤波的室内行人定位方法、装置及系统 | |
CN101483805A (zh) | 一种视距和非视距混合环境下的无线定位方法 | |
CN107071902A (zh) | 一种基于混合滤波和幂指数映射wifi室内定位方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
CN103491627A (zh) | 一种集成多种算法的近距离实时精确定位方法 | |
CN106932752A (zh) | 一种基于射频相位监测的实时室内定位方法 | |
CN114739400A (zh) | 一种基于uwb和imu信息融合的室内定位方法 | |
Song et al. | Fingerprinting localization method based on toa and particle filtering for mines | |
WO2022242075A1 (zh) | 一种机器人定位方法、装置、机器人和可读存储介质 | |
CN106211318A (zh) | 一种基于WiFi的路径损耗定位方法和系统 | |
Zhang et al. | Review on UWB-based and multi-sensor fusion positioning algorithms in indoor environment | |
CN103630876A (zh) | 基于RSSI的ZigBee节点定位方法 | |
Khan et al. | Experimental testbed evaluation of cell level indoor localization algorithm using Wi-Fi and LoRa protocols | |
CN112833876B (zh) | 一种融合里程计与uwb的多机器人协作定位方法 | |
CN113324544A (zh) | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
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 |