CN116266947A - 一种uwb室内非视距定位优化方法及系统 - Google Patents
一种uwb室内非视距定位优化方法及系统 Download PDFInfo
- Publication number
- CN116266947A CN116266947A CN202211472552.3A CN202211472552A CN116266947A CN 116266947 A CN116266947 A CN 116266947A CN 202211472552 A CN202211472552 A CN 202211472552A CN 116266947 A CN116266947 A CN 116266947A
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- tag
- positioning
- monitoring point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000012937 correction Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 230000026676 system process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000002023 wood Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- H04W4/30—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
-
- 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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开揭示了一种UWB室内非视距定位优化方法及系统，包括：S100：设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；S200：定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；S300：基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；S400：根据TOA定位方法建立方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；S500：采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
Description
技术领域
本公开涉及一种定位方法，具体涉及一种UWB室内非视距定位优化方法及系统。
背景技术
随着科学技术的不断发展，人类对GPS、雷达等室外定位技术不断深入研究的同时，对室内定位技术的需求也在日益增长。相比于传统的RFID、ZigBee、WIFI、蓝牙等室内无线定位技术，超宽带(Ultra Wideband，UWB)定位技术具有定位精度高、定位距离远、信号传输功耗低、抗干扰能力强等优点，可支持运动目标的精确轨迹测量，常用于GPS无法应用的室内场合，是目前室内定位研究的热点方向。但在实际应用中，由于UWB信号的发射和接收原理都基于脉冲无线电技术，因此会受到环境尤其是复杂环境的制约。在复杂环境下，UWB定位误差主要来源于芯片本身的误差、如天线延迟、时钟误差，以及信号传输过程中的非视距(NLOS，Non-line of sight)误差和多径效应等，因此，有必要分析定位误差的不同成因并寻求优化措施，以提高定位系统的精度和稳定性。
根据收发信号的特征参数不同，目前常用的无线定位方法主要包括接收信号强度法(Received Signal Strength Indication，RSSI)、到达角度法(Angle of Arrival，AOA)、到达时间法(TOA)和到达时间差法(TDOA)。其中，RSSI算法中的信道衰减因子对环境的依赖度很高，易受到信号传播过程中的多径效应影响而造成定位偏差；AOA算法要求各定位基站和标签必须是在视距范围内，否则会导致定位失败，或误差偏大；TDOA算法对定位基站的硬件要求较高，需保证基站之间严格的时间同步，增加了硬件成本和系统复杂度。
发明内容
针对现有技术中的不足，本公开的目的在于提供一种UWB室内非视距定位优化方法，该方法能够有效减小复杂室内环境下的定位误差，提高UWB定位精度。
为实现上述目的，本公开提供以下技术方案：
一种UWB室内非视距定位优化方法，包括如下步骤：
S100：设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；
S200：定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；
S300：基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；
S400：根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；
S500：采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
优选的，步骤S300中，所述计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化包括如下步骤：
S301：计算定位信号在监测点与待定位标签之间的往返时间；
S302：基于往返时间求解信号飞行时间；
S303：基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
S304：根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
S305：对时钟偏移误差进行优化。
优选的，步骤S302中，所述信号飞行时间通过下式计算：
其中，TOF为不考虑时钟偏移时的信号飞行时间；troundA为监测点的信号往返时间，troundB为待定位标签的信号往返时间，treplyA为监测点的响应时间，treplyB为待定位标签的响应时间。
优选的，步骤S303中，所述信号飞行时间估计值通过下式计算：
其中，
为考虑时钟偏移后的信号飞行时间；eA和eB分别为监测点和待定位标签的时钟漂移；TOF为不考虑时钟偏移时的信号飞行时间。
优选的，步骤S500中，所述采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括以下步骤：
S501：构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
S502：设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
S503：根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以分别获得随机线性离散系统的过程噪声和观测噪声的均值估计值以及协方差估计值；
S504：引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值进行修正，即实现对待定位标签的估计位置优化。
本发明还提供了一种UWB室内非视距定位优化系统，所述系统包括：
设置模块，用于设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；
信号飞行时间优化模块，用于定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；
距离计算模块，用于基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；
估计位置确定模块，用于根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；
估计位置优化模块，用于采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
优选地，其中所述信号飞行时间优化模块，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化，包括：
计算定位信号在监测点与待定位标签之间的往返时间；
基于往返时间求解信号飞行时间；
基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
对时钟偏移误差进行优化。
优选地，其中所述所述信号飞行时间优化模块，利用如下方式计算所述信号飞行时间，包括：
其中，TOF为不考虑时钟偏移时的信号飞行时间；troundA为监测点的信号往返时间，troundB为待定位标签的信号往返时间，treplyA为监测点的响应时间，treplyB为待定位标签的响应时间。
优选地，其中所述信号飞行时间优化模块，利用如下公式计算所述信号飞行时间估计值，把控：
其中，
为考虑时钟偏移后的信号飞行时间；eA和eB分别为监测点和待定位标签的时钟漂移；TOF为不考虑时钟偏移时的信号飞行时间。
优选地，其中所述估计位置优化模块，采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括：
构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以分别获得随机线性离散系统的过程噪声和观测噪声的均值估计值以及协方差估计值；
引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值进行修正，即实现对待定位标签的估计位置优化。
与现有技术相比，本公开带来的有益效果为：通过优化非视距环境下的随机定位噪声估计，可有效减小复杂室内环境下的定位误差，提高UWB定位精度。
附图说明
图1是本公开提供的一种UWB室内非视距定位优化方法的流程图；
图2中的(a)是采用TOA算法进行定位仿真获得的定位散点图；
图2中的(b)是采用TOA-卡尔曼滤波算法进行定位仿真获得的定位散点图；
图2中的(c)是采用TOA-改进的自适应卡尔曼滤波算法进行定位仿真获得的定位散点图；
图3中的(a)是无遮挡下的测试误差示意图；
图3中的(b)是木板遮挡下的测试误差示意图；
图3中的(c)是金属遮挡下的测试误差示意图；
图3中的(d)是人遮挡下的测试误差示意图；
图4是TOA定位方法的模型示意图；
图5为根据本发明实施方式的UWB室内非视距定位优化系统500的结构示意图。
具体实施方式
下面将参照附图详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以通过各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本公开的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。
一个实施例中，如图1所示，本公开提供一种UWB室内非视距定位优化方法，包括如下步骤：
S100：设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；
S200：定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；
S300：基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；
S400：根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；
该步骤中，TOA定位方法主要用于测量发射信号在空中的传输时间，根据电磁波在空气中的传播速度，将传输时间转化成距离信息。一个典型的基于TOA的定位系统至少需要3个锚节点才能完成二维定位，并且一般要求锚节点和标签节点的时钟完全同步。基于TOA的定位系统的工作原理同基于RSSI定位方法类似，区别在于测量参数的不同，具体如图4所示。假设定位区域内布置n个锚节点，待定位标签的位置坐标为(x,y)，第i个锚节点的位置坐标为(xi,yi)，测得第i个锚节点与待定位标签的距离为ri，在二维平面上，以不同锚节点为圆心，对应的测量距离为半径，绘制n个圆，其交点即为待定位标签的位置。根据其几何意义，则它们之间满足下式：
(x-xi)2+(y-yi)2＝ri 2,i＝1,2,…,n
通过计算不同锚节点与待定位标签的距离，根据上式可以建立以下方程组，通过求解方程组即可获得待定位标签的估计位置坐标。
S500：采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
上述实施例构成了本公开的完整技术方案。本实施例通过对信号飞行时间进行优化以及对监测点和待定位标签的时钟漂移进行优化，从而提高了定位区域内待定位标签的测量精度。
另一个实施例中，步骤S300中，所述计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化包括如下步骤：
S301：计算定位信号在监测点与待定位标签之间的往返时间；
该步骤中，如图1所示，监测点A在t1时刻向待定位标签B发送一个信号，B在t2时刻接收到该信号，经过时延treplyB后，在t3时刻向A发送确认信号，A收到该信号后，经过时延treplyA，在t4时刻再发送一个信号给B。
A和B的信息往返时间分别为：
troundA＝2TOF+treplyB(3)
troundB＝2TOF+treplyA
(4)
S302：基于往返时间求解信号飞行时间；
该步骤中，将式(3)乘以式(4)，并展开可求解得到信号的飞行时间：
S303：基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
该步骤中，考虑监测点和待定位标签的时钟漂移eA、eB，可求解得到此时的飞行时间估计值：
S304：根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
该步骤中，时钟漂移误差表示为：
S305：对时钟偏移误差进行优化。
该步骤中，由于式(7)中的eA<<1，eB<<1，略去高次项eAeB后可得：
通过上述修正，时钟漂移引起的测距误差仅与飞行时间有关，与监测点以及待定位标签的响应时间无关，因此无需保证监测点和待定位标签响应时间对称。
另一个实施例中，步骤S500中，所述采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括以下步骤：
S501：构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
该步骤中，卡尔曼状态方程和观测方程分别表示为：
Xk＝Φk,k-1Xk-1+Wk-1
Zk＝HkXk+Vk (9)
其中，Xk是系统状态向量；Zk是系统观测序列；Φk,k-1是系统状态转移矩阵；Hk是系统观测矩阵；Wk-1为系统过程噪声，Vk为系统观测噪声，考虑到NLOS系统中外界干扰的不确定性，Wk-1和Vk为带有时变均值的高斯白噪声序列：
其中，Qk是系统过程噪声的对称非负定方差矩阵；Rk是系统观测噪声的对称正定方差矩阵；δkj是Kronecker-δ函数：
S502：设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
该步骤中，设定状态估计初值
可递推求解系统状态估计值/>
其中，
为状态预测值，/>
为观测误差：
S503：根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以获得随机线性离散系统的过程噪声Q和观测噪声R的均值估计值
以及协方差估计值/>
该步骤中，给定误差初值P0，求解滤波增益矩阵Kk，估计误差方差矩阵Pk：
Pk＝[I-KkHk]Pk,k-1(16)
其中，Pk,k-1为一步预测误差方差矩阵：
S504：引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值
进行修正，即实现对待定位标签的估计位置优化。
该步骤中，针对定位时的噪声不确定性，可考虑引入遗忘因子进行动态噪声估计和修正，遗忘因子表示为：dk＝(1-b)/(1-bk+1)，0＜b＜1，此时，可递推得到系统过程噪声、观测噪声的均值估计值
协方差估计值/>
由于式(19)和(21)中采用了减法运算，虽然满足无偏估计的要求，但容易使噪声统计二阶矩的估计
和/>
分别失去半正定性和正定性，从而引起滤波发散；且该算法对噪声初值较为敏感，当选取不同的初始值时，噪声均值的估计有较大的差别，且该影响将不随时间而衰减。为了解决以上问题，本实施例对原噪声估计方程进行了优化，即取消了对过程噪声Q的动态估计，而仅对观测噪声R的统计特性进行估计，采用指数加权法修改R的估计方程(21)得到其次优估计方程：
采用改进后的算法进行滤波时，先通过多次现场实验测试获取系统过程噪声方差初值Q0和观测噪声方差初值R0，此时认为系统过程噪声Q较为稳定且初始值的精度较高，而非视距环境下的观测噪声R具有不确定性，因此利用式(22)对R的统计特性进行实时估计和修正，可以在优化NLOS误差的同时，确保滤波系统的稳定性。
为了便于理解，本公开结合具体数据对以上方案进行详细说明。
1、在实验室内布置一个正方形区域作为定位区域，并在该定位区域的4个顶点处分别设置监测点以及在定位区域内随机设置一个待定位标签(经测量，标签的实际坐标为(130,112))。4个监测点的坐标分别记为(0，0)，(200,0)，(0,200)，(200,200)。其中，为模拟实际非视距定位环境，在该区域内分别布置金属、木板、人体对各监测点与待定位标签之间的信号进行遮挡。
2、监测点每秒自动对标签位置进行一次定位信号采样，同时根据式(5)可计算出每个监测点与待定位标签的信号飞行时间分别为0.58μs、0.5μs、0.47μs和0.36μs。
3、考虑到监测点和待定位标签的时钟漂移eA、eB，以步骤2中的飞行时间0.58μs为例，对其求解过程进行优化，即根据式(6)可求解得到与0.58μs对应的飞行时间估计值为0.64μs。
4、则根据式(7)可获得监测点和待定位点的时钟偏移误差为12.4mm，此时，假设监测点的晶振精度为20ppm，则根据式(8)可获得修正后的时钟漂移误差仅为3.48mm。可见，不考虑监测点与待定位标签的响应时间后，能够获得更精确的漂移误差，从而完成对信号飞行时间的优化。
5、基于优化计算后的信号飞行时间可获得此时每个监测点与待定位标签之间的距离分别为175.2m、150.0m、140.5m、108.3m。
6、根据前述的TOA定位方法以及所构建的方程组求得待定位标签的最大似然估计位置为(120.2、127.8)。
7、设定式(9)所示的随机线性离散系统的噪声方差初值Q0＝3，观测噪声方差初值R0＝10，根据式(21)可获得观测噪声的协方差估计值
为25，通过引入遗忘因子(d＝0.95)构建如式(22)所示的变噪声估计方程对观测噪声的协方差估值/>
进行修正，可获得修正后的协方差估值/>
为21，完成对协方差估值/>
修正后，式(15)所示的波增益矩阵Kk以及式(16)所示的估计误差方差矩阵Pk也就得到了修正，从而实现了对待定位标签的估计位置的修正，此时修正后的待定位标签的坐标为(127.5、116.2)，相比步骤6获得的估计位置(120.2、127.8)，修正后的坐标明显更接近于真实坐标(130,112)。
下面，为了验证本方法对UWB非视距定位误差的修正作用，使用MATLAB仿真模拟实际定位情况。为了更直观地比较自适应卡尔曼优化前后的定位性能，采用多次测量的均方根误差(RMSE)作为评价指标，其值越小，表明测量数据偏离真实值的程度越小，测量精度越高。
采用TOA算法进行UWB定位仿真，设置四个对称监测点(监测点假设为基站)，四个监测点的坐标分别为(0，0)，(200,0)，(0,200)，(200,200)，待定位点的真实坐标设定为(130,112)，为模拟定位系统的非视距干扰，加入随机测量噪声测距1000次，分别采用TOA算法、TOA联合卡尔曼滤波算法以及TOA联合改进的自适应卡尔曼滤波算法修正误差，仿真结果如图2中的(a)至图2中的(c)所示。
分别计算三种算法下的RMSE值，如表1所示。采用改进的自适应卡尔曼滤波法可明显减小定位标签的估计波动范围，相比TOA法，其平均定位误差由5.583m减小至2.614m，定位精度提升率约为53％。显然，仿真结果证明了该改进算法的有效性。
表1不同算法对输出坐标修正结果
为了进一步验证本公开所述方法对UWB非视距定位误差的修正作用，选择高压实验室作为测试场地，实验室内分布有较多的金属设备，木板等不规则遮挡物。定位基站采用DecaWave公司生产的DWM1000超宽带测距模块。研究表明，各基站之间的距离及布置结构会对测距精度产生影响，当基站部署呈对称结构时，定位精度相对较优，因此为尽量减少基站位置对实验结果的影响，采用四个基站对称布置于一个正方形区域的4个顶点处，在基站间距6米、8米、10米、15米四种情况下分别进行定位实验并计算测距误差。
为模拟实际非视距定位环境，在该区域内分别布置金属、木板、人体对各基站与标签之间的信号进行遮挡，每秒自动对标签位置进行一次定位信号采样，分别测试经自适应卡尔曼滤波优化前后的标签估计位置，并与标签真实坐标进行对比。
其中，为了减少噪声初值对于自适应卡尔曼滤波精度的影响，采用现场实验测试的方式来获取系统噪声方差初值Q0和观测噪声方差初值R0，将待定位点和基站放在10m的固定距离，上电后进行定位实验，通过基站的串口将测距结果发送到上位机中，并对定位结果进行分析。经过多次实际测试，将系统噪声方差初值Q0确定为3，观测噪声方差初值R0确定为10。
以基站间距6米为例，在无遮挡、木板遮挡、金属遮挡、人遮挡四种情况下的测试误差如图3中的(a)至图3中的(d)所示，相比视距(无遮挡)情况而言，三种非视距情况均会对UWB系统的定位精度产生一定的影响。在无遮挡情况下，常用的DS-TWR算法即可满足定位精度要求，将定位误差控制在15cm以下；而当存在非视距遮挡时，改进的Sage-Husa自适应卡尔曼滤波算法可以有效修正三种常见遮挡下的标签估计误差。
为了更直观地比较自适应卡尔曼优化前后的定位性能，与仿真一致，此处也采用均方根误差(RMSE)作为评价指标,如表2所示：
表2非视距定位下的均方根误差
表2中，分别在6米、8米、10米、15米基站间距下进行定位估计，并计算多次采样后的RMSE，结果表明，无论基站部署如何变化，自适应卡尔曼算法均能有效提升UWB系统的定位精度，可将系统定位误差控制在30cm以内。此外，基站部署距离与测距误差呈正比关系，基站部署距离越大，测距误差也越大。
图5为根据本发明实施方式的UWB室内非视距定位优化系统500的结构示意图。如图5所示，本发明实施方式提供的UWB室内非视距定位优化系统500，包括：设置模块501、信号飞行时间优化模块502、距离计算模块503、估计位置确定模块504和估计位置优化模块505。
优选地，所述设置模块501，用于设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签。
优选地，所述信号飞行时间优化模块502，用于定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化。
优选地，所述距离计算模块503，用于基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离。
优选地，所述估计位置确定模块504，用于根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置。
优选地，所述估计位置优化模块505，用于采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
优选地，其中所述信号飞行时间优化模块502，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化，包括：
计算定位信号在监测点与待定位标签之间的往返时间；
基于往返时间求解信号飞行时间；
基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
对时钟偏移误差进行优化。
优选地，其中所述所述信号飞行时间优化模块502，利用如下方式计算所述信号飞行时间，包括：
其中，TOF为不考虑时钟偏移时的信号飞行时间；troundA为监测点的信号往返时间，troundB为待定位标签的信号往返时间，treplyA为监测点的响应时间，treplyB为待定位标签的响应时间。
优选地，其中所述信号飞行时间优化模块502，利用如下公式计算所述信号飞行时间估计值，把控：
其中，
为考虑时钟偏移后的信号飞行时间；eA和eB分别为监测点和待定位标签的时钟漂移；TOF为不考虑时钟偏移时的信号飞行时间。
优选地，其中所述估计位置优化模块505，采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括：
构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以分别获得随机线性离散系统的过程噪声和观测噪声的均值估计值以及协方差估计值；
引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值进行修正，即实现对待定位标签的估计位置优化。
上述对本申请中涉及的发明的一般性描述和对其具体实施方式的描述不应理解为是对该发明技术方案构成的限制。本领域所属技术人员根据本申请的公开，可以在不违背所涉及的发明构成要素的前提下，对上述一般性描述或/和具体实施方式(包括实施例)中的公开技术特征进行增加、减少或组合，形成属于本申请保护范围之内的其它的技术方案。
Claims (9)
1.一种UWB室内非视距定位优化方法，其特征在于，所述方法包括如下步骤：
S100：设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；
S200：定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；
S300：基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；
S400：根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；
S500：采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
2.根据权利要求1所述的方法，其中，步骤S300中，所述计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化包括如下步骤：
S301：计算定位信号在监测点与待定位标签之间的往返时间；
S302：基于往返时间求解信号飞行时间；
S303：基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
S304：根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
S305：对时钟偏移误差进行优化。
3.根据权利要求2所述的方法，其中，步骤S302中，所述信号飞行时间通过下式计算：
其中，TOF为不考虑时钟偏移时的信号飞行时间；troundA为监测点的信号往返时间，troundB为待定位标签的信号往返时间，treplyA为监测点的响应时间，treplyB为待定位标签的响应时间。
4.根据权利要求2所述的方法，其中，步骤S303中，所述信号飞行时间估计值通过下式计算：
其中，
为考虑时钟偏移后的信号飞行时间估计值；eA和eB分别为监测点和待定位标签的时钟漂移；TOF为不考虑时钟偏移时的信号飞行时间。
5.根据权利要求1所述的方法，其中，步骤S500中，所述采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括以下步骤：
S501：构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
S502：设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
S503：根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以分别获得随机线性离散系统的过程噪声和观测噪声的均值估计值以及协方差估计值；
S504：引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值进行修正，即实现对待定位标签的估计位置优化。
6.一种UWB室内非视距定位优化系统，其特征在于，所述系统包括：
设置模块，用于设置定位区域，在定位区域周边部署若干监测点以及在定位区域内随机设置待定位标签；
信号飞行时间优化模块，用于定位时，由监测点向待定位标签发送定位信号，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化；
距离计算模块，用于基于优化计算后的信号飞行时间获得每个监测点与待定位标签之间的距离；
估计位置确定模块，用于根据TOA定位方法建立以监测点与待定位标签之间的距离为变量、以监测点和待定位标签的坐标为变量的方程组，求解得到最大似然估计值，即获得待定位标签的估计位置；
估计位置优化模块，用于采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化，以实现对待定位标签的定位。
优选地，其中，所述信号飞行时间优化模块，计算每个监测点与待定位标签的信号飞行时间并同时对信号飞行时间的计算过程进行优化，包括：
计算定位信号在监测点与待定位标签之间的往返时间；
基于往返时间求解信号飞行时间；
基于监测点和待定位标签的时钟偏移以及信号飞行时间求解信号飞行时间估计值；
根据信号飞行时间估计值和信号飞行时间获得时钟偏移误差；
对时钟偏移误差进行优化。
7.根据权利要求6所述的系统，其中，所述所述信号飞行时间优化模块，利用如下方式计算所述信号飞行时间，包括：
其中，TOF为不考虑时钟偏移时的信号飞行时间；troundA为监测点的信号往返时间，troundB为待定位标签的信号往返时间，treplyA为监测点的响应时间，treplyB为待定位标签的响应时间。
8.根据权利要求7所述的系统，其中，所述信号飞行时间优化模块，利用如下公式计算所述信号飞行时间估计值，把控：
其中，
为考虑时钟偏移后的信号飞行时间；eA和eB分别为监测点和待定位标签的时钟漂移；TOF为不考虑时钟偏移时的信号飞行时间。
9.根据权利要求6所述的系统，其中所述估计位置优化模块，采用改进后的自适应卡尔曼滤波对待定位标签的估计位置进行优化包括：
构建由卡尔曼状态方程和观测方程组成的随机线性离散系统；
设定随机线性离散系统的状态估计初值，求解随机线性离散系统的状态估计值；
根据随机线性离散系统的状态估计值求解滤波增益矩阵和估计误差方差矩阵，以分别获得随机线性离散系统的过程噪声和观测噪声的均值估计值以及协方差估计值；
引入遗忘因子构建时变噪声估计方程，以对观测噪声的协方差估计值进行修正，即实现对待定位标签的估计位置优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211472552.3A CN116266947A (zh) | 2022-11-17 | 2022-11-17 | 一种uwb室内非视距定位优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211472552.3A CN116266947A (zh) | 2022-11-17 | 2022-11-17 | 一种uwb室内非视距定位优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116266947A true CN116266947A (zh) | 2023-06-20 |
Family
ID=86744245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211472552.3A Pending CN116266947A (zh) | 2022-11-17 | 2022-11-17 | 一种uwb室内非视距定位优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116266947A (zh) |
-
2022
- 2022-11-17 CN CN202211472552.3A patent/CN116266947A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Silva et al. | Experimental study of UWB-based high precision localization for industrial applications | |
| CN110045324B (zh) | 一种基于uwb和蓝牙技术的室内定位融合方法 | |
| US8478292B2 (en) | Wireless localization method based on an efficient multilateration algorithm over a wireless sensor network and a recording medium in which a program for the method is recorded | |
| Bahillo et al. | Hybrid RSS-RTT localization scheme for indoor wireless networks | |
| Tarrio et al. | A new positioning technique for RSS-based localization based on a weighted least squares estimator | |
| Will et al. | The membership degree min-max localization algorithm | |
| KR101163335B1 (ko) | 수신신호강도의 거리 추정 방식에 의거한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체 | |
| CN112162244B (zh) | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 | |
| WO2016112758A1 (zh) | 终端的定位方法及装置 | |
| Mimoune et al. | Evaluation and improvement of localization algorithms based on UWB pozyx system | |
| CN106900057B (zh) | 一种基于测距的室内定位方法及系统 | |
| Meissner et al. | Analysis of position-related information in measured UWB indoor channels | |
| CN110622024A (zh) | 室内定位方法、装置和设备 | |
| CN104053234A (zh) | 一种基于rssi的坐标误差补偿定位系统和方法 | |
| Sinha et al. | Impact of 3D antenna radiation patterns on TDOA-based wireless localization of UAVs | |
| Dong et al. | A TOF and Kalman filtering joint algorithm for IEEE802. 15.4 a UWB Locating | |
| Yin et al. | UWB-based indoor high precision localization system with robust unscented Kalman filter | |
| Bahillo et al. | Accurate and integrated localization system for indoor environments based on IEEE 802.11 round-trip time measurements | |
| Kokoreva et al. | A combined location method with indoor signal strength measurement | |
| Yang et al. | RF emitter geolocation using amplitude comparison with auto-calibrated relative antenna gains | |
| CN106792516A (zh) | 基于无线通信基站的三维定位方法 | |
| Tarrio et al. | An RSS localization method based on parametric channel models | |
| Kia et al. | RSS-based fusion of UWB and WiFi-based ranging for indoor positioning | |
| Ahmad et al. | Experiments on localization of wireless sensors using airborne mobile anchors | |
| CN116266947A (zh) | 一种uwb室内非视距定位优化方法及系统 |
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 |