CN116299167A - 狭长空间定位方法、计算机可读存储介质及计算机设备 - Google Patents
狭长空间定位方法、计算机可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN116299167A CN116299167A CN202310147600.XA CN202310147600A CN116299167A CN 116299167 A CN116299167 A CN 116299167A CN 202310147600 A CN202310147600 A CN 202310147600A CN 116299167 A CN116299167 A CN 116299167A
- Authority
- CN
- China
- Prior art keywords
- positioning
- base station
- type
- tag
- base stations
- 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 45
- 230000006855 networking Effects 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 8
- 230000006735 deficit Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种狭长空间定位方法、计算机可读存储介质及计算机设备，狭长空间定位方法包括步骤：对标签、服务器、多个基站进行组网；构建区域判定模型、误差模型；通过区域判定模型确定标签所属的定位区域类型；根据定位区域类型，选取一维定位算法、二维定位算法进行定位；根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损。本发明设置了误差模型，对狭长空间内的定位进行纠正，提高了狭长空间定位的准确性。
Description
在技术领域
本发明属于室内定位技术领域，具体涉及一种狭长空间定位方法、计算机可读存储介质及计算机设备。
背景技术
当前，人们对无线感知节点(基站)在狭长空间场所的研究较少，受空间限制，无线感知节点及其网络具有与阔空间不同的特征。论文《狭长空间无线感知节点布置策略及定位算法》中，对目前应用于开阔环境下的无线感知节点定位算法进行了修正，给出了应用于狭长空间的无线感知节点定位算法，同时对狭长空间的锚节点布置方法进行了研究，给出一种较优的锚节点布置策略，但该策略所使用算法是RSSI，其缺点为无线信道多径衰落造成的信号能量不稳定，测量精度受天线方向性、天线增益等诸多的影响，总的来说，RSSI测距适用于测试环境较空旷，在狭长空间的变现并不是很好；侯全武等根据室内或井下巷道定位中传感器网络的覆盖特点，以隧道为例，提出了狭长空间三维完全覆盖方案。
发明内容
为了克服上述技术缺陷，本发明第一个方面提供了一种狭长空间定位方法，包括步骤：
对标签、服务器、多个基站进行组网；
构建区域判定模型、误差模型；
通过区域判定模型确定标签所属的定位区域类型；
根据定位区域类型，选取一维定位算法、二维定位算法进行定位；
根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损。
作为本发明的进一步改进，在所述对标签、服务器、多个基站进行组网之后，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损之前，所述方法还包括：
服务器从多个所述基站中选定主基站，并将多个所述基站的其余基站作为从基站；
服务器获取多个所述基站的预设位置，根据多个所述基站的预设位置生成控制指令，并向所述主基站下发控制指令；
所述主基站接收到所述控制指令后，解析出多个所述基站的预设位置，并向周围各个从基站发送第一测距信号；
所述主基站接收周围各个从基站基于所述第一测距信号返回的第二测距信号；
所述主基站基于第一测距信号发射时间及对各个从基站的第二测距信号的接收时间，测出所述主基站与各个从基站之间的测试距离；
所述主基站基于多个所述基站的预设位置，计算出所述主基站与各个从基站之间的实际距离；
所述主基站基于所述主基站与各个从基站之间的测试距离与实际距离，计算出多个所述基站的第一信号收发平均偏差；
所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型及第一信号收发平均偏差三者预先构建有映射关系。
作为本发明的进一步改进，在所述对标签、服务器、多个基站进行组网之后，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损之前，所述方法还包括：
获取所述标签与多个所述基站之间预先测试出来的第二信号收发平均偏差；
所述根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型、所述第一信号收发平均偏差及所述第二信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型、第一信号收发平均偏差及第二信号收发平均偏差四者预先构建有映射关系。
作为本发明的进一步改进，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型及定位算法的类型，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型及定位算法类型两者预先构建有映射关系。
作为本发明的进一步改进，所述对标签、服务器、多个基站进行组网的步骤，包括：
标签在设定时间阈值内，周期性地广播第一广播信息，所述第一广播信息包括标签的唯一标识信息；
基站在接收到第一广播信息时，向服务器发出响应信息，响应信息包括标签的唯一标识信息；
服务器根据相应信息的信息强度，获取基站列表，并从基站列表中确定主基站；
服务器控制主基站进行周期性地广播第二广播信息；
标签通过第二广播信息与基站进行组网。
作为本发明的进一步改进，构建区域判定模型的步骤，包括：
建立三元组模型：RD→{I，D，R}，其中:I表示基站编号的集合；D表示测距基站回传给同一标签的距离集合；R表示划分区域的集合；
针对移动的标签，与其通信范围内的多个基站进行通信，进行测距；
移动的标签获取多个距离值，以构建距离集合；
移动的标签根据距离集合与基站编号的映射关系，获取与移动标签最近的基站，通过基站与基站编号的映射关系，确定定位区域类型。
作为本发明的进一步改进，构建误差模型的步骤，包括：
在基站与标签之间收发信息时，记录各个时刻的时间戳，根据时间戳计算传播的实际时间；
以实际时间，构建误差模型。
作为本发明的进一步改进，一维定位方法包括步骤：
多个基站获取标签所发出的广播信息；
记录多个基站获取到广播信息的接收时间，计算每两个基站的接收时间的时间差；
根据时间差计算标签与每两个基站之间的距离差；
根据多个距离差构建标签位置的双曲线方程；
对双曲线方程进行求解，得到标签的位置。
作为本发明的进一步改进，二维定位方法包括步骤：
根据基站接收到标签所发送广播的时间，计算标签与基站的距离；
通过混合最小二乘法，得到标签的定位初值；
将定位初值代入至泰勒级数展开算法中，计算得到标签的二次定位值；
对二次定位值进行卡尔曼滤波，得到标签的最终定位值。
作为本发明的进一步改进，定位区域类型包括：从公共区域进入狭长空间、从房间进入狭长空间、离开狭长空间进入公共区域、离开狭长空间进入房间。
作为本发明的进一步改进，若定位区域类型为从公共区域进入狭长空间、从房间进入狭长空间时，采用误差模型，抑制定位结果的干扰和减损本发明的第二个方面，提供了一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的狭长空间定位方法。
本发明的第三个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的狭长空间定位方法。
与现有技术相比，本发明具有以下有益效果：本发明设置了误差模型，对狭长空间内的定位进行纠正，提高了狭长空间定位的准确性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1为发明所述狭长空间定位方法的流程图；
图2为发明所述计算机设备的结构示意图。
具体实施方式
以下结合附图对本发明的优选发明进行说明，应当理解，此处所描述的优选发明仅用于说明和解释本发明，并不用于限定本发明。需要说明的是，S1、S2等仅作为步骤的标号，并不代表本发明需要按照标号的顺序严格执行。
本发明提供了一种狭长空间定位方法，如图1所示，包括步骤：
S1、对标签、服务器、多个基站进行组网。
通过比较在狭长空间中不同组网方式对定位的影响，构造相应的组网方式，进而实现狭长空间中的定位精度提升，在本发明中，所采用的组网方式包括步骤：
S11、标签在设定时间阈值内，周期性地广播第一广播信息，所述第一广播信息包括标签的唯一标识信息。
S12、基站在接收到第一广播信息时，向服务器发出响应信息，响应信息包括标签的唯一标识信息。
S13、服务器根据相应信息的信息强度，获取基站列表，并从基站列表中确定主基站；
S14、服务器控制主基站进行周期性地广播第二广播信息。
S15、标签通过第二广播信息与基站进行组网。
S2、构建区域判定模型、误差模型，其中，构建区域判定模型具体包括步骤：
S21、建立三元组模型：RD→{I，D，R}，其中:I表示基站编号的集合；D表示测距基站回传给同一标签的距离集合；R表示划分区域的集合；
S22、针对移动的标签，与其通信范围内的多个基站进行通信，进行测距；
S23、移动的标签获取多个距离值，以构建距离集合；
S24、移动的标签根据距离集合与基站编号的映射关系，获取与移动标签最近的基站，通过基站与基站编号的映射关系，确定定位区域类型。
构建误差模型具体包括步骤：
S25、在基站与标签之间收发信息时，记录各个时刻的时间戳，根据时间戳计算传播的实际时间；
S27、以实际时间，构建误差模型，该误差模型为一个简单的线性方程，一次往返在SS-TWR技术中的时间中，总的往返时间延迟可以表示为：
其中，是在设备A处测量的TWR方法中信号的单次往返时间内发生的总延迟，也就是说，由设备A传输到设备B并返回设备A的信号所产生的总延迟。基于总延迟的绝对误差和相对误差，建立基于时钟漂移误差和往返时间延迟中的相对误差的模型。从而实现了狭长空间下误差分布特点与误差模型的构建。该公式的其他内容，请参见现有技术。
S3、通过区域判定模型确定标签所属的定位区域类型，其中，定位区域类型包括：从公共区域进入狭长空间、从房间进入狭长空间、离开狭长空间进入公共区域、离开狭长空间进入房间。
S4、根据定位区域类型，选取一维定位算法、二维定位算法进行定位，比较在狭长空间中不同的定位算法对一维定位、二维定位的影响，基于此，选取相应的一维定位和二维定位的定位算法，从而实现狭长空间中的定位精度提升，本发明中，一维定位算法采用如下步骤实现：
S41、多个基站获取标签所发出的广播信息；
S42、记录多个基站获取到广播信息的接收时间，计算每两个基站的接收时间的时间差；
S43、根据时间差计算标签与每两个基站之间的距离差；
S44、根据多个距离差构建标签位置的双曲线方程；
S45、对双曲线方程进行求解，得到标签的位置。
二维定位算法采用如下步骤实现：
S46、根据基站接收到标签所发送广播的时间，计算标签与基站的距离；
S47、通过混合最小二乘法，得到标签的定位初值；
S48、将定位初值代入至泰勒级数展开算法中，计算得到标签的二次定位值；
S49、对二次定位值进行卡尔曼滤波，得到标签的最终定位值。
本发明首先通过区域判定模型确定标签所在的定位区域类型，首先判断是否是狭长空间，若为狭长空间，可减少标签与非狭长空间的基站通信，这样既大幅度减少节点功率的消耗，又大幅缩减获取一组距离的时间，从而提高定位的实时性和定位精度。
S5、根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损。当进入狭长空间后，结合误差模型实现提高定位精确度。
作为上述发明实施例的进一步改进，在所述步骤S1之后，所述步骤S5之前，所述方法还包括：
服务器从多个所述基站中选定主基站，并将多个所述基站的其余基站作为从基站；
服务器获取多个所述基站的预设位置，根据多个所述基站的预设位置生成控制指令，并向所述主基站下发控制指令；
所述主基站接收到所述控制指令后，解析出多个所述基站的预设位置，并向周围各个从基站发送第一测距信号；
所述主基站接收周围各个从基站基于所述第一测距信号返回的第二测距信号；
所述主基站基于第一测距信号发射时间及对各个从基站的第二测距信号的接收时间，测出所述主基站与各个从基站之间的测试距离；
所述主基站基于多个所述基站的预设位置，计算出所述主基站与各个从基站之间的实际距离；
所述主基站基于所述主基站与各个从基站之间的测试距离与实际距离，计算出多个所述基站的第一信号收发平均偏差；
所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型及第一信号收发平均偏差三者预先构建有映射关系。
在本发明实施例中，通过计算出多个所述基站的第一信号收发平均偏差，然后再根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，来抑制定位结果的干扰和减损，这样能够更有效地提高狭长空间的精确测距，从而更有效提高狭长空间内对标签的定位精度。
作为上述发明实施例的进一步改进，在所述步骤S1之后，所述步骤S5之前，所述方法还包括：
获取所述标签与多个所述基站之间预先测试出来的第二信号收发平均偏差；
所述根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型、所述第一信号收发平均偏差及所述第二信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型、第一信号收发平均偏差及第二信号收发平均偏差四者预先构建有映射关系。
在本发明实施例中，通过预先测试出标签与多个所述基站之间的第二信号收发平均偏差，并通过计算出多个所述基站的第一信号收发平均偏差，然后再根据定位区域类型、定位算法的类型、所述第一信号收发平均偏差及所述第二信号收发平均偏差，采用更有针对性的误差模型，来更有针对性地抑制定位结果的干扰和减损，这样能够更有效地提高狭长空间的精确测距，从而更有效提高狭长空间内对标签的定位精度。
作为上述发明实施例的进一步改进，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型及定位算法的类型，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型及定位算法类型两者预先构建有映射关系。
在本发明实施例中，通过根据定位区域类型及定位算法的类型，采用对应的误差模型，来更有针对性地抑制定位结果的干扰和减损，这样能够更有效地提高狭长空间的精确测距，从而更有效提高狭长空间内对标签的定位精度。
本发明首先通过区域判定模型，对位置进行判断，如进入到狭长空间，则启用误差，模型，抑制定位结果的干扰和减损，同时，采用最小二乘法，泰勒级数协同卡尔曼滤波对定位信息进行处理，以提高狭长空间的精确测距。
本发明还提供了一种计算机可读存储介质，可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的狭长空间定位方法。
存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
本发明还提供了一种计算机设备，如图2所示，计算机设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的狭长空间定位方法。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器可用于存储所述计算机程序或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序或模块，以及调用存储在存储器内的数据，实现所述基于镜像神经元疗法的辅助终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上仅为本申请的较佳发明，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种狭长空间定位方法，其特征在于，包括步骤：
对标签、服务器、多个基站进行组网；
构建区域判定模型、误差模型；
通过区域判定模型确定标签所属的定位区域类型；
根据定位区域类型，选取一维定位算法、二维定位算法进行定位；
根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损。
2.根据权利要求1所述的狭长空间定位方法，其特征在于，在所述对标签、服务器、多个基站进行组网之后，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损之前，所述方法还包括：
服务器从多个所述基站中选定主基站，并将多个所述基站的其余基站作为从基站；
服务器获取多个所述基站的预设位置，根据多个所述基站的预设位置生成控制指令，并向所述主基站下发控制指令；
所述主基站接收到所述控制指令后，解析出多个所述基站的预设位置，并向周围各个从基站发送第一测距信号；
所述主基站接收周围各个从基站基于所述第一测距信号返回的第二测距信号；
所述主基站基于第一测距信号发射时间及对各个从基站的第二测距信号的接收时间，测出所述主基站与各个从基站之间的测试距离；
所述主基站基于多个所述基站的预设位置，计算出所述主基站与各个从基站之间的实际距离；
所述主基站基于所述主基站与各个从基站之间的测试距离与实际距离，计算出多个所述基站的第一信号收发平均偏差；
所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型及第一信号收发平均偏差三者预先构建有映射关系。
3.根据权利要求2所述的狭长空间定位方法，其特征在于，在所述对标签、服务器、多个基站进行组网之后，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损之前，所述方法还包括：
获取所述标签与多个所述基站之间预先测试出来的第二信号收发平均偏差；
所述根据定位区域类型、定位算法的类型及所述第一信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型、定位算法的类型、所述第一信号收发平均偏差及所述第二信号收发平均偏差，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型、定位算法类型、第一信号收发平均偏差及第二信号收发平均偏差四者预先构建有映射关系。
4.根据权利要求1所述的狭长空间定位方法，其特征在于，所述根据定位区域类型，采用误差模型，抑制定位结果的干扰和减损，包括：
根据定位区域类型及定位算法的类型，采用对应的误差模型，抑制定位结果的干扰和减损；其中误差模型与定位区域类型及定位算法类型两者预先构建有映射关系。
5.据权利要求1所述的狭长空间定位方法，其特征在于，构建区域判定模型的步骤，包括：
建立三元组模型：RD→{I，D，R}，其中:I表示基站编号的集合；D表示测距基站回传给同一标签的距离集合；R表示划分区域的集合；
针对移动的标签，与其通信范围内的多个基站进行通信，进行测距；
移动的标签获取多个距离值，以构建距离集合；
移动的标签根据距离集合与基站编号的映射关系，获取与移动标签最近的基站，通过基站与基站编号的映射关系，确定定位区域类型。
6.根据权利要求1所述的狭长空间定位方法，其特征在于，构建误差模型的步骤，包括：
在基站与标签之间收发信息时，记录各个时刻的时间戳，根据时间戳计算传播的实际时间；
以实际时间，构建误差模型。
7.根据权利要求1所述的狭长空间定位方法，其特征在于，一维定位方法包括步骤：
多个基站获取标签所发出的广播信息；
记录多个基站获取到广播信息的接收时间，计算每两个基站的接收时间的时间差；
根据时间差计算标签与每两个基站之间的距离差；
根据多个距离差构建标签位置的双曲线方程；
对双曲线方程进行求解，得到标签的位置。
8.根据权利要求1所述的狭长空间定位方法，其特征在于，二维定位方法包括步骤：
根据基站接收到标签所发送广播的时间，计算标签与基站的距离；
通过混合最小二乘法，得到标签的定位初值；
将定位初值代入至泰勒级数展开算法中，计算得到标签的二次定位值；
对二次定位值进行卡尔曼滤波，得到标签的最终定位值。
9.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的狭长空间定位方法。
10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一所述的狭长空间定位方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210794667.8A CN114859291A (zh) | 2022-07-07 | 2022-07-07 | 狭长空间定位方法、计算机可读存储介质及计算机设备 |
| CN2022107946678 | 2022-07-07 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116299167A true CN116299167A (zh) | 2023-06-23 |
Family
ID=82626910
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210794667.8A Pending CN114859291A (zh) | 2022-07-07 | 2022-07-07 | 狭长空间定位方法、计算机可读存储介质及计算机设备 |
| CN202310147600.XA Pending CN116299167A (zh) | 2022-07-07 | 2023-02-21 | 狭长空间定位方法、计算机可读存储介质及计算机设备 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210794667.8A Pending CN114859291A (zh) | 2022-07-07 | 2022-07-07 | 狭长空间定位方法、计算机可读存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN114859291A (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115357862B (zh) * | 2022-10-20 | 2023-04-07 | 山东建筑大学 | 一种狭长空间中的定位方法 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000059257A1 (en) * | 1999-03-29 | 2000-10-05 | Qualcomm Incorporated | Method and apparatus for determining the position of a cellular telephone |
| CN107948920A (zh) * | 2017-12-27 | 2018-04-20 | 合肥工业大学 | 一种基于ads‑twr的井下uwb多基站定位区域判定方法 |
| US20180213492A1 (en) * | 2017-01-20 | 2018-07-26 | M2 Robots, Inc. | Ultra-wide band positioning system |
| CN108761389A (zh) * | 2018-05-24 | 2018-11-06 | 西安科技大学 | 一种抑制nlos时延误差的矿井toa目标定位方法 |
| CN109799479A (zh) * | 2019-03-06 | 2019-05-24 | 珠海格力电器股份有限公司 | 一种时钟定位方法、装置、存储介质及通信系统 |
| CN109819396A (zh) * | 2019-01-30 | 2019-05-28 | 北京布科思科技有限公司 | 一种无线定位方法及系统 |
| CN109946649A (zh) * | 2019-03-24 | 2019-06-28 | 北京工业大学 | 低成本室内狭长环境二维uwb系统定位方法 |
| CN110248310A (zh) * | 2019-06-14 | 2019-09-17 | 华东师范大学 | 一种基于多路径建模的室内定位tdoa处理方法 |
| KR20190129578A (ko) * | 2018-05-11 | 2019-11-20 | (주)와이파이브 | 고정형 앵커 기반 멀티 홉 시각 동기 장치 및 이를 이용한 owr 측위 시스템 |
| CN110764051A (zh) * | 2019-12-19 | 2020-02-07 | 湖南数格信息科技有限公司 | 一种基于uwb的轨道交通车辆定位方法、服务器及系统 |
| CN110850364A (zh) * | 2019-10-24 | 2020-02-28 | 山西大学 | 一种消除天线延迟误差的uwb定位方法 |
| CN111060869A (zh) * | 2019-12-02 | 2020-04-24 | 中睿通信规划设计有限公司 | 一种智能仓储uhfrfid标签的定位方法和系统 |
| CN111583700A (zh) * | 2020-06-01 | 2020-08-25 | 珠海格力电器股份有限公司 | 定位方法、装置、设备、系统、存储介质和车库导航方法 |
| CN112770268A (zh) * | 2019-10-21 | 2021-05-07 | 珠海格力电器股份有限公司 | 组网定位方法、系统、设备及存储介质 |
| CN113038377A (zh) * | 2021-02-25 | 2021-06-25 | 大连易飞扬科技有限公司 | 一种基于uwb技术c-twr的井下一维精确定位方法 |
| CN113993205A (zh) * | 2021-10-13 | 2022-01-28 | 武汉理工大学 | 基于数字孪生的uwb定位系统与方法 |
| CN114245334A (zh) * | 2021-12-16 | 2022-03-25 | 西南交通大学 | 融合可计算误差地图和灰狼优化的超宽带室内定位算法 |
| CN114501300A (zh) * | 2021-12-16 | 2022-05-13 | 江苏集萃未来城市应用技术研究所有限公司 | 一种基于空间环境误差模型的分布式定位算法 |
| CN114513272A (zh) * | 2022-01-10 | 2022-05-17 | 广州市中海达测绘仪器有限公司 | 一种上行伪时钟同步tdoa定位方法、电子设备、存储介质和程序产品 |
| CN114577209A (zh) * | 2022-02-14 | 2022-06-03 | 华东师范大学 | 将趋势面分析用于uwb室内定位的方法 |
| CN114584919A (zh) * | 2022-02-14 | 2022-06-03 | 华东师范大学 | 使用插值方法的uwb室内定位系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108226860B (zh) * | 2017-11-24 | 2021-06-22 | 郑州国测智能科技有限公司 | 基于rss的超宽带混合维定位方法及定位系统 |
| 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 |
-
2022
- 2022-07-07 CN CN202210794667.8A patent/CN114859291A/zh active Pending
-
2023
- 2023-02-21 CN CN202310147600.XA patent/CN116299167A/zh active Pending
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000059257A1 (en) * | 1999-03-29 | 2000-10-05 | Qualcomm Incorporated | Method and apparatus for determining the position of a cellular telephone |
| US20180213492A1 (en) * | 2017-01-20 | 2018-07-26 | M2 Robots, Inc. | Ultra-wide band positioning system |
| CN107948920A (zh) * | 2017-12-27 | 2018-04-20 | 合肥工业大学 | 一种基于ads‑twr的井下uwb多基站定位区域判定方法 |
| KR20190129578A (ko) * | 2018-05-11 | 2019-11-20 | (주)와이파이브 | 고정형 앵커 기반 멀티 홉 시각 동기 장치 및 이를 이용한 owr 측위 시스템 |
| CN108761389A (zh) * | 2018-05-24 | 2018-11-06 | 西安科技大学 | 一种抑制nlos时延误差的矿井toa目标定位方法 |
| CN109819396A (zh) * | 2019-01-30 | 2019-05-28 | 北京布科思科技有限公司 | 一种无线定位方法及系统 |
| CN109799479A (zh) * | 2019-03-06 | 2019-05-24 | 珠海格力电器股份有限公司 | 一种时钟定位方法、装置、存储介质及通信系统 |
| CN109946649A (zh) * | 2019-03-24 | 2019-06-28 | 北京工业大学 | 低成本室内狭长环境二维uwb系统定位方法 |
| CN110248310A (zh) * | 2019-06-14 | 2019-09-17 | 华东师范大学 | 一种基于多路径建模的室内定位tdoa处理方法 |
| CN112770268A (zh) * | 2019-10-21 | 2021-05-07 | 珠海格力电器股份有限公司 | 组网定位方法、系统、设备及存储介质 |
| CN110850364A (zh) * | 2019-10-24 | 2020-02-28 | 山西大学 | 一种消除天线延迟误差的uwb定位方法 |
| CN111060869A (zh) * | 2019-12-02 | 2020-04-24 | 中睿通信规划设计有限公司 | 一种智能仓储uhfrfid标签的定位方法和系统 |
| CN110764051A (zh) * | 2019-12-19 | 2020-02-07 | 湖南数格信息科技有限公司 | 一种基于uwb的轨道交通车辆定位方法、服务器及系统 |
| CN111583700A (zh) * | 2020-06-01 | 2020-08-25 | 珠海格力电器股份有限公司 | 定位方法、装置、设备、系统、存储介质和车库导航方法 |
| CN113038377A (zh) * | 2021-02-25 | 2021-06-25 | 大连易飞扬科技有限公司 | 一种基于uwb技术c-twr的井下一维精确定位方法 |
| CN113993205A (zh) * | 2021-10-13 | 2022-01-28 | 武汉理工大学 | 基于数字孪生的uwb定位系统与方法 |
| CN114245334A (zh) * | 2021-12-16 | 2022-03-25 | 西南交通大学 | 融合可计算误差地图和灰狼优化的超宽带室内定位算法 |
| CN114501300A (zh) * | 2021-12-16 | 2022-05-13 | 江苏集萃未来城市应用技术研究所有限公司 | 一种基于空间环境误差模型的分布式定位算法 |
| CN114513272A (zh) * | 2022-01-10 | 2022-05-17 | 广州市中海达测绘仪器有限公司 | 一种上行伪时钟同步tdoa定位方法、电子设备、存储介质和程序产品 |
| CN114577209A (zh) * | 2022-02-14 | 2022-06-03 | 华东师范大学 | 将趋势面分析用于uwb室内定位的方法 |
| CN114584919A (zh) * | 2022-02-14 | 2022-06-03 | 华东师范大学 | 使用插值方法的uwb室内定位系统 |
Non-Patent Citations (7)
| Title |
|---|
| K. ZHAO, G. YANG AND S. ZHU: "Fire Site Map Construction Method Based on UWB Connectivity Fusion", 《2022 4TH INTERNATIONAL CONFERENCE ON NATURAL LANGUAGE PROCESSING (ICNLP)》, pages 575 - 579 * |
| 侯全武, 王坚, 胡洪等: "传感器位置对狭长空间定位精度的影响", 《大地测量与地球动力学》, vol. 33, no. 01, pages 117 - 122 * |
| 刘金宝: "UWB传感器的室内定位应用", 《传感器世界》, vol. 26, no. 11, pages 18 - 25 * |
| 戴波, 吕昕, 刘学君等: "基于改进的超宽带危化品仓储堆垛定位技术", 《上海交通大学学报》, vol. 50, no. 06, pages 963 - 967 * |
| 李敬兆, 吴学琴: "狭长空间无线感知节点布置策略及定位算法", 《安徽理工大学学报(自然科学版)》, vol. 32, no. 4, pages 6 - 9 * |
| 杨燈: "顾及测距误差的UWB定位模型与动态组网技术研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 01, pages 136 - 955 * |
| 蒋志鑫: "室内无线定位技术研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 1, pages 136 - 1818 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114859291A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8837316B2 (en) | RTT based ranging system and method | |
| Whitehouse et al. | A practical evaluation of radio signal strength for ranging-based localization | |
| US8743727B2 (en) | Driving hybrid location services from WLAN stations using access points | |
| US9056767B2 (en) | Dynamic access point based positioning | |
| JP4934441B2 (ja) | 無線ノード位置推定方法、システム、及びその処理装置 | |
| US8233906B2 (en) | Method and arrangement for determination of the radio coverage in a multicell mobile radio system | |
| CN103181224A (zh) | 使用日志数据估计ap位置的方法及其装置和终端 | |
| CN104796185A (zh) | 波束信息获取方法、导频波束发送方法、通信节点及系统 | |
| US10031209B2 (en) | Localization using time-of-flight | |
| CN102665274B (zh) | 传感器网络节点的定位方法及装置 | |
| US9660740B2 (en) | Signal strength distribution establishing method and wireless positioning system | |
| KR20100077654A (ko) | 무선 센서네트워크에서 노드의 위치 추정 방법 | |
| CN116299167A (zh) | 狭长空间定位方法、计算机可读存储介质及计算机设备 | |
| WO2006132721A1 (en) | Method and apparatus for determining the location of a node in a wireless system | |
| US20100265888A1 (en) | Apparatus and method for super fine positioning with networks in tiered structure | |
| JP2011179946A (ja) | 位置推定方法および位置推定システム | |
| Geng et al. | Experimental study on probabilistic ToA and AoA joint localization in real indoor environments | |
| CN102573048B (zh) | 一种移动终端的定位方法、系统及装置 | |
| CN114422938A (zh) | 定位端、目标端及定位方法 | |
| Reghelin et al. | A decentralized location system for sensor networks using cooperative calibration and heuristics | |
| KR20190001386A (ko) | 저전력 블루투스 기반의 실내 측위 방법 및 장치 | |
| CN101902264B (zh) | 802.11无线通信中智能天线的控制方法 | |
| Mageid | Self-correcting localization scheme for vehicle to vehicle communication | |
| CN112822627B (zh) | 多模终端的定位方法、多模终端和计算机可读存储介质 | |
| JP7420033B2 (ja) | プローブ情報送信装置、電波マップ更新装置、電波マップ提供装置、及び電波マップ取得利用装置 |
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 |