CN117148270A - 一种混合环境中的定位方法、装置、设备和介质 - Google Patents
一种混合环境中的定位方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117148270A CN117148270A CN202310929266.3A CN202310929266A CN117148270A CN 117148270 A CN117148270 A CN 117148270A CN 202310929266 A CN202310929266 A CN 202310929266A CN 117148270 A CN117148270 A CN 117148270A
- Authority
- CN
- China
- Prior art keywords
- line
- sight
- error entropy
- relation
- relationship
- 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 80
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000004364 calculation method Methods 0.000 claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 230000000903 blocking effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 4
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请涉及目标定位的技术领域,尤其是涉及一种混合环境中的定位方法、装置、设备和介质,方法包括:基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;然后,基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的第一关系;进而,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系;最终,基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定目标节点的目标位置信息。本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了定位方法在混合环境中的定位精度。
Description
技术领域
本申请涉及目标定位的技术领域,尤其是涉及一种混合环境中的定位方法、装置、设备和介质。
背景技术
在位置感知应用程序中高精度的无线定位是必不可少的,例如,在目标跟踪、导航、灾害管理、救援和智能交通中高精度的定位技术均是异常重要的。针对定位方法而言,早期的目标定位方法主要研究在视距(Line of Sight,LOS)环境下的情况,这类方法只考虑了目标节点与锚节点之间是直线通信,没有任何阻碍物。然而,在室内、地下或在其他恶劣环境中,目标节点与锚节点之间的通信往往会受到很多阻碍物的遮挡,即,目标节点与锚节点之间的信号传播路径为非视距(Non Line of Sight,NLOS)路径,进而,造成锚节点测得的信号传播距离大于目标节点与锚节点之间的真实距离,形成NLOS误差,即,在存在NLOS的环境下定位精度较低。
为了提高在NLOS环境下定位精度,相关技术给出了多种解决方法,在一种情况中,在混合环境中,仅提取LOS传输路径的测量数据进行定位计算,确定目标节点在混合环境中的位置,其中,混合环境为目标节点与锚节点之间同时存在LOS和NLOS的传播情况,然而,仅提取LOS传输路径的测量数据极具挑战性,漏检会导致显著的性能损失。在另一种情况中,基于NLOS误差的先验信息进行目标节点的定位计算,确定目标节点在混合环境中的位置,其中,先验信息包括:概率分布、上界约束和稀疏性,然而,这种定位方法的精度与先验信息的准确度息息相关,一旦NLOS误差的先验信息偏差较大,导致这类定位方法的改进效果不佳,甚至降低了定位精度。
因而,如何提供一种在混合环境中高精度的定位方法是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种混合环境中的定位方法、装置、设备和介质,用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的:
第一方面,本申请提供一种混合环境中的定位方法,采用如下的技术方案:
一种混合环境中的定位方法,包括:
获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
基于飞行速度、每一锚节点对应的所述飞行时间进行节点间距离计算,得到每一所述锚节点和所述目标节点之间的距离测量值;
基于所述距离测量值,确定第一关系,其中,所述第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,所述测量噪声信息是仪器测量飞行时间过程中产生的误差信息,所述非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,所述真实距离信息是通过所述目标节点的目标位置信息与每一所述锚节点的位置信息确定的;获取所述测量噪声信息对应的噪声概率分布和所述非视距误差信息对应的非视距概率分布,并根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,其中,所述联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系;
基于每一所述锚节点对应的位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,其中,所述目标节点的目标位置信息为所述联合误差熵最小时所对应的位置信息。
通过采用上述技术方案,基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;然后,基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的第一关系;进而,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系;最终,基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息。本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了定位方法在混合环境中的定位精度。
本申请在一较佳示例中可以进一步配置为:所述根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,包括:
根据所述噪声概率分布和所述非视距概率分布,确定联合概率分布;
基于所述联合概率分布,以及联合误差熵与概率分布的关系,确定第二关系,其中,所述第二关系为非视距误差熵、噪声误差熵与所述联合误差熵之间的关系;
基于所述第一关系和所述第二关系,确定所述联合误差熵关系。
本申请在一较佳示例中可以进一步配置为:所述联合误差熵与概率分布的关系为:J(n,e)=-log∫∫p2(n,e)dnde,其中,p(n,e)为联合概率分布、J(n,e)为联合误差熵;
所述第二关系为:J(n,e)=J(n)+J(e),J(n)为噪声误差熵,J(e)为非视距误差熵。
本申请在一较佳示例中可以进一步配置为:所述基于所述第一关系和所述第二关系,确定所述联合误差熵关系之前,还包括:
获取多个虚拟锚节点对应的平衡参数,其中,所述虚拟锚节点表征均值为0,方差为噪声方差最小值的虚拟节点;
基于所述平衡参数对所述非视距误差熵进行调整,得到调整后的非视距误差熵;
基于所述调整后的非视距误差熵,确定调整后的第二关系,所述调整后的第二关系为所述调整后的非视距误差熵、所述噪声误差熵与所述联合误差熵之间的关系;
相应的,所述基于所述第一关系和所述第二关系,确定所述联合误差熵关系,包括:
基于所述第一关系和所述调整后的第二关系,确定所述联合误差熵关系。
本申请在一较佳示例中可以进一步配置为:所述基于所述平衡参数对所述非视距误差熵进行调整,得到调整后的非视距误差熵,包括:
基于所述平衡参数按照下述公式对所述非视距误差熵进行调整,得到调整后的非视距误差熵,其中,公式为:
Jλ(e)为调整后的非视距误差熵,λ为平衡参数、N为锚节点个数、ei为目标节点和第i个锚节点之间的非视距误差、ej为目标节点和第j个锚节点之间的非视距误差、σe为非视距方差、G为高斯核函数。
本申请在一较佳示例中可以进一步配置为:所述基于每一所述位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,包括:
针对所述联合误差熵关系进行非指数松弛变换,得到第一松弛联合误差熵关系;
基于所述第一松弛联合误差熵关系进行半正定松弛,得到第二松弛联合误差熵关系;
基于每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息。
本申请在一较佳示例中可以进一步配置为:所述基于每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,包括:
获取预设约束条件;
基于所述预设约束关系、每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息;
所述预设约束条件包括:
g≥0,g为预设辅助向量;
A[xTz]T≤f,A为预设系数矩阵、x为待求解的坐标、z定义为xTx、f为预设条件矩阵;
H为预设辅助矩阵,并定义为gTg;
I2×2为维度为2的单位矩阵;
Hii为H矩阵中第i行第i列的元素、si为第i个锚节点的位置信息;
Hij为H矩阵中第i行第j列的元素、sj为第j个锚节点的位置信息;
HN+i,N+i为H矩阵中第N+i行第N+i列的元素、Hi,N+i为G矩阵中第i行第N+i列的元素、ri为第i个锚节点和目标节点之间的距离测量值、σi为测量噪声方差。
第二方面,本申请提供一种混合环境中的定位装置,采用如下的技术方案:
一种混合环境中的定位装置,包括:
获取模块,用于获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
距离计算模块,用于基于飞行速度、每一锚节点对应的所述飞行时间进行节点间距离计算,得到每一所述锚节点和所述目标节点之间的距离测量值;
关系确定模块,用于基于所述距离测量值,确定第一关系,其中,所述第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,所述测量噪声信息是仪器测量飞行时间过程中产生的误差信息,所述非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,所述真实距离信息是通过所述目标节点的目标位置信息与每一所述锚节点的位置信息确定的;
联合误差熵关系确定模块,用于获取所述测量噪声信息对应的噪声概率分布和所述非视距误差信息对应的非视距概率分布,并根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,其中,所述联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系;
定位计算模块,用于基于每一所述锚节点对应的位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,其中,所述目标节点的目标位置信息为所述联合误差熵最小时所对应的位置信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述的混合环境中的定位方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行上所述的混合环境中的定位方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;然后,基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的第一关系;进而,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系;最终,基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息。本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了定位方法在混合环境中的定位精度。
2.基于多个虚拟锚节点对应的平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵,并基于调整后的非视距误差熵,确定调整后的第二关系,相应的,基于第一关系和调整后的第二关系,确定联合误差熵关系。本申请实施例通过在非视距误差上附加基准零点,即,引入虚拟锚节点来生成额外的测量数据,使得非视距熵对非视距误差均值的敏感性将得到改善。
附图说明
图1是本申请其中一实施例的一种混合环境中的定位方法的流程示意图;
图2是本申请其中一实施例的非视距密集场景下定位性能对比图;
图3是本申请其中一实施例的非视距链路变化情况下性能对比图;
图4是本申请其中一实施例的非视距误差变化情况下性能对比图;
图5是本申请其中一实施例的一种混合环境中的定位装置的结构示意图;
图6是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合图1至图6对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
在存在非视距环境中,定位精度较低,为了提升在混合环境(混合环境为信号在传播过程中,既存在视距路径,又存在非视距路径)中的定位精度,相关技术中给出了多种解决方法,在一种情况中,在混合环境中,仅提取LOS传输路径的测量数据进行定位计算,确定目标节点在混合环境中的位置,然而,仅提取LOS传输路径的测量数据极具挑战性,漏检会导致显著的性能损失,并不能很好地解决在混合环境中定位精度低的问题。在另一种情况中,基于NLOS误差的先验信息进行目标节点的定位计算,确定目标节点在混合环境中的位置,其中,先验信息包括:概率分布、上界约束和稀疏性,然而,这种定位方法需要提前确定非视距误差的先验信息,操作较为复杂,且,这种定位方法的精度与先验信息的准确度息息相关,一旦非视距误差的先验信息偏差较大,导致这类定位方法的改进效果不佳,甚至降低了定位精度。
为了解决上述技术问题,本申请实施例提供了一种混合环境中的定位方法,本申请实施例的定位方法中综合考虑了混合环境中的非视距误差,但并非以先验信息的形式进行定位计算,本申请实施例中引入最小联合误差熵准则进行定位计算,容易理解的是,基于最小联合误差熵准则能够给到非视距误差的一个约束,以使得不需要提前获知先验信息。因而,本申请实施例在进行定位计算时综合考虑了非视距误差,提高了在混合环境中的定位精度。
本申请实施例提供了一种混合环境中的定位方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是任一锚节点,但并不局限于此,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105,其中:
步骤S101:获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
步骤S102:基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值。
对于本申请实施例,所有锚节点和目标节点的位置信息均为坐标形式,即,基于同一参考坐标系下的位置坐标来表示锚节点和目标节点的位置信息。从目标节点发射无线信号起至每一锚节点接收到无线信号时所经历的时间,记为每一锚节点的飞行时间,进而,基于飞行速度与每一锚节点对应的飞行时间相乘,得到每一锚节点和目标节点之间的距离测量值,其中,飞行速度为光速。当电子设备为物理服务器时,电子设备以无线通信的方式获取多个锚节点各自对应的位置信息,并能够获取到信号从目标节点发出的发出时刻和锚节点接收到的接收时刻,基于发出时刻和接收时刻确定飞行时间。当电子设备为锚节点时,电子设备能够获取到信号从目标节点发出的发出时刻,基于发出时刻和接收时刻确定飞行时间。
步骤S103:基于距离测量值,确定第一关系,其中,第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,测量噪声信息是仪器测量飞行时间过程中产生的误差信息,非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,真实距离信息是通过目标节点的目标位置信息与每一锚节点的位置信息确定的。
对于本申请实施例,无线信号在实际传播过程中,由于目标节点和锚节点之间存在阻挡物,使得基于飞行时间和飞行速度计算的距离测量值与真实距离存在较大误差,记为非视距误差,其中,真实距离为目标节点和锚节点间的实际距离,与此同时,仪器在测量飞行时间过程中也会存在误差,记为测量噪声。在实际应用过程中,倘若未考虑非视距误差和测量噪声的定位的影响,会使得定位方法的定位精度较低。然而,本申请实施例在计算目标节点的定位信息时,综合考虑了非视距误差和测量噪声,极大程度上提升了定位方法的定位精度。
具体的,基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的关系,即,确定第一关系。其中,第一关系如下述公式(1)所示:
ri=di+ei+ni,di=‖x-si‖,i=1,…,N; (1)
其中,ri为目标节点和第i个锚节点的距离测量值、di为目标节点和第i个锚节点的真实距离、ei为目标节点和第i个锚节点的非视距误差、ni为目标节点和第i个锚节点的测量噪声、x为目标节点的目标位置信息、si为第i个锚节点的位置信息,并且,di、x和si存在关系,符号“‖‖”为求欧几里德范数符号。需要注意的是,目标节点和每一锚节点之间会存在非视距误差,故ei≥0,由于无线信号传播路径不同,故针对每一锚节点对应的ei均不同;测量噪声是由于测量仪器而产生的误差,每一次测量都不尽相同,因而,ni均不同。
步骤S104:获取测量噪声信息对应的噪声概率分布和非视距误差信息对应的非视距概率分布,并根据噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系,其中,联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系。
对于本申请实施例,噪声概率分布和非视距概率分布均采用Parzen windows方法确定的,非视距概率分布如下述公式(2)所示:
噪声概率分布如下述公式(3)所示:
其中,p(e)为非视距概率分布、p(n)为噪声概率分布、N为锚节点个数、σe为非视距误差方差、σi为噪声方差、G为高斯核函数,其中,
进而,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系,具体地,在本申请实施例中,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系,具体可以包括:基于噪声概率分布和非视距概率分布,确定联合概率分布,然后,基于联合概率分布、以及联合误差熵与概率分布的关系,确定非视距误差熵、噪声误差熵与联合误差熵之间的关系,记为第二关系,然后,基于第一关系和第二关系,确定联合误差熵关系,其中,联合误差熵关系如下述公式(4)所示:
J(n,e)=J(n)+J(e) ; (4)
其中,J(n,e)为联合误差熵,J(n)为噪声误差熵,J(e)为非视距误差熵。
步骤S105:基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定目标节点的目标位置信息,其中,目标节点的目标位置信息为联合误差熵最小时所对应的位置信息。
对于本申请实施例,联合误差熵关系如下述公式(4)所示:
J(n,e)=J(n)+J(e) ; (4),
其中,噪声误差熵如下述公式(5)所示:
非视距误差熵如下述公式(6)所示:
基于上述公式(5)和公式(6),确定联合误差熵关系如下述公式(7)所示:
其中,测量噪声信息、非视距误差信息以及真实距离信息之间的关系为第一关系,如下述公式(1)所示:ri=di+ei+ni,di=‖x-si‖ (1)。
因而,联合误差熵关系为包括待求的目标节点的位置坐标的关系,故,基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,将联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息,即,等价于进行如下述公式(8)的求解:
本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了在混合环境中的定位精度。
可见,在本申请实施例中,基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;然后,基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的第一关系;进而,基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系;最终,基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息。本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了定位方法在混合环境中的定位精度。
进一步的,为了提高定位方法在混合环境中的定位精度,在本申请实施例中,根据噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系,包括:
根据噪声概率分布和非视距概率分布,确定联合概率分布;
基于联合概率分布,以及联合误差熵与概率分布的关系,确定第二关系,其中,第二关系为非视距误差熵、噪声误差熵与联合误差熵之间的关系;
基于第一关系和第二关系,确定联合误差熵关系。
对于本申请实施例,在确定联合概率分布时,由于非视距误差和测量噪声是两个独立的误差变量,因而,联合概率分布为噪声概率分布和非视距概率分布的乘积,联合概率分布如下述公式(9)所示:
p(n,e)=p(n)p(e); (9)
其中,p(n,e)为联合概率分布。然后,基于联合概率分布,以及联合误差熵与概率分布的关系,按照下述公式(10)和公式(11)进行计算,确定第二关系。
J(n,e)=-log∫∫p2(n,e)dnde; (10)
J(n,e)=-log∫∫p2(n,e)dnde=J(n)+J(e); (11)
因而,非视距误差熵、噪声误差熵与联合误差熵之间的第二关系为:J(n,e)=J(n)+J(e)。
可见,在本申请实施例中,基于噪声概率分布和非视距概率分布,确定联合概率分布,并基于联合概率分布,以及联合误差熵与概率分布的关系,确定非视距误差熵、噪声误差熵与联合误差熵之间的第二关系,最终,基于第一关系和第二关系,确定联合误差熵关系。本申请实施例创造性地提出联合误差熵,并引入到锚节点网络的定位问题,综合考虑了混合环境中的非视距误差和测量噪声,提高了定位方法在混合环境中的定位精度。
进一步的,在本申请实施例中,联合误差熵与概率分布的关系为:
J(n,e)=-log∫∫p2(n,e)dnde,其中,p(n,e)为联合概率分布、J(n,e)为联合误差熵;
第二关系为:J(n,e)=J(n)+J(e),J(n)为噪声误差熵,J(e)为非视距误差熵。
对于本申请实施例,联合误差熵与概率分布的关系为:J(n,e)=-log∫∫p2(n,e)dnde,且,由于非视距误差和测量噪声是两个独立的误差变量,故,p(n,e)=p(n)p(e),并将联合概率分布代入联合误差熵与概率分布的关系,确定J(n,e)=-log∫∫p2(n)p2(e)dnde,进而,确定J(n,e)=-log∫∫p2(n)p2(e)dnde=-log∫∫p2(n)dn-log∫∫p2(e)de,其中,根据二次熵的公式可知:J(n)=-log∫∫p2(n)dn,J(e)=-log∫∫p2(e)de。因而,确定第二关系为:J(n,e)=J(n)+J(e)。
进一步的,为了使得非视距熵对非视距误差均值的敏感性将得到改善,在本申请实施例中,基于第一关系和第二关系,确定联合误差熵关系之前,还包括:
获取多个虚拟锚节点对应的平衡参数,其中,虚拟锚节点表征均值为零,方差为噪声方差最小值的虚拟节点;
基于平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵;
基于调整后的非视距误差熵,确定调整后的第二关系,调整后的第二关系为调整后的非视距误差熵、噪声误差熵与联合误差熵之间的关系;
相应的,基于第一关系和第二关系,确定联合误差熵关系,包括:
基于第一关系和调整后的第二关系,确定联合误差熵关系。
对于本申请实施例,在进行定位计算时,非视距误差的均值越小,则定位的精度越高,然而,根据公式(6)可知,非视距误差熵对非视距误差的差值较为敏感,但是,对非视距误差的均值不敏感。即,非视距误差熵如下述公式(6)所示:
J(e)的值与ej-ei相关,故,非视距误差熵对非视距误差的差值较为敏感,但对非视距误差的均值不敏感。因而,本申请实施例通过在非视距误差上附加基准零点,即,引入虚拟锚节点来生成额外的测量数据,使得非视距熵对非视距误差均值的敏感性将得到改善。
具体的,引入虚拟锚节点来生成额外的测量数据,其中,虚拟锚节点是人为添加的虚拟锚节点,虚拟锚节点与发射无线信号的信号源的距离为零,因而,虚拟锚节点的非视距误差为零、均值为零,噪声方差为噪声方差的最小值。添加多个虚拟锚节点会对非视距误差熵产生影响,因而,基于平衡参数调整非视距误差熵,得到调整后的非视距误差熵,其中,平衡参数的大小与虚拟锚节点的数量相关,平衡参数选择的原则是:在少数链路是非视距的稀疏场合,确定平衡参数为1;在大多数链路都是非视距的密集场合,确定平衡参数为0.5。进而,基于调整后的非视距误差熵,确定调整后的第二关系,相应的,基于第一关系和调整后的第二关系,确定联合误差熵关系。引入虚拟锚节点来生成额外的测量数据,使得非视距熵对非视距误差均值的敏感性将得到改善,进而,基于第一关系和调整后的第二关系确定联合误差熵关系进行定位计算,提高了在混合环境中的定位精度。
可见,在本申请实施例中,基于多个虚拟锚节点对应的平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵,并基于调整后的非视距误差熵,确定调整后的第二关系,相应的,基于第一关系和调整后的第二关系,确定联合误差熵关系。本申请实施例通过在非视距误差上附加基准零点,即,引入虚拟锚节点来生成额外的测量数据,使得非视距熵对非视距误差均值的敏感性将得到改善。
进一步的,在本申请实施例中,基于平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵,包括:
基于平衡参数按照下述公式对非视距误差熵进行调整,得到调整后的非视距误差熵,其中,公式为:
Jλ(e)为调整后的非视距误差熵,λ为平衡参数、N为锚节点个数、ei为目标节点和第i个锚节点之间的非视距误差、ej为目标节点和第j个锚节点之间的非视距误差、σe为非视距方差、G为高斯核函数。
对于本申请实施例,插入一个虚拟锚节点后,非视距误差熵由公式(6)变换成如下述公式(12)所示:
进而,当插入多个虚拟锚节点时,基于平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵,其中,平衡参数的大小用户可以根据环境的具体情况进行选择,即,调整后的非视距误差熵如下述公式(13)所示:
进一步的,为了缓解棘手的指数优化问题,使得在进行定位计算时,求解更加方便,在本申请实施例中,基于每一位置信息、联合误差熵关系进行定位计算,确定目标节点的目标位置信息,包括:
针对联合误差熵关系进行非指数松弛变换,得到第一松弛联合误差熵关系;
基于第一松弛联合误差熵关系进行半正定松弛,得到第二松弛联合误差熵关系;
基于每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息。
对于本申请实施例,基于公式(7)和公式(13),确定添加虚拟锚节点后的联合误差熵关系下述公式(14)所示:
进而,基于每一位置信息、联合误差熵关系进行定位计算,将联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息,即,如下述公式(15)所示:
公式(15)中存在着大量的指数和对数运算,倘若直接基于公式(15)进行定位计算是很困难的,因而,为了简化计算过程,将最小化问题等价转化为最大化问题,同时去掉常数项,如下述公式(16)所示:
然后,为了使得公式(16)能够更加容易求解,本申请针对联合误差熵关系进行了两步松弛,将原始的指数型非凸优化问题转化为可以有效求解的SDP问题。首先,针对公式(16)进行非指数松弛变换,得到第一松弛联合误差熵关系,其中,第一松弛联合误差熵关系如下述公式(17)所示:
具体的,在进行非指数松弛变换时,使用Jessen不等式,将公式(16)中的放宽为:/>将公式(16)中的/> 放宽为:/>并将放宽后的两者进行加和得到第一松弛联合误差熵关系。通过压缩映射和不动点定理可以证明,公式(17)与公式(16)有相同的最优解。
进一步的,由于第一松弛联合误差熵关系仍然为非凸问题不便于求解,因而,采用半正定松弛(SDR)技术将第一松弛联合误差熵关系转化为具有仿射目标函数和两个复合优化项的SDP问题。进而,在进行半正定松弛时,引入预设辅助向量g、预设辅助矩阵H和C,确定第二松弛联合误差熵关系,其中,第二松弛联合误差熵关系如下述公式(18)所示:
其中,g为预设辅助向量,定义为:g=[d1,d2,...,dN,e1,e2,...,eN]T;H为预设辅助矩阵,定义为gTg;C为预设辅助矩阵,定义为:B=[IN,IN],IN为单位矩阵的第i行,/>r为距离测量值的向量;tr为取矩阵的迹。
然后,基于每一位置信息、第二松弛联合误差熵关系进行定位计算,将最终求解出的x作为目标节点的目标位置信息,其中,定位计算如下述公式(19)所示:
可见,在本申请实施例中,基于联合误差熵关系进行非指数松弛变换,得到第一松弛联合误差熵关系,并基于第一松弛联合误差熵关系进行半正定松弛,得到第二松弛联合误差熵关系,最终,基于每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息。本申请实施例利用非指数松弛变换和半正定松弛,缓解棘手的指数优化问题,使得在进行定位计算时,求解更加方便。
进一步的,为了进一步提高定位方法的定位精度,在本申请实施例中,基于每一位置信息、目标节点的目标位置信息进行定位计算,确定目标节点的目标位置信息,包括:
获取预设约束条件;
基于预设约束关系、每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息;
预设约束条件包括:
g≥0,g为预设辅助向量;
A[xTz]T≤f,A为预设系数矩阵、x为待求解的坐标、z定义为xTx、f为预设条件矩阵;
H为预设辅助矩阵,并定义为gTg;
I2×2为维度为2的单位矩阵;
Hii为H矩阵中第i行第i列的元素、si为第i个锚节点的位置信息;
Hij为H矩阵中第i行第j列的元素、sj为第j个锚节点的位置信息;
Hii+HN+i,N+i+2Hi,N+i≤ri 2+4riσi,i=1,…,N,HN+i,N+i为H矩阵中第N+i行第N+i列的元素、Hi,N+i为G矩阵中第i行第N+i列的元素、ri为第i个锚节点和目标节点之间的距离测量值、σi为测量噪声方差。
对于本申请实施例,在进行定位计算时加入一些有效的约束条件,能够进一步提高定位方法的定位精度,因而,基于预设约束关系、每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息。预设约束条件包括:g≥0,A[xTz]T≤f,
具体的,针对g≥0约束条件而言,g为预设辅助向量,定义为:g=[d1,d2,...,dN,e1,e2,...,eN]T,g向量长度为2N,其中,ei为目标节点和第i个锚节点之间的非视距误差、di为目标节点和第i个锚节点之间的真实距离;针对A[xTz]T≤f约束条件而言,A为预设系数矩阵,定义为:si为第i个锚节点的位置信息,f为预设条件矩阵,定义为:ri为目标节点和第i个锚节点之间的距离测量值。针对di=‖x-si‖两边平方得到如下约束条件:/>基于三角不等式得到如下边长约束条件:/>基于第一关系可知di+ei=ri-ni,进一步可推导出以下不等式:di+ei≤ri,i=1,…,N,并将不等式两边平方,得到以下初始约束条件:/>然而,当测量噪声ni为负值时,初始约束条件无效,因而,在初始约束条件的右侧添加一个正的常数ui,使得初始约束条件稍微宽松一些,其中,因此,基于初始约束条件和常数ui,确定最终的约束条件为:
可见,在本申请实施例中,基于预设约束关系、每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息,本申请实施例在进行定位计算时,添加了一些有效的约束条件,能够进一步提高定位方法的定位精度。
本申请实施例针对基于联合误差熵最小化求解定位信息的方法进行了数据仿真测试,根据仿真结果可知,联合误差熵最小化定位方法具有很强的鲁棒性,且,效果优于基于非视距误差先验信息的各种定位方法,仿真数据如图2至图4所示。图2为非视距密集场景下定位性能对比图,横轴σ为测量噪声方差,纵轴RMSE定义为误差均方值;图3为非视距链路变化情况下性能对比图,横轴Nn定义为在测验总数为8个链路中非视距链路的数量,纵轴RMSE定义为误差均方值;图4为非视距误差变化情况下性能对比图,横轴Bmax定义为用于测验的非视距误差的最大值,纵轴RMSE定义为误差均方值。在图2至图4中,AML表征原始极大似然法的定位方法、BL表征平衡因子法的定位方法、SPA表征稀疏正则化法的定位方法、SOCPR表征基于上界的鲁棒优化法的定位方法、SMEE表征本申请实施例中最小联合误差熵的定位方法。根据图2至图4可知,本申请实施例的最小联合误差熵的定位方法具有很好的性能优势,并且具有适配多种场景的良好的鲁棒性。
上述实施例从方法流程的角度介绍一种混合环境中的定位方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种混合环境中的定位装置,具体详见下述实施例。
本申请实施例提供一种混合环境中的定位装置200,如图5所示,该混合环境中的定位装置200具体可以包括:
获取模块210,用于获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
距离计算模块220,用于基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;
关系确定模块230,用于基于距离测量值,确定第一关系,其中,第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,测量噪声信息是仪器测量飞行时间过程中产生的误差信息,非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,真实距离信息是通过目标节点的目标位置信息与每一锚节点的位置信息确定的;
联合误差熵关系确定模块240,用于获取测量噪声信息对应的噪声概率分布和非视距误差信息对应的非视距概率分布,并根据噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系,其中,联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系;定位计算模块250,用于基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定目标节点的目标位置信息,其中,目标节点的目标位置信息为联合误差熵最小时所对应的位置信息。
对于本申请实施例,距离计算模块220能够基于飞行速度、每一锚节点对应的飞行时间进行节点间距离计算,得到每一锚节点和目标节点之间的距离测量值;然后,关系确定模块230能够基于距离测量值,确定测量噪声信息、非视距误差信息以及真实距离信息之间的第一关系;进而,联合误差熵关系确定模块240能够基于噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系;最终,定位计算模块250能够基于每一锚节点对应的位置信息、联合误差熵关系进行定位计算,确定联合误差熵最小时所对应的位置信息作为目标节点的目标位置信息。本申请实施例的定位方法中综合考虑了混合环境中的非视距误差和测量噪声,并基于最小联合误差熵准则进行定位计算,提高了定位方法在混合环境中的定位精度。
本申请实施例的一种可能的实现方式,联合误差熵关系确定模块240在执行根据噪声概率分布、非视距概率分布以及第一关系,确定联合误差熵关系时,用于:
根据噪声概率分布和非视距概率分布,确定联合概率分布;
基于联合概率分布,以及联合误差熵与概率分布的关系,确定第二关系,其中,第二关系为非视距误差熵、噪声误差熵与联合误差熵之间的关系;
基于第一关系和第二关系,确定联合误差熵关系。
本申请实施例的一种可能的实现方式,联合误差熵与概率分布的关系为:J(n,e)=-log∫∫p2(n,e)dnde,其中,p(n,e)为联合概率分布、J(n,e)为联合误差熵;
第二关系为:J(n,e)=J(n)+J(e),J(n)为噪声误差熵,J(e)为非视距误差熵。
本申请实施例的一种可能的实现方式,混合环境中的定位装置200,还包括:
非视距误差熵调整模块,用于获取多个虚拟锚节点对应的平衡参数,其中,虚拟锚节点表征均值为零,方差为噪声方差最小值的虚拟节点;
基于平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵;
基于调整后的非视距误差熵,确定调整后的第二关系,调整后的第二关系为调整后的非视距误差熵、噪声误差熵与联合误差熵之间的关系;
相应的,联合误差熵关系确定模块240在执行基于第一关系和第二关系,确定联合误差熵关系时,用于:
基于第一关系和调整后的第二关系,确定联合误差熵关系。
本申请实施例的一种可能的实现方式,非视距误差熵调整模块在执行基于平衡参数对非视距误差熵进行调整,得到调整后的非视距误差熵时,用于:
基于平衡参数按照下述公式对非视距误差熵进行调整,得到调整后的非视距误差熵,其中,公式为:
Jλ(e)为调整后的非视距误差熵,λ为平衡参数、N为锚节点个数、ei为目标节点和第i个锚节点之间的非视距误差、ej为目标节点和第j个锚节点之间的非视距误差、σe为非视距方差、G为高斯核函数。
本申请实施例的一种可能的实现方式,非视距误差熵调整模块在执行基于每一位置信息、联合误差熵关系进行定位计算,确定目标节点的目标位置信息时,用于:
针对联合误差熵关系进行非指数松弛变换,得到第一松弛联合误差熵关系;
基于第一松弛联合误差熵关系进行半正定松弛,得到第二松弛联合误差熵关系;
基于每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息。
本申请实施例的一种可能的实现方式,非视距误差熵调整模块在执行基于每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息时,用于:
获取预设约束条件;
基于预设约束关系、每一位置信息、第二松弛联合误差熵关系进行定位计算,确定目标节点的目标位置信息;
预设约束条件包括:
g≥0,g为预设辅助向量;
A[xTz]T≤f,A为预设系数矩阵、x为待求解的坐标、z定义为xTx、f为预设条件矩阵;
H为预设辅助矩阵,并定义为gTg;
I2×2为维度为2的单位矩阵;
Hii为H矩阵中第i行第i列的元素、si为第i个锚节点的位置信息;
Hij为H矩阵中第i行第j列的元素、sj为第j个锚节点的位置信息;
HN+i,N+i为H矩阵中第N+i行第N+i列的元素、Hi,N+i为G矩阵中第i行第N+i列的元素、ri为第i个锚节点和目标节点之间的距离测量值、σi为测量噪声方差。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种混合环境中的定位装置200的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图6所示,图6所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种混合环境中的定位方法,其特征在于,包括:
获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
基于飞行速度、每一锚节点对应的所述飞行时间进行节点间距离计算,得到每一所述锚节点和所述目标节点之间的距离测量值;
基于所述距离测量值,确定第一关系,其中,所述第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,所述测量噪声信息是仪器测量飞行时间过程中产生的误差信息,所述非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,所述真实距离信息是通过所述目标节点的目标位置信息与每一所述锚节点的位置信息确定的;
获取所述测量噪声信息对应的噪声概率分布和所述非视距误差信息对应的非视距概率分布,并根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,其中,所述联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系;
基于每一所述锚节点对应的位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,其中,所述目标节点的目标位置信息为所述联合误差熵最小时所对应的位置信息。
2.根据权利要求1所述的混合环境中的定位方法,其特征在于,所述根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,包括:
根据所述噪声概率分布和所述非视距概率分布,确定联合概率分布;
基于所述联合概率分布,以及联合误差熵与概率分布的关系,确定第二关系,其中,所述第二关系为非视距误差熵、噪声误差熵与所述联合误差熵之间的关系;
基于所述第一关系和所述第二关系,确定所述联合误差熵关系。
3.根据权利要求2所述的方法,其特征在于,所述联合误差熵与概率分布的关系为:
J(n,e)=-log∫∫p2(n,e)dnde,其中,p(n,e)为联合概率分布、J(n,e)为联合误差熵;
所述第二关系为:J(n,e)=J(n)+J(e),J(n)为噪声误差熵,J(e)为非视距误差熵。
4.根据权利要求2所述的混合环境中的定位方法,其特征在于,所述基于所述第一关系和所述第二关系,确定所述联合误差熵关系之前,还包括:
获取多个虚拟锚节点对应的平衡参数,其中,所述虚拟锚节点表征均值为零,方差为噪声方差最小值的虚拟节点;
基于所述平衡参数对所述非视距误差熵进行调整,得到调整后的非视距误差熵;
基于所述调整后的非视距误差熵,确定调整后的第二关系,所述调整后的第二关系为所述调整后的非视距误差熵、所述噪声误差熵与所述联合误差熵之间的关系;
相应的,所述基于所述第一关系和所述第二关系,确定所述联合误差熵关系,包括:
基于所述第一关系和所述调整后的第二关系,确定所述联合误差熵关系。
5.根据权利要求4所述的混合环境中的定位方法,其特征在于,所述基于所述平衡参数对所述非视距误差熵进行调整,得到调整后的非视距误差熵,包括:
基于所述平衡参数按照下述公式对所述非视距误差熵进行调整,得到调整后的非视距误差熵,其中,公式为:
Jλ(e)为调整后的非视距误差熵,λ为平衡参数、N为锚节点个数、ei为目标节点和第i个锚节点之间的非视距误差、ej为目标节点和第j个锚节点之间的非视距误差、σe为非视距方差、G为高斯核函数。
6.根据权利要求4所述的方法,其特征在于,所述基于每一所述位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,包括:
针对所述联合误差熵关系进行非指数松弛变换,得到第一松弛联合误差熵关系;
基于所述第一松弛联合误差熵关系进行半正定松弛,得到第二松弛联合误差熵关系;
基于每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息。
7.根据权利要求6所述的方法,其特征在于,所述基于每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,包括:
获取预设约束条件;
基于所述预设约束关系、每一所述位置信息、所述第二松弛联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息;
所述预设约束条件包括:
g≥0,g为预设辅助向量;
A[xTz]T≤f,A为预设系数矩阵、x为待求解的坐标、z定义为xTx、f为预设条件矩阵;
H为预设辅助矩阵,并定义为gTg;
I2×2为维度为2的单位矩阵;
Hii为H矩阵中第i行第i列的元素、si为第i个锚节点的位置信息;
Hij为H矩阵中第i行第j列的元素、sj为第j个锚节点的位置信息;
HN+i,N+i为H矩阵中第N+i行第N+i列的元素、Hi,N+i为G矩阵中第i行第N+i列的元素、ri为第i个锚节点和目标节点之间的距离测量值、σi为测量噪声方差。
8.一种混合环境中的定位装置,其特征在于,包括:
获取模块,用于获取多个锚节点各自对应的位置信息,并获取信号从目标节点至每一锚节点的飞行时间;
距离计算模块,用于基于飞行速度、每一锚节点对应的所述飞行时间进行节点间距离计算,得到每一所述锚节点和所述目标节点之间的距离测量值;
关系确定模块,用于基于所述距离测量值,确定第一关系,其中,所述第一关系为测量噪声信息、非视距误差信息以及真实距离信息之间的关系,所述测量噪声信息是仪器测量飞行时间过程中产生的误差信息,所述非视距误差信息是由于目标节点与每一锚节点之间存在阻挡产生的误差信息,所述真实距离信息是通过所述目标节点的目标位置信息与每一所述锚节点的位置信息确定的;
联合误差熵关系确定模块,用于获取所述测量噪声信息对应的噪声概率分布和所述非视距误差信息对应的非视距概率分布,并根据所述噪声概率分布、所述非视距概率分布以及所述第一关系,确定联合误差熵关系,其中,所述联合误差熵关系用于表征联合误差熵与目标节点的位置信息之间的关系;
定位计算模块,用于基于每一所述锚节点对应的位置信息、所述联合误差熵关系进行定位计算,确定所述目标节点的目标位置信息,其中,所述目标节点的目标位置信息为所述联合误差熵最小时所对应的位置信息。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的混合环境中的定位方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的混合环境中的定位方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023104671979 | 2023-04-25 | ||
CN202310467197 | 2023-04-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117148270A true CN117148270A (zh) | 2023-12-01 |
Family
ID=88885089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310929266.3A Pending CN117148270A (zh) | 2023-04-25 | 2023-07-26 | 一种混合环境中的定位方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148270A (zh) |
-
2023
- 2023-07-26 CN CN202310929266.3A patent/CN117148270A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109283562B (zh) | 一种车联网中车辆三维定位方法及装置 | |
CN107784671B (zh) | 一种用于视觉即时定位与建图的方法与系统 | |
US20120309336A1 (en) | Information processing apparatus and correction method | |
US9660740B2 (en) | Signal strength distribution establishing method and wireless positioning system | |
CN109696153B (zh) | Rtk倾斜测量精度检测方法和系统 | |
CN112394383A (zh) | 一种卫星与5g基站组合定位方法及装置 | |
CN110686610B (zh) | 基于自适应网格的光学变形测量方法及电子设备 | |
CN114449439A (zh) | 一种地下管廊空间的定位方法及装置 | |
KR102248758B1 (ko) | 무선 센서 네트워크에서 Approximated Weighted Least Square (WLS)를 사용한 RSS/AOA 측정치 혼합 표적 위치 추정 기법 | |
CN110631499B (zh) | 基于无网格方法的数字图像变形测量方法及电子设备 | |
CN112782732A (zh) | 一种基于粒子群算法的导航信号解析方法及计算机存可读介质 | |
CN110673114B (zh) | 校准三维相机深度的方法、装置、计算机装置及存储介质 | |
WO2017049914A1 (zh) | 一种终端定位方法、装置及系统 | |
CN117148270A (zh) | 一种混合环境中的定位方法、装置、设备和介质 | |
US20200132800A1 (en) | Method and apparatus for estimating location of signal source | |
CN116819561A (zh) | 一种点云数据匹配方法、系统、电子设备及存储介质 | |
CN113870600B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN113640791B (zh) | 一种基于距离和瞬时速度的空间目标三维姿态重构方法 | |
US11978158B2 (en) | Determining minimum region for finding planar surfaces | |
CN115835374A (zh) | 确定移动设备的位置的方法和定位引擎 | |
CN111435168B (zh) | 一种定位方法及装置 | |
CN113034562B (zh) | 用于优化深度信息的方法和装置 | |
CN110207699B (zh) | 一种定位方法和装置 | |
WO2022054257A1 (ja) | 測位システム、測位方法、および、測位プログラム | |
CN117194854B (zh) | 基于改进Chan算法的三维定位方法和装置 |
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 |