CN117545070B - 一种适用于室内遮挡环境下的uwb高精度定位方法 - Google Patents

一种适用于室内遮挡环境下的uwb高精度定位方法 Download PDF

Info

Publication number
CN117545070B
CN117545070B CN202410026276.0A CN202410026276A CN117545070B CN 117545070 B CN117545070 B CN 117545070B CN 202410026276 A CN202410026276 A CN 202410026276A CN 117545070 B CN117545070 B CN 117545070B
Authority
CN
China
Prior art keywords
base station
los
uwb
uwb base
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.)
Active
Application number
CN202410026276.0A
Other languages
English (en)
Other versions
CN117545070A (zh
Inventor
文学东
李俊峰
廖佳
张昊
陈立波
许建宣
林昀
李彬
陈屹
谢莉莉
李阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Institute Of Surveying And Mapping And Remote Sensing Technology
Ningbo Yuanxiang Technology Co ltd
Ningbo Alatu Digital Technology Co ltd
Original Assignee
Ningbo Institute Of Surveying And Mapping And Remote Sensing Technology
Ningbo Yuanxiang Technology Co ltd
Ningbo Alatu Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Institute Of Surveying And Mapping And Remote Sensing Technology, Ningbo Yuanxiang Technology Co ltd, Ningbo Alatu Digital Technology Co ltd filed Critical Ningbo Institute Of Surveying And Mapping And Remote Sensing Technology
Priority to CN202410026276.0A priority Critical patent/CN117545070B/zh
Publication of CN117545070A publication Critical patent/CN117545070A/zh
Application granted granted Critical
Publication of CN117545070B publication Critical patent/CN117545070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S5/0009—Transmission of position information to remote stations
    • G01S5/0081—Transmission between base stations
    • 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
    • H04W4/021—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
    • H04W4/02—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
    • 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

Abstract

本发明涉及一种适用于室内遮挡环境下的UWB高精度定位方法，通过绘制室内空间二维平面图并在该二维平面图中分别标注出各UWB基站的坐标位置，建立已部署各UWB基站的UWB基站LOS/NLOS区域信息图谱，根据针对定位终端在当前时刻的上一时刻的定位结果及UWB基站LOS/NLOS区域信息图谱，在部署的所有UWB基站中挑选出所有LOS基站，分别获取所有LOS基站中各LOS基站的测距值，构建抗差自适应因子，利用所有LOS基站测距值及抗差自适应因子构建抗差自适应扩展卡尔曼滤波模型，且当挑选出的所有LOS基站数量大于3时，利用抗差自适应扩展卡尔曼滤波模型解算定位终端位置；否则，利用历史轨迹约束解算定位终端位置，从而实现在室内遮挡环境下的UWB高精度定位。

Description

一种适用于室内遮挡环境下的UWB高精度定位方法
技术领域
本发明涉及定位领域，尤其涉及一种适用于室内遮挡环境下的UWB高精度定位方法。
背景技术
随着科技进步和对位置服务需求的增加，定位技术在技术手段、定位精度以及可用性等方面均取得了很大的飞越。在室外，全球导航卫星系统（GNSS）在室外开放区域的定位方面取得了巨大成功，通过各种辅助技术已基本满足人们在室外场景中对位置服务的需求。但在占人们日常活动较多比重的室内环境下，由于空间环境遮挡会造成GNSS信号衰减严重，使得GNSS无法提供连续可靠的定位，特别在室内较深的区域，GNSS信号甚至可能被完全阻断。因此，适用于室内环境特点的定位技术得到广泛的研究。
得益于电子制造工艺和通信技术的不断发展与普及，室内定位技术方式层出不穷。相比于其他射频定位技术，超宽带（Ultra Wideband, UWB）因自身具有纳秒级非正弦波窄脉冲的特性以及高速的数据传输，可实现厘米级的测距精度，同时，还具备穿透性强、功耗低、抗干扰能力强等诸多优点，因此，UWB定位技术成为了实现室内高精度定位的首选方案。
在面对室内复杂的空间结构和多变的空间环境，UWB会受到非视距（non-line-of-sight, NLOS）和多径效应等多种因素影响，增长信号飞行时间，导致测距值产生严重误差，直接降低UWB定位精度。虽然常规会采用基于多传感器信息融合的方式来解决NLOS问题，以在一定程度上提高定位精度，但是采用多个传感器进行融合无疑会增加设备的硬件成本，且从本质上并未解决UWB在NLOS情况下的测距误差。
因此，如何降低UWB在NLOS情况下的测距误差，提高定位精度，成为UWB高定位领域亟需要解决的一个技术问题。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种适用于室内遮挡环境下的UWB高精度定位方法。
本发明解决上述技术问题所采用的技术方案为：一种适用于室内遮挡环境下的UWB高精度定位方法，其特征在于，包括如下步骤：
步骤1，在室内空间中预先部署多个UWB基站且获取该室内空间结构信息，以及将室内空间预定位置设置为坐标原点，绘制以该坐标原点为基准且反映该室内空间结构信息的室内空间二维平面图；
步骤2，利用全站仪打点的测量方法获取室内空间中已部署的各UWB基站相对于坐标原点的水平距离，并在室内空间二维平面图中分别标注出各UWB基站相对于坐标原点的坐标位置；
步骤3，建立能够区分已部署各UWB基站LOS区域和NLOS区域的UWB基站LOS/NLOS区域信息图谱；
步骤4，在定位过程中，根据针对定位终端在当前时刻的上一时刻的定位结果以及已建立的UWB基站LOS/NLOS区域信息图谱，在室内空间中已部署的所有UWB基站中挑选出所有LOS基站，分别获取该所有LOS基站中每一个LOS基站的测距值；其中，LOS基站的测距值为LOS基站到定位终端在当前时刻所处位置的直线距离；
步骤5，构建针对抗差自适应扩展卡尔曼滤波的抗差自适应因子；
步骤6，利用获取的所有LOS基站的测距值以及构建的抗差自适应因子，构建抗差自适应扩展卡尔曼滤波模型；
步骤7，根据挑选出的所有LOS基站数量做出判断处理：
当所有LOS基站数量大于3时，利用构建的抗差自适应扩展卡尔曼滤波模型解算定位终端位置；否则，利用历史轨迹约束解算定位终端位置。
改进地，在所述适用于室内遮挡环境下的UWB高精度定位方法中，在步骤1中，所述室内空间结构信息的获取方式为卷尺测量方法或激光测距方法或激光雷达背包设备获取方法或点云建图方法。
再改进，在所述适用于室内遮挡环境下的UWB高精度定位方法中，所述UWB基站LOS/NLOS区域信息图谱的建立过程包括如下步骤a1~ a5：
步骤a1，将所述室内空间二维平面图划分成若干所需要边长的小方格；其中，该室内空间二维平面图由划分的该若干小方格所组成；
步骤a2，将每一个小方格的四个顶点均作为采集点，且由所有的采集点形成对应该室内空间二维平面图的采集点集合；
步骤a3，以部署在所述室内空间中的任一个UWB基站为源点，对该源点利用射线法遍历采集点集合内的所有采集点；
步骤a4，由遍历的每一个采集点记录对应该UWB基站的UWB基站信息；其中，对应该UWB基站的UWB基站信息包括北向坐标、东向坐标和UWB基站的LOS/NLOS信息，UWB基站为LOS基站则标记其LOS信息为1，UWB基站为NLOS基站则标记其LOS信息为0；
步骤a5，对部署在所述室内空间中的所有UWB基站均执行步骤a3和步骤a4，且以记录的所有UWB基站信息形成的图谱作为所述UWB基站LOS/NLOS区域信息图谱。
改进地，在所述适用于室内遮挡环境下的UWB高精度定位方法中，在步骤4中，所述LOS基站的挑选过程包括如下步骤b1~ b3：
步骤b1，以当前时刻的上一时刻解算出来的定位终端位置点作为圆心，以设定距离值作为半径，构建统计用圆形区域；
步骤b2，统计该统计用圆形区域内各UWB基站的LOS/NLOS信息；
步骤b3，将统计用圆形区域内UWB基站的LOS信息为0的UWB基站排除，并将该统计用圆形区域内UWB基站的LOS信息为1的UWB基站均作为LOS基站。
改进地，在所述适用于室内遮挡环境下的UWB高精度定位方法中，所述抗差自适应扩展卡尔曼滤波模型的构建包括如下步骤c1~ c11：
步骤c1，设置针对扩展卡尔曼滤波的非线性状态估计方程和观测量的观测方程；其中；
非线性状态估计方程为：Xk=FkXk-1+Bkuk+wk；
其中，Xk为k时刻的状态向量且二维定位结果中的状态向量Xk为(xk,yk)，(xk,yk)表示k时刻解算出来的定位终端所处的定位位置，Xk-1为k-1时刻的状态向量，Fk为k时刻的状态转移矩阵，Bk为k时刻的控制矩阵，uk为k时刻的控制向量，wk为在k时刻符合零均值且协方差矩阵为Qk的正态分布过程噪声；
观测量的观测方程为：Zk=HkXk+vk；
其中，Zk为k时刻的观测向量，即UWB基站的测距值，Hk为k时刻的观测矩阵，vk为在k时刻符合零均值且协方差矩阵为Rk的正态分布观测噪声；
步骤c2，计算扩展卡尔曼滤波中非线性状态估计方程的状态转移矩阵以及观测方程的观测矩阵；其中：
Fk=df/dx∣Xk,k-1,uk；
Hk=dh/dx∣Xk,k-1；
其中，Xk,k-1表示k-1时刻对k时刻状态的最佳估计，即解算出的定位终端在k-1时刻的最佳估计位置；f(·)表示非线性函数，h(·)表示非线性函数；
步骤c3，设置状态预测方程及卡尔曼增益矩阵；其中：
状态预测方程标记为Xk,k-1= f(Xk-1,k-1, uk)；Xk-1,k-1表示k-1时刻状态的最佳估计；
卡尔曼增益矩阵标记为Kk，Kk= Pk,k-1Hk(HkPk,k-1Hk T+Rk)-1；
步骤c4，根据已设置的状态预测方程及卡尔曼增益矩阵，获取更新后状态估计方程和更新后验估计误差协方差矩阵；其中：
更新后状态估计方程为：Xk,k=Xk,k-1+Kk(Zk-HkXk,k-1)；
更新后验估计误差协方差矩阵为：Pk,k=(I-KkHk)Pk,k-1；I为单位矩阵；
步骤c5，计算得到抗差自适应扩展卡尔曼滤波信息以及该信息的新息协方差矩阵；其中，抗差自适应扩展卡尔曼滤波信息标记为Vk，Vk= Zk-h(xk,k-1)；
步骤c6，计算所得抗差自适应扩展卡尔曼滤波信息的新息协方差矩阵以及新息协方差；其中，新息协方差矩阵标记为Pk Z，Pk Z=E[VkVk Z]；新息协方差标记为Pk c，Pk c=HkPk,k-1Hk T+Rk；
步骤c7，根据所得新息协方差矩阵以及新息协方差，计算自适应因子；其中，该自适应因子标记为sk，sk=diag(Pk Z)/diag(Pk c)；
步骤c8，利用所得自适应因子对系统的测量噪声进行调整，得到系统调整后的测量噪声；其中，系统调整后的测量噪声标记为Rk ’；
当sk≤k0时，Rk ’=1；
当k0<sk<k1时，Rk ’=( sk/k0) [(k1-k0)/(k1-sk)]2；
当sk≥k1时，Rk ’=+∞；
其中，k0和k1均为稳健参数；
步骤c9，根据所得系统调整后的测量噪声和已设置的卡尔曼增益矩阵，得到抗差自适应扩展卡尔曼滤波的增益；其中，该抗差自适应扩展卡尔曼滤波的增益标记为Kk ’；Kk ’=Pk,k-1Hk(HkPk,k-1Hk T+Rk ’)-1；
步骤c10，利用所得抗差自适应扩展卡尔曼滤波的增益更新状态估计和误差协方差矩阵，得到抗差自适应后的状态估计，以优化因随机行人遮挡而产生的NLOS误差；其中，抗差自适应后的状态估计标记为Xk,k=Xk,k-1+Kk ’(Zk-HkXk,k-1)；
步骤c11，根据当前时刻的上一时刻的状态估计值和当前时刻的观测向量，并结合该抗差自适应扩展卡尔曼滤波的增益，解算出当前时刻的最佳状态向量，且将该最佳状态向量作为当前时刻定位终端位置的最佳估计值。
进一步地，在所述适用于室内遮挡环境下的UWB高精度定位方法中，所述稳健参数k0∈[2.5,3.5],所述稳健参数k1∈[3.5,4.5]。
改进地，在所述适用于室内遮挡环境下的UWB高精度定位方法中，在步骤7中，利用约束解算定位终端位置的过程包括如下步骤：
步骤d1，以历史轨迹判断运动趋势，且以解算出来的定位终端在当前时刻的上一时刻所处位置点作为切点，沿定位终端在上一时刻的运动趋势方向做出历史轨迹在该切点处的切线，并利用几何方法计算出定位终端在当前时刻的位置坐标；其中，历史轨迹为曲线；
步骤d2，根据挑选出所有LOS基站数量做出判断处理：
当所有LOS基站数量为1时，以该UWB基站所处位置为圆心且以该UWB基站的测距值为半径画圆；获取该圆与已做出的切线之间的交点数量，且根据获取的交点数量做出判断处理：当交点数量为1时，将该交点的坐标作为定位终端在当前时刻的定位结果；当交点数量为2时，将位于当前2个交点中且与解算出来的定位终端在上一时刻位置点最近的交点作为定位终端在当前时刻的定位结果；当交点数量为0时，将位于该圆上且与已做出的切线距离最近的点作为定位终端在当前时刻的定位结果；
当所有LOS基站数量为2时，分别以每个UWB基站为圆心且以每个UWB基站各自的测距值为半径画圆，得到两个圆；获取该两个圆分别与已做出的切线的交点；根据获取的交点数量做出判断处理：当获取的交点数量大于0时，计算获取的所有交点所形成图形的重心，并以该重心作为定位终端在当前时刻的定位结果；当获取的交点数量为0时，获取该两圆的两圆心连线与已做出的切线的交点，并以获取的该交点作为定位终端在当前时刻的定位结果。
与现有技术相比，本发明的优点在于：该发明的适用于室内遮挡环境下的UWB高精度定位方法充分利用室内空间信息，绘制室内空间二维平面图后再建立室内空间中的UWB基站的LOS/NLOS区域信息图谱，以能在室内的任意位置准确判断所有基站的LOS/NLOS情况；针对定位终端的定位解算完全采用LOS基站的测距值，从源头上避免了NLOS的测距误差，而通过利用历史轨迹进行约束，解决了因LOS基站较少不足以利用三边解算方法进行定位解算的情况，再通过设置能解决随机行人遮挡的抗差自适应扩展卡尔曼滤波算法，能有效地优化降低随机的人体遮挡干扰，进而提高在室内遮挡环境下的UWB定位精度。
附图说明
图1为本发明实施例中适用于室内遮挡环境下的UWB高精度定位方法的流程示意图；
图2为本发明实施例中的室内空间二维平面图示意图；
图3为本发明实施例中的UWB基站LOS/NLOS区域信息图谱示意图；
图4为本发明实施例中第一种情况时的定位估计点近邻区域选取范围示意图；
图5为本发明实施例中第二种情况时的定位估计点近邻区域选取范围示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本实施例提供一种适用于室内遮挡环境下的UWB高精度定位方法。具体地，参见图1所示，该实施例的适用于室内遮挡环境下的UWB高精度定位方法包括如下步骤：
步骤1，在室内空间中预先部署多个UWB基站且获取该室内空间结构信息，以及将室内空间预定位置设置为坐标原点，绘制以该坐标原点为基准且反映该室内空间结构信息的室内空间二维平面图；
例如，在该实施例中，假设室内空间中，预定位置设置为室内空间的西南角，由于室内空间的西南角是预定位置，那么，在二维平面图中，该预定位置的坐标就是原点(0,0)；该实施例中的室内空间结构信息的获取方式为卷尺测量方法或激光测距方法或激光雷达背包设备获取方法或点云建图方法，例如优选采用点云建图方法得到室内空间结构信息；经绘制处理后，绘制所得室内空间二维平面图参见图2所示；
步骤2，利用全站仪打点的测量方法获取室内空间中已部署的各UWB基站相对于坐标原点的水平距离，并在室内空间二维平面图中分别标注出各UWB基站相对于坐标原点的坐标位置；其中，由于在该实施例中，预定位置坐标是原点(0,0)，室内空间中的其他结构上的每个点均可以在该二维平面图中用二维坐标标记出来；
步骤3，建立能够区分已部署各UWB基站LOS区域和NLOS区域的UWB基站LOS/NLOS区域信息图谱；其中，LOS区域表示UWB基站的视距区域，NLOS区域表示UWB基站的非视距区域；
步骤4，在定位过程中，根据针对定位终端在当前时刻的上一时刻的定位结果以及已建立的UWB基站LOS/NLOS区域信息图谱，在室内空间中已部署的所有UWB基站中挑选出所有LOS基站，分别获取该所有LOS基站中每一个LOS基站的测距值；其中，LOS基站的测距值为LOS基站到定位终端在当前时刻所处位置的直线距离；
步骤5，构建针对抗差自适应扩展卡尔曼滤波的抗差自适应因子；
步骤6，利用获取的所有LOS基站的测距值以及构建的抗差自适应因子，构建抗差自适应扩展卡尔曼滤波模型；
步骤7，根据挑选出的所有LOS基站数量做出判断处理：
当所有LOS基站数量大于3时，利用构建的抗差自适应扩展卡尔曼滤波模型解算定位终端位置；否则，利用历史轨迹约束解算定位终端位置。
具体到该实施例中，上述UWB基站LOS/NLOS区域信息图谱的建立过程如下步骤a1~a5：
步骤a1，将室内空间二维平面图划分成若干所需要边长的小方格；其中，该室内空间二维平面图由划分的该若干小方格所组成；
步骤a2，将每一个小方格的四个顶点均作为采集点，且由所有的采集点形成对应该室内空间二维平面图的采集点集合；
步骤a3，以部署在室内空间中的任一个UWB基站为源点，对该源点利用射线法遍历采集点集合内的所有采集点；
步骤a4，由遍历的每一个采集点记录对应该UWB基站的UWB基站信息；其中，对应该UWB基站的UWB基站信息包括北向坐标、东向坐标和UWB基站的LOS/NLOS信息，UWB基站为LOS基站则标记其LOS信息为1，UWB基站为NLOS基站则标记其LOS信息为0；
步骤a5，对部署在室内空间中的所有UWB基站均执行步骤a3和步骤a4，且以记录的所有UWB基站信息形成的图谱作为所述UWB基站LOS/NLOS区域信息图谱。其中，建立的UWB基站LOS/NLOS区域信息图谱参见图3所示；
具体地，以图谱区分为若干0.5m边长的小方格为例，将方格的每个顶点作为定位终端所处位置（以下称为网格点）进行UWB基站的NLOS情况分析。如图3所示，A0为UWB基站所处的位置，黑色方块Z0和Z1为室内空间中的柱子。以Z1为例，Z00, Z01, Z02, Z03为柱子的棱角，将柱子棱角的坐标代入可以计算出该柱子四条边（Z00Z01, Z01Z02, Z02Z03, Z03Z00）的二维方程。以边Z00Z01为例，该边Z00Z01的线段方程表示为：
(y-yZ00)/ (yZ01-yZ00)= (x-xZ00)/ (xZ01-xZ00)；x∈(xZ00,xZ01)，y∈(yZ00,yZ01)；
其中，(xZ00,yZ00)为Z00点的二维坐标，(xZ01,yZ01)为Z01点的二维坐标；
以图3中的D1~ D13为示例网格点，基站到网格点连线的方程表示如下：
(y-yDi)/ (yA0-yDi)= (x-xDi)/ (xA0- xDi)；x∈(xA0, xDi)，y∈(yA0, yDi)；
其中，(xA0, yA0)为A0点的二维坐标，(xDi, yDi)为网格点Di的二维坐标。
通过计算边Z00Z01与基站到网格点连线之间是否有相交，可以判断网格点对于基站点是否为LOS点。从图3中可以明显看出，D1~ D9与基站A0的连线与柱子边界不相交，因此D1~ D9对于基站A0来说是LOS点，并定义LOS情况基站的描述值取“1”，即UWB基站A0的LOS信息为1；D10~ D13与基站A0的连线与柱子边界相交，D10~ D13对于基站A0来说为NLOS点，定义NLOS情况基站的描述值为“0”，即D10~ D13记录的UWB基站A0的LOS信息为0；
以同样的方式，对遍历空间内其他UWB基站，获取空间网格点对所布设基站情况的信息，每个网格点包含的信息为1行n列取值为“0”和“1”的行矩阵，n为室内空间环境中布设基站的总数量，最终生成基站NLOS信息图谱数据库。
具体到该实施例中，在步骤4中，LOS基站的挑选过程包括如下步骤b1~b3：
步骤b1，以当前时刻的上一时刻解算出来的定位终端位置点作为圆心，以设定距离值作为半径，构建统计用圆形区域；其中，此处的该设定值可根据NLOS基站采集的网格大小合理设置；
步骤b2，统计该统计用圆形区域内各UWB基站的LOS/NLOS信息；也就是说，在该步骤b2中，此处需要统计该统计用圆形区域内每一个UWB基站的LOS/NLOS信息是“1”还是“0”；
步骤b3，将统计用圆形区域内UWB基站的LOS信息为0的UWB基站排除，并将该统计用圆形区域内UWB基站的LOS信息为1的UWB基站均作为LOS基站。
在该实施例中，针对室内空间中任意位置的UWB基站LOS/NLOS信息的判断方式如下：
以0.5*0.5m的网格建图为例，由于室内定位的结果不可能每次都落在地图中的采集点上，所以使用最近邻的方法，将初始定位点或滤波估计位置点一定范围内所包含网格点的基站NLOS的情况进行相与计算；根据计算结果，挑选LOS基站，然后进行定位解算，修正之前的估计位置。其中，基站NLOS图谱中网格是边长为0.5m的正方形，其对角线长度约0.71m，因此，在最近邻融合方案中采用以估计点为圆心、以0.71m为半径画圆，将圆内所包含的网格点选为估计点的近邻点。如图4所示，实心圆点A为地图网格点，空心圆点为定位位置估计点。当估计点与任意网格点重合时，如图4情景所示（即第一种情况），此时包含9个近邻点，该情景是涵盖近邻点多情况；当估计点位于正方形网格中心点时，如图5情景所示（即第二种情况），此时包含4个近邻点，该情况是涵盖近邻点最少的情况。可见，采用以0.71m为半径做圆来设置近邻区域，可以获取近邻点的个数n的区间为n∈[4,9]。
因为近邻点的个数最大值为9，设置A为m行9列的矩阵，其中行数m表示室内空间中所部署UWB基站的数量，矩阵中的元素由“0”或“1”两个值组成。以室内空间中共部署8个UWB基站为例，即m值取“8”，假设定位估计位置临近范围包含4个网格点，其网格点在基站NLOS图谱中的取值如表1所示，A的取值如（式1）所示。
1-4列为4个网格点对应的8个UWB基站的LOS与NLOS情况取值，因不够9列，所以5-9列补充全“1”值，同理，当m＜9时，A中后9-m列全部补充“1”值；
假设定位估计位置临近范围包含9个网格点，其网格点在基站NLOS图谱中的取值如表2所示，A的取值如（式2）所示。可见，由于将估计点周围一定范围内的基站NLOS情况进行了相与的计算，所以实际得到的LOS基站的个数应该小于或等于真实情况。
表 1 定位估计点临近区域包含4个网格点的取值
表 2 定位估计点临近区域包含9个网格点的取值
NL中每行的取值为A矩阵中行元素的求与运算，以式（2）为例，NL的取值为：
NL=[1 0 1 1 0 1 1 0]T；
根据与基站对应的关系式，NL=[1 0 1 1 0 1 1 0]T表示该位置估计点对应的基站A0、A2、A3、A5和A6均为LOS基站，而A1、A4和A7均为NLOS基站。
另外，在该实施例中，抗差自适应扩展卡尔曼滤波模型的构建包括如下步骤c1~c11：
步骤c1，设置针对扩展卡尔曼滤波的非线性状态估计方程和观测量的观测方程；其中；
非线性状态估计方程为：Xk=FkXk-1+Bkuk+wk；
其中，Xk为k时刻的状态向量且二维定位结果中的状态向量Xk为(xk,yk)，(xk,yk)表示k时刻解算出来的定位终端所处的定位位置，Xk-1为k-1时刻的状态向量，Fk为k时刻的状态转移矩阵，Bk为k时刻的控制矩阵，uk为k时刻的控制向量，wk为在k时刻符合零均值且协方差矩阵为Qk的正态分布过程噪声；
观测量的观测方程为：Zk=HkXk+vk；
其中，Zk为k时刻的观测向量，即UWB基站的测距值，Hk为k时刻的观测矩阵，vk为在k时刻符合零均值且协方差矩阵为Rk的正态分布观测噪声；
步骤c2，计算扩展卡尔曼滤波中非线性状态估计方程的状态转移矩阵以及观测方程的观测矩阵；其中：
Fk=df/dx∣Xk,k-1,uk；
Hk=dh/dx∣Xk,k-1；
其中，Xk,k-1表示k-1时刻对k时刻状态的最佳估计，即解算出的定位终端在k-1时刻的最佳估计位置；f(·)表示非线性函数，h(·)表示非线性函数；
步骤c3，设置状态预测方程及卡尔曼增益矩阵；其中：
状态预测方程标记为Xk,k-1= f(Xk-1,k-1, uk)；Xk-1,k-1表示k-1时刻状态的最佳估计；
卡尔曼增益矩阵标记为Kk，Kk= Pk,k-1Hk(HkPk,k-1Hk T+Rk)-1；
步骤c4，根据已设置的状态预测方程及卡尔曼增益矩阵，获取更新后状态估计方程和更新后验估计误差协方差矩阵；其中：
更新后状态估计方程为：Xk,k=Xk,k-1+Kk(Zk-HkXk,k-1)；
更新后验估计误差协方差矩阵为：Pk,k=(I-KkHk)Pk,k-1；I为单位矩阵；
步骤c5，计算得到抗差自适应扩展卡尔曼滤波信息以及该信息的新息协方差矩阵；其中，抗差自适应扩展卡尔曼滤波信息标记为Vk，Vk= Zk-h(xk,k-1)；
步骤c6，计算所得抗差自适应扩展卡尔曼滤波信息的新息协方差矩阵以及新息协方差；其中，新息协方差矩阵标记为Pk Z，Pk Z=E[VkVk Z]；新息协方差标记为Pk c，Pk c=HkPk,k-1Hk T+Rk；
步骤c7，根据所得新息协方差矩阵以及新息协方差，计算自适应因子；其中，该自适应因子标记为sk，sk=diag(Pk Z)/diag(Pk c)；其中，diag()为Matlab软件中提取矩阵对角元的函数；
步骤c8，利用所得自适应因子对系统的测量噪声进行调整，得到系统调整后的测量噪声；其中，系统调整后的测量噪声标记为Rk ’；
当sk≤k0时，Rk ’=1；
当k0<sk<k1时，Rk ’=( sk/k0) [(k1-k0)/(k1-sk)]2；
当sk≥k1时，Rk ’=+∞；
其中，k0和k1均为稳健参数；例如，在该实施例中，稳健参数k0∈[2.5,3.5],稳健参数k1∈[3.5,4.5]；
步骤c9，根据所得系统调整后的测量噪声和已设置的卡尔曼增益矩阵，得到抗差自适应扩展卡尔曼滤波的增益；其中，该抗差自适应扩展卡尔曼滤波的增益标记为Kk ’；Kk ’=Pk,k-1Hk(HkPk,k-1Hk T+Rk ’)-1；
步骤c10，利用所得抗差自适应扩展卡尔曼滤波的增益更新状态估计和误差协方差矩阵，得到抗差自适应后的状态估计，以优化因随机行人遮挡而产生的NLOS误差；其中，抗差自适应后的状态估计标记为Xk,k=Xk,k-1+Kk ’(Zk-HkXk,k-1)；
步骤c11，根据当前时刻的上一时刻的状态估计值和当前时刻的观测向量，并结合该抗差自适应扩展卡尔曼滤波的增益，解算出当前时刻的最佳状态向量，且将该最佳状态向量作为当前时刻定位终端位置的最佳估计值。
当然，针对该实施例的步骤7，利用约束解算定位终端位置的过程包括如下步骤d1~ d2：
步骤d1，以历史轨迹判断运动趋势，且以解算出来的定位终端在当前时刻的上一时刻所处位置点作为切点，沿定位终端在上一时刻的运动趋势方向做出历史轨迹在该切点处的切线，并利用几何方法计算出定位终端在当前时刻的位置坐标；其中，历史轨迹为曲线；
步骤d2，根据挑选出所有LOS基站数量做出判断处理：
当所有LOS基站数量为1时，以该UWB基站所处位置为圆心且以该UWB基站的测距值为半径画圆；获取该圆与已做出的切线之间的交点数量，且根据获取的交点数量做出判断处理：当交点数量为1时，将该交点的坐标作为定位终端在当前时刻的定位结果；当交点数量为2时，将位于当前2个交点中且与解算出来的定位终端在上一时刻位置点最近的交点作为定位终端在当前时刻的定位结果；当交点数量为0时，将位于该圆上且与已做出的切线距离最近的点作为定位终端在当前时刻的定位结果；
当所有LOS基站数量为2时，分别以每个UWB基站为圆心且以每个UWB基站各自的测距值为半径画圆，得到两个圆；获取该两个圆分别与已做出的切线的交点；根据获取的交点数量做出判断处理：当获取的交点数量大于0时，计算获取的所有交点所形成图形的重心，并以该重心作为定位终端在当前时刻的定位结果；当获取的交点数量为0时，获取该两圆的两圆心连线与已做出的切线的交点，并以获取的该交点作为定位终端在当前时刻的定位结果。
尽管以上详细地描述了本发明的优选实施例，但是应该清楚地理解，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种适用于室内遮挡环境下的UWB高精度定位方法，其特征在于，包括如下步骤：
步骤1，在室内空间中预先部署多个UWB基站且获取该室内空间结构信息，以及将室内空间预定位置设置为坐标原点，绘制以该坐标原点为基准且反映该室内空间结构信息的室内空间二维平面图；
步骤2，利用全站仪打点的测量方法获取室内空间中已部署的各UWB基站相对于坐标原点的水平距离，并在室内空间二维平面图中分别标注出各UWB基站相对于坐标原点的坐标位置；
步骤3，建立能够区分已部署各UWB基站LOS区域和NLOS区域的UWB基站LOS/NLOS区域信息图谱；其中，UWB基站LOS/NLOS区域信息图谱的建立过程包括如下步骤a1～a5：
步骤a1，将室内空间二维平面图划分成若干所需要边长的小方格；其中，该室内空间二维平面图由划分的该若干小方格所组成；
步骤a2，将每一个小方格的四个顶点均作为采集点，且由所有的采集点形成对应该室内空间二维平面图的采集点集合；
步骤a3，以部署在室内空间中的任一个UWB基站为源点，对该源点利用射线法遍历采集点集合内的所有采集点；
步骤a4，由遍历的每一个采集点记录对应该UWB基站的UWB基站信息；其中，对应该UWB基站的UWB基站信息包括北向坐标、东向坐标和UWB基站的LOS/NLOS信息，UWB基站为LOS基站则标记其LOS信息为1，UWB基站为NLOS基站则标记其LOS信息为0；
步骤a5，对部署在室内空间中的所有UWB基站均执行步骤a3和步骤a4，且以记录的所有UWB基站信息形成的图谱作为所述UWB基站LOS/NLOS区域信息图谱；
步骤4，在定位过程中，根据针对定位终端在当前时刻的上一时刻的定位结果以及已建立的UWB基站LOS/NLOS区域信息图谱，在室内空间中已部署的所有UWB基站中挑选出所有LOS基站，分别获取该所有LOS基站中每一个LOS基站的测距值；其中，LOS基站的测距值为LOS基站到定位终端在当前时刻所处位置的直线距离；LOS基站的挑选过程包括如下步骤b1～b3：
步骤b1，以当前时刻的上一时刻解算出来的定位终端位置点作为圆心，以设定距离值作为半径，构建统计用圆形区域；
步骤b2，统计该统计用圆形区域内各UWB基站的LOS/NLOS信息；
步骤b3，将统计用圆形区域内UWB基站的LOS信息为0的UWB基站排除，并将该统计用圆形区域内UWB基站的LOS信息为1的UWB基站均作为LOS基站；
步骤5，构建针对抗差自适应扩展卡尔曼滤波的抗差自适应因子；
步骤6，利用获取的所有LOS基站的测距值以及构建的抗差自适应因子，构建抗差自适应扩展卡尔曼滤波模型；其中，该抗差自适应扩展卡尔曼滤波模型的构建包括如下步骤c1～c11：
步骤c1，设置针对扩展卡尔曼滤波的非线性状态估计方程和观测量的观测方程；其中；
非线性状态估计方程为：Xk＝FkXk-1+Bkuk+wk；
其中，Xk为k时刻的状态向量且二维定位结果中的状态向量Xk为(xk,yk)，(xk,yk)表示k时刻解算出来的定位终端所处的定位位置，Xk-1为k-1时刻的状态向量，Fk为k时刻的状态转移矩阵，Bk为k时刻的控制矩阵，uk为k时刻的控制向量，wk为在k时刻符合零均值且协方差矩阵为Qk的正态分布过程噪声；
观测量的观测方程为：Zk＝HkXk+vk；
其中，Zk为k时刻的观测向量，即UWB基站的测距值，Hk为k时刻的观测矩阵，vk为在k时刻符合零均值且协方差矩阵为Rk的正态分布观测噪声；
步骤c2，计算扩展卡尔曼滤波中非线性状态估计方程的状态转移矩阵以及观测方程的观测矩阵；其中：
Fk＝df/dx∣Xk,k-1,uk；
Hk＝dh/dx∣Xk,k-1；
其中，Xk,k-1表示k-1时刻对k时刻状态的最佳估计，即解算出的定位终端在k-1时刻的最佳估计位置；f(·)表示非线性函数，h(·)表示非线性函数；
步骤c3，设置状态预测方程及卡尔曼增益矩阵；其中：
状态预测方程标记为Xk,k-1＝f(Xk-1,k-1,uk)；Xk-1,k-1表示k-1时刻状态的最佳估计；
卡尔曼增益矩阵标记为Kk，Kk＝Pk,k-1Hk(HkPk,k-1Hk T+Rk)-1；
步骤c4，根据已设置的状态预测方程及卡尔曼增益矩阵，获取更新后状态估计方程和更新后验估计误差协方差矩阵；其中：
更新后状态估计方程为：Xk,k＝Xk,k-1+Kk(Zk-HkXk,k-1)；
更新后验估计误差协方差矩阵为：Pk,k＝(I-KkHk)Pk,k-1；I为单位矩阵；
步骤c5，计算得到抗差自适应扩展卡尔曼滤波信息以及该信息的新息协方差矩阵；其中，抗差自适应扩展卡尔曼滤波信息标记为Vk，Vk＝Zk-h(xk,k-1)；
步骤c6，计算所得抗差自适应扩展卡尔曼滤波信息的新息协方差矩阵以及新息协方差；其中，新息协方差矩阵标记为Pk Z，Pk Z＝E[VkVk Z]；新息协方差标记为Pk c，Pk c＝HkPk,k-1Hk T+Rk；
步骤c7，根据所得新息协方差矩阵以及新息协方差，计算自适应因子；其中，该自适应因子标记为sk，sk＝diag(Pk Z)/diag(Pk c)；
步骤c8，利用所得自适应因子对系统的测量噪声进行调整，得到系统调整后的测量噪声；其中，系统调整后的测量噪声标记为Rk ’；
当sk≤k0时，Rk ’＝1；
当k0<sk<k1时，Rk ’＝(sk/k0)[(k1-k0)/(k1-sk)]2；
当sk≥k1时，Rk ’＝+∞；
其中，k0和k1均为稳健参数；
步骤c9，根据所得系统调整后的测量噪声和已设置的卡尔曼增益矩阵，得到抗差自适应扩展卡尔曼滤波的增益；其中，该抗差自适应扩展卡尔曼滤波的增益标记为Kk ’；Kk ’＝Pk,k-1Hk(HkPk,k-1Hk T+Rk ’)-1；
步骤c10，利用所得抗差自适应扩展卡尔曼滤波的增益更新状态估计和误差协方差矩阵，得到抗差自适应后的状态估计，以优化因随机行人遮挡而产生的NLOS误差；其中，抗差自适应后的状态估计标记为Xk,k＝Xk,k-1+Kk ’(Zk-HkXk,k-1)；
步骤c11，根据当前时刻的上一时刻的状态估计值和当前时刻的观测向量，并结合该抗差自适应扩展卡尔曼滤波的增益，解算出当前时刻的最佳状态向量，且将该最佳状态向量作为当前时刻定位终端位置的最佳估计值；
步骤7，根据挑选出的所有LOS基站数量做出判断处理：
当所有LOS基站数量大于3时，利用构建的抗差自适应扩展卡尔曼滤波模型解算定位终端位置；否则，利用历史轨迹约束解算定位终端位置；其中，利用约束解算定位终端位置的过程包括如下步骤：
步骤d1，以历史轨迹判断运动趋势，且以解算出来的定位终端在当前时刻的上一时刻所处位置点作为切点，沿定位终端在上一时刻的运动趋势方向做出历史轨迹在该切点处的切线，并利用几何方法计算出定位终端在当前时刻的位置坐标；其中，历史轨迹为曲线；
步骤d2，根据挑选出所有LOS基站数量做出判断处理：
当所有LOS基站数量为1时，以该UWB基站所处位置为圆心且以该UWB基站的测距值为半径画圆；获取该圆与已做出的切线之间的交点数量，且根据获取的交点数量做出判断处理：当交点数量为1时，将该交点的坐标作为定位终端在当前时刻的定位结果；当交点数量为2时，将位于当前2个交点中且与解算出来的定位终端在上一时刻位置点最近的交点作为定位终端在当前时刻的定位结果；当交点数量为0时，将位于该圆上且与已做出的切线距离最近的点作为定位终端在当前时刻的定位结果；
当所有LOS基站数量为2时，分别以每个UWB基站为圆心且以每个UWB基站各自的测距值为半径画圆，得到两个圆；获取该两个圆分别与已做出的切线的交点；根据获取的交点数量做出判断处理：当获取的交点数量大于0时，计算获取的所有交点所形成图形的重心，并以该重心作为定位终端在当前时刻的定位结果；当获取的交点数量为0时，获取该两圆的两圆心连线与已做出的切线的交点，并以获取的该交点作为定位终端在当前时刻的定位结果。
2.根据权利要求1所述的适用于室内遮挡环境下的UWB高精度定位方法，其特征在于，在步骤1中，所述室内空间结构信息的获取方式为卷尺测量方法或激光测距方法或激光雷达背包设备获取方法或点云建图方法。
3.根据权利要求2所述的适用于室内遮挡环境下的UWB高精度定位方法，其特征在于，所述稳健参数k0∈[2.5,3.5],所述稳健参数k1∈[3.5,4.5]。
CN202410026276.0A 2024-01-09 2024-01-09 一种适用于室内遮挡环境下的uwb高精度定位方法 Active CN117545070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410026276.0A CN117545070B (zh) 2024-01-09 2024-01-09 一种适用于室内遮挡环境下的uwb高精度定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410026276.0A CN117545070B (zh) 2024-01-09 2024-01-09 一种适用于室内遮挡环境下的uwb高精度定位方法

Publications (2)

Publication Number Publication Date
CN117545070A CN117545070A (zh) 2024-02-09
CN117545070B true CN117545070B (zh) 2024-04-02

Family

ID=89788405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410026276.0A Active CN117545070B (zh) 2024-01-09 2024-01-09 一种适用于室内遮挡环境下的uwb高精度定位方法

Country Status (1)

Country Link
CN (1) CN117545070B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107389063A (zh) * 2017-07-26 2017-11-24 重庆邮电大学 基于gsm/mems融合的高精度室内融合定位方法
CN108646277A (zh) * 2018-05-03 2018-10-12 山东省计算中心（国家超级计算济南中心） 基于抗差自适应与扩展卡尔曼滤波融合的北斗导航方法
CN113108791A (zh) * 2021-03-05 2021-07-13 深圳大学 一种导航定位方法及导航定位设备
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
CN115134913A (zh) * 2022-07-27 2022-09-30 长春理工大学 一种基于几何约束的超宽带定位与定向标签及其方法
WO2022237354A1 (zh) * 2021-05-11 2022-11-17 大唐移动通信设备有限公司 终端定位方法、装置、接收端设备及核心网设备
CN116027376A (zh) * 2023-01-31 2023-04-28 东南大学 一种基于抗差估计的rtk/ins嵌入式实时组合定位系统
CN116233732A (zh) * 2022-10-31 2023-06-06 北京中电飞华通信有限公司 协同定位方法、装置、计算机设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7577445B2 (en) * 2006-08-03 2009-08-18 Ntt Docomo, Inc. Line-of-sight (LOS) or non-LOS (NLOS) identification method using multipath channel statistics

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107389063A (zh) * 2017-07-26 2017-11-24 重庆邮电大学 基于gsm/mems融合的高精度室内融合定位方法
CN108646277A (zh) * 2018-05-03 2018-10-12 山东省计算中心（国家超级计算济南中心） 基于抗差自适应与扩展卡尔曼滤波融合的北斗导航方法
CN113108791A (zh) * 2021-03-05 2021-07-13 深圳大学 一种导航定位方法及导航定位设备
WO2022237354A1 (zh) * 2021-05-11 2022-11-17 大唐移动通信设备有限公司 终端定位方法、装置、接收端设备及核心网设备
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
CN115134913A (zh) * 2022-07-27 2022-09-30 长春理工大学 一种基于几何约束的超宽带定位与定向标签及其方法
CN116233732A (zh) * 2022-10-31 2023-06-06 北京中电飞华通信有限公司 协同定位方法、装置、计算机设备及计算机可读存储介质
CN116027376A (zh) * 2023-01-31 2023-04-28 东南大学 一种基于抗差估计的rtk/ins嵌入式实时组合定位系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
An Indoor UWB NLOS Correction Positioning Method Based on Anchor LOS/NLOS Map;Qing Wang et al;IEEE Sensors Journal;20231215;第23卷(第24期);摘要，第1-4部分 *
Qing Wang et al.An Indoor UWB NLOS Correction Positioning Method Based on Anchor LOS/NLOS Map.IEEE Sensors Journal.2023,第23卷(第24期),摘要，第1-4部分. *
一种新的基于WCDMA系统的基站选择定位算法;吴舟;赵春晖;梁刚健;;应用科技;20060405(第04期);全文 *
基于CHAN与粒子群算法的协同定位研究;江凤;吴飞;王昌志;;电子科技;20170815(第08期);全文 *
基于自适应抗差卡尔曼滤波的UWB室内定位;刘韬;徐爱功;隋心;;传感技术学报;20180427(第04期);全文 *
基于非视距鉴别的超宽带室内定位算法;曾玲;彭程;刘恒;;计算机应用;20180630(第S1期);全文 *
改进自适应抗差容积卡尔曼滤波多源室内定位;李鹏 等;导航定位与授时;20220531;第9卷(第3期);全文 *
自适应抗差KF-UKF的超宽带导航定位方法;刘韬;徐爱功;隋心;;测绘科学;20171220(第12期);全文 *

Also Published As

Publication number Publication date
CN117545070A (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
CN105704652B (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
CN103217688B (zh) 一种基于不规则三角网机载激光雷达点云平差计算方法
CN104507159A (zh) 一种基于WiFi接收信号强度的混合室内定位方法
CN109548141A (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
CN106291517A (zh) 基于位置与视觉信息优化的室内云机器人角度定位方法
CN108375754A (zh) Wsn中基于移动节点初始状态和移动状态的节点定位方法
CN109141427A (zh) 在非视距环境下基于距离和角度概率模型的ekf定位方法
CN104902567A (zh) 基于最大似然估计的质心定位方法
CN111246383A (zh) 基于蓝牙室内定位算法优化
CN109511085A (zh) 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法
CN108737952A (zh) 基于rssi测距改进的多边形加权质心定位方法
CN106932752A (zh) 一种基于射频相位监测的实时室内定位方法
CN112051545B (zh) 基于蓝牙测距的地下矿井校正定位方法
CN107588775A (zh) 一种新型室内定位方法
CN106954190A (zh) 一种基于指数映射域的wifi室内定位方法
CN104501807A (zh) 基于地磁场和历史定位轨迹的室内定位方法
CN114721001A (zh) 一种基于多传感器融合的移动机器人定位方法
CN117545070B (zh) 一种适用于室内遮挡环境下的uwb高精度定位方法
CN105407529A (zh) 基于模糊c均值聚类的无线传感器网络节点定位算法
Khan et al. Experimental testbed evaluation of cell level indoor localization algorithm using Wi-Fi and LoRa protocols
Cho Two-step calibration for UWB-based indoor positioning system and positioning filter considering channel common bias
CN109061560A (zh) 一种定位方法及装置
CN105973204B (zh) 一种移动目标高精度平面坐标实时获取方法
CN112639503A (zh) 使用电子测距设备进行地理定位的方法

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