一种基于UWB与蓝牙融合的医用手环高精度定位系统

本发明涉及采用无线电波测距的，具体涉及一种基于uwb与蓝牙融合的医用手环高精度定位系统。

背景技术：

1、在现代化的智慧医院建设中，医护人员的实时定位对于医疗资源调度、电子围栏考勤以及行为轨迹分析具有重要意义。目前，医用手环通常采用超宽带技术与部署在病区走廊或房间内的基站进行测距通信，以获取高精度的位置信息。然而，在实际医疗护理场景中，存在一种典型的工况：医护人员在护士站配药或在病房内进行查体、输液等操作时，其位置相对固定（即躯干静止或微动），但手部进行高频的操作动作。

2、在此类工况下，医护人员的身体躯干极易遮挡手环与基站之间的视距路径。由于人体组织含有大量水分，会对超宽带脉冲信号产生显著的衰减与延迟，导致测距距离出现非视距的正向偏差。现有的定位算法通常难以在单帧数据内区分“由真实移动引起的位置变化”与“由人体遮挡引起的测距误差”。当手部因操作而产生高频加速度信号，且测距距离因遮挡而发生突变时，传统算法（如基于残差剔除的加权最小二乘法或常规卡尔曼滤波）极易误判为人员正在快速移动，导致定位点在地图上发生无序跳变（即“漂移”）。这不仅严重影响了轨迹数据的真实性，还可能因定位点漂移至邻近房间而触发出入区域的误报警。因此，亟需一种能够针对医护人员定点操作这一特定场景，有效识别并抑制由人体遮挡引起的虚假位移的定位方法。

技术实现思路

1、为了解决难以识别不同医用手环的工作模式造成的虚假定位的技术问题，本发明的目的在于提供一种基于uwb与蓝牙融合的医用手环高精度定位系统，所采用的技术方案具体如下：

2、本发明提出了一种基于uwb与蓝牙融合的医用手环高精度定位系统，所述系统包括：

3、数据同步模块：用于获取当前周期内的医用手环的三维加速度数据、位置数据和可见基站的位置数据；所述可见基站包含受遮挡基站；基于三维加速度数据的合加速度数据，确定医用手环的高频动作能量比；

4、特征提取模块：用于根据可见基站的信号优质程度以及位置数据，评估医用手环的定位中心，结合医用手环的定位中心之间的距离分布，或者定位中心与位置数据之间的距离偏差，得到医用手环的位置偏离向量；基于受遮挡基站和定位中心在水平面的距离分布，得到受遮挡基站方位向量；

5、模式判定模块：用于根据医用手环的位置偏离向量和受遮挡基站方位向量之间的方向相似度，结合医用手环的高频动作能量比，确定医用手环的工作模式；

6、定位输出模块：用于根据医用手环的工作模式，确定医用手环的定位更新策略，并根据对uwb通信状态的检查结果，判断是否利用蓝牙进行定位输出。

7、进一步地，所述受遮挡基站的获取方法包括：

8、获取可见基站的信道质量数据；所述可见基站的信道质量数据包括可见基站的首径功率电平和总接收功率电平；

9、基于可见基站的首径功率电平与总接收功率电平之差的绝对值，确定可见基站的信号遮挡指数；

10、将信号遮挡指数最大的可见基站作为受遮挡基站。

11、进一步地，所述医用手环的位置偏离向量的获取方法包括：

12、根据可见基站数量，判断是否存在优质基站，若是则根据医用手环和每个优质基站之间的距离分布，确定医用手环的实质定位中心，结合所述医用手环的实质定位中心之间的距离差异，得到医用手环的位置偏离向量；

13、若否则获取医用手环的预测定位中心，结合所述预测定位中心和医用手环的位置数据之间的距离偏差，得到医用手环的位置偏离向量；

14、所述医用手环的定位中心为实质定位中心或者预测定位中心。

15、进一步地，所述判断是否为优质基站的方法包括：

16、若可见基站的数量大于等于预设基站数量，且所述可见基站中存在信号遮挡指数小于预设遮挡阈值的可见基站，则基于信号遮挡指数从小到大的顺序，对小于预设遮挡阈值的可见基站进行筛选，确定优质基站；

17、若可见基站的数量小于预设基站数量，或所有可见基站的信号遮挡指数均大于等于所述预设遮挡阈值，则不存在优质基站。

18、进一步地，若是则根据医用手环和每个优质基站之间的距离分布，确定医用手环的实质定位中心，结合所述医用手环的实质定位中心之间的距离差异，得到医用手环的位置偏离向量，包括：

19、将每三个不同的优质基站构成优质基站组合，利用每个优质基站组合中优质基站的位置数据和医用手环的位置数据，求解每个优质基站组合对应的手环瞬时定位信息；将所有手环瞬时定位信息的算术平均值作为医用手环的实质定位中心；

20、基于医用手环的实质定位中心和每个优质基站对应的手环瞬时定位信息之间距离的最大值，对优质基站的手环瞬时定位信息进行筛选，确定最大发散中心；

21、基于医用手环的实质定位中心与最大发散中心在水平面的位置偏差，确定医用手环的位置偏离向量。

22、进一步地，所述若否则获取医用手环的预测定位中心，结合所述预测定位中心和医用手环的位置数据之间的距离偏差，得到医用手环的位置偏离向量，包括：

23、基于预测定位中心和每个可见基站之间的空间距离，确定理论距离数据；所述医用手环的位置数据包含医用手环与可见基站之间的实际距离数据；基于实际距离数据和理论距离数据的差异，确定每个可见基站对应的手环测距残差；

24、基于预测定位中心与最大手环测距残差对应的可见基站在水平面的位置偏差，确定医用手环的位置偏离向量。

25、进一步地，所述得到受遮挡基站方位向量的方法包括：

26、将受遮挡基站的位置数据和定位中心在水平面上的差值作为受遮挡基站方位向量。

27、进一步地，所述根据医用手环的位置偏离向量和受遮挡基站方位向量之间的方向相似度，结合医用手环的高频动作能量比，确定医用手环的工作模式，包括：

28、若医用手环的位置偏离向量的模长小于预设漂移阈值，则将方向相似度设为0；

29、若医用手环的位置偏离向量的模长大于等于预设漂移阈值，则基于医用手环的位置偏离向量和受遮挡基站方位向量的余弦相似度，得到方向相似度；

30、若高频动作能量比大于预设动作阈值，且方向相似度小于预设反向阈值，则判定医用手环处于位置保持模式；若高频动作能量比小于等于预设动作阈值，或方向相似度大于等于预设反向阈值，则判定医用手环处于位置更新模式。

31、进一步地，所述根据对uwb通信状态的检查结果，判断是否利用蓝牙进行定位输出，包括：

32、若uwb通信状态检查正常，则直接输出医用手环的定位结果；

33、若uwb通信状态检查异常，则将最强的蓝牙定位信标对应坐标作为医用手环的定位输出。

34、进一步地，所述确定高频动作能量比的方法包括：

35、对医用手环的合加速度数据依次进行去直流处理与快速傅里叶变换，得到各频率的功率谱密度；

36、对所有频率进行范围划分，得到低频动作频段与高频动作频段；基于高频动作频段内的功率谱密度之和在所有频率的功率谱密度总和之间的占比，确定医用手环的高频动作能量比。

37、本发明具有如下有益效果：

38、本发明通过构建数据同步模块与特征提取模块，将医用手环的三维加速度数据、位置数据以及可见基站位置数据转化为高频动作能量比、位置偏离向量和受遮挡基站方位向量。这一特征转换机制为医用手环工作模式的判定提供了多维度的量化依据，使得后续的工作模式确定不再是单纯的阈值判断，而是深度融合了医用手环运动状态与基站信号质量特征的综合决策变量，为提高定位精度提供了高质量的数据基础。

39、针对复杂环境下基站信号遮挡导致的定位漂移问题，本发明利用特征提取模块对可见基站进行了优质基站判定与定位中心计算，通过位置偏离向量和基于受遮挡基站和定位中心在水平面的距离分布得到的受遮挡基站方位向量，在数学层面有效地表征了信号遮挡的空间分布特征。该操作将抽象的信号质量问题转化为具体的方向维度的特征分析，从根本上解决了传统定位方法在遮挡环境下无法工作的缺陷，提升了系统在不同基站分布场景下的定位鲁棒性。

40、接着，通过位置偏离向量和受遮挡基站方位向量之间的方向相似度结合高频动作能量比来确定医用手环的工作模式，将人体遮挡引起的系统性偏差与环境多径引起的随机误差进行了有效区分，解决了传统算法仅依赖残差大小无法准确辨识干扰源的问题。最后基于工作模式确定定位更新策略，同时通过对uwb通信检查判断是否利用蓝牙进行定位输出，实现了不同模式定位的智能切换。该机制不仅提升了定位输出的准确性，还通过自适应的定位更新策略和通信方式选择，在保证定位精度的同时有效降低了系统能耗。

41、本发明通过多源数据融合、特征向量协同判定与模式定位输出的协同逻辑，在有效应对基站遮挡干扰、识别并抑制由人体遮挡引起的虚假位移的同时，实现了具备自适应能力和能耗优化特性的医用手环精准定位。