基于AoA的多基站协同定位矩阵算法的制作方法

本发明涉及AoA的定位
技术领域：
，特别涉及一种基于AoA的多基站协同定位矩阵算法。
背景技术：
在室内定位采用AoA的定位技术中，现有技术为基于AoA的单基站定位，它的定位范围为围绕基站的一个圆形区域，当存在多个基站时，不同圆形区域边缘如果能进行协同定位，则可以增大定位范围，同时也使原覆盖范围提高定位精度，对此设计一种基于AoA的多基站协同定位矩阵算法。技术实现要素：根据本发明实施例，提供了一种基于AoA的多基站协同定位矩阵算法，包含以下步骤：在定位环境中，采集预设个数的基站在预设时间内目标的定位数据；将预设个数的基站和预设时间形成一个二维数组，二维数组的值为目标的定位坐标(x，y)；设定不同预设时间点采样的数据权重作为时间维度权重；采集基站与目标之间的距离、角度以及信号强度，计算基站的权重；不同基站的权重形成基站维度的权重；计算对应位置信息的权重；将对应位置信息的权重对x和y的数组值进行加权平均，得到目标最后的坐标结果。进一步，预设时间的间隔为100ms。进一步，不同预设时间点采样产生的影响与不同预设时间点的时间间隔正相关。进一步，基站的权重计算公式为；Anchor_weight＝distance*angle*rssAnchor_weight为基站的权重，distance为基站与目标之间的距离，angle为基站与目标之间的角度，rss为基站与目标的信号强度。进一步，对应位置信息的权重计算公式为：Weights＝time_weights*Anchor_weightsWeights为对应位置信息的权重，time_weights为时间维度权重，Anchor_weights为基站维度的权重。根据本发明实施例的基于AoA的多基站协同定位矩阵算法，在单基站定位的圆形区域外，采用多基站也可以定位，扩大了定位范围，节省了部署成本。因为在外围区域，单基站的定位由于距离太远精度会降低，采用多基站多时间点的大量数据进行协同计算，提高了外围区域的定位准确性；在单基站定位的圆形区域内，周边有其它基站协同定位，可以减少单基站无线电信号漂移抖动的影响，提高定位精度。因为无线信号本身总是会有漂移，这造成单次测量结果的不准确，采用多基站多时间点的协同计算，降低了单次测量结果的不稳定造成的误差，提高了精度。要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并且意图在于提供要求保护的技术的进一步说明。附图说明图1为根据本发明实施例基于AoA的多基站协同定位矩阵算法的流程图。图2为根据本发明实施例基于AoA的多基站协同定位矩阵算法的区域划分图。具体实施方式以下将结合附图，详细描述本发明的优选实施例，对本发明做进一步阐述。首先，将结合图1描述根据本发明实施例的基于AoA的多基站协同定位矩阵算法，用于多基站协同定位坐标的计算应用场景很广。如图1所示，本发明实施例的基于AoA的多基站协同定位矩阵算法，包含以下步骤：如图1～2所示，S1：在定位环境中，采集预设个数的基站在预设时间内目标的定位数据。基站的预设个数为3个，预设时间为0ms、100ms前以及200ms前，预设时间的间隔为100ms。如图1～2所示，S2：将预设个数的基站和预设时间形成一个二维数组，二维数组的值为目标的定位坐标(x，y)。基站1基站2基站30ms采样(5.5,8.8)(5.6,8,7)(5.4,8.7)100ms前采样(5.3,8.5)(5.7,8.8)(5.6,8.6)200ms前采样(5.2,8.2)(5.5,8.5)(5.5,8.8)定位坐标是x，y两个的值，分别将x和y的值形成两个二维数组，一个数组的值为x，一个数组的值为y，x坐标的数组值为xs，y坐标的数组值为ys。如图1～2所示，S3：设定不同预设时间点采样的数据权重作为时间维度权重。不同预设时间点采样产生的影响与不同预设时间点的时间间隔正相关。同一个基站在不同时间点的对目标进行定位，由于目标位置的移动，定位的坐标是不同的，但如果采样时间范围很小，目标移动距离很小，则这个影响会很小，这里可以根据目标移动的速度来设定采样的时间范围，减少不同时间点采样产生的影响。多时间点采样可以减轻单一采样信号漂移的影响，使定位结果更稳定。考虑到采样时间越靠近当前时间，定位的结果越接近当前真实位置。设定不同时间点采样的数据权重作为一个时间维度权重，数据如下：Time_weights＝[3，2，1]。如图1～2所示，S4：采集基站与目标之间的距离、角度以及信号强度，计算基站的权重。基站的权重计算公式为；Anchor_weight＝distance*angle*rssAnchor_weight为基站的权重，distance为基站与目标之间的距离，angle为基站与目标之间的角度，rss为基站与目标的信号强度。如图1～2所示，S5：不同基站的权重形成基站维度的权重。基站维度的权重为：Anchor_weights＝[7，8，9]。如图1～2所示，S6：计算对应位置信息的权重。对应位置信息的权重计算公式为基站维度的权重与时间维度权重进行矩阵相乘：Weights＝time_weights*Anchor_weightsWeights为对应位置信息的权重，time_weights为时间维度权重，Anchor_weights为基站维度的权重。如图1～2所示，S7：将对应位置信息的权重对x和y的数组值进行加权平均，得到目标最后的坐标结果。X＝(x11w11 x12w12 x13w13 x21w21 x22w22 x23w23 x31w31 x32w32 x33w33)/(w11 w12 w13 w21 w22 w23 w31 w32 w33)Y＝(y11w11 y12w12 y13w13 y21w21 y22w22 y23w23 y31w31 y32w32 y33w33)/(w11 w12 w13 w21 w22 w23 w31 w32 w33)(X，Y)即为定位目标的坐标。以上，参照图1描述了根据本发明实施例的基于AoA的多基站协同定位矩阵算法，在单基站定位的圆形区域外，采用多基站也可以定位，扩大了定位范围，节省了部署成本。因为在外围区域，单基站的定位由于距离太远精度会降低，采用多基站多时间点的大量数据进行协同计算，提高了外围区域的定位准确性；在单基站定位的圆形区域内，周边有其它基站协同定位，可以减少单基站无线电信号漂移抖动的影响，提高定位精度。因为无线信号本身总是会有漂移，这造成单次测量结果的不准确，采用多基站多时间点的协同计算，降低了单次测量结果的不稳定造成的误差，提高了精度。需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。当前第1页12