一种抗强干扰的超宽带高精度定位系统及方法与流程

1.本发明涉及一种抗强干扰的超宽带高精度定位系统及方法，属于新一代信息处理技术领域。


背景技术：

2.超宽带(ultra-wideband,uwb)技术采用发射极短的脉冲电磁波信号，以实现目标的径向距离位置测量。uwb发射的脉冲极短，信号所占用的带宽甚至达到几ghz，因此具有发射功率小、传输速率高、低干扰性、低成本等优点。利用uwb技术可克服卫星导航在室内接收信号不稳定、进而导致精度不高等问题。因此，在工业流水线生产、物流自动装配、隧道施工、医疗等领域都具有广泛的应用。
3.uwb具有多种测距方法，比如虑基于飞行时间(time of flight,tof)的测距原理，以及基于到达角(arrival of angle，aoa)的测距原理等。tof计算判断的是靶点的径向距离，因此要实现目标的三纬位置定位，必须布设3个以上的uwb设备进行靶点位置观测，建立多个独立的观测方程，才可实现高精度的定位估计。但由于uwb的测量存在一定的误差，以及uwb设备的布设合理程度，因此实际定位中存在一定的误差。当前最新商用的uwb室内定位技术精度为10cm～30cm。
4.然而，在室内的环境下，受房屋的墙壁、金属等物体的干扰影响，uwb设备发射的电磁信号被这些物体遮挡。电磁信号传输产生异常的延时，使得原建立的物理观测方程不再成立，定位估计误差大，在机器人操作等领域应用中甚至引起严重的作业事故。因此，在信号干扰环境下，如何实现uwb精确定位是一个亟待解决的问题。


技术实现要素：

5.针对上述现有技术存在的问题，本发明提供一种抗强干扰的超宽带高精度定位系统及方法，从而解决上述技术问题。
6.为了实现上述目的，本发明采用的技术方案是：一种抗强干扰的超宽带高精度定位系统，包括异常值剔除单元、观测数据精细筛选单元及目标定位单元；
7.所述异常值剔除单元用于对观测数据进行聚类并在此基础上进行异常值剔除；
8.所述观测数据精细筛选单元对每个超宽带设备的观测值进行最小化筛选；
9.所述目标定位单元用以实现目标位置的高精度估计定位。
10.进一步的，所述异常值剔除单元对数据进行聚类时将数据分成6类，即差异值分别为相同、小差异、一般差异，中等差异、较大差异、异常这6类。
11.进一步的，所述目标定位单元根据超宽带设备的观测几何建立观测方程组，再基于l2范数正则化改进最小二乘法实现目标位置的高精度估计。
12.一种抗强干扰的超宽带高精度定位系统的定位方法，其特征在于，包括以下步骤：步骤一：异常数据剔除；步骤二：观测数据精细筛选；步骤三：目标高精度定位。
13.进一步的，所述步骤一异常数据剔除的具体方式为：
14.首先，假设4个超宽带设备获取得到目标的观测距离分别为r0，r1，r2，r3，已知观测集(o1,o2,...,on)，其中每个观测都是一个4维向量,即第n次观测on＝[r0(n),r1(n),r2(n),r3(n)]，数据聚类的目标是找到满足下式的聚类si(i＝1，2，
…
，6)
[0015][0016]
式中ui是si中所有观测集的均值；
[0017]
通过下式把每个观测分配到聚类中，使得到聚类观测中心的平方和最小；
[0018][0019]
式中t是迭代次数，mi是聚类观测值的中心，具体计算如下：
[0020][0021]
对于上一步得到的每一个聚类，以聚类中观测值的中心，作为新的观测均值中心点；
[0022]
在干扰对情况下都存在异常值，这些观测数据数量总数远远少于正常数值的观测数据，因此对某个聚类对数据数量少于整个文件数据数量十分之一，就可判定为该类为异常值的数据聚类，并接下来剔除；反之，则提取该聚类的第一个观测数据作为该类的观测数据代表值。
[0023]
进一步的，所述步骤二观测数据精细筛选的具体计算为rk＝min[rk(s1),rk(s2),rk(s3),rk(s4),rk(s5)](k＝1，2，
…
，4)，min()为取最小值函数。
[0024]
进一步的，所述步骤三中目标高精度定位的具体方法为：
[0025]
设置目标位置(x
t
,y
t
,z
t
)，四个超宽带设备的坐标分别为(x0,y0,z0)、(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)，由四个超宽带设备可提供四个观测方程：
[0026][0027]
进一步化简可得：
[0028]
ap＝b
ꢀꢀ
(5)
[0029]
式中观测矩阵为：
[0030][0031]
目标位置向量p为：
[0032][0033]
b向量为：
[0034][0035]
传统采用最小二乘法进行求解可得到目标位置估计值为：
[0036][0037]
实际情况下，由于测量误差，观测方程组为：
[0038]
ap≈b
ꢀꢀ
(10)
[0039]
随后引入l2范数正则化的方法，对上述最小二乘法进行改进，建立优化对目标函数如下：
[0040][0041]
式中模型参数λ》0；
[0042]
对上式求导可得：
[0043][0044]
由上式等于0可推导得到改进最小二乘法模型的解为:
[0045][0046]
最终得到目标位置估计值为:
[0047][0048]
本发明的有益效果是：本发明的一种抗强干扰的超宽带高精度定位系统和方法能准确地从干扰环境中估计出目标的坐标位置，抑制干扰并可靠地检测出干扰中的目标，目标位置(x
t
,y
t
,z
t
)估计均方根误差分别为4.93cm、4.64cm及16.83cm，优于现有最新的商用室内定位精度。定位目标的结果与目标的真实位置非常接近。采用本发明提供的方法及系统装置，能有效地从强干扰环境下，准确地估计出出目标靶点的位置，极大提高超宽带设备在室内复杂环境下的抗干扰性能。
附图说明
[0049]
图1为本发明的实施例结构抗强干扰的超宽带高精度定位系统和方法示意图；
[0050]
图2为本发明的实施例中在强干扰环境下的目标观测数据聚类图；
[0051]
图3为本发明的实施例中三维观测几何示意图；
[0052]
图4为本发明的实施例中传统的最小二乘定位方法数据示意图；
[0053]
图5为本发明的实施例中目标定位方法数据示意图。
具体实施方式
[0054]
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
[0055]
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
[0056]
如图1所示，一种抗强干扰的超宽带高精度定位系统包括异常值剔除单元、观测数据精细筛选单元及目标定位单元，异常值剔除单元用于对观测数据进行聚类并在此基础上进行异常值剔除，观测数据精细筛选单元对每个超宽带设备的观测值进行最小化筛选，目标定位单元根据超宽带设备的观测几何建立观测方程组，再基于l2范数正则化改进最小二乘法实现目标位置的高精度估计。
[0057]
本实施例优选的，异常值剔除单元用于对观测数据进行聚类并在此基础上进行异常值剔除。具体地，因此对数据分成6类，即差异值分别为(相同，小差异，一般差异，中等差异，较大差异，异常)6类。
[0058]
首先，假设4个超宽带设备获取得到目标的观测距离分别为r0，r1，r2，r3，已知观测集(o1,o2,...,on)，其中每个观测都是一个4维向量,即第n次观测on＝[r0(n),r1(n),r2(n),r3(n)]，数据聚类的目标是找到满足下式的聚类si(i＝1，2，
…
，6)
[0059][0060]
式中ui是si中所有观测集的均值；
[0061]
求解上式由以下两次依次迭代，具体步骤如下
[0062]
a)：通过下式把每个观测分配到聚类中，使得到聚类观测中心的平方和最小。
[0063][0064]
式中t是迭代次数，mi是聚类观测值的中心，具体计算如下：
[0065][0066]
b)：对于上一步得到的每一个聚类，以聚类中观测值的中心，作为新的观测均值中心点。
[0067]
在干扰对情况下都存在异常值，这些观测数据数量总数远远少于正常数值的观测数据，因此对某个聚类对数据数量少于整个文件数据数量十分之一，就可判定为该类为异常值的数据聚类，并接下来剔除。反之，则提取该聚类的第一个观测数据作为该类的观测数据代表值。
[0068]
图2是本发明的实施例中在强干扰环境下的目标观测数据聚类图。虽然第4个超宽
带设备获得的径向距离非常小，但综合计算其他3个超宽带带观测距离，与大部分的观测距离值差异大，因此图中椭圆形标注的聚类点被判定为异常观测点，进而被成功剔除。
[0069]
本实施例优选的，观测数据精细筛选单元对每个超宽带设备的观测值进行最小化筛选。具体计算为即为rk＝min[rk(s1),rk(s2),rk(s3),rk(s4),rk(s5)](k＝1，2，
…
，4)，min()为取最小值函数。
[0070]
本实施例优选的，目标定位单元根据超宽带设备的观测几何建立观测方程组，再基于l2范数正则化改进最小二乘法实现目标位置的高精度估计。
[0071]
图3给出了本发明的三维观测几何示意图，图中目标位置为(x
t
,y
t
,z
t
)，四个超宽带设备的坐标分别为(x0,y0,z0)、(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)。由四个超宽带设备可提供四个观测方程：
[0072][0073]
进一步化简可得，
[0074]
ap＝b
ꢀꢀ
(5)
[0075]
式中观测矩阵为：
[0076][0077]
目标位置向量p为：
[0078][0079]
b向量为：
[0080][0081]
传统采用最小二乘法进行求解可得到目标位置估计值为：
[0082][0083]
实际情况下，由于测量误差，观测方程组为：
[0084]
ap≈b
ꢀꢀ
(10)
[0085]
随后引入l2范数正则化的方法，对上述最小二乘法进行改进，建立优化对目标函
数如下：
[0086][0087]
式中模型参数λ》0；
[0088]
对上式求导可得：
[0089][0090]
由上式等于0可推导得到改进最小二乘法模型的解为:
[0091][0092]
最终得到目标位置估计值为:
[0093][0094]
图4和图5为本发明的实施例中在强干扰环境下的目标定位与传统方法的对比图。如图4所示，基于传统的最小二乘定位方法，没有对干扰数据进行处理，对目标位置估计值与真实位置偏差大，目标位置(x
t
,y
t
,z
t
)估计均方根误差分别为25.67cm、40.87cm及103.36cm。
[0095]
本发明的一种抗强干扰的超宽带高精度定位系统和方法(见图5)，能准确地从干扰环境中估计出目标的坐标位置，抑制干扰并可靠地检测出干扰中的目标，目标位置(x
t
,y
t
,z
t
)估计均方根误差分别为4.93cm、4.64cm及16.83cm，优于现有最新的商用室内定位精度。定位目标的结果与目标的真实位置非常接近。
[0096]
从上面的描述中可以看出，采用本发明提供的方法及系统装置，能有效地从强干扰环境下，准确地估计出出目标靶点的位置，极大提高超宽带设备在室内复杂环境下的抗干扰性能。
[0097]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。