无线通信系统中的标签定位方法与流程

1.本发明涉及室内定位领域，尤其涉及一种基于超宽带无线通信的高精度室内定位方法。


背景技术：

2.超宽带(ultra-wide band,uwb)通信定位系统是一种利用相位、飞行时间以及接收信号强度等信息完成测距从而进行定位的技术，测距过程主要包括基于到达角度(angle of arrival,aoa)、基于接收信号强度(received signal strength indication,rssi)、基于到达时间(time of arrival,toa)以及基于到达时间差(time deference of arrival,tdoa)等。toa算法利用信号双向传播时间进行测距，需要收发节点之间协作来记录信号的往返时间，充分利用uwb信号的高时间分辨率。
3.在求解被测目标坐标的过程中，三边定位算法是一种常见的定位算法，在理想环境下，目标的位置存在唯一的解，通过罗列方程组即可求得。但实际上，在无线电波的传播过程中，发射端和接收端之间由于障碍物的阻碍会使得信号无法按照直射路径进行传播，只能通过衍射、折射、反射等方式部分被接收端所接收，这种方式称为非视距(nlos)传播，由此带来的误差称为nlos误差。nlos误差使飞行时间的测量值产生超量时延，使得角度的测量值产生弥散效应。若使用存在nlos误差的测量值对目标进行直接估计，必然会存在估计的不准确度，所以需要对测量值处理再实施定位。
4.卡尔曼滤波(kalman filter,kf)是一种根据随时间变化所观察到的一系列噪声等不确定性的测量值，通过每个时间段变量的联合概率分布对未知变量进行估计的算法，它得到的估计值往往比单一测量的估计值更准确。但由于卡尔曼滤波只适用于线性系统中，所以实际定位环境往往是非视距的，在这种环境下，根据定位信息而建立的数学模型方程组是非线性的，卡尔曼滤波具有较大的局限性，因此，如何对关于标签位置的方程组进行求解是一个重要的问题。
5.chan算法旨在解决根据tdoa算法罗列的非线性方程组，当噪声服从高斯分布时，该算法算量小且精度高，可采用多个基站以此提高定位精度。chan算法和卡尔曼滤波相结合，并应用于toa算法中，既可以对原始测距值进行处理，剔除噪声粗差，降低nlos环境的影响，又可以利用chan算法在求解非线性方程组中的优秀性能，极大地提高超宽带通信定位精度，具有较大潜力。


技术实现要素：

6.为了解决上述问题，本发明提出一种基于超宽带无线通信的高精度室内定位方法。在该方法中，在测距阶段，利用toa与卡尔曼滤波结合，消除nlos带来的正向时间偏移量，对基站和标签之间的距离进行初步优化，从而提高测距精度。在定位过程中，引入chan算法，利用两次加权最小二乘法以得到边界向量、误差向量等约束条件，利用约束条件对求解标签坐标的非线性方程组进行处理，提高定位精度。
7.根据本技术的一方面，提供了一种在无线通信系统中对标签进行定位的方法，所述无线通信系统包括第一基站、第二基站、第三基站和所述标签，所述方法包括：所述第一基站、所述第二基站和所述第三基站分别经由第一超宽带信号、第二超宽带信号和第三超宽带信号与所述标签进行双向通信；分别基于所述第一超宽带信号、所述第二超宽带信号和所述第三超宽带信号在所述双向通信中的第一双向飞行时间、第二双向飞行时间和第三双向飞行时间，确定所述标签与所述第一基站之间的第一预测距离、所述标签与所述第二基站之间的第二预测距离和所述标签与所述第三基站之间的第三预测距离；基于所述第一预测距离、所述第二预测距离和所述第三预测距离，确定所述标签在所述无线通信系统中的位置。
8.在一些实施例中，所述第一基站、所述第二基站和所述第三基站分别经由第一超宽带信号、第二超宽带信号和第三超宽带信号与所述标签进行双向通信，包括：所述第一基站、所述第二基站和所述第三基站分别经由所述第一超宽带信号、所述第二超宽带信号和所述第三超宽带信号向标签发送第一测距请求信息；响应于接收到所述第一测距请求信息，所述标签分别经由所述第一超宽带信号、所述第二超宽带信号和所述第三超宽带信号向所述第一基站、所述第二基站和所述第三基站返回第一消息处理时延、第二消息处理时延和第三消息处理时延；响应于所述第一基站、所述第二基站和所述第三基站分别接收到接收到所述第一消息处理时延、所述第二消息处理时延和所述第三消息处理时延，确定第一往返时延、第二往返时延和第三往返时延。
9.在一些实施例中，所述第一基站、所述第二基站和所述第三基站分别经由第一超宽带信号、第二超宽带信号和第三超宽带信号与所述标签进行双向通信，还包括：所述标签分别经由所述第一超宽带信号、所述第二超宽带信号和所述第三超宽带信号向所述第一基站、所述第二基站和所述第三基站发送第二测距请求信息；响应于所述第一基站、所述第二基站和所述第三基站分别接收到所述第二测距请求信息，所述第一基站、所述第二基站和所述第三基站分别经由所述第一超宽带信号、所述第二超宽带信号和所述第三超宽带信号向所述标签返回第四消息处理时延、第五消息处理时延和第六消息处理时延；响应于所述标签接收到所述第四消息处理时延、所述第五消息处理时延和所述第六消息处理时延，确定第四往返时延、第五往返时延和第六往返时延。
10.在一些实施例中，所述第一双向飞行时间、所述第二双向飞行时间和所述第三双向飞行时间分别基于以下步骤确定：基于所述第一消息处理时延和所述第一往返时延，确定所述第一双向飞行时间；基于所述第二消息处理时延和所述第二往返时延，确定所述第二双向飞行时间；基于所述第三消息处理时延和所述第三往返时延，确定所述第三双向飞行时间。
11.在一些实施例中，所述第一双向飞行时间、所述第二双向飞行时间和所述第三双向飞行时间分别基于以下步骤确定：基于所述第一消息处理时延、所述第一往返时延、所述第四消息处理时延和所述第四往返时延，确定所述第一双向飞行时间；基于所述第二消息处理时延、所述第二往返时延、所述第五消息处理时延和所述第五往返时延，确定所述第二双向飞行时间；基于所述第三消息处理时延、所述第三往返时延、所述第六消息处理时延和所述第六往返时延，确定所述第三双向飞行时间。
12.在一些实施例中，所述基于所述第一预测距离、所述第二预测距离和所述第三预
测距离，确定所述标签在所述无线通信系统中的位置，包括：使用卡尔曼滤波，对所述第一预测距离、所述第二预测距离和所述第三预测距离进行平滑处理，以确定第一平滑预测距离、第二平滑预测距离和第三平滑预测距离；基于所述第一平滑预测距离、所述第二平滑预测距离和所述第三平滑预测距离，确定所述标签在所述无线通信系统中的位置。
13.在一些实施例中，所述基于所述第一平滑预测距离、所述第二平滑预测距离和所述第三平滑预测距离，确定所述标签在所述无线通信系统中的位置，包括：使用chan算法，对所述第一平滑预测距离、所述第二平滑预测距离和所述第三平滑预测距离进行修正处理，以确定第一修正预测距离、第二修正预测距离和第三修正预测距离；基于所述第一修正预测距离、所述第二修正预测距离和所述第三修正预测距离，确定所述标签在所述无线通信系统中的位置。
14.根据本技术的另一方面，提供了一种计算设备，包括：存储器，其被配置成存储计算机可执行指令；处理器，其被配置成当所述计算机可执行指令被处理器执行时执行本技术提供的任一项方法。
15.根据本技术的再一方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，当所述计算机可执行指令被执行时，执行本技术提供的任一项方法。
16.根据本技术的再一方面，提供了一种计算机程序产品，其包括计算机可执行指令，其中所述计算机可执行指令被处理器执行时执行本技术提供的任一项方法。
17.根据在下文中所描述的实施例，本技术的这些和其他方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
18.在附图中：
19.图1为本发明实施例提供的基于超宽带通信的定位系统示意图；
20.图2为本发明实施例提供的toa算法原理图；
21.图3为本发明实施例提供的三边定位算法los环境下的原理图；
22.图4为本发明实施例提供的三边定位算法nlos环境下的原理图。
具体实施方式
23.现在将借助于附图描述本发明的各种实施例。
24.图1为本发明的一种基于超宽带通信的定位系统示意图，包括但不限于如下步骤：
25.基站向标签发送数据请求，标签采集到超宽带信号后，计算信号的双向飞行时间；根据计算出的信号的双向飞行时间，建立toa模型，计算基站到标签之间的距离；经过卡尔曼滤波消除噪声后，采用三边定位算法和chan算法计算标签的精确坐标。
26.为使本发明的方法更加清楚、完整，接下来对本发明方法中的各个步骤进行详细描述。
27.测距阶段，根据toa算法，如图2所示，由基站向标签发送测距请求信息，标签响应测距并返回消息处理时延t
reply1
，基站收到响应消息后计算出消息的往返时延t
round1
，完成第一次测距，然后由标签发起测距请求信息，合并第二条测距响应消息和第三条测距请求消息，完成第二次测距。假设基站、标签的时钟偏移分别为λa，λb，则基站、标签之间信号双向
飞行时间可以用式1进行计算：
[0028][0029]
根据电磁波的传播速度，得到基站到标签之间的距离测量值如公式2所示：
[0030]di
＝c
×
t
propi
,i＝1,2,...m(2)
[0031]
其中，di表示第i个标签与基站之间的距离，c表示电磁波的传播速度，t
propi
表示第i个标签与基站之间的双向飞行时间。
[0032]
测距误差优化阶段，由于存在nlos传播，nlos误差在定位算法中时一个正的附加延时超量，所以测得的标签到基站的距离就会大于两者间的实际距离，将距离测量值作为卡尔曼滤波的输入，卡尔曼滤波可以根据当前时刻的测量值和上一时刻的估计值得到本次测量值的最优估计，对标签到基站之间的距离值进行数据平滑，从而提高定位精度。
[0033]
对标签到基站的距离进行处理，其状态方程和测量方程分别为(3)和(4)所示：
[0034]
状态方程：
[0035]
x
k 1
＝φxk γwkꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0036]
测量方程：
[0037]
zk＝mxk uk(4)
[0038]
其中，表示时间样本tk时刻的二维状态向量，表示rk的一阶导数，wk表示一维过程噪声序列，表示状态转移矩阵，表示噪声输入矩阵，uk表示一维观测噪声序列，m＝[1,0]表示观测矩阵。
[0039]
经过上述两个方程式建立起了某时刻的测量向量与状态向量的关系后，可以在给出tk时刻的状态向量和估计误差的协方差的初始值，再通过迭代运算对不同时刻的状态向量作出估计，迭代过程如式(5)-(9)所示：
[0040][0041]
p
k 1,k
＝φp
k,k
φ
t
γqγ
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0042]kk 1
＝p
k 1,kmt
(mp
k 1,kmt
r)-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0043]
p
k 1,k 1
＝p
k 1,k-k
k 1
mp
k 1,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0044][0045]
定位阶段，理想情况los环境下采用三边定位算法，如图3所示，要求有三个不共线的基站和一个标签，根据几何原理有式(10)成立：
[0046][0047]
其中，(x,y)表示标签位置坐标，(xi,yi)表示第i个基站的坐标。
[0048]
即求出待测节点的位置坐标如式(11)所示：
[0049][0050]
但由于定位环境中有墙壁、玻璃、障碍物等，信号在传播时会以穿过障碍物或者反射的形式到达接收端，所以接收到的信号对于测距定位来说是不准确的，如图4所示，所以实际情况得到描述坐标的方程组后需要进一步处处理，即采用chan算法。将经过卡尔曼滤波平滑后的距离测量值作为chan算法的输入，使用两步加权最小二乘法处理方程组，从而计算出标签的估计位置。
[0051]
设标签的位置向量为z
p
＝[x y]
t
，把r1当作未知数，得到未知向量z＝[x y r1]
t
。根据三边定位算法的几何原理：
[0052][0053]
将上式两边平方得到：
[0054][0055]
其中，ki＝x
i2
y
i2
。
[0056]
定义：
[0057]ri2
＝(xi x)2 (yi y)2＝k
i-2xix-2yiy x2 y2,i＝1,2,3
[0058]
得到：
[0059]ri2
＝(r
i,1
r1)2[0060]
联立得到：
[0061]ri，12
2r
i，1
r1 r
12
＝k
i-2xix-2yiy x2 y2[0062]
由于有三个基站，将上式转换为矩阵形式：
[0063]
h-gaza＝0
[0064]
其中，
[0065]
假设矩阵可逆，对上式做加权最小二乘估计可得近似的最大似然估计：
[0066]
za＝argmin{(h-gaza)
t
ψ-1
(h-gaza)}＝(g
at
ψ-1
ga)-1gat
ψ-1h[0067]
其中，ψ＝c2bqb，q为不同参考点的测距误差协方差矩阵，c为电磁波在空气中的传播速度。
[0068]
令定义无噪声时{*}的表达式为{*}0，则可以得到toa观测噪声下的误差矢量为：
[0069][0070]
实际中误差矢量e服从高斯分布，且协方差矩阵为：
[0071]
ψ＝c2bqb
[0072]
其中，q为服从高斯噪声矢量协方差矩阵。
[0073]
暂时假定za的元素间相互独立，则其加权最小二乘估计为：
[0074][0075]
由于b中含有未知的从各个参考点到未知点的真实距离，因此首先假设等于同一常数，则有：
[0076]z′a＝(g
at
q-1
ga)-1gat
q-1h[0077]
然后利用上式关于未知点坐标的初始解重新计算b，得到在忽略za元素间约束关系下的估计结果。
[0078]
采用扰动方法计算和保留线性扰动分量，得到的协方差矩阵为：
[0079][0080]
由r1＝||s
1-z
p
||可以得到新的误差矢量：
[0081]e′
＝h
′‑
ga′
z0[0082]
其中，
[0083]
z0＝[(x
0-x1)2,(y
0-y1)2]
t
。
[0084]
在此，认为的误差较小，则近似得到e
′
的协方差矩阵为：
[0085][0086]
其中，
[0087]
z的加权最小二乘估计为：
[0088][0089]
由于ψ
′
中含有未知点真实位置，所以只能利用近似估算b
′
，用ga近似。
[0090]
最终，关于未知点的估计结果为：
[0091]
或者
[0092]
再根据得出的参考解，可以排除其他几个解，得到最优解。
[0093]
尽管已经在附图和前述描述中详细图示了和描述了本发明，但是这样的图示和描述应被认为是说明性的或示例性的而不是限制性的。
[0094]
通过阅读本公开，其它修改对本领域技术人员将是清楚的。这样的修改可以涉及本领域中已知的其它特征，并且可以替代或补充本文已描述的特征被使用。
[0095]
通过研究附图、公开和所附权利要求，本领域技术人员可以理解和实现所公开的实施例的变型。在权利要求中，词语“包括”不排除其它元件或步骤。