基于TOF及迭代无迹滤波的室内无线定位跟踪方法技术

本发明专利技术公开了一种基于TOF及迭代无迹滤波的室内无线定位跟踪方法，主要解决目前定位跟踪方法缺乏有效的误差控制及数据利用率不高的问题。其实现方案是：1.根据目标节点与锚节点之间的通信时间信息，利用对称双向双边测距算法计算目标节点与锚节点之间的距离；2.根据距离信息进行三角形内点测试，得到被保留的锚节点组合；3.设定距离阈值和权重阈值，根据被保留的锚节点组合及对应的距离信息，计算目标节点当前时刻的坐标；4.根据目标节点当前时刻的坐标和实际运动状态，利用迭代无迹滤波算法预测目标节点下一时刻的坐标。本发明专利技术提高了数据的利用率和定位跟踪精度，可用于物流管理、紧急救助、设备检测、灾害预防及医疗保健。

【技术实现步骤摘要】

本专利技术属于无线通信
，具体涉及室内无线定位及跟踪方法，可用于物流管理、紧急救助、设备检测、灾害预防及医疗保健。
技术介绍
近年来，随着物联网IoT的飞速发展，室内定位，作为一种基于位置的服务LBS，在物流管理、紧急救助、设备检测、灾害预防、医疗保健、个性化信息传递等领域显示出了巨大的活力。全球卫星导航系统，例如美国的GPS和中国的北斗2号均能够在室外为人们提供良好的定位服务，但在室内却显得有些无能为力。这是由于建筑物的阻挡，使得信号传递到室内时衰减严重，加之室内环境复杂，障碍物众多，信号极易受到噪声干扰及产生多径效应，而导致的定位精度大大降低。因此，传统的卫星定位技术难以应用到室内环境。目前室内无线定位跟踪技术种类繁多，依据定位过程中是否需要测距，室内无线定位技术可以分为无需测距的定位技术和基于测距的定位技术。相较于无需测距的定位技术，基于测距的定位技术有着节点密度低、定位精度高的优势，因此被广泛应用。目前基于测距的定位技术可分为以下五种：基于到达角度AOA测距的室内无线定位技术、基于到达时间TOA测距的室内无线定位技术、基于到达时间差TDOA测距的室内无线定位技术、基于接收信号强度RSSI测距的室内无线定位技术和基于飞行时间TOF测距的室内无线定位技术。其中：基于AOA测距的室内无线定位技术，其需要特殊的硬件设备如天线阵列或有向天线等来支持，有天线阵列的节点的耗能、尺寸以及价格都要超过普通的传感节点，与无线传感器网络低成本和低能耗的特性相违背，所以实用性较差；基于TOA测距的室内无线定位技术，其要求节点之间保持严格的时间同步，由于无线电的传输速度非常快，而传感节点之间的距离又较小，因此实现高精度计时同步是非常困难的，限制了该技术的实用性；基于TDOA测距的室内无线定位技术，其虽不要求节点之间保持严格的时间同步，但是传输信号容易受环境因素影响产生多径效应及噪声干扰，因此系统难以适应复杂的室内环境；基于RSSI测距的定位技术实现简单，其对硬件设备要求不高，成本低廉，是目前应用广泛的定位技术。但是该技术需要部署较多的锚节点，并且在障碍物较多的室内环境中，噪声干扰、多路径反射、非视线问题等因素导致节点获取的接收信号强度可能出现较大的随机波动，规律性较差，从而降低定位系统的准确性，使得定位系统难以满足高精度定位的需求；基于TOF测距的室内无线定位技术，其需要额外的硬件设备支持，该技术使用双向通讯时间进行距离测量，有较精准的传输时间测量机制，因此相较以上四种测距技术有着较高的测距精度，但由于存在系统处理延迟及多径干扰，在近距离测量时会存在较大的测距误差，从而影响定位系统的精度。福建师范大学在其专利申请号：201210010521.6，公开号：CN102573057A中公开了一种“一种优化的RFID室内定位方法”。该方法利用未知节点读取室内平均布置的锚节点的坐标信息，对读取到的坐标信息利用粒子滤波算法进行滤波，然后采用等边三角形的质心算法或权重质心算法来计算未知节点的坐标。这种方法由于对坐标信息进行粒子滤波，在坐标信息较少的情况下容易发生粒子贫化现象，并且由于对坐标信息没有合适的筛选机制，无法有效抑制异常数据引起的误差，导致系统定位误差较大。上海机电学院在其专利申请号：201510916856.8，公开号：CN105491661A中提出了一种“基于改进的Kalman滤波算法的室内定位系统及方法”。该定位系统通过高斯滤波处理对各锚节点接收的RSSI值进行筛选并得到符合条件的值，由上位机计算出各RSSI值对应的距离，并将这些锚节点对应的距离值进行Kalman滤波处理，最后再经过三边定位及质心算法求出未知节点的坐标。这种方法通过滤波筛选了最优的三组数据进行定位计算，该方法由于在多锚节点下仅仅选取了三个锚节点的信息，因而没有充分利用其他锚节点的信息，使得数据利用率较低，定位结果可靠性不高。
技术实现思路
本专利技术的目的在于提供一种基于TOF及迭代无迹滤波的室内无线定位跟踪方法，以解决目前定位跟踪技术缺乏有效的误差控制及数据利用率不高的问题，提高室内定位跟踪的稳定性及定位精度。本专利技术的技术方案是这样实现的：本专利技术通过锚节点与目标节点之间相互通信获取时间信息，根据时间信息利用对称双向双边测距算法计算目标节点与锚节点间的距离，再根据距离变化信息进行三角形内点测试筛选所需要的锚节点组合，然后设定距离阈值和权重阈值对锚节点组合进行二次筛选，筛选后的锚节点组合利用三角质心加权法计算目标节点当前时刻的坐标，最后利用迭代无迹滤波算法预测目标节点的下一时刻的坐标，其实现步骤包括如下：1)在k时刻和k+1时刻分别获取目标节点与锚节点Ai之间的通信时间信息，根据该时间信息利用对称双向双边测距方法分别计算k时刻和k+1时刻目标节点与锚节点Ai之间的距离Di(k)和Di(k+1)；2)任意选择三个不同坐标的锚节点作为一组进行三角形内点测试；根据k时刻和k+1时刻目标节点与锚节点的距离信息Di(k)、Di(k+1)，舍弃Di(k)均小于Di(k+1)或者Di(k)均大于Di(k+1)的锚节点组合，直到遍历完所有组合，保留未被舍弃的锚节点组合；3)根据2)中被保留的锚节点组合及k时刻对应的距离信息Di(k)，计算出k时刻目标节点的坐标(x(k),y(k))：3.1)根据锚节点数及实际部署情况设定距离阈值p和权重阈值q；3.2)将2)中被保留的每个锚节点组合中最小的距离值设为di(k)，若di(k)≥p，保留对应的锚节点组合；否则，舍弃该组合；3.3)计算3.2)中被保留的锚节点组合的权重值hi，若hi≥q，保留对应的锚节点组合；否则，舍弃该组合；3.4)对3.3)中保留的锚节点组合利用三角质心加权法计算出k时刻目标节点的坐标(x(k),y(k))；4)根据3)得到的坐标(x(k),y(k))及目标节点的实际运动状态，利用迭代无迹滤波方法预测出目标节点k+1时刻的坐标(x(k+1),y(k+1))。本专利技术与现有技术相比，具有如下优点：第一，由于本专利技术在定位计算前对距离信息进行了筛选，通过设定距离阈值和权重阈值舍弃精度较差的距离信息，克服了现有技术中未对距离信息进行合理筛选，导致距离信息在定位计算过程中容易引起较大误差，造成定位结果可靠性较低的不足，提高了定位跟踪的精度。第二，由于本专利技术在处理定位坐标数据时使用了迭代无迹滤波算法，通过迭代计算加快了坐标数据的收敛，克服了现有滤波算法适应性差、易发散，无法有效抑制异常数据引起的误差的不足，提高了定位跟踪的稳定性。附图说明图1是本专利技术的总流程图；图2是本专利技术中对锚节点组合进行三角形内点测试的子流程图；图3是本专利技术中计算k时刻目标节点坐标的子流程图；图4是本专利技术中预测目标节点k+1时刻的坐标的子流程图；图5是用本专利技术和现有三种定位方法对目标节点定位的平均误差仿真图；图6是用本专利技术和现有三种定位方法对目标节点定位的误差累计分布仿真图；图7是用本专利技术和现有三种跟踪方法在单目标节点跟踪时的跟踪误差累计分布仿真图。具体实施方式下面结合附图及具体实施例对本专利技术中的方法进行详细完整的描述。本实施例以本专利技术的方法为前提进行实施，给出了详细的实施方式和具体操作过程，但本专利技术的保护范围不限于下述实施例，本领域普通本文档来自技高网...

【技术保护点】
基于TOF及迭代无迹滤波的室内无线定位跟踪方法，包括：1)在k时刻和k+1时刻分别获取目标节点与锚节点Ai之间的通信时间信息，根据该时间信息利用对称双向双边测距方法分别计算k时刻和k+1时刻目标节点与锚节点Ai之间的距离Di(k)和Di(k+1)；2)任意选择三个不同坐标的锚节点作为一组进行三角形内点测试；根据k时刻和k+1时刻目标节点与锚节点的距离信息Di(k)、Di(k+1)，舍弃Di(k)均小于Di(k+1)或者Di(k)均大于Di(k+1)的锚节点组合，直到遍历完所有组合，保留未被舍弃的锚节点组合；3)根据2)中被保留的锚节点组合及k时刻对应的距离信息Di(k)，计算出k时刻目标节点的坐标(x(k),y(k))：3.1)根据锚节点数及实际部署情况设定距离阈值p和权重阈值q；3.2)将2)中被保留的每个锚节点组合中最小的距离值设为di(k)，若di(k)≥p，保留对应的锚节点组合；否则，舍弃该组合；3.3)计算3.2)中被保留的锚节点组合的权重值hi，若hi≥q，保留对应的锚节点组合；否则，舍弃该组合；3.4)对3.3)中保留的锚节点组合利用三角质心加权法计算出k时刻目标节点的坐标(x(k),y(k))；4)根据3)得到的坐标(x(k),y(k))及目标节点的实际运动状态，利用迭代无迹滤波方法预测出目标节点k+1时刻的坐标(x(k+1),y(k+1))。...

【技术特征摘要】
1.基于TOF及迭代无迹滤波的室内无线定位跟踪方法，包括：1)在k时刻和k+1时刻分别获取目标节点与锚节点Ai之间的通信时间信息，根据该时间信息利用对称双向双边测距方法分别计算k时刻和k+1时刻目标节点与锚节点Ai之间的距离Di(k)和Di(k+1)；2)任意选择三个不同坐标的锚节点作为一组进行三角形内点测试；根据k时刻和k+1时刻目标节点与锚节点的距离信息Di(k)、Di(k+1)，舍弃Di(k)均小于Di(k+1)或者Di(k)均大于Di(k+1)的锚节点组合，直到遍历完所有组合，保留未被舍弃的锚节点组合；3)根据2)中被保留的锚节点组合及k时刻对应的距离信息Di(k)，计算出k时刻目标节点的坐标(x(k),y(k))：3.1)根据锚节点数及实际部署情况设定距离阈值p和权重阈值q；3.2)将2)中被保留的每个锚节点组合中最小的距离值设为di(k)，若di(k)≥p，保留对应的锚节点组合；否则，舍弃该组合；3.3)计算3.2)中被保留的锚节点组合的权重值hi，若hi≥q，保留对应的锚节点组合；否则，舍弃该组合；3.4)对3.3)中保留的锚节点组合利用三角质心加权法计算出k时刻目标节点的坐标(x(k),y(k))；4)根据3)得到的坐标(x(k),y(k))及目标节点的实际运动状态，利用迭代无迹滤波方法预测出目标节点k+1时刻的坐标(x(k+1),y(k+1))。2.根据权利要求1所述的方法,步骤3.3)中计算锚节点组合的权重值hi，按如下步骤进行：3.3a)设锚节点组合中三个锚节点的坐标分别为A1(x1,y1)，A2(x2,y2)，A3(x3,y3)，以这三个锚节点为顶点组成三角形ΔA1A2A3，计算∠A1,∠A2,∠A3分别对应的斜率K1，K2，K3：K1＝(y2-y3)/(x2-x3)K2＝(y3-y1)/(x3-x1)K3＝(y2-y1)/(x2-x1)3.3b)根据斜率K1，K2，K3，计算三角形ΔA1A2A3三个角的正切值：tanA1＝(K2-K3)/(1+K2K3)tanA2＝(K1-K3)/(1+K1K3)tanA3＝(K2-K1)/(1+K2K1)3.3c)在三个正切值tanA1，tanA2，tanA3中，将最小且非负的正切值作为锚节点组合A1,A2,A3的权重值h；3.3d)根据3.3a)到3.3c)的计算方法，分别计算出3.2)中被保留的所有的锚节点组合的权重值hi，i＝0,1,2,…。3.根据权利要求1所述的方法，步骤3.4)中利用三角质心加权法计算出k时刻目标节点的坐标(x(k),y(k))，按如下步骤进行：3.4a)设锚节点组合中三个锚节点的坐标分别为A1(x1,y1)，A2(x2,y2)，A3(x3,y3)，对应的距离分别为D1(k)，D2(k)，D3(k)，建立如下方程： ( x - x 1 ) 2 + ( y - y 1 ) 2 = D 1 2 ( k ) - - - < 1 > ]]> ( x - x 2 ) 2 + ( y - y 2 ) 2 = D 2 2 ( k ) - - - < 2 > ]]> ( x - x 3 ) 2 + ( y - y 3 ) 2 = D 3 2 ( k ) - - - < 3 > ]]>3.4b)求解方程组<1>、<2>、<3>，得到3个点(x12,y12)，(x23,y23)，(x13,y13)；3.4b1)求解方程组<1>和<2>，得到两个解，记为(x12,y12),(x′12,y′12)，选择这两个解中距离(x3,y3)最近的点，假设选择的点为(x12,y12)；3.4b2)求解方程组<2>和<3>，得到两个解，记为(x23,y23),(x′23,y′23)，选择这两个解中距离(x1,y1)最近的点，假设选择的点为(x23,y23)；3.4b3)求解方程组<1>和<3>，得到两个解，记为(x13,y13),(x′13,y′13)，选择这两个解中距离(x2,y2)最近的点，假设选择的点为(x13,y13)；3.4c)利用3.4b)得到的3个点，计算出目标节点的参考坐标 ( x ~ ( k ) , y ~ ( k ) ) = ( x 12 + x 23 + x 13 3 , y 12 + y 23 + y 13 3 ) ; ]]>3.4d)根据3.4a)到3.4c)的计算方法，计算3.3)中被保留的所有的锚节点组合所对应的目标节点的参考坐标3.4e)利用3.4d)得到的参考坐标计算出k时刻目标节点的坐标(x(k),y(k))： ( x ( k ) , y ( k ) ) = Σ i = 1 ... ( h i · ( x ~ i ( k ) , y ~ i ( k ) ) ) Σ i = 1 ... h i . ]]>4.根据权利要求1所述的方法，其中步骤4)中计算目标节点k+1时刻的坐标(x(k+1),y(k+1))，按如下步骤进行：4.1)根据步骤3得到的坐标(x(k),y(k))以及目标节点的实际运动状态，计算k+1时刻的状态估计量及对应的协方差矩阵P(k+1)；4.2)根据4.1)得到的状态估计量及协方差矩阵P(k+1)，计算k+1时刻的迭代状态估计量及对应的协方差矩阵P(k+1)b；4.3)令P(k+1)＝P(k+1)b，并从状态变量估计中得到k+1时刻目标节点的坐标(x(k+1),y(k+1))。5.根据权利要求4所述的方法，其中步骤4.1)中计算k+1时刻的状态估计量及对应的协方差矩阵P(k+1)，按如下步骤进行：4.1a)计算状态估计变量及对应的方差矩阵P(k)： X ^ ( k ) = X ( k ) + W ( k ) , ]]> P ( k ) = E [ ( X ( k ) - X ^ ( k ) ) ( X ( k ) - X ^ ( k ) ) T ] , ]]>其中，状态变量x(k),y(k)分别为k时刻目标节点的横坐标和纵坐标，分别为k时刻目标节点的横向速度和纵向速度，分别为k时刻目标节点的横向加速度和纵向加速度，W(k)是一个均值为0，方差为Q的高斯白噪声；4.1b)对状态变量X(k)进行无迹变换，获取采样点集X(i)(k)及对应权值w(i)： X ( i ) ( k ) = X ^ ( k ) , i = 0 X ^ ( k ) + ( ( y + λ ) P ( k ) ) , i = 1 ~ y X ^ ( k ) - ( ( y + λ ) P ( k ) ) , i = y + 1 ~ 2 y , ]]> w ( i ) = w m ( 0 ) = λ y + λ w c ( 0 ) = λ y + λ + ( 1 - α 2 + β ) w c ( i ) = w m ( i ) = λ 2 ( y + λ ) , i = 1 ~ 2 y , ]]>其中，y表示展开维数，α为分布状态因子；η为待选参数，用以确保矩阵(y+λ)P(k)为半正定矩阵，λ＝α2(y+η)-y；β为非负待选参数，用于表征状态变量高阶项的影响；y，α，η，β的取值需要根据实际需求设定；4.1c)计算每个采样点X(i)(k)的一步预测X(i)(k+1|k)：X(i)(k+1|k)＝F·X(i)(k)+G·W(k),i＝0～2y，其中，F表示状态转移矩阵，G表示过程噪声矩阵，F、G的取值分别如下： F = 1 0 t s 0 t s 2 2 0 0 1 0 t s 0 t s 2 2 0 0 1 0 t s 0 0 0 0 1 0 t s 0 0 0 0 1 0 0 0 0 0 0 1 , G = t s 2 2 0 0 0 t s 0 0 0 0 t s 2 2 0 0 0 t s 0 0 0 0 , ]]>其中采样时间ts根据实际需求设定；4.1d)计算状态变量X(k)的一步预测及对应的协方差矩阵P(k+1|k)： X ^ ( k + 1 | k ) = Σ i = 0 2 y w m ( i ) X ( i ) ( k + 1 | k ) , ]]> P ( k + 1 | k ) = Σ i = 0 2 y w c ( i ) [ X ^ ( k + 1 | k ) - X ( i ) ( k + 1 | k ) ] [ X ^ ( k + 1 | k ) - X ( i ) ( k + 1 | k ) ] T + Q ; ]]>4.1e)对一步预测进行无迹变换，获取新的采样点集X(i)(k+1|k)： X ( i ) ( k + 1 | k ) = X ^ ( k + 1 | k ) , i = 0 X ^ ( k + 1 | k ) + ( y + λ ) P ( k + 1 | k ) , i = 1 ~ y X ^ ( k + 1 | k ) - ( ...

【专利技术属性】
技术研发人员：王勇，徐黔南，宫丰奎，张南，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61