一种复杂环境下的TDOA定位追踪方法技术

本发明专利技术公开了一种复杂环境下的TDOA定位追踪方法，包括：步骤1，读取TDOA数据；步骤2，进行数据预处理，去除误差较大的基站；步骤3，对于剩余有效基站数大于等于4的数据进行解算，将解算结果放入数组P；步骤4，更换主基站，重复步骤3，直到该条数据中的所有基站都当过一次主基站；步骤5，如果P不为空，从中选择最合适的点放入保存最终定位结果的数组T，并清空数组P；步骤6，如果T中加入了新点，进行平均滤波，将滤波结果放入轨迹数组F；步骤7，如果T中没有加入新点，根据F中的数据利用时间和速度对当前坐标进行预测，将预测结果同时放入F和T中；步骤8，该条数据处理完毕，回到步骤1，读取下一条数据。

【技术实现步骤摘要】
一种复杂环境下的TDOA定位追踪方法
本专利技术涉及室内定位方法，特别是涉及一种复杂环境下的TDOA定位追踪方法。
技术介绍
随着物联网和移动互联技术的不断发展，越来越多的服务和应用依赖于用户的位置信息，如何精确地对设备进行定位正成为当前研究的一大热点。在室外环境下，全球定位系统(GPS)以其精度较高、稳定性强和成本低廉的优势，取得了广泛的应用，但在室内环境下，由于卫星信号无法穿透建筑物，GPS的使用受到了严重的限制。而且，相比于室外，室内环境受多径效应、非视距传输(NLOS)的影响更为明显，还存在着环境的动态变化等问题，这些都增加了室内精确定位的挑战性。目前，国内外研究者们已经提出了基于信号衰减模型、TOA(Time-of-Arrival)、TDOA(Time-Difference-of-Arrival)和AOA(Angle-of-Arrival)等原理的室内定位解决方案，其中，TDOA以其不需要严格时间同步的优势，得到了广泛的重视和研究。在众多TDOA定位方法中，WadeH.Foy依据Taylor展开提出的方法(简称Taylor序列方法)以其形式简单、精度较高的优点取得了广泛的应用。该方法在给定初始坐标附近进行Taylor展开并忽略二阶以上分量，然后通过迭代计算误差的局部最小二乘解来逐步优化坐标。该方法的精度依赖于输入的初始值，如果初始值接近真实解则结果较为精确，但在实际应用中，初始值很难选取，导致其精度较差，甚至可能无法收敛。而且迭代的特性使其需要较大的计算量。文献：FoyWH.Position-LocationSolutionsbyTaylor-SeriesEstimation[J].IEEETransactionsonAerospace&ElectronicSystems,2007,AES-12(2):187-194.为了克服基于Taylor展开的方法存在的依赖初始值进行迭代、无法保证收敛以及时间开销大的问题，Y.T.Chan等人提出了具有闭式解的双曲定位算法(简称Chan算法)。该算法通过引入第三个的变量，将非线性问题转化为线性问题，然后通过两次加权最小二乘法得到最终的定位结果。Chan算法计算速度快，结果也较为准确，但该算法的推导基于信道误差较小且服从零均值高斯分布的假设，该假设在真实环境下很难满足，因此精度会显著下降。文献：ChanYT,HoKC.Asimpleandefficientestimatorforhyperboliclocation[J].IEEETransactionsonSignalProcessing,2002,42(8):1905-1915.
技术实现思路
专利技术目的：解决Taylor序列方法、Chan算法等经典TDOA定位算法在真实环境下性能显著下降、追踪过程中无法形成连续平滑轨迹的问题，在Taylor和Chan算法中引入固定高度信息，提升定位结果的准确性，并加入数据扩充技术和坐标的先验知识，大幅减少无法解算的情况，同时通过合理的滤波和预测策略，增强轨迹的光滑性和连续性。为了解决上述技术问题，本专利技术公开了一种复杂室内环境下基于TDOA的定位追踪方法，该方法可以用于仓库管理、定位导览、机器人追踪等应用中，包括如下步骤：步骤1，读取一条含有N个(一般N取值为4)以上基站的TDOA数据；步骤2，根据历史数据进行数据预处理，去除误差较大的基站；步骤3，对于剩余有效基站数大于等于N的数据，利用加入高度信息的Chan和Taylor序列方法进行解算，将解算结果放入数组P；步骤4，更换主基站，重复步骤3，直到该条TDOA数据中的所有基站都当过一次主基站；步骤5，如果数组P不为空，从中选择最合适的点放入保存最终定位结果的数组T，并清空数组P；步骤6，如果数组T中加入了新点，进行平均滤波，将滤波结果放入轨迹数组F，用于显示实时轨迹；步骤7，如果数组T中没有加入新点，根据轨迹数组F中的数据利用时间和速度对当前坐标进行预测，将预测结果同时放入轨迹数组F和数组T中；步骤8，该条TDOA数据处理完毕，回到步骤1，读取下一条TDOA数据。步骤1中，读入的TDOA数据data的形式为：data＝(di1,di2,di3,…,din)，其中n表示该条TDOA数据中基站的个数，i表示主基站序号，1<＝i<＝n，dij表示当前待求坐标到主基站的距离和到序号为j的基站(简称基站j)的距离之差，1<＝j<＝n，特别地，当j＝i时，dij＝0。该步骤要求基站数大于等于4，即n>＝4。步骤2中，设定当前读入TDOA数据与历史数据之间的差值Δdata为：Δdata＝(Δdi1,Δdi2,Δdi3,…,Δdin)，其中Δdij为dij和之前时刻较好历史数据之间的差值。设定误差阈值为t，如果Δdij>t，就从data中将dij删除。步骤3包括如下步骤：步骤3-1，用引入高度的Chan算法对坐标进行粗略估计。首先将TDOA数据进行简单的变换，使主基站成为序号为1的基站。变换后的数据data_形式为：data_＝(d12,d13,d14,…,d1n)，其中d1j(2<＝j<＝n)表示当前坐标到主基站和基站j之间距离的差值。设定基站的坐标为(x1,y1,z1)，(x2,y2,z2)，…，(xn,yn,zn)，其中(xi,yi,zi)表示基站i的三维坐标，1<＝i<＝n，该坐标已知。引入的待定位物体的固定高度为h，则改进后的Chan算法可以表示为：Ki＝xi^2+yi^2+(zi-h)^2，E＝0.5*[d12^2+K1-K2；d13^2+K1-K3；…；d1n^2+K1-Kn]，xij＝xi-xj，yij＝yi-yj，G＝[-x21,-y21,d12；-x31,-y31,d13；…；-xn1,-yn1,d1n]，Z_＝inv(GT*inv(Q)*G)*GT*inv(Q)*E，ri＝sqrt((xi-Z_(1))^2+(yi-Z_(2))^2+(zi-h)^2)，D＝diag{r2,r3,…,rn}，X＝D*Q*D，Z＝inv(GT*inv(X)*G)*GT*inv(X)*E，其中Ki、E、xij、yij、G、Z_、ri、D、X表示引入的中间量；^2表示平方操作，inv表示矩阵的求逆操作，矩阵右上角的T表示矩阵转置，Q表示误差的协方差矩阵，sqrt表示开方运算，Z_(i)表示向量Z_的第i个分量(i＝1,2,3)，diag{r2,r3,…,rn}表示以r2，r3，…，rn依次为对角线元素的对角矩阵。最终求得的Z为含有三个元素的向量，可以表示为Z＝(x,y,r)，其中(x,y)即所求的坐标估计值，r为该坐标到主基站的距离。步骤3-2，将步骤3-1得到的结果作为Talor序列方法的初始值代入进行迭代，得到更精确的坐标。这一步骤同样引入固定高度信息，设定高度为h，初始值为(x0,y0)，则改进后的Taylor序列方法可以表示为：Ri＝sqrt((xi-x0)^2+(yi-y0)^2+(zi-h)^2)，Rij＝Ri-Rj，H＝[R21-(R2-R1)；R31-(R3-R1)；…；Rn1-(Rn-R1)]，pi＝(xi-x0)/Ri，qi＝(yi-y0)/Ri本文档来自技高网...

【技术保护点】
1.一种复杂环境下的TDOA定位追踪方法，其特征在于，包括如下步骤：步骤1，读取一条含有N个以上基站的TDOA数据；步骤2，进行数据预处理，去除误差较大的基站，剩余的基站为有效基站；步骤3，对于剩余有效基站数大于等于N的数据进行解算，将解算结果放入数组P；步骤4，更换主基站，重复步骤3，直到该条TDOA数据中的所有基站都当过一次主基站；步骤5，如果数组P不为空，从中选择最合适的点放入保存最终定位结果的数组T，并清空数组P；步骤6，如果数组T中加入了新点，进行平均滤波，将滤波结果放入轨迹数组F，用于显示实时轨迹；步骤7，如果数组T中没有加入新点，根据轨迹数组F中的数据利用时间和速度对当前坐标进行预测，将预测结果同时放入轨迹数组F和数组T中；步骤8，该条TDOA数据处理完毕，回到步骤1，读取下一条TDOA数据。

【技术特征摘要】
1.一种复杂环境下的TDOA定位追踪方法，其特征在于，包括如下步骤：步骤1，读取一条含有N个以上基站的TDOA数据；步骤2，进行数据预处理，去除误差较大的基站，剩余的基站为有效基站；步骤3，对于剩余有效基站数大于等于N的数据进行解算，将解算结果放入数组P；步骤4，更换主基站，重复步骤3，直到该条TDOA数据中的所有基站都当过一次主基站；步骤5，如果数组P不为空，从中选择最合适的点放入保存最终定位结果的数组T，并清空数组P；步骤6，如果数组T中加入了新点，进行平均滤波，将滤波结果放入轨迹数组F，用于显示实时轨迹；步骤7，如果数组T中没有加入新点，根据轨迹数组F中的数据利用时间和速度对当前坐标进行预测，将预测结果同时放入轨迹数组F和数组T中；步骤8，该条TDOA数据处理完毕，回到步骤1，读取下一条TDOA数据。2.根据权利要求1所述的方法，其特征在于，步骤1中，读入的TDOA数据data的形式为：data＝(di1,di2,di3,…,din)，其中n表示该条TDOA数据中基站的个数，i表示主基站序号，1<＝i<＝n，dij表示当前待求坐标到主基站的距离和到序号为j的基站的距离之差，1<＝j<＝n，当j＝i时，dij＝0。3.根据权利要求2所述的方法，其特征在于，步骤2中，设定当前读入TDOA数据与历史数据之间的差值Δdata为：Δdata＝(Δdi1,Δdi2,Δdi3,…,Δdin)，其中Δdij为dij和之前时刻较好历史数据之间的差值，设定误差阈值为t，如果Δdij>t，就从data中将dij删除。4.根据权利要求3所述的方法，其特征在于，步骤3包括如下步骤：步骤3-1，将TDOA数据进行变换，使主基站成为序号为1的基站，变换后的数据data_形式为：data_＝(d12,d13,d14,…,d1n)，其中d1j表示当前坐标到主基站和基站j之间距离的差值，2<＝j<＝n，设定基站的坐标为(x1,y1,z1)，(x2,y2,z2)，…，(xn,yn,zn)，其中(xi,yi,zi)表示基站i的三维坐标，1<＝i<＝n，该坐标已知；采用引入高度的Chan算法，引入的待定位物体的固定高度为h，则改进后的Chan算法表示为：Ki＝xi^2+yi^2+(zi-h)^2，E＝0.5*[d12^2+K1-K2；d13^2+K1-K3；…；d1n^2+K1-Kn]，xij＝xi-xj，yij＝yi-yj，G＝[-x21,-y21,d12；-x31,-y31,d13；…；-xn1,-yn1,d1n]，Z_＝inv(GT*inv(Q)*G)*GT*inv(Q)*E，ri＝sqrt((xi-Z_(1))^2+(yi-Z_(2))^2+(zi-h)^2)，D＝diag{r2,r3,…,rn}，X＝D*Q*D，Z＝inv(GT*inv(X)*G)*GT*inv(X)*E，其中Ki、E、xij、yij、G、Z_、ri、D、X表示引入的中间量；^2表示平方操作，inv表示矩阵的求逆操作，矩阵右上角的T表示矩阵转置，Q表示误差的协方差矩阵，sqrt表示开方运算，Z_(i)表示向量Z_的第i个分量，diag{r2,r3,…,rn}表示以r2，r3，…，rn依次为对角线元素的对角矩阵；最终求得的Z为含有三个元素的向量，表示为Z＝(x,y,r)，其中(x,y)即所求的坐标估计值，r为该坐标到主基站的距离；步骤3-2，将步骤3-1得到的结果作为Talor序列方法的初始值代入进行迭代，得到更精确的坐标：引入固定高度信息，设定高度为h，坐标初始值为(x0,y0)，则改进后的Taylor序列方法表示为：Ri＝sqrt((xi-x0)^2+(yi-y0)^2+(zi-h)^2)，Rij＝Ri-Rj，H＝[R21-(R2-R1)；R31-(R3-R1)；…；Rn1-(Rn-R1)]，pi＝(xi-x0)/Ri，qi＝(yi-y0)/Ri，M＝[p1-p2,q1-q2；p1-p3,q1-q3；…；p1-pn,q1-qn]，[Δx,Δy]＝inv(MT*inv(Q)*M)*MT*inv(Q)*H，其中，Ri、Rij、H、pi、qi、M表示引入的中间量；(Δx,Δy)...

【专利技术属性】
技术研发人员：申富饶，周至，于斐彦，安俊逸，李俊，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32