【技术实现步骤摘要】
一种基于改进平方根无迹卡尔曼滤波的室内定位方法
本专利技术涉及室内定位
,特别是一种基于改进平方根无迹卡尔曼滤波的室内定位方法。
技术介绍
无线室内定位技术的应用范围十分广泛,该技术的出现解决了全球定位系统(GPS)由于信号受障碍物遮蔽、室内环境复杂、反射严重等原因无法在室内提供精确定位服务的问题。常见的室内定位技术有:Wi-Fi技术、射频识别技术、红外技术、ZigBee技术、超声波技术、UWB技术等。这些技术有各自的优缺点,应用领域也各不相同。其中,超宽带技术(UWB)利用纳秒级的窄脉冲来传输数据,不需要载波,具有GHz量级的带宽。另外,超宽带技术具有较高的时间分辨率、较强的穿透力和抗多径能力,然而由于室内环境复杂,会发生UWB信号折射或反射的情况,或者由于障碍物阻挡导致非视距(NLOS)误差。
技术实现思路
本专利技术的目的在于提供一种精度高、稳定性好的基于改进平方根无迹卡尔曼滤波的室内定位方法。实现本专利技术目的的技术解决方案为:一种基于改进平方根无迹卡尔曼滤波的室内定位方法,包括以下步骤:步骤1:建立UWB定位模型;步骤2:建立行人航位推算PDR模型;步骤3:建立UWB/PDR组合定位模型;步骤4:建立改进平方根无迹卡尔曼滤波算法;步骤5:使用UWB进行实时定位,同时惯导依据初始位置进行行人航位推算,接收到TDOA数据后,用残差鉴别法鉴别是否存在NLOS情况;若存在NLOS,则通过改进平方根无迹卡尔曼滤波算法将惯导航位推算的坐标与UWB的定位坐标进行融合,对UWB解算坐标数据进行修正,返回步骤5;若不存在NLOS,则采用UWB解析出当前坐标,完成 ...
【技术保护点】
1.一种基于改进平方根无迹卡尔曼滤波的室内定位方法,其特征在于,包括以下步骤:步骤1:建立UWB定位模型;步骤2:建立行人航位推算PDR模型;步骤3:建立UWB/PDR组合定位模型;步骤4:建立改进平方根无迹卡尔曼滤波算法;步骤5:使用UWB进行实时定位,同时惯导依据初始位置进行行人航位推算,接收到TDOA数据后,用残差鉴别法鉴别是否存在NLOS情况:若存在NLOS,则通过改进平方根无迹卡尔曼滤波算法将惯导航位推算的坐标与UWB的定位坐标进行融合,对UWB解算坐标数据进行修正,重复步骤5;若不存在NLOS,则采用UWB解析出当前坐标,完成实时定位。
【技术特征摘要】
1.一种基于改进平方根无迹卡尔曼滤波的室内定位方法,其特征在于,包括以下步骤:步骤1:建立UWB定位模型;步骤2:建立行人航位推算PDR模型;步骤3:建立UWB/PDR组合定位模型;步骤4:建立改进平方根无迹卡尔曼滤波算法;步骤5:使用UWB进行实时定位,同时惯导依据初始位置进行行人航位推算,接收到TDOA数据后,用残差鉴别法鉴别是否存在NLOS情况:若存在NLOS,则通过改进平方根无迹卡尔曼滤波算法将惯导航位推算的坐标与UWB的定位坐标进行融合,对UWB解算坐标数据进行修正,重复步骤5;若不存在NLOS,则采用UWB解析出当前坐标,完成实时定位。2.根据权利要求1所述的基于改进平方根无迹卡尔曼滤波的室内定位方法,其特征在于,步骤1所述的建立UWB定位模型,具体如下:在三维空间中,利用4个传感器所得到的TDOA测量值来估算待定位节点的位置,设定基站传感器的坐标为(xi,yi,zi),其中i=1,2,3,4,待定位点A的坐标为(x,y,z),则第i个定位基站到A点的距离Ri为:其中Ki=xi2+yi2+zi2;设定第一个定位基站为主传感器,则定位目标到从传感器和到主传感器之间的距离差为Ri,1,信号传播时间差,即TDOA测量值为ti,1,则:Ri,1=cti,1=Ri-R1(2)其中c为传输信号的速率即光速;根据式(1)和式(2)得:在式(1)中,令i=1,则得:R12=K1-2x1x-2y1y-2z1z+x2+y2+z2(4)用式(3)减去式(4)得:Ri,12+2Ri,1R1=Ki-K1-2(xi-x1)x-2(yi-y1)y-2(zi-z1)z(5)设定传感器铺设在室内天花板上,高度为H,则zi=H;设定主传感器的坐标为(0,0,H),第二、三、四个传感器的坐标分别为:(x2,0,H)、(0,y3,H)、(x2,y3,H),由式(5)得:解式(6)得:式(7)中:将x,y值代入式(6)求得R1值,将x,y,R1值代入式(4)求得z值,得到待定位目标的位置。3.根据权利要求1所述的基于改进平方根无迹卡尔曼滤波的室内定位方法,其特征在于,步骤2所述的建立行人航位推算PDR模型,具体如下:假设行人在室内二维平面中运动,对行人的运动进行超短时间采样,可将行人在此阶段的运动近似为直线运动;假设行人的初始位置坐标为M0(E0,N0),初始航向角为行人t1时间内的移动距离为L0,得到行人的当前位置坐标M1(E1,N1):由上,同理推出ti时刻的位置坐标Mi(Ei,Ni)为:上式(9)中,(Ei-1,Ni-1)表示ti-1时刻的位置坐标,为ti-1时刻的航向角,Li-1表示采样时间内的位移;由式(9)知,行人航位推算PDR包括初始位姿、步频检测、步长估计和航向计算:所述步频检测,通过峰值检测法,基于行人的行进过程中产生的行进方向和竖直方向的正负加速度,来确定行人的步频;所述步长估计,根据行人的生理特征和行走习惯建立模型,得到步长估计;所述航向计算,通过扩展卡尔曼滤波融合陀螺仪、加速度计和磁力计的数据,得到航向角估计值。4.根据权利要求1所述的基于改进平方根无迹卡尔曼滤波的室内定位方法,其特征在于,步骤4所述的建立改进平方根无迹卡尔曼滤波算法,具体如下:结合基于改进Sage-Husa自适应平方根无迹卡尔曼滤波算法和基于多重渐消因子强跟踪平方根无迹卡尔曼滤波算法,建立改进平方根无迹卡尔曼滤波算法,根据发散判据判断滤波器是否滤波发散,当未发散时,采用基于改进Sage-Husa自适应平方根无迹卡尔曼滤波算法,反之,则采用基于多重渐消因子强跟踪平方根无迹卡尔曼滤波算法;当在滤波过程中趋近收敛时,通过简化观测噪声的协方差来提高计算效率,得k时刻的观测噪声协方差Rk如下:式(10)中,Rk-1表示k-1时刻的观测噪声协方差,zk表示时k刻的观测量,为加权后k时刻的观测预测值,自适应因子dk=(1-b)/(1-bk),b为遗忘因子,取值范围为(0,1);误差协方差矩阵表示k时刻的误差协方差平方根预测值;上标为T代表式该矩阵的转置;Hk为是k时刻近似的观测转移矩阵,Hk的表达式如式(11)所示:式(11)中,表示第i个采样点误差协方差权重;表示第i个采样点的观测预测值;当在滤波过程中趋近收敛时,误差协方差矩阵逐渐减小,并且Hk是k时刻近似的观测转移矩阵,为有限常数,因此的值逐渐减小,通过简化观测噪声的协方差来提高计算效率,将式(10)简化如下:通过自适应调节参数Wk来调节自适应因子dk,从而自适应调节不同传感器噪声特性对于系统的影响,将式(12...
【专利技术属性】
技术研发人员:刘源,杨行,包建东,胡明月,孙强,邢宗义,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。