一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法技术

本发明专利技术公开了一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，该方法首先通过SEKF算法得到移动目标预测位置值，计算出移动目标到各个基站的预测距离，得到预测距离与实际测量距离差值，再通过马氏距离分类器识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，对NLOS条件下的测量距离进行重构；最后利用LOS条件下的测量距离与重构后的距离通过SEKF算法得到移动目标位置估计值。本发明专利技术方法克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，减轻了滤波过程的计算量，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。

A mobile target location method based on the combination of SEKF and distance reconstruction in NLOS

【技术实现步骤摘要】
一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法
本专利技术涉及无线传感器网络
，尤其涉及一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法。
技术介绍
随着无线传感器网络技术的快速发展，各种利用无线传感器定位的技术已成为当今的研究热点。其中，利用无线传感器对移动目标的定位应用较为广泛，并对商业、工业与军事等各个领域有着极其重要的意义和非常广阔的应用前景。然而，在一些复杂环境(如室内、地下隧道等)中，由于障碍物密集，导致无线传感器会在LOS传播与NLOS传播两种方式之间随机切换。在NLOS环境中，由于信号直射路径的缺失，导致传播时间延迟，产生正偏差，使得无线传感器之间的测距误差增大，这极大的影响了移动目标定位的精度。因此，在混合LOS与NLOS的环境中正确的识别出NLOS，并对其进行缓解是当前必须解决的难点。
技术实现思路
本专利技术提出了一种NLOS(Non-Line-Of-Sight,NLOS)条件下序贯扩展卡尔曼SEKF与距离重构相结合的移动目标定位方法，用以解决移动目标在复杂环境中受NLOS影响造成的定位不精确的问题。为了实现上述目的，本专利技术采取了如下技术方案：一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，该方法包括如下步骤：步骤1：设置多个基站，并在移动目标上安装标签，其中标签与基站均采用UWB模块，获取移动目标与基站之间的距离值。步骤2：将步骤1获取的距离输入SEKF算法中，通过SEKF算法得到移动目标的预测位置。步骤3：利用移动目标的预测位置计算出移动目标到各个基站的预测距离，并通过预测距离与步骤1获取的距离差值来识别出当前获取的距离是在LOS传播条件下还是在NLOS传播条件下。步骤4：将识别出的NLOS传播条件下的距离值输入距离重构算法，得到重构后的距离值。步骤5：利用LOS传播条件下的距离值与重构后的NLOS距离值通过SEKF算法得到移动目标的位置估计值。进一步地，所述步骤1中，在LOS传播条件下，获取的距离其描述如下：在NLOS传播条件下，获取的距离其描述如下：其中，N表示基站总数，(xi,yi)为第i个基站的坐标，为标签在k时刻的坐标，为k时刻标签与第i个基站之间的测量距离，为k时刻标签与第i个基站之间的真实距离，为k时刻标签与第i个基站之间的测量噪声，服从均值为0、方差为的高斯分布，即为k时刻标签与第i个基站之间的NLOS偏差(该偏差是在多径效应和阻挡物的时候产生的)，服从均值为μnlos、方差为的高斯分布，即进一步地，所述步骤2具体如下：移动目标的状态模型描述如下：Xk＝FXk-1+Guk-1其中，为k时刻状态矢量，和分别为移动目标x轴和y轴方向上的速度，为状态转移矩阵，T为采样周期，为过程噪声转移矩阵，uk-1为过程噪声。移动目标的测量模型描述如下：Zk＝hk(Xk)+vk其中，Zk为测量值，vk为观测噪声，hk(Xk)为测量方程，其计算方式如下：当k时刻获取的测量距离为M(M≤N)个时，利用序贯的处理方式，每次使用一个测量距离输入扩展卡尔曼EKF，从而形成以单个测量距离为基本滤波单元的序贯扩展卡尔曼SEKF的数据处理方法。首先进行一步SEKF算法，其一步状态预测过程描述如下：其中，为一步状态预测值，并将其记作其中，Pk-1为k-1时刻的误差协方差，Qk-1为过程噪声协方差矩阵，为一步误差协方差预测值，并将其记作将M个测量距离依次进行循环处理，第j(j＝1,2,…,M)个测量距离的处理过程如下：其中，为k时刻第j个测量距离对应的状态值，Pj,k为k时刻第j个测量距离对应的误差协方差，Zj,k为k时刻第j个测量值，Kj,k为k时刻第j个测量距离对应的卡尔曼增益，为k时刻第j个测量距离线性化后的观测矩阵，(xj,yj)为k时刻第j个测量距离对应的基站坐标，Rj,k为k时刻第j个测量距离对应的观测噪声协方差，为k时刻对应的第j个基站的测量方程，I为单位矩阵。进一步地，所述步骤3具体如下：首先，根据k时刻移动目标的预测位置计算出移动目标到各个基站的预测距离，其计算过程如下：其中，为k时刻移动目标与第i个基站之间的预测距离，为移动目标在k时刻的预测坐标。然后，计算预测距离与测量距离之间的差值，计算过程如下：其中，为估计测量误差。最后，利用马氏距离分类器识别出当前获取的测量距离是在LOS传播条件下还是在NLOS传播条件下，其具体过程如下：当时，是在LOS传播条件下；当时，是在NLOS传播条件下。进一步地，所述步骤4中，距离重构算法具体如下：利用先前时刻的距离值与距离变化速率来重构NLOS条件下的距离：其中，为重构距离，为k-1时刻标签与第i个基站之间距离变化速率，其描述如下：进一步地，所述步骤5具体如下：若k时刻第j个测量距离在LOS传播条件下，则：若k时刻第j个测量距离在NLOS传播条件下，则：当序贯的过程结束，令：其中，为k时刻的状态估计值，Pk为k时刻的误差协方差估计值。本专利技术的有益效果是：该方法首先通过SEKF算法得到移动目标预测位置值，从而计算出移动目标到各个基站的预测距离，并通过预测距离与实际测量距离得到距离差值，再通过马氏距离分类器的方法来识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，并用重构算法对NLOS传播条件下的测量距离进行重构；最后，利用LOS传播条件下的测量距离与重构后的距离通过SEKF算法得到移动目标的位置估计值。本专利技术提出SEKF算法，克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，从而减轻了滤波过程的计算量。同时，利用距离重构算法对NLOS条件下的测量距离进行重构，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。附图说明图1为本专利技术移动目标定位方法流程图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步详细说明。如图1所示，本专利技术提供的一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述方法包括如下步骤：步骤1：单个移动目标的定位是通过一个安装在移动目标上的标签与多个基站(至少三个且不共线)构成的，其中标签与基站均采用UWB模块。获取移动目标与基站之间的距离值，将步骤1获取的距离输入SEKF算法中，通过SEKF算法得到移动目标的预测位置，其具体过程如下：在LOS传播条件下，获取的距离其描述如下：在NLOS传播条件下，获取的距离其描述如下：其中，N表示基站总数，(xi,yi)为第i个基站的坐标，为标签在k时刻的坐标，为k时刻标签与第i个基站之间的测量距离，为k时刻标签与第i个基站之间的真实距离，为k时刻标签与第i个基站之间的测量噪声，服从均值为0、方差为的高斯分布，即为k时刻标签与第i个基站之间的NLOS偏差(该偏差是在多径效应和阻挡物的时候产生的)，服从均值为μnlos、方差为的高斯分布，即移动目标的状态模型描述如下：Xk＝FXk-1+Guk-1其中，为k时刻状态矢量，和分别为移动目标x轴和y轴方向上的速度，为状态转移矩阵，T为采样周期，为过程噪声转移矩阵，uk-1为过程噪声。移动目标的测量模型描述如下：Zk＝hk(Xk)+vk其中，Zk为测量值，vk为观测噪声，hk(Xk)为测量方程，其计算方式如下：当k时刻获取的测量距离为M(M≤N本文档来自技高网...

【技术保护点】
1.一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述方法包括如下步骤：步骤1：设置多个基站，并在移动目标上安装标签，其中标签与基站均采用UWB模块，获取移动目标与基站之间的距离值。步骤2：将步骤1获取的距离输入SEKF算法中，通过SEKF算法得到移动目标的预测位置。步骤3：利用移动目标的预测位置计算出移动目标到各个基站的预测距离，并通过预测距离与步骤1获取的距离差值来识别出当前获取的距离是在LOS传播条件下还是在NLOS传播条件下。步骤4：将识别出的NLOS传播条件下的距离值输入距离重构算法，得到重构后的距离值。步骤5：利用LOS传播条件下的距离值与重构后的NLOS距离值通过SEKF算法得到移动目标的位置估计值。

【技术特征摘要】
1.一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述方法包括如下步骤：步骤1：设置多个基站，并在移动目标上安装标签，其中标签与基站均采用UWB模块，获取移动目标与基站之间的距离值。步骤2：将步骤1获取的距离输入SEKF算法中，通过SEKF算法得到移动目标的预测位置。步骤3：利用移动目标的预测位置计算出移动目标到各个基站的预测距离，并通过预测距离与步骤1获取的距离差值来识别出当前获取的距离是在LOS传播条件下还是在NLOS传播条件下。步骤4：将识别出的NLOS传播条件下的距离值输入距离重构算法，得到重构后的距离值。步骤5：利用LOS传播条件下的距离值与重构后的NLOS距离值通过SEKF算法得到移动目标的位置估计值。2.根据权利要求1所述的NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述步骤1中，在LOS传播条件下，获取的距离其描述如下：在NLOS传播条件下，获取的距离其描述如下：其中，N表示基站总数，(xi,yi)为第i个基站的坐标，为标签在k时刻的坐标，为k时刻标签与第i个基站之间的测量距离，为k时刻标签与第i个基站之间的真实距离，为k时刻标签与第i个基站之间的测量噪声，服从均值为0、方差为的高斯分布，即为k时刻标签与第i个基站之间的NLOS偏差(该偏差是在多径效应和阻挡物的时候产生的)，服从均值为μnlos、方差为的高斯分布，即3.根据权利要求1所述的NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述步骤2具体如下：移动目标的状态模型描述如下：Xk＝FXk-1+Guk-1其中，为k时刻状态矢量，和分别为移动目标x轴和y轴方向上的速度，为状态转移矩阵，T为采样周期，为过程噪声转移矩阵，uk-1为过程噪声。移动目标的测量模型描述如下：Zk＝hk(Xk)+vk其中，Zk为测量值，vk为观测噪声，hk(Xk)为测量方程，其计算方式如下：当k时刻获取的测量距离为M(M≤N)个时，利用序贯的处理方式，每次使用一个测量距离输入扩展卡尔曼EKF，从而形成以单个测量距离为基本...

【专利技术属性】
技术研发人员：殷菲鹤，魏璇，林志赟，韩志敏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33