The invention discloses a UWB positioning method combining SVM and center of gravity coordinate under NLOS condition, belonging to the technical field of wireless sensor network. The method can be divided into the following steps: first, using SVM algorithm to identify the collected measurement value under the condition of NLOS or Los propagation, and alleviate the measurement error caused by NLOS; second, using the measured value under LOS and the measured value after NLOS mitigation to build the distance square matrix, and using MDS algorithm to get the relative position of each UWB node; third, according to MDS algorithm to get The fourth step is to calculate the actual coordinates of the unknown nodes by combining the generalized barycenter coordinates with the known coordinates of each anchor node. The method can effectively identify NLOS under complex environment and effectively improve the positioning accuracy of UWB.
【技术实现步骤摘要】
一种NLOS条件下SVM与重心坐标相结合的UWB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(Non-Line-Of-Sight，NLOS)条件下SVM(SupportVectorMachine)与重心坐标相结合的UWB(UltraWideBand，UWB)定位方法。
技术介绍
随着无线传感器网络技术的快速发展，无线传感器定位技术已成为当今的一个研究热点，并对商业、工业与军事等各个领域有着及其重要的意义和非常广阔的应用前景。近年来UWB发展迅速，它具有传输率高、功耗低、抗干扰性强，强多径分辨能力，强穿透能力等优点，这些优点使其在无线传感器定位方面有着卓越的表现。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(Line-Of-Sight，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UWB的测距误差增大，这极大的影响了定位的精度。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的研究热点。当前的研究的算法大都分为两类，一种是识别算法，通过识别算法将LOS与NLOS条件下的测量值区分出来，然后只利用LOS条件下的测量值进行定位，这种方法在NLOS条件严重时，经常会导致无法定位，这极大的影响了定位的性能；另一种是缓解算法，将所有的数据都输入缓解算法中进行处理，这种算法通常计算复杂度高，且随着NLOS测量数据的增加定位性能变差。本专利技术的目的在...
【技术保护点】
1.一种NLOS条件下SVM与重心坐标相结合的UWB定位方法，其特征在于，所述方法包括如下步骤：/n步骤1：使用UWB无线电在室内LOS环境与NLOS环境中分别进行多次测量，并分别采集在LOS环境与NLOS环境下的信道脉冲响应CPR，并根据这些CPR提取出代表传播条件的特征样本。/n步骤2：构建SVM分类器SVC，并将NLOS和LOS条件下提取的特征样本及其分别对应的标签构成特征矩阵输入SVM中进行训练，得到训练后的SVC。/n步骤3：构建SVM回归器SVR，并将NLOS和LOS条件下提取的特征样本与对应输出值输入SVM中进行训练，得到训练后的SVR，所述输出值为UWB节点间距离。/n步骤4：采集新的信道脉冲响应CPR，提取出代表传播条件的特征样本，并将其输入训练后的SVC，利用训练后的SVC分类出测量值属于LOS传播条件还是NLOS传播条件，并判断LOS传播条件下的测量值的个数是否满足定位需求，若满足需求，则只利用LOS传播条件下的测量值构建距离平方矩阵，并将距离平方矩阵输入MDS算法获取相对位置；若LOS传播条件下的测量值个数不能满足定位需求，则利用训练后的SVR对NLOS条件下的...
【技术特征摘要】
1.一种NLOS条件下SVM与重心坐标相结合的UWB定位方法，其特征在于，所述方法包括如下步骤：
步骤1：使用UWB无线电在室内LOS环境与NLOS环境中分别进行多次测量，并分别采集在LOS环境与NLOS环境下的信道脉冲响应CPR，并根据这些CPR提取出代表传播条件的特征样本。
步骤2：构建SVM分类器SVC，并将NLOS和LOS条件下提取的特征样本及其分别对应的标签构成特征矩阵输入SVM中进行训练，得到训练后的SVC。
步骤3：构建SVM回归器SVR，并将NLOS和LOS条件下提取的特征样本与对应输出值输入SVM中进行训练，得到训练后的SVR，所述输出值为UWB节点间距离。
步骤4：采集新的信道脉冲响应CPR，提取出代表传播条件的特征样本，并将其输入训练后的SVC，利用训练后的SVC分类出测量值属于LOS传播条件还是NLOS传播条件，并判断LOS传播条件下的测量值的个数是否满足定位需求，若满足需求，则只利用LOS传播条件下的测量值构建距离平方矩阵，并将距离平方矩阵输入MDS算法获取相对位置；若LOS传播条件下的测量值个数不能满足定位需求，则利用训练后的SVR对NLOS条件下的测量值进行缓解，即将NLOS条件下的特征样本输入到已训练的SVR中得到新的对应输出值，再选取缓解后的测量值与LOS条件下的测量值构建距离平方矩阵，并通过MDS算法获取相对位置。
步骤5：利用MDS算法获取的相对位置计算出关于未知节点的重心坐标，并利用重心坐标和已知锚节点的坐标计算出未知节点的实际位置坐标。
2.根据权利要求1所述的NLOS条件下SVM与重心坐标相结合的UWB定位方法，其特征在于，所述步骤1中，根据CPR提取的特征包括：
接收信号强度εr，其计算公式如下：
其中r(t)是t时刻的接收信号幅值。
节点间距离d，其计算公式如下：
d＝c(ti-t0)
其中c为光速，ti为接收时间，t0为响应请求时间。
接收信号最大幅值rmax，其计算公式如下：
峰值κ，其计算公式如下：
其中μ|r|为接收信号幅值的均值，为接收信号幅值的方差，T为采样时间。
平均超额延迟时间TMED，其计算公式如下：
其中ψ(t)＝|r(t)|2/εr。
均方根时延扩散时间TRMS，其计算公式如下：
3.根据权利要求1所述的NLOS条件下SVM与重心坐标相结合的UWB定位方法，其特征在于，所述步骤2具体包括以下内容：
使用径向基(RBF)核函数来构建非线性分类器，利用径向基(RBF)核函数进行特征变换，所述径向基(RBF)核函数K(x′，Y′)如下式：
K(x′，Y′)＝exp(-γ||x′-Y′||2)
其中，γ为核参数，x′为输入特征样本，Y′为对应标签值。
SVM分类器SVC的目标函数如下式：
s.t.Yk(wTxk+b)-1≥0，k＝1，2，…，n
其中，w，b为分类器参数，通过训练得到；xk为第k个特征样本，Yk为第k个特征样本的标签，n为特征样本总个数。
采用拉格朗日对偶函数和径向基(RBF)核函数对上述目标函数进行优化，优化结果如下：
其中，αk为拉格朗日乘...
【专利技术属性】
技术研发人员：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
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。