用于TDOA信号解算的协同定位方法、系统及存储介质技术方案

本发明专利技术提供一种用于TDOA信号解算的协同定位方法、系统及存储介质，该方法包括：通过TDOA定位算法计算从移动终端到达各接收基站之间的时间差，基于计算得到的各时间差计算移动终端与各接收基站之间的距离差；通过CHAN算法解算移动终端的初始位置坐标；建立初始麻雀种群；计算初始麻雀种群中各麻雀的适应度；基于寻觅者、跟随者及预警者的更新公式分别更新初始麻雀种群中各麻雀的位置，计算位置更新后的各麻雀的适应度，并确定最优适应度值；在最优适应度值小于预设阈值，或当前迭代次数等于最大迭代次数的情况下，基于当前迭代过程中生成的麻雀种群确定移动终端的最终位置坐标。该方法可加快麻雀搜索算法的收敛速度，而且确定的最终位置坐标的精度较高。的最终位置坐标的精度较高。的最终位置坐标的精度较高。

【技术实现步骤摘要】
用于TDOA信号解算的协同定位方法、系统及存储介质


[0001]本专利技术涉及无线定位
，尤其涉及一种用于TDOA信号解算的协同定位方法、系统及存储介质。

技术介绍

[0002]近年来，随着无线定位技术的迅速发展，基于位置的服务(Location Based Service,LBS)例如：室内商场导航定位、车载导航系统等已经成为研究的热点方向。这些服务在室外环境可以通过导航卫星进行导航追踪，但是卫星导航系统在室内或者复杂建筑物遮挡区域的定位结果却不尽人意。而且有研究表明，人们每天平均有20小时是在室内进行活动，如工作、生活、购物、娱乐等。随着现代化城市建设的不断推进，人们对位置服务的研究慢慢地从室外空间转向了室内空间。
[0003]目前基本的无线定位方法包括到达时间(TOA)、到达角(AOA)以及到达时间(TDOA)等；相对于TOA来说，TDOA方法简化了严格的时钟同步要求，减小了硬件成本；相对于AOA来说，TDOA方法受环境因素的影响更小，更加适应室内复杂环境。基于较好的实用性、易于实现等优点，TDOA方法备受关注，但是在NLOS(非视距)环境下，TDOA定位方法仍然存在着较大的误差；如何判别NLOS信号，并且在NLOS环境下减小NLOS误差以提高定位精度，成为了当前急需解决的问题之一。一般的，当获取无线定位信息时，可以利用最小二乘法(Least Square,LS)、CHAN算法、Fang算法和Taylor算法等解算出定位结果；而在NLOS环境下，上述算法存在误差大的缺点，即定位精度显著下降；另外，现有技术中也有的采用粒子群算法(PSO)与偏最小二乘法(PLS)结合定位方法对TDOA参数进行初步位置估计，该方法虽然提高了粒子群的收敛速度，但对于参数的要求较高，即在较大噪声的情况下，定位精度较低。因此，如何提供一种收敛速度快、且定位精度较高的定位方法是亟待解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种用于TDOA信号解算的协同定位方法、系统及存储介质，以解决现有技术中存在的一个或多个问题。
[0005]根据本专利技术的一个方面，本专利技术公开了一种用于TDOA信号解算的协同定位方法，所述方法包括：
[0006]通过TDOA定位算法计算从移动终端到达各接收基站之间的时间差，并基于计算得到的各时间差计算移动终端与各接收基站之间的距离差；
[0007]基于计算得到的移动终端与各接收基站之间的距离差通过CHAN算法解算所述移动终端的初始位置坐标；
[0008]建立初始麻雀种群，并确定所述初始麻雀种群中寻觅者、跟随者以及预警者的比例，获取麻雀搜索算法的最大迭代次数；其中，所述初始麻雀种群服从均值为所述初始坐标位置的正态分布；
[0009]基于预设的适应度函数计算所述初始麻雀种群中每个麻雀的适应度，基于所述初
始麻雀种群对应的适应度确定寻觅者、跟随者以及预警者；
[0010]基于寻觅者、跟随者以及预警者的更新公式分别更新初始麻雀种群中每个麻雀的位置，并计算位置更新后的各麻雀的适应度，并基于计算到的位置更新后的各麻雀的适应度确定最优适应度值；
[0011]在所述最优适应度值小于预设阈值的情况下，或当前迭代次数等于所述最大迭代次数的情况下，基于当前迭代过程中生成的麻雀种群确定所述移动终端的最终位置坐标。
[0012]在本专利技术的一些实施例中，所述适应度函数为：
[0013][0014]其中，f1＝l2‑
l1‑
r
2,1
，f2＝l3‑
l1‑
r
3,1
，f3＝l4‑
l1‑
r
4,1
；l
k
为麻雀到接收基站k的距离，k＝1,2,3,4；r
k,1
为移动终端与接收基站k及接收基站1的距离差值。
[0015]在本专利技术的一些实施例中，所述寻觅者的位置更新公式为：
[0016][0017]其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3,
…
,T，j＝1,2,3,
…
,D；β为随机数，且β∈(0,1]；T为最大迭代次数；R0为麻雀的预警值，且R0∈[0,1]；ST为种群的安全阈值，且ST∈[0.5,1]；Q为服从正态分布的随机数；L表示1
×
d矩阵，且矩阵内各元素均为1；k＝1或
‑
1；i表示第i只麻雀。
[0018]在本专利技术的一些实施例中，当时，所述跟随者的位置更新公式为：
[0019][0020]其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3,
…
,T，j＝1,2,3,
…
,D；X
c
为固定值，且为CHAN算法的解析值；Q为服从正态分布的随机数；为第t次迭代时麻雀种群的全局最差位置；i表示第i只麻雀；N为种群内麻雀的总数量。
[0021]在本专利技术的一些实施例中，当时，所述跟随者的位置更新公式为：
[0022][0023]其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3,
…
,T，j＝1,2,3,
…
,D；i表示第i只麻雀；N为种群内麻雀的总数量；γ∈[0,1]；D表示维度；为第t+1次迭代时寻觅者搜索到的最优位置。
[0024]在本专利技术的一些实施例中，所述预警者的位置更新公式为：
[0025][0026]其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3,
…
,T，j＝1,2,3,
…
,D；K为随机数，且K∈[
‑
1,1]；ε为常数，且ε≠0；f
i
为麻雀i的适应度；f
g
为全局最优适应度；f
w
为全局最差适应度；表示全局最优位置；表示全局最差位置；β为服从正态分布的随机数，用于控制麻雀飞行的因子。
[0027]在本专利技术的一些实施例中，所述移动终端与各接收基站之间的距离差计算公式为：
[0028][0029]其中，Δd
i,1
为移动终端到接收基站i和接收基站1之间的距离差；c为光速；τ
i,1
为移动终端到接收基站i和接收基站1之间时间差；x、y为移动终端的位置坐标；x
i
、y
i
为接收基站i的位置坐标。
[0030]在本专利技术的一些实施例中，基于计算得到的移动终端与各接收基站之间的距离差通过CHAN算法解算所述移动终端的初始位置坐标，包括：
[0031]基于计算得到的移动终端与各接收基站之间的距离差通过CHAN算法和最小二乘法结合解算所述移动终端的初始位置坐标
[0032]根据本专利技术的另一方面，还公开了一种用于TDOA信号解算的协同定位系统，该系统包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于TDOA信号解算的协同定位方法，其特征在于，所述方法包括：通过TDOA定位算法计算从移动终端到达各接收基站之间的时间差，并基于计算得到的各时间差计算移动终端与各接收基站之间的距离差；基于计算得到的移动终端与各接收基站之间的距离差通过CHAN算法解算所述移动终端的初始位置坐标；建立初始麻雀种群，并确定所述初始麻雀种群中寻觅者、跟随者以及预警者的比例，获取麻雀搜索算法的最大迭代次数；其中，所述初始麻雀种群服从均值为所述初始坐标位置的正态分布；基于预设的适应度函数计算所述初始麻雀种群中每个麻雀的适应度，基于所述初始麻雀种群对应的适应度确定寻觅者、跟随者以及预警者；基于寻觅者、跟随者以及预警者的更新公式分别更新初始麻雀种群中每个麻雀的位置，并计算位置更新后的各麻雀的适应度，并基于计算到的位置更新后的各麻雀的适应度确定最优适应度值；在所述最优适应度值小于预设阈值的情况下，或当前迭代次数等于所述最大迭代次数的情况下，基于当前迭代过程中生成的麻雀种群确定所述移动终端的最终位置坐标。2.根据权利要求1所述的用于TDOA信号解算的协同定位方法，其特征在于，所述适应度函数为：其中，f1＝l2‑
l1‑
r
2,1
，y2＝l3‑
l1‑
r
3,1
，f3＝l4‑
l1‑
r
4,1
；l
k
为麻雀到接收基站k的距离，k＝1，2，3，4；r
k,1
为移动终端与接收基站k及接收基站1的距离差值。3.根据权利要求1所述的用于TDOA信号解算的协同定位方法，其特征在于，所述寻觅者的位置更新公式为：其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3，
…
，T，j＝1,2,3，
…
，D；β为随机数，且β∈(0，1]；T为最大迭代次数；R0为麻雀的预警值，且R0∈[0，1]；ST为种群的安全阈值，且ST∈[0.5，1]；Q为服从正态分布的随机数；L表示1
×
d矩阵，且矩阵内各元素均为1；k＝1或
‑
1；i表示第i只麻雀。4.根据权利要求1所述的用于TDOA信号解算的协同定位方法，其特征在于，当时，所述跟随者的位置更新公式为：其中，为麻雀i在第t次迭代时第j维的位置，t＝1,2,3，
…
，T，j＝1,2,3，
…
，D；X

【专利技术属性】
技术研发人员：邓中亮，雷鸣，郑心雨，许鹏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：