基于UWB的室内定位方法技术

本发明专利技术公开了一种基于UWB的室内定位方法，利用神经网络解算TOF值，推理出在不同条件下的三维坐标来进行定位，用以解决UWB定位在复杂场景中，传统算法误差大，难以收敛，定位不准确的问题，利用提前采集UWB的真实定位数据，构建BP神经网络模型，以数据驱动的方式实现了高精度的三维空间定位方法，通过数据预处理清洗无效和重复的数据，减少数据冗余，随后分别设计BP分类模型和回归模型，区分信号是否受到干扰，以及学习TOF数据和三维定位坐标的映射关系，分别在对应的数据集中训练上述模型，将运动物体的三维空间解算结果通过SG算法和平滑变结构

【技术实现步骤摘要】
基于UWB的室内定位方法


[0001]本专利技术涉及室内定位
，特别涉及一种基于UWB的室内定位方法，基于超宽带(Ultra
‑
Wideband,UWB)技术的室内定位方法。

技术介绍

[0002]随着智能化时代的到来和无线传感技术的不断发展，室内定位技术已成为工业、商业、生活等各个领域中的研究热点。然而，由于室内环境的复杂性，全球卫星导航定位系统(Global Navigation Satellite System,GNSS)定位信号在室内会受到严重衰弱，从而无法对室内环境进行准确定位。因此，基于超宽带技术的室内定位方法成为了研究的热点之一。
[0003]UWB技术具有低系统复杂度、低功耗、低截获能力、多径分辨能力强、对信道衰落不敏感和高定位精度等优点，使其在军事、工业、商业、生活等各个领域中都有着广泛的应用。
[0004]UWB不使用正弦载波，而是通过发射纳秒级非正弦窄脉冲来完成数据传输，是一种短距离范围内无线通信技术。在室内，由于建筑物环境造成的GNSS定位信号严重衰弱，无法对室内环境进行准确定位，因此UWB在室内的精确定位也会弥补卫星导航在室内环境下定位的缺弱。在室外，基于UWB技术，能做到厘米级甚至毫米级精度的实时定位跟踪。
[0005]基于UWB技术的室内定位方法主要有两种方式：基于时间差(Time Difference of Arrival,TDOA)和基于飞行时间(Time of Flight,TOF)的定位方法。其中，基于TDOA的定位方法是通过多个基站对信号到达时间的差异来计算标签的位置，由于需要对时间差进行精确测量，因此需要对基站之间的时钟进行同步。而基于TOF的定位方法则是通过测量信号在标签和基站之间往返的时间差来计算标签的位置，而不需要进行时钟同步。因此，基于TOF的定位方法更为简单和实用。
[0006]本专利技术存在如下技术问题：
[0007]1)传统UWB室内定位方法的在解算三维坐标时精确度较低
[0008]2)以往的方法无法有效区分UWB信号是否收到干扰
[0009]3)运动物体的定位结果中存在大量噪声

技术实现思路

[0010]本专利技术正是针对现有技术存在的问题，提供了本专利技术的目的是在于解决在不同传播条件下的UWB定位问题，根据信号是否受到干扰，提出了一种基于UWB的室内定位方法，该方法利用神经网络解算TOF值，推理出在不同条件下的三维坐标来进行定位，用以解决UWB定位在复杂场景中，传统算法误差大，难以收敛，定位不准确的问题。
[0011]本专利技术的目的是通过以下技术方案实现的：
[0012]获得至少上千条的不同信号条件下运动物体的时序TOF数据作为模型的训练集和测试集；
[0013]根据采集得到所有TOF数据进行预处理，遍历数据集寻找缺失值，若有缺失则将该
列数据去除，得到去除缺失值后的数据集；
[0014]根据实验环境中的最长距离作为阈值，遍历去除缺失值后的数据集中的距离数据，若存在大于阈值的数据可视为异常剔除，得到剔除异常值的数据集；
[0015]根据拉以达准则，对剔除异常值的数据集进行二次异常值筛查，剔除无效数据，得到剔除无效数据的数据集；
[0016]根据一定的时间区间，剔除该区间内的相同样本，并对剔除无效数据的数据集执行标准化；
[0017]根据不同信号条件下的TOF训练集特征样本以及分布对应的标签构成特征向量，训练BP神经网络分类模型，得到分类模型；
[0018]根据不同信号条件下的TOF训练集特征样本与其最终的三维坐标构成特征向量，训练BP神经网络回归模型，得到回归模型；
[0019]获得测试集中运动物体的时序TOF数据，依次输入分类模型和回归模型中进行处理，得到物体三维运动轨迹；
[0020]根据SG算法和平滑变结构
‑
卡尔曼滤波算法，处理物体三维运动轨迹，获取滤波后的平滑轨迹。
[0021]作为进一步地改进，本专利技术所述的根据拉以达准则，对剔除异常值的数据集进行二次异常值筛查，剔除无效数据，具体为：
[0022]对样本数据等精度测量，得到x1，x2，
…
，x
n
，算出其算术平均值x及剩余误差v
i
＝x
i
‑
x(i＝1,2，
…
，n)，根据贝塞尔公式：
[0023][0024]算出标准差σ，如果有值x
b
的剩余误差v
b
(1≤b≤n)，满足|v
b
|＝|x
b
‑
x|>3σ，则认为x
b
是含有较大误差值的无效值，需要剔除。
[0025]作为进一步地改进，本专利技术所述的根据一定的时间区间，剔除该区间内的相同样本，并对剔除无效数据的数据集执行标准化，具体为：
[0026]在同一位置点，UWB会采集到多组数据，对这些值进行去重，然后对所有数据进行标准化，以便进行下一步的建模训练，标准化采用的Z
‑
score标准化，函数结构如下：
[0027][0028]其中μ为总体数据的均值，σ为总体数据的标准差。
[0029]作为进一步地改进，本专利技术所述的根据不同信号条件下的TOF训练集特征样本以及分布对应的标签构成特征向量，训练BP神经网络分类模型，得到分类模型，具体为：
[0030]分类网络的网络结构为，4个神经元节点构成输入层对应从4个UWB信号发射基站而来的4个TOF值，256个神经元节点构成隐含层1，512个神经元节点构成隐含层2，32个神经元节点构成隐含层3，2个神经元节点构成输出层，输出信号受到干扰的几率；
[0031]在模型训练的过程中，采用了交叉熵作为损失函数优化整个模型，交叉熵的数学表达式如下所示：
[0032][0033]其中，N是训练样本的数量，y
i
是第i个样本的真实标签，p
i
是模型预测的概率，若y
i
＝1，则第一项y
i
log(p
i
)为损失，否则第二项(1
‑
y
i
)log(1
‑
p
i
)为损失，整个损失函数是两者之和的平均值。
[0034]作为进一步地改进，所述的根据不同信号条件下的TOF训练集特征样本与其最终的三维坐标构成特征向量，训练BP神经网络回归模型，得到回归模型，输入到网络中进行训练具体为：
[0035]回归网络的网络结构为，16个神经元节点构成输入层，512个神经元节点构成隐含层1，128个神经元节点构成隐含层2，64个神经元节点构成隐含层3，3个神经元节点构成输出层；
[0036]其中输入层有16个神经元，由一个4*4的向量变换而成：
[0037][0038]其中X0，Y0，Z0，
…本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于UWB的室内定位方法，其特征在于，包括：获得至少上千条的不同信号条件下运动物体的时序TOF数据作为模型的训练集和测试集；根据采集得到所有TOF数据进行预处理，遍历数据集寻找缺失值，若有缺失则将该列数据去除，得到去除缺失值后的数据集；根据实验环境中的最长距离作为阈值，遍历去除缺失值后的数据集中的距离数据，若存在大于阈值的数据可视为异常剔除，得到剔除异常值的数据集；根据拉以达准则，对剔除异常值的数据集进行二次异常值筛查，剔除无效数据，得到剔除无效数据的数据集；根据一定的时间区间，剔除该区间内的相同样本，并对剔除无效数据的数据集执行标准化；根据不同信号条件下的TOF训练集特征样本以及分布对应的标签构成特征向量，训练BP神经网络分类模型，得到分类模型；根据不同信号条件下的TOF训练集特征样本与其最终的三维坐标构成特征向量，训练BP神经网络回归模型，得到回归模型；获得测试集中运动物体的时序TOF数据，依次输入分类模型和回归模型中进行处理，得到物体三维运动轨迹；根据SG算法和平滑变结构
‑
卡尔曼滤波算法，处理物体三维运动轨迹，获取滤波后的平滑轨迹。2.根据权利要求1所述的基于UWB的室内定位方法，其特征在于，所述的根据拉以达准则，对剔除异常值的数据集进行二次异常值筛查，剔除无效数据，具体为：对样本数据等精度测量，得到x1,x2,
…
,x
n
，算出其算术平均值x及剩余误差v
i
＝x
i
‑
x(i＝1,2,
…
,n)，根据贝塞尔公式：算出标准差σ，如果有值x
b
的剩余误差v
b
(1≤b≤n)，满足|v
b
|＝|x
b
‑
x|>3σ，则认为x
b
是含有较大误差值的无效值，需要剔除。3.根据权利要求1或2所述的基于UWB的室内定位方法，其特征在于，所述的根据一定的时间区间，剔除该区间内的相同样本，并对剔除无效数据的数据集执行标准化，具体为：在同一位置点，UWB会采集到多组数据，对这些值进行去重，然后对所有数据进行标准化，以便进行下一步的建模训练，标准化采用的Z
‑
score标准化，函数结构如下：其中μ为总体数据的均值，σ为总体数据的标准差。4.根据权利要求3所述的基于UWB的室内定位方法，其特征在于，所述的根据不同信号条件下的TOF训练集特征样本以及分布对应的标签构成特征向
量，训练BP神经网络分类模型，得到分类模型，具体为：分类网络的网络结构为，4个神经元节点构成输入层对应从4个UWB信号发射基站而来的4个TOF值，256个神经元节点构成隐含层1，512个神经元节点构成隐含层2，32个神经元节点构成隐含层3，2个神经元节点构成输出层...

【专利技术属性】
技术研发人员：朱润哲，金肖，
申请(专利权)人：浙江大学嘉兴研究院，
类型：发明
国别省市：