【技术实现步骤摘要】
技术介绍
1、随着物联网技术的发展，基于位置服务在人们日常生活中扮演着越来越重要的角色，在户外，卫星定位技术可以用于移动终端的定位，并且精度也基本满足各类任务的需求，由于建筑物和树木对卫星信号的削弱较大，在室内场景中的定位精度下降明显，因此室内定位技术亟待研究。新技术如wifi、蓝牙、rfid、惯性测量单元(imu)、里程表、视觉、红外和uwb(ultrawideband，超宽带)等正在被充分用于室内定位。由于其高精度、低能耗、抗多径干扰等优点，uwb被认为是有前途的研究和应用的定位技术之一。
2、为提高uwb测距距离，厂商会提高设备发射功率，然而nlos(non-line-of-sight，非视距，即节点之间存在物理遮挡)环境下参考点会出现严重的电磁波反射，产生多径效应，影响测距精度，现有基于uwb测距定位的方法不再适用。如何准确识别los(line-of-sight，视距，即节点之间无物理遮挡、障碍物阻挡信号传播)和nlos场景，提高nlos场景下无线定位的精度和稳定性，是uwb无线定位的难点。
技术实现思路
1、本专利技术考虑到wifi在nlos下信号强度波动较uwb稳定，且在室内场景分布广泛易部署，针对上述问题，提出一种在los/nlos混合场景下融合wifi与uwb的室内无线定位方法及系统。
2、本专利技术提出的技术方案如下：
3、一方面，一种融合wifi与uwb的室内无线定位方法，包括：
4、步骤1：对移动机器人所在定位
5、步骤2：构建离线wifi指纹地图；
6、遍历定位区域内所有位置后，根据采集到的los状态的位置的wifi指纹和位置信息进行高斯过程回归，预测属于nlos状态的位置的wifi指纹；
7、步骤3：根据uwb测距，获取移动机器人在定位区域的实时定位初值；
8、步骤4：在线实时定位；
9、移动机器人在定位区域内移动，实时采集各基站对应的uwb测距值、rss测量值及wifi指纹，根据rss测量值进行nlos状态的识别；并以wifi指纹作为uwb在los与nlos混合状态下的定位补充；再基于图优化构建uwb与wifi传感器信息和运动模型的约束，对移动机器人进行融合定位，以获得待定位移动机器人的当前位置。
10、uwb标签是安装在移动机器人上的标签，用于uwb测距使用；移动机器人的运动等效成uwb标签的运动；
11、以wifi信息作为uwb在los/nlos混合场景下定位的补充和兜底，在改进的图优化框架下充分利用los状态下相对准确的uwb信息，消除被nlos干扰的uwb信息对定位带来的影响。
12、进一步地，依据定位区域中处于los状态的基站数量n，获取待定位移动机器人的当前位置；
13、a1：若n≥3，则满足最小uwb定位条件，根据处于los状态的uwb测距值进行位置解算得到待定位移动机器人的当前位置；
14、a2：若0<n<3，则由wifi指纹作为定位条件的补充，根据处于los状态的uwb测距值和wifi查询指纹进行位置解算得到待定位移动机器人的当前位置；
15、a3：若n＝0，则只根据wifi查询指纹进行位置解算得到待定位移动机器人的当前位置。
16、进一步地，所述基于图优化构建uwb与wifi传感器信息和运动模型的约束，使用los状态下的uwb测距值以及实时定位初值进行融合定位，是指基于测距约束、位移约束、加速度约束及wifi指纹约束，利用任意时刻k接收到uwb测距值和wifi查询指纹构建待定位uwb标签位置优化的损失函数，在使得损失函数最小时，解算损失函数中的未知量，获得由各时间点的最优估计位置组成的移动机器人轨迹，以实现移动机器人定位；
17、所述损失函数如下：
18、
19、
20、其中，f(p)表示损失函数，为由上述损失函数获得的由各时间点的最优估计位置组成的轨迹；分别为第i时刻的测距约束、位移约束、加速度约束以及wifi指纹约束；
21、所述测距约束为：
22、
23、所述位移约束为：
24、
25、
26、所述加速度约束为：
27、
28、
29、所述wifi指纹约束为：
30、
31、其中，pk表示k时刻的uwb标签位置，pk＝(xk,yk,zk)，δpk表示k+1时刻与k时刻的uwb标签位置测量差值；表示第i个uwb基站的位置，ηk是测量噪声，||·||2为二范数，ρ(·)为伪huber核函数，，x表示伪huber核函数中的变量，ξ为非负的斜率系数，均为权重系数，ι为自由参数；δt为相邻位置对应的时间间隔；分别表示测距残差、位移残差、加速度残差以及wifi指纹残差；σr，σs，σa，σp均表示标准差，属于中间变量，η表示各种环境下的最大噪声，vmax为机器人移动的最大速度，amax为机器人的最大加速度，为移动机器人在pk处由knn算法计算出来的预测位置。
32、进一步地，利用滑动窗口将全局的损失函数更新为局部的损失函数：
33、
34、
35、其中，n为滑动窗口大小，为滑动窗口内的估计轨迹，在k+1时刻，pk+1加入到滑动窗口中，pk-n+1则被移除，从而窗口内的待估计轨迹更新为
36、进一步地，采用l-m算法对更新后的局部损失函数进行优化计算：
37、
38、其中，gk＝jktf，gk和f均表示示中间变量，jk表示在pk处的雅各比矩阵，hk为近似海森矩阵；表示滑动窗口内的移动机器人轨迹，的原始估计记为为移动机器人当前位置的增量；
39、求解(hk+λi)δp＝-gk，得到δp，再将计算结果作为待优化量进行下一轮迭代计算：其中，λ为引入阻尼因子，λ＞0，i为单位阵；
40、若损失函数的结果大于阈值则继续重复上述迭代步骤，直到迭代次数达到预设最大次数或损失函数的结果满足阈值要求。
41、进一步地，los与nlos状态划分是采用rss差值识别nlos状态，具体如下：
42、将fp-rssi和rx-rssi两种信号强度指示分别进行曲线拟合，然后用拟合后的fp-rssi和rx-rssi数值相减得到的rss拟合差值δrss用于nlos判断；将rss拟合差值δrss与阈值th比较，判断移动机器人当前时刻所处位置为los或者nlos状态，若δrss＞th则处于nlos状态，反之则为los状态；其中，fp-rssi为所接收到的第一路径信号强度指示，rx-rssi为总接收信号强度指示；
43、拟合过程为：将新接收到的rss测量值与m-1个历史rss测量值进行n阶多项本文档来自技高网...
【技术保护点】
1.一种融合WiFi与UWB的室内无线定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，依据定位区域中处于LOS状态的基站数量n，获取待定位移动机器人的当前位置；
3.根据权利要求2所述的方法，其特征在于，所述基于图优化构建UWB与WiFi传感器信息和运动模型的约束，使用LOS状态下的UWB测距值以及实时定位初值进行融合定位，是指基于测距约束、位移约束、加速度约束及WiFi指纹约束，利用任意时刻k接收到UWB测距值和WiFi查询指纹构建待定位UWB标签位置优化的损失函数，在使得损失函数最小时，解算损失函数中的未知量，获得由各时间点的最优估计位置组成的移动机器人轨迹，以实现移动机器人定位；
4.根据权利要求3所述的方法，其特征在于，利用滑动窗口将全局的损失函数更新为局部的损失函数：
5.根据权利要求4所述的方法，其特征在于，采用L-M算法对更新后的局部损失函数进行优化计算：
6.根据权利要求1所述的方法，其特征在于，LOS与NLOS状态划分是采用RSS差值识别NLOS状态，具体如下：
7.
8.根据权利要求1所述的方法，其特征在于，UWB测距值用空间几何形式表示为其中p＝(x,y,z)为待求的UWB标签坐标；
9.一种融合WiFi与UWB的室内无线定位系统，其特征在于，包括：
10.一种可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被处理器调用以实现：
...【技术特征摘要】
1.一种融合wifi与uwb的室内无线定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，依据定位区域中处于los状态的基站数量n，获取待定位移动机器人的当前位置；
3.根据权利要求2所述的方法，其特征在于，所述基于图优化构建uwb与wifi传感器信息和运动模型的约束，使用los状态下的uwb测距值以及实时定位初值进行融合定位，是指基于测距约束、位移约束、加速度约束及wifi指纹约束，利用任意时刻k接收到uwb测距值和wifi查询指纹构建待定位uwb标签位置优化的损失函数，在使得损失函数最小时，解算损失函数中的未知量，获得由各时间点的最优估计位置组成的移动机器人轨迹，以实现移动机器人定位；
4.根据权利要求3所述的方法，其特征在于，利用滑动窗口将...
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。