CN101394672A - 基于多径散射信息的高精度无线定位方法及*** - Google Patents

Abstract

本发明涉及一种基于多径散射信息的高精度无线定位方法及***，适用于各种定位环境，特别是在需定位的移动终端附近有很多障碍物时，散射环境严重，多径丰富的条件下，诸如城区、山陵等环境，是一种高精度实用化定位技术。该方法首先根据实际的通信环境建立合理的非视距电波传播的多径散射无线定位模型，再由多个传感器测得的多组多径散射信息的定位数据来估计散射信息，然后由散射信息来重构一组虚拟传感器，最终定位时便提出一种新的判决准则和由修正得到的多径散射信息的新算法来实现目标精确定位。本发明提供的高精度无线定位方法及***能有效抑制非视距传播误差，而且具有成本低、能耗低及定位精度相当高的优点。

Description

基于多径散射信息的高精度无线定位方法及***

技术领域

本发明涉及无线通信中的无线定位方法及***，特别是提供了一种基于多径散射信息的高精度无线定位方法及***。

背景技术

当前随着数据业务和多媒体业务的快速增加，人们对基于无线定位技术的新业务的需求日益增大，尤其在复杂的散射环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息，这些都推动了对无线定位技术的深入研究。同时，向用户提供精确的定位信息已经成为新一代无线通信***的标准业务之一，无线定位技术也已经应用于紧急救援、汽车导航、智能交通、团队管理等方面，参照众多行业的实际需求，无线定位技术和定位业务的发展前景将十分广阔。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。许多定位技术解决方案，如A-GPS定位技术、蓝牙技术、红外线技术等无线定位技术要在移动终端上增加新的硬件，这将对移动站的尺寸和成本带来不利的影响。同时，由于在城区等复杂的电波传播环境下，由于障碍物较多，电波传播环境恶劣，信号很难直接从基站到达移动台，一般要经过折射或反射后产生多径信号，并非视距的到达接收装置，信号的TOA测量也就出现了很大的误差，因此定位精度会受到很大的影响。

发明内容

本发明的目的在于提供了一种基于多径散射信息的高精度无线定位方法及***，适用于各种定位环境，特别是在需定位的移动终端附近有很多障碍物时，散射环境严重，多径丰富的条件下，诸如城区、山陵等环境，是一种高精度实用化定位技术。该方法就是根据实际的通信环境中存在多径的特点来利用多径信号的散射信息，包括电波到达时间和电波到达角等来实现目标精确定位。

为了达到上述的目的，本发明采用的技术方案如下：

一种基于多径散射信息的高精度无线定位方法，所采用的无线定位***包括移动终端、传感器装置和中央处理单元，所述方法用于从接收到的达到传感器的无线电波信号中定位出移动终端的精确位置，其特征在于结合多径散射体信息和测量的电波到达角与电波到达时间便可以很好的实现在非视距传播环境下的精确定位，其包括下列步骤：

(1)在非视距传播环境下，移动终端发射的电波经很多散射体反射后再到达传感器接收装置，电波的传播路径弯曲，多个散射点反射后产生多径，这些多径信号从不同的方向以不同的时间到达传感器装置；

(2)参与定位的传感器个数为M1个：其中有一个为主传感器，位于中央处理单元；并将这些传感器布局为一个小区半径为L的蜂窝***；

(3)每个传感器测得的多径信号数为M2路，每个传感器可以测得的由散射体反射过来的电波到达时间τ_ji，j＝1，2，...，M1，i＝1，2，...，M2，进行匹配后，则可以推出散射体的个数及其对应的反射电波到达时间；

(4)将测量到的电波到达时间的时间值转化为测量的电波到达时间TOA距离值，其中包含了非视距传播NLOS误差和测量误差，由以上TOA距离值和传播环境建立多径散射的TOA误差分布模型，模型数学公式为： $l_{\mathrm{ji}}={{\mathrm{c\τ}}_{\mathrm{ji}}}^0+{\mathrm{c\Δ\τ}}_{\mathrm{ji}}={l_{\mathrm{ji}}}^0+l_{\mathrm{NLOSji}}+l_{\mathrm{nji}}=l_{\mathrm{ji}}^{\′}+l_{\mathrm{nji}},$ 其中：I_ji ⁰为移动终端到基站的距离真值，l_nji为其测量误差，服从均值为0，标准差为σ_ln的高斯分布，l_NLOSji为非视距传播引起的距离误差，

为电波传播距离，c为电波速度，Δτ_ji为各路径总的TOA时间误差；

(5)主传感器测量得到经各散射体过来的电波到达角，结合传播环境建立多径散射的电波到达角AOA误差分布模型，模型数学公式为 ${\mathrm{\θ}}_i={\mathrm{\θ}}_i^0+{\mathrm{\Δ\θ}}_i,$ Δθ_i为AOA测量噪声，设其服从均值为0，标准差为σ_θ(rad)的高斯分布，此处的高斯分布为一已知的经典分布；

(6)由TOA误差分布模型和AOA误差分布模型建立NLOS定位模型，同以上的建立方法，并将这些测量值作为测得的多径散射信息，再将这些多径散射信息建立位置方程： $d_{\mathrm{ji}}=\sqrt{{({\mathrm{sx}}_i-x_j)}^2+{({\mathrm{sy}}_i-y_j)}^2},$ d_ji为第i个散射体到第j个传感器之间的距离，传感器坐标为(x_j，y_j)，散射体坐标为S_i(sx_i，sy_i)；经过矩阵变换求解及最小二乘法处理，便得到了各散射体与传感器的估计距离d_ji和各散射体与移动终端之间的估计距离L_i，于是由以上数据经过就得到了初步估计出的各散射体的位置；

(7)由于非视距环境下存在NLOS误差和测量误差，初步估计得到的散射***置不是很精确，再继续进一步修正；采用多径散射信息的TOA/AOA混合修正，将d_ji作为第j个传感器与第i个散射体的TOA测量值，再结合主传感器的AOA信息建立一组测距方程 ${\mathrm{sx}}_i^{\′}\left(\tan {\mathrm{\θ}}_i\right)-{\mathrm{sy}}_i^{\′}=x_1\left(\tan {\mathrm{\θ}}_i\right)-y_1$ ，其中

为修正后的散射体坐标，θ_i为测得的第i个传感器测得的AOA值，主传感器坐标为(x₁，y₁)；

(8)再采用加权最小二乘算法，由各TOA和AOA测量值相互独立，便用TOA和AOA测量值的联合协方差矩阵W_i近似替代误差矢量ξ_i的协方差矩阵，进而构造出总的误差矢量ξ_i的协方差矩阵ζ_i；

(9)对以上矩阵数据采用最小二乘算法处理，得到的第一次加权最小二乘解即为散射体第一次修正的值，再由散射体自身的位置方程继续采用加权最小二乘算法，得到了第二次加权最小二乘解，再将这个解的模糊性由传感器布局小区的先验信息消除，即得到了各散射体经过修正后的精确坐标；

(10)由散射体的位置即可得到各散射体与传感器的第二次精确估计距离再利用主传感器测得的TOA值减去散射体到达传感器的距离就得到移动终端到散射体的二次精确估计的距离测量值

然后将散射体作为一组M2个虚拟传感器，并把

作为移动终端到散射体的TOA值进行定位估计；

(11)再又建立移动终端与散射体之间TOA误差分布模型，获得定位的最大似然函数F，经过对数转换，求使函数F最大时时得到了一个以移动终端位置为变量的非线性函数；

(12)对以上得到的非线性函数采用改进的遗传算法求解，设置初始种群个体数为N，并计算每一个体的适应度函数值，并对这N个适应度值由小到大排序，采用轮盘赌选择，筛选出较优的个体；

(13)对这N个个体随机两两配对，选择合适的交叉算子按一指定概率p_c进行交叉操作；

(14)对每一个个体中的每一变量，选择变异算子按一指定概率p_m进行变异操作；

(15)删除种群中一任意个体并替换成步骤(12)中记录的最优个体，在设置的遗传寻优区域范围内继续进行遗传进化计算，若满足收敛条件则输出最优解并退出迭代；

(16)最后采用一种软判决准则结合先验信息的方法，软判决即对获得的定位结果坐标进行与各传感器的距离计算得到一组距离值，要是发现这组距离值与3个以上的传感器的原始TOA值有很大的偏离，就当作不合理的解数据而剔除，同时剔除不符合先验信息的数据，先验信息是指在这个定位的蜂窝布局中，由AOA信息可以预先得到定位终端的方向，将最终得到结果取均值即得到了移动终端的精确位置，便实现了高精度的无线定位。

一种基于多径散射信息的高精度无线定位***，包括移动终端、传感器装置和中央处理单元，所述***从接收到的达到传感器的无线电波信号中定位出移动终端的精确位置，其特征在于移动终端由一个无线信号发射模块构成，传感器装置由一个无线信号接收模块的输出连接到一个测距模块和一个测角模块后连接到一个数据信息无线传送模块构成，中央处理单元由一个信息处理模块经一个定位计算模块后连接一个定位结果信息显示模块构成；各选用模块型号及其技术参数为：

1)测角模块：约克仪器公司的Schaevitz系列角传感器、测角***；Schaevitz系列倾角传感器可对水平、角度和倾斜度进行精确测量，广泛应用于地面导航。

2)测距模块：10.5G/24G微波雷达测速/测距传感器，意大利INFRA传感器；远程微波测速/测距传感器，用于车、船、等目标的远距测距，收发采用双头，电压+DC(6-12.5V)，测量精度为±1.5mm。

3)无线信号接收模块，传送模块：捷麦Jammy公司型号为C11的收发仪器；包括一个发送模块(C11T)和一个接收模块(C11R)，单发单收，分别与各自的控制电路相接后即可进行无线收发工作。该模块的额定通信速率为1200bps；通信格式采用异步通信，额定工作电源为DC6V。

4)计算模块和信息处理模块：CS6079快输入12位计算电路芯片；CS6079是一个单片CMOS计算器电路，内置倍压电路，可直接驱动LCD，功耗低。

5)显示模块：迪威液晶DV320240F；为一个SED13305控制器，AG320240F/A1/AG320240A4触屏5.7寸。

6)整个装置的电源：瑞士TRACO电源TOL-C42型号；电压4.5VDC~72VDC。过流保护点：110％~150％工作温度：-25/-40～+85℃，.开关频率：150~200KHz功率：0.1W～6W。

本发明与现有技术相比较，具有如下显而易见的突出性特点和显著优点：本发明通过建立合理的非视距电波传播的多径散射无线定位模型，利用测得的多组多径散射信息的电波到达时间和电波达到角来估计散射信息，然后由散射信息来重构一组虚拟传感器，最终定位时便提出一种新的判决准则和由修正得到的多径散射信息的新算法来实现目标精确定位。本发明提供的高精度无线定位方法及装置能有效抑制非视距传播误差，而且具有成本低、能耗低及定位精度相当高的优点。由于本发明的高精度定位性能，可以使定位业务得到更为广泛的应用。

附图说明

图1为本发明方法无线定位模型的二维平面示意图；

图2为本发明方法定位***的工作流程示意图；

图3为本发明的高精度无线定位***的结构图；

具体实施方式

本发明的优选实施例结合附图说明如下：参见图1，基于多径散射信息的高精度无线定位方法采用的无线定位***包括移动终端、传感器装置和中央处理单元，用于从接收到的达到传感器的无线电波信号中定位出移动终端的精确位置，其特征在于结合多径散射体信息和测量的电波到达角及电波到达时间，实现在非视距传播环境下的精确定位。具体实现步骤如下：(1)在非视距传播环境下，移动终端发射的电波经很多散射体反射后再到达传感器接收装置，电波的传播路径弯曲，多个散射点反射后产生多径，这些多径信号从不同的方向以不同的时间到达传感器装置；

(2)参与定位的传感器个数为M1个：其中有一个为主传感器，位于中央处理单元；并将这些传感器布局为一个小区半径为L的蜂窝***，具体坐标分布为：(0，0)，(0，2L)，

(3)每个传感器测得的多径信号数为M2路，每个传感器可以测得的由散射体反射过来的电波到达时间τ_ji，j＝1，2，...，M1，i＝1，2，...，M2，多径信号数M2与散射体数目有一定的关系，可以由最小均方误差的大小来匹配得出各自对应的电波到达时间值，最小均方误差RMSE的计算公式为： $\mathrm{RMSE}=\sqrt{E[{(\widehat{{\mathrm{sx}}_i}-{\mathrm{sx}}_i)}^2+{(\widehat{{\mathrm{sy}}_i}-{\mathrm{sy}}_i)}^2]},$ (sx_i，sy_i)为估计的散射信息，E[·]表示求数学期望；进行匹配后，则可以推出散射体的个数及其对应的反射电波到达时间，；

(4)将测量到的电波到达时间的时间值转化为测量的电波到达时间TOA距离值，其中包含了非视距传播NLOS误差和测量误差，由以上TOA距离值和传播环境建立多径散射的TOA误差分布模型，模型数学公式为： $l_{\mathrm{ji}}={{\mathrm{c\τ}}_{\mathrm{ji}}}^0+{\mathrm{c\Δ\τ}}_{\mathrm{ji}}={l_{\mathrm{ji}}}^0+l_{\mathrm{NLOSji}}+l_{\mathrm{nji}}=l_{\mathrm{ji}}^{\′}+l_{\mathrm{nji}},$ 其中：l_ji ⁰为移动终端到基站的距离真值，l_nji为其测量误差，服从均值为0，标准差为σ_ln的高斯分布，l_NLOSji为非视距传播引起的距离误差，

为电波传播距离，c为电波速度，Δτ_ji为各路径总的TOA时间误差；

(5)主传感器测量得到经各散射体过来的电波到达角，结合传播环境建立多径散射的电波到达角AOA误差分布模型，模型数学公式为 ${\mathrm{\θ}}_i={\mathrm{\θ}}_i^0+{\mathrm{\Δ\θ}}_i,$ Δθ_i为AOA测量噪声，设其服从均值为0，标准差为σ_θ(rad)的高斯分布，此处的高斯分布为一已知的经典分布；

(6)由TOA误差分布模型和AOA误差分布模型建立NLOS定位模型，同以上的建立方法，并将这些测量值作为测得的多径散射信息，再将这些多径散射信息建立位置方程： $d_{\mathrm{ji}}=\sqrt{{({\mathrm{sx}}_i-x_j)}^2+{({\mathrm{sy}}_i-y_j)}^2},$ d_ji为第i个散射体到第j个传感器之间的距离，传感器坐标为(x_j，y_j)，散射体坐标为S_i(sx_i，sy_i)；经过矩阵变换求解及最小二乘法处理，便得到了各散射体与传感器的估计距离d_ji和各散射体与移动终端之间的估计距离L_i，于是由以上数据经过就得到了初步估计出的各散射体的位置；

(7)由于非视距环境下存在NLOS误差和测量误差，初步估计得到的散射***置不是很精确，再继续进一步修正；采用多径散射信息的TOA/AOA混合修正，将d_ji作为第j个传感器与第i个散射体的TOA测量值，再结合主传感器的AOA信息建立一组测距方程 ${\mathrm{sx}}_i^{\′}\left(\tan {\mathrm{\θ}}_i\right)-{\mathrm{sy}}_i^{\′}=x_1\left(\tan {\mathrm{\θ}}_i\right)-y_1,$ 其中

为修正后的散射体坐标，θ_i为测得的第i个传感器测得的AOA值，主传感器坐标为(x₁，y₁)；

(8)再采用加权最小二乘算法，由各TOA和AOA测量值相互独立，便用TOA和AOA测量值的联合协方差矩阵W_i近似替代误差矢量ξ_i的协方差矩阵，进而构造出总的误差矢量ξ_i的协方差矩阵ζ_i；总的误差矢量ξ_i的协方差矩阵ζ_i由多径散射信息的TOA和AOA混合确定，其对应的误差矢量为ξ_i＝h_i-g_iQ_i，其中

$h_i=\left[\begin{array}{c}{d_{1i}}^2-k_1\\ {d_{2i}}^2-k_2\\ {d_{3i}}^2-k_3\\ x_1\left(\tan {\mathrm{\θ}}_i\right)-y_1\end{array}\right],$ $g_i=\left[\begin{array}{ccc}{-2x}_1& {-2y}_1& 1\\ {-2x}_2& {-2y}_2& 1\\ {-2x}_3& {-2y}_3& 1\\ \tan {\mathrm{\θ}}_i& -1& 0\end{array}\right],$ 传感器坐标为(x_j，y_j)，中央处理单元位置为(x₁，y₁)， $Q_i=({\mathrm{sx}}_i^{\′},{\mathrm{sy}}_i^{\′})$ 为修正后的散射体坐标；

(9)对以上矩阵数据采用最小二乘算法处理，得到的第一次加权最小二乘解即为散射体第一次修正的值，再由散射体自身的位置方程继续采用加权最小二乘算法，得到了第二次加权最小二乘解，再将这个解的模糊性由传感器布局小区的先验信息消除，即得到了各散射体经过修正后的精确坐标；

(10)由散射体的位置即可得到各散射体与传感器的第二次精确估计距离

再利用主传感器测得的TOA值减去散射体到达传感器的距离

就得到移动终端到散射体的二次精确估计的距离测量值

然后将散射体作为一组M2个虚拟传感器，一组虚拟传感器是由修正后的散射***置确定的，但这些虚拟传感器并不是真实存在的，也就是通过最小二乘法估计后得到的散射信息S_i(sx_i，sy_i)，并把

作为移动终端到散射体的TOA值进行定位估计；

(11)再又建立移动终端与散射体之间TOA误差分布模型，获得定位的最大似然函数F，经过对数转换，求使函数F最大时时得到了一个以移动终端位置为变量的非线性函数，获得的最大似然函数F和非线性函数是基于上述误差分布模型的，也就是基于由实际环境建立的经典高斯误差分布模型；

(12)对以上得到的非线性函数采用改进的遗传算法求解，采用的遗传算法是经过改进的，是由实际的电波传播模型对遗传算法经过合理改进的，并设置了合理的种群数N，交叉概率p_c和变异概率p_m，同时，这些参数可以根据实际条件进行自适应的调整；设置初始种群个体数为N，并计算每一个体的适应度函数值，并对这N个适应度值由小到大排序，采用轮盘赌选择，筛选出较优的个体；具体小步骤如下：

1)随机产生N个个体作为初始种群，每个个体为二维向量，N个个体构成了N×2的矩阵；

2)计算每一个体的适应度函数值，并对这N个适应度值由小到大排序，采用轮盘赌选择，筛选出较优的个体；

3)对这N个个体随机两两配对，选择合适的交叉算子按一指定概率p_c进行交叉操作；

4)对每一个个体中的每一变量，选择变异算子按一指定概率p_m进行变异操作；

5)删除种群中一任意个体并替换成2)中记录的最优个体；

6)若满足收敛条件则输出最优解并退出迭代，否则转向(2)步。

迭代运行该步骤，剔除不符合先验信息的数据，进行软判决，最终得到结果的均值X＝(x，y)即为所求移动终端的精确坐标。

(13)对这N个个体随机两两配对，选择合适的交叉算子按一指定概率p_c进行交叉操作；

(14)对每一个个体中的每一变量，选择变异算子按一指定概率p_m进行变异操作；

(15)删除种群中一任意个体并替换成步骤(12)中记录的最优个体，在设置的遗传寻优区域范围内继续进行遗传进化计算，若满足收敛条件则输出最优解并退出迭代；

(16)最后采用一种软判决准则结合先验信息的方法，软判决即对获得的定位结果坐标进行与各传感器的距离计算得到一组距离值，要是发现这组距离值与3个以上的传感器的原始TOA值有很大的偏离，就当作不合理的解数据而剔除，同时剔除不符合先验信息的数据，先验信息是指在这个定位的蜂窝布局中，由AOA信息可以预先得到定位终端的方向，软判决准则是用来剔除伪解数据的，是结合小区的先验信息来实施的，在结果中便可以去掉假值，将最终得到结果取均值即得到了移动终端的精确位置，便实现了高精度的无线定位。

图1为本发明方法无线定位模型的二维平面示意图，如图1所示，布局为一个小区半径为L的蜂窝***，各布局好了的传感器测得移动终端的电波经过散射体反射后的电波到达时间，主传感器还可以提供电波到达角信息。即电波经过在无线空间传播后，也就得到了多径散射信息，以上仅TOA和AOA定位数据就是本发明方法所要利用的，故所需定位的条件较少，完全符合实际的通信环境。然后由定位信息与建立的误差模型就可以进行定位了。

如图2所示为本发明方法定位***的工作流程示意图。由接收到的移动终端发送来的电波进行多组多径散射信息的测距和一组测角处理后，建立误差模型，经过对散射信息的估计及修正后获得虚拟TOA信息，然后采用遗传算法求解，对得到的数据进行软判决后就可以得到移动终端的精确位置信息了。

如图3所示，基于多径散射信息的高精度无线定位***，包括移动终端1、传感器装置2和中央处理单元3，其特征在于移动终端1由一个无线信号发射模块4构成，传感器装置2由一个无线信号接收模块5的输出连接到一个测距模块6和一个测角模块7后连接到一个数据信息无线传送模块8构成，中央处理单元3由一个信息处理模块9经一个定位计算模块10后连接一个定位结果信息显示模块11构成；各选用模块型号及其技术参数为：

1)测角模块7：约克仪器公司的Schaevitz系列角传感器、测角***；Schaevitz系列倾角传感器可对水平、角度和倾斜度进行精确测量，广泛应用于地面导航。

2)测距模块6：10.5G/24G微波雷达测速/测距传感器，意大利INFRA传感器；远程微波测速/测距传感器，用于车、船、等目标的远距测距，收发采用双头，电压+DC(6-12.5V)，测量精度为±1.5mm。

3)无线信号接收模块5，传送模块8：捷麦Jammy公司型号为C11的收发仪器；包括一个发送模块(C11T)和一个接收模块(C11R)，单发单收，分别与各自的控制电路相接后即可进行无线收发工作。该模块的额定通信速率为1200bps；通信格式采用异步通信，额定工作电源为DC6V。

4)计算模块10和信息处理模块9：CS6079快输入12位计算电路芯片；CS6079是一个单片CMOS计算器电路，内置倍压电路，可直接驱动LCD，功耗低。

5)显示模块11：迪威液晶DV320240F；为一个SED13305控制器，AG320240F/A1/AG320240A4触屏5.7寸。

6)整个装置的电源：瑞士TRACO电源TOL-C42型号；电压4.5VDC~72VDC。过流保护点：110％~150％工作温度：-25/-40～+85℃，.开关频率：150~200KHz功率：0.1W～6W。

综上所述，本发明提供了一种基于多径散射信息的高精度无线定位方法及装置，适用于各种定位环境，特别是在需定位的移动终端附近有很多障碍物时，散射环境严重，多径丰富的条件下，诸如城区、山陵等环境，是一种高精度实用化定位技术。所述的无线定位***包括移动终端、传感器装置和中央处理单元，所述装置从接收到的达到传感器的无线电波信号中定位出移动终端的精确位置。该方法首先根据实际的通信环境建立合理的非视距电波传播的多径散射无线定位模型，通过测得的多组多径散射信息的定位数据来估计散射信息建立一组虚拟传感器，经过测距处理、加权最小二乘估计、非线性函数的获得、遗传算法的改进和新的判决操作来到达目标精确定位的。本发明提供的高精度无线定位方法及装置能有效抑制非视距传播误差，而且具有成本低、能耗低及定位精度相当高的优点。由于本发明的高精度定位性能，可以使定位业务得到更为广泛的应用。

Claims (9)

1.一种基于多径散射信息的高精度无线定位方法，所采用的无线定位***包括移动终端、传感器装置和中央处理单元，用于从接收到的达到传感器的无线电波信号中定位出移动终端的精确位置，其特征在于结合多径散射体信息和测量的电波到达角及电波到达时间，实现在非视距传播环境下的精确定位，包括下列步骤：

a.在非视距传播环境下，移动终端发射的电波经很多散射体反射后再到达传感器接收装置，电波的传播路径弯曲，多个散射点反射后产生多径，这些多径信号从不同的方向以不同的时间到达传感器装置；

b.参与定位的传感器个数为M1个：其中有一个为主传感器，位于中央处理单元；并将这些传感器布局为一个小区半径为L的蜂窝***；

c.每个传感器测得的多径信号数为M2路，每个传感器可以测得的由散射体反射过来的电波到达时间τ_ji，j＝1，2，...，M1，i＝1，2，..，M2，进行匹配后，则可以推出散射体的个数及其对应的反射电波到达时间；

d.将测量到的电波到达时间的时间值转化为测量的电波到达时间TOA距离值，其中包含了非视距传播NLOS误差和测量误差，由以上TOA距离值和传播环境建立多径散射的TOA误差分布模型，模型数学公式为： $l_{\mathrm{ji}}=c{{\mathrm{\τ}}_{\mathrm{ji}}}^0+\mathrm{c\Δ}{\mathrm{\τ}}_{\mathrm{ji}}={l_{\mathrm{ji}}}^0+l_{\mathrm{NLOSji}}+l_{\mathrm{nji}}=l_{\mathrm{ji}}\′+l_{\mathrm{nji}}$ ，其中：l_ji ⁰为移动终端到基站的距离真值，l_nji为其测量误差，服从均值为0，标准差为σ_ln的高斯分布，l_NLOSji为非视距传播引起的距离误差，

为电波传播距离，c为电波速度，Δτ_ji为各路径总的TOA时间误差；

e.主传感器测量得到经各散射体过来的电波到达角，结合传播环境建立多径散射的电波到达角AOA误差分布模型，模型数学公式为 ${\mathrm{\θ}}_i={\mathrm{\θ}}_i^0+\mathrm{\Δ}{\mathrm{\θ}}_i,$ Δθ_i为AOA测量噪声，设其服从均值为0，标准差为σ_θ(rad)的高斯分布，此处的高斯分布为一已知的经典分布；

f.由TOA误差分布模型和AOA误差分布模型建立NLOS定位模型，同以上的建立方法，并将这些测量值作为测得的多径散射信息，再将这些多径散射信息建立位置方程： $d_{\mathrm{ji}}=\sqrt{{({\mathrm{sx}}_i-x_j)}^2+{({\mathrm{sy}}_i-y_j)}^2},$ d_ji为第i个散射体到第j个传感器之间的距离，传感器坐标为(x_j，y_j)，散射体坐标为S_i(sx_i，sy_i)；经过矩阵变换求解及最小二乘法处理，便得到了各散射体与传感器的估计距离d_ji和各散射体与移动终端之间的估计距离L_i，于是由以上数据经过就得到了初步估计出的各散射体的位置；

g.由于非视距环境下存在NLOS误差和测量误差，初步估计得到的散射***置不是很精确，再继续进一步修正；采用多径散射信息的TOA/AOA混合修正，将d_ji作为第j个传感器与第i个散射体的TOA测量值，再结合主传感器的AOA信息建立一组测距方程 ${\mathrm{sx}}_i^{\′}\left(\tan {\mathrm{\θ}}_i\right)-{\mathrm{sy}}_i^{\′}=x_1\left(\tan {\mathrm{\θ}}_i\right)-y_1,$ 其中

为修止后的散射体坐标，θ_i为测得的第i个传感器测得的AOA值，主传感器坐标为(x₁，y₁)；

h.再采用加权最小二乘算法，由各TOA和AOA测量值相互独立，便用TOA和AOA测量值的联合协方差矩阵W_i近似替代误差矢量ξ_i的协方差矩阵，进而构造出总的误差矢量ξ_i的协方差矩阵ζ_i；

i.对以上矩阵数据采用最小二乘算法处理，得到的第一次加权最小二乘解即为散射体第一次修正的值，再由散射体自身的位置方程继续采用加权最小二乘算法，得到了第二次加权最小二乘解，冉将这个解的模糊性由传感器布局小区的先验信息消除，即得到了各散射体经过修正后的精确坐标；

j.由散射体的位置即可得到各散射体与传感器的第二次精确估计距离

再利用主传感器测得的TOA值减去散射体到达传感器的距离

就得到移动终端到散射体的二次精确估计的距离测量值

然后将散射体作为一组M2个虚拟传感器，并把

作为移动终端到散射体的TOA值进行定位估计；

k.再又建立移动终端与散射体之间TOA误差分布模型，获得定位的最大似然函数F，经过对数转换，求使函数F最大时时得到了一个以移动终端位置为变量的非线性函数；

1.对以上得到的非线性函数采用改进的遗传算法求解，设置初始种群个体数为N，并计算每一个体的适应度函数值，并对这N个适应度值由小到大排序，采用轮盘赌选择，筛选出较优的个体；

m.对这N个个体随机两两配对，选择合适的交叉算子按一指定概率p_c进行交叉操作；

n.对每一个个体中的每一变量，选择变异算子按一指定概率p_m进行变异操作；

o.删除种群中一任意个体并替换成步骤1中记录的最优个体，在设置的遗传寻优区域范围内继续进行遗传进化计算，若满足收敛条件则输出最优解并退出迭代；

p.最后采用一种软判决准则结合先验信息的方法，软判决即对获得的定位结果坐标进行与各传感器的距离计算得到一组距离值，要是发现这组距离值与3个以上的传感器的原始TOA值有很大的偏离，就当作不合理的解数据而剔除，同时剔除不符合先验信息的数据，先验信息是指在这个定位的蜂窝布局中，由AOA信息可以预先得到定位终端的方向，将最终得到结果取均值即得到了移动终端的精确位置，便实现了高精度的无线定位。

2.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤b中所述传感器其总体布局为一个小区半径为L的蜂窝***，具体坐标分布为：(0，0)，(0，2L)， $(\sqrt{3}L,L),(\sqrt{3}L,-L),(-\sqrt{3}L,L),(-\sqrt{3}L,L),(-\sqrt{3}L,-L),$ 以保证优越的定位性能。

3.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤c中所述多径信号数M2与散射体数目有一定的关系，可以由最小均方误差的大小来匹配得出各自对应的电波到达时间值，最小均方误差RMSE的计算公式为： $\mathrm{RMSE}=\sqrt{E[{(\widehat{{\mathrm{sx}}_i}-{\mathrm{sx}}_i)}^2+{(\widehat{{\mathrm{sy}}_i}-{\mathrm{sy}}_i)}^2]},$ (sx_i，sy_i)为估计的散射信息，E[·]表示求数学期望。

4.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤h中构造出总的误差矢量ξ_i的协方差矩阵ζ_i由多径散射信息的TOA和AOA混合确定，其对应的误差矢量为ξ_i＝h_i-g_iQ_i，其中

$h_i=\left[\begin{array}{c}{d_{1i}}^2-k_1\\ {d_{2i}}^2-k_2\\ {d_{3i}}^2-k_3\\ x_1\left(\tan {\mathrm{\θ}}_i\right)-y_1\end{array}\right],$ $g_i=\left[\begin{array}{ccc}-2x_1& -2y_1& 1\\ -2x_2& -2y_2& 1\\ -2x_3& -2y_3& 1\\ \tan {\mathrm{\θ}}_i& -1& 0\end{array}\right],$ 传感器坐标为(x_j，y_j)，中央处理单元位置为(x₁，y₁)， $Q_i=({\mathrm{sx}}_i^{\′},{\mathrm{sy}}_i^{\′})$ 为修正后的散射体坐标。

5.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤j中的一组虚拟传感器是由修正后的散射***置确定的，但这些虚拟传感器并不是真实存在的，也就是通过最小二乘法估计后得到的散射信息S_i(sx_i，sy_i)。

6.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤k中获得的最大似然函数F和非线性函数是基于上述误差分布模型的，也就是基于由实际环境建立的经典高斯误差分布模型。

7.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤1中采用的遗传算法是经过改进的，是由实际的电波传播模型对遗传算法经过合理改进的，并设置了合理的种群数N，交叉概率p_c和变异概率p_m，同时，这些参数可以根据实际条件进行自适应的调整；具体小步骤如下：

a.随机产生N个个体作为初始种群，每个个体为二维向量，N个个体构成了N×2的矩阵；

b.计算每一个体的适应度函数值，并对这N个适应度值由小到大排序，采用轮盘赌选择，筛选出较优的个体；

c.对这N个个体随机两两配对，选择合适的交叉算子按一指定概率p_c进行交叉操作；

d.对每一个个体中的每一变量，选择变异算子按一指定概率p_m进行变异操作；

e.删除种群中一任意个体并替换成步骤b中记录的最优个体；

f.若满足收敛条件则输出最优解并退出迭代，否则转向步骤b；迭代运行该步骤，剔除不符合先验信息的数据，进行软判决，最终得到结果的均值X＝(x，y)即为所求移动终端的精确坐标。

8.如权利要求1所述的基于多径散射信息的高精度无线定位方法，其特征在于：步骤p中的软判决准则是用来剔除伪解数据的，是结合小区的先验信息来实施的，先验信息是指在这个定位的蜂窝布局中，由AOA信息可以预先得到要定位的终端的方向，在结果中便可以去掉假值。

9.一种基于多径散射信息的高精度无线定位***，包括移动终端(1)、传感器装置(2)和中央处理单元(3)，其特征在于移动终端(1)由一个无线信号发射模块(4)构成，传感器装置(2)由一个无线信号接收模块(5)的输出连接到一个测距模块(6)和一个测角模块(7)后连接到一个数据信息无线传送模块(8)构成，中央处理单元(3)由一个信息处理模块(9)经一个定位计算模块(10)后连接一个定位结果信息显示模块(11)构成；各选用模块型号及其技术参数为：

a.测角模块(7)：约克仪器公司的Schaevitz系列角传感器、测角***；Schaevitz系列倾角传感器可对水平、角度和倾斜度进行精确测量，广泛应用于地面导航；

b.测距模块(6)：10.5G/24G微波雷达测速/测距传感器，意大利INFRA传感器；远程微波测速/测距传感器，用于车、船、等目标的远距测距，收发采用双头，电压+DC(6-12.5V)，测量精度为±1.5mm；

c.无线信号接收模块(5)，传送模块(8)：捷麦Jammy公司型号为C11的收发仪器；包括一个发送模块(C11T)和一个接收模块(C11R)，单发单收，分别与各自的控制电路相接后即可进行无线收发工作。该模块的额定通信速率为1200bps；通信格式采用异步通信，额定工作电源为DC6V；

d.计算模块(10)和信息处理模块(9)：CS6079快输入12位计算电路芯片；CS6079是一个单片CMOS计算器电路，内置倍压电路，可直接驱动LCD，功耗低；

e.显示模块(11)：迪威液晶DV320240F；为一个SED13305控制器，AG320240F/A1/AG320240A4触屏5.7寸；

f.整个装置的电源：瑞士TRACO电源TOL-C42型号；电压4.5VDC~72VDC。过流保护点：110％~150％工作温度：-25/40～+85℃，.开关频率：150~200KHz功率：0.1W～6W。

Images