CN101394672A - 基于多径散射信息的高精度无线定位方法及*** - Google Patents
基于多径散射信息的高精度无线定位方法及*** Download PDFInfo
- Publication number
- CN101394672A CN101394672A CNA2008102019755A CN200810201975A CN101394672A CN 101394672 A CN101394672 A CN 101394672A CN A2008102019755 A CNA2008102019755 A CN A2008102019755A CN 200810201975 A CN200810201975 A CN 200810201975A CN 101394672 A CN101394672 A CN 101394672A
- Authority
- CN
- China
- Prior art keywords
- scattering object
- information
- transducer
- module
- scattering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
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
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τji,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: 其中:Iji 0为移动终端到基站的距离真值,lnji为其测量误差,服从均值为0,标准差为σln的高斯分布,lNLOSji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,Δτji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 Δθi为AOA测量噪声,设其服从均值为0,标准差为σθ(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: dji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(xj,yj),散射体坐标为Si(sxi,syi);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dji和各散射体与移动终端之间的估计距离Li,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dji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 ,其中为修正后的散射体坐标,θi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Wi近似替代误差矢量ξi的协方差矩阵,进而构造出总的误差矢量ξi的协方差矩阵ζi;
(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pc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pm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;
(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τji,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: (sxi,syi)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: 其中:lji 0为移动终端到基站的距离真值,lnji为其测量误差,服从均值为0,标准差为σln的高斯分布,lNLOSji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,Δτji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 Δθi为AOA测量噪声,设其服从均值为0,标准差为σθ(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: dji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(xj,yj),散射体坐标为Si(sxi,syi);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dji和各散射体与移动终端之间的估计距离Li,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dji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 其中为修正后的散射体坐标,θi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Wi近似替代误差矢量ξi的协方差矩阵,进而构造出总的误差矢量ξi的协方差矩阵ζi;总的误差矢量ξi的协方差矩阵ζi由多径散射信息的TOA和AOA混合确定,其对应的误差矢量为ξi=hi-giQi,其中
(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Si(sxi,syi),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pc和变异概率pm,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pc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pm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pc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pm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τji,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: ,其中:lji 0为移动终端到基站的距离真值,lnji为其测量误差,服从均值为0,标准差为σln的高斯分布,lNLOSji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,Δτji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 Δθi为AOA测量噪声,设其服从均值为0,标准差为σθ(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: dji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(xj,yj),散射体坐标为Si(sxi,syi);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dji和各散射体与移动终端之间的估计距离Li,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dji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 其中为修止后的散射体坐标,θi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Wi近似替代误差矢量ξi的协方差矩阵,进而构造出总的误差矢量ξi的协方差矩阵ζi;
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pc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pm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), 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: (sxi,syi)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ξi的协方差矩阵ζi由多径散射信息的TOA和AOA混合确定,其对应的误差矢量为ξi=hi-giQi,其中
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Si(sxi,syi)。
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pc和变异概率pm,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pc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pm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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810201975A CN101394672B (zh) | 2008-10-30 | 2008-10-30 | 基于多径散射信息的高精度无线定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810201975A CN101394672B (zh) | 2008-10-30 | 2008-10-30 | 基于多径散射信息的高精度无线定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101394672A true CN101394672A (zh) | 2009-03-25 |
CN101394672B CN101394672B (zh) | 2012-08-29 |
Family
ID=40494690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810201975A Expired - Fee Related CN101394672B (zh) | 2008-10-30 | 2008-10-30 | 基于多径散射信息的高精度无线定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101394672B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621423A (zh) * | 2012-03-30 | 2012-08-01 | 中国舰船研究设计中心 | 多散射体环境下短波复合场测试方法 |
CN102932739A (zh) * | 2012-11-12 | 2013-02-13 | 杭州电子科技大学 | 超宽带无线定位的非视距传播状态鉴别及数据重构方法 |
CN103582116A (zh) * | 2012-07-31 | 2014-02-12 | 北京三星通信技术研究有限公司 | 一种定位方法、基站和终端 |
CN103634904A (zh) * | 2013-11-26 | 2014-03-12 | 北京邮电大学 | 一种特征点处理方法及装置 |
CN103997780A (zh) * | 2013-02-19 | 2014-08-20 | 北京三星通信技术研究有限公司 | 定位移动终端的方法及基站 |
CN104239675A (zh) * | 2013-06-12 | 2014-12-24 | 英飞凌科技股份有限公司 | 用于确定技术装置的模型的参数的方法和设备 |
CN104569941A (zh) * | 2014-12-18 | 2015-04-29 | 北京无线电计量测试研究所 | 一种双站雷达目标特性测量同步散射点位置识别方法 |
CN104767698A (zh) * | 2015-03-31 | 2015-07-08 | 上海大学 | 基于散射系数的高铁无线信道估计方法 |
CN104812063A (zh) * | 2015-04-08 | 2015-07-29 | 天津大学 | 室内环境下基于虚拟传感器的波达时间toa定位方法 |
CN105047003A (zh) * | 2015-07-10 | 2015-11-11 | 蒋君伟 | 一种反向寻车及正向寻找车位的方法及*** |
CN106535133A (zh) * | 2016-11-11 | 2017-03-22 | 天津大学 | 一种基于机器学习的蜂窝网络中室内话务精确定位方法 |
CN106576322A (zh) * | 2014-12-31 | 2017-04-19 | 华为技术有限公司 | 一种处理用于定位的信息的方法及装置 |
CN106646362A (zh) * | 2016-12-14 | 2017-05-10 | 西北大学 | 一种基于多径信号空间谱的被动式目标定位方法 |
CN107155171A (zh) * | 2017-04-01 | 2017-09-12 | 昆明理工大学 | 一种高精度基站传输信号los传播筛选算法 |
CN107272038A (zh) * | 2017-07-25 | 2017-10-20 | 不灭科技(上海)有限公司 | 一种高精度定位的方法及设备 |
CN107306411A (zh) * | 2016-04-22 | 2017-10-31 | ***通信集团广东有限公司 | Lte话务分布精确定位方法及装置 |
CN107371133A (zh) * | 2017-06-14 | 2017-11-21 | 崔兆琦 | 一种提高基站定位精度的方法 |
CN107526089A (zh) * | 2017-08-25 | 2017-12-29 | 清华大学 | 一种基于时延二次差分的非共视雷达信号无源定位方法 |
CN108072860A (zh) * | 2016-11-18 | 2018-05-25 | 南京大学 | 一种基于无线通信基站的三维定位方法 |
CN108845339A (zh) * | 2018-05-28 | 2018-11-20 | 广州吉欧电子科技有限公司 | 一种gnss定位方法及gnss定位设备 |
CN108919322A (zh) * | 2018-07-11 | 2018-11-30 | 南京航空航天大学 | 一种采用角度信息转换的定位解算方法 |
CN109085572A (zh) * | 2018-09-05 | 2018-12-25 | 西安电子科技大学昆山创新研究院 | 隧道内基于多径利用毫米波雷达的运动目标跟踪方法 |
CN110049550A (zh) * | 2019-03-06 | 2019-07-23 | 上海交通大学 | 无线室内定位及感知方法、***及存储介质 |
CN110290491A (zh) * | 2019-05-17 | 2019-09-27 | 重庆邮电大学 | 一种基于多径辅助的室内目标定位方法 |
CN111447543A (zh) * | 2018-12-27 | 2020-07-24 | 华为技术有限公司 | 定位方法及装置 |
CN111868511A (zh) * | 2018-03-23 | 2020-10-30 | 松下电器产业株式会社 | 无线电波测量方法 |
CN112034421A (zh) * | 2020-11-06 | 2020-12-04 | 广东省新一代通信与网络创新研究院 | 一种基于球面波的室内散射体定位方法及*** |
CN112346009A (zh) * | 2021-01-06 | 2021-02-09 | 广东省新一代通信与网络创新研究院 | 一种基于智能反射面的定位方法及*** |
CN112513662A (zh) * | 2018-08-01 | 2021-03-16 | 苹果公司 | 对无线网络中的用户装备(ue)定位的测量和报告 |
CN113194427A (zh) * | 2021-04-30 | 2021-07-30 | 长安大学 | 一种基于软判决可视与非可视信道的识别方法、***及装置 |
CN114513849A (zh) * | 2022-02-16 | 2022-05-17 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112105081A (zh) * | 2019-06-17 | 2020-12-18 | 北京化工大学 | 一种基于改进生物地理学优化算法的高精度无线定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7095813B2 (en) * | 2002-05-16 | 2006-08-22 | Qualcomm Incorporated | System and method for the detection and compensation of radio signal time of arrival errors |
GB0304861D0 (en) * | 2003-03-04 | 2003-04-09 | Koninkl Philips Electronics Nv | Object location |
CN1722894A (zh) * | 2004-03-05 | 2006-01-18 | 仇伟军 | 无线电信号匹配定位技术 |
-
2008
- 2008-10-30 CN CN200810201975A patent/CN101394672B/zh not_active Expired - Fee Related
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621423B (zh) * | 2012-03-30 | 2013-11-20 | 中国舰船研究设计中心 | 多散射体环境下短波复合场测试方法 |
CN102621423A (zh) * | 2012-03-30 | 2012-08-01 | 中国舰船研究设计中心 | 多散射体环境下短波复合场测试方法 |
CN103582116A (zh) * | 2012-07-31 | 2014-02-12 | 北京三星通信技术研究有限公司 | 一种定位方法、基站和终端 |
CN102932739B (zh) * | 2012-11-12 | 2015-07-15 | 杭州电子科技大学 | 超宽带无线定位的非视距传播状态鉴别及数据重构方法 |
CN102932739A (zh) * | 2012-11-12 | 2013-02-13 | 杭州电子科技大学 | 超宽带无线定位的非视距传播状态鉴别及数据重构方法 |
CN103997780A (zh) * | 2013-02-19 | 2014-08-20 | 北京三星通信技术研究有限公司 | 定位移动终端的方法及基站 |
CN104239675B (zh) * | 2013-06-12 | 2017-12-19 | 英飞凌科技股份有限公司 | 用于确定技术装置的模型的参数的方法和设备 |
CN104239675A (zh) * | 2013-06-12 | 2014-12-24 | 英飞凌科技股份有限公司 | 用于确定技术装置的模型的参数的方法和设备 |
US10502789B2 (en) | 2013-06-12 | 2019-12-10 | Infineon Technologies Ag | Method and device for determining a parameter of a model of a technical installation |
CN103634904B (zh) * | 2013-11-26 | 2017-01-25 | 北京邮电大学 | 一种特征点处理方法及装置 |
CN103634904A (zh) * | 2013-11-26 | 2014-03-12 | 北京邮电大学 | 一种特征点处理方法及装置 |
CN104569941A (zh) * | 2014-12-18 | 2015-04-29 | 北京无线电计量测试研究所 | 一种双站雷达目标特性测量同步散射点位置识别方法 |
CN106576322A (zh) * | 2014-12-31 | 2017-04-19 | 华为技术有限公司 | 一种处理用于定位的信息的方法及装置 |
CN106576322B (zh) * | 2014-12-31 | 2019-11-29 | 华为技术有限公司 | 一种处理用于定位的信息的方法及装置 |
CN104767698B (zh) * | 2015-03-31 | 2018-04-06 | 上海大学 | 基于散射系数的高铁无线信道估计方法 |
CN104767698A (zh) * | 2015-03-31 | 2015-07-08 | 上海大学 | 基于散射系数的高铁无线信道估计方法 |
CN104812063A (zh) * | 2015-04-08 | 2015-07-29 | 天津大学 | 室内环境下基于虚拟传感器的波达时间toa定位方法 |
CN105047003B (zh) * | 2015-07-10 | 2018-06-01 | 北京四象网讯科技有限公司 | 一种反向寻车及正向寻找车位的方法及*** |
CN105047003A (zh) * | 2015-07-10 | 2015-11-11 | 蒋君伟 | 一种反向寻车及正向寻找车位的方法及*** |
CN107306411B (zh) * | 2016-04-22 | 2020-07-14 | ***通信集团广东有限公司 | Lte话务分布精确定位方法及装置 |
CN107306411A (zh) * | 2016-04-22 | 2017-10-31 | ***通信集团广东有限公司 | Lte话务分布精确定位方法及装置 |
CN106535133A (zh) * | 2016-11-11 | 2017-03-22 | 天津大学 | 一种基于机器学习的蜂窝网络中室内话务精确定位方法 |
CN108072860A (zh) * | 2016-11-18 | 2018-05-25 | 南京大学 | 一种基于无线通信基站的三维定位方法 |
CN106646362B (zh) * | 2016-12-14 | 2019-11-15 | 西北大学 | 一种基于多径信号空间谱的被动式目标定位方法 |
CN106646362A (zh) * | 2016-12-14 | 2017-05-10 | 西北大学 | 一种基于多径信号空间谱的被动式目标定位方法 |
CN107155171A (zh) * | 2017-04-01 | 2017-09-12 | 昆明理工大学 | 一种高精度基站传输信号los传播筛选算法 |
CN107155171B (zh) * | 2017-04-01 | 2019-12-03 | 昆明理工大学 | 一种高精度基站传输信号los传播筛选算法 |
CN107371133A (zh) * | 2017-06-14 | 2017-11-21 | 崔兆琦 | 一种提高基站定位精度的方法 |
CN107371133B (zh) * | 2017-06-14 | 2019-12-27 | 崔兆琦 | 一种提高基站定位精度的方法 |
CN107272038A (zh) * | 2017-07-25 | 2017-10-20 | 不灭科技(上海)有限公司 | 一种高精度定位的方法及设备 |
CN107526089B (zh) * | 2017-08-25 | 2019-07-12 | 清华大学 | 一种基于时延二次差分的非共视雷达信号无源定位方法 |
CN107526089A (zh) * | 2017-08-25 | 2017-12-29 | 清华大学 | 一种基于时延二次差分的非共视雷达信号无源定位方法 |
CN111868511A (zh) * | 2018-03-23 | 2020-10-30 | 松下电器产业株式会社 | 无线电波测量方法 |
CN111868511B (zh) * | 2018-03-23 | 2023-05-16 | 松下控股株式会社 | 无线电波测量方法 |
CN108845339A (zh) * | 2018-05-28 | 2018-11-20 | 广州吉欧电子科技有限公司 | 一种gnss定位方法及gnss定位设备 |
CN108919322A (zh) * | 2018-07-11 | 2018-11-30 | 南京航空航天大学 | 一种采用角度信息转换的定位解算方法 |
CN108919322B (zh) * | 2018-07-11 | 2022-07-08 | 南京航空航天大学 | 一种采用角度信息转换的定位解算方法 |
CN112513662A (zh) * | 2018-08-01 | 2021-03-16 | 苹果公司 | 对无线网络中的用户装备(ue)定位的测量和报告 |
CN109085572A (zh) * | 2018-09-05 | 2018-12-25 | 西安电子科技大学昆山创新研究院 | 隧道内基于多径利用毫米波雷达的运动目标跟踪方法 |
CN111447543B (zh) * | 2018-12-27 | 2021-10-26 | 华为技术有限公司 | 定位方法及装置 |
CN111447543A (zh) * | 2018-12-27 | 2020-07-24 | 华为技术有限公司 | 定位方法及装置 |
CN110049550A (zh) * | 2019-03-06 | 2019-07-23 | 上海交通大学 | 无线室内定位及感知方法、***及存储介质 |
CN110049550B (zh) * | 2019-03-06 | 2020-07-14 | 上海交通大学 | 无线室内定位及感知方法、***及存储介质 |
CN110290491A (zh) * | 2019-05-17 | 2019-09-27 | 重庆邮电大学 | 一种基于多径辅助的室内目标定位方法 |
CN112034421A (zh) * | 2020-11-06 | 2020-12-04 | 广东省新一代通信与网络创新研究院 | 一种基于球面波的室内散射体定位方法及*** |
CN112346009B (zh) * | 2021-01-06 | 2021-04-16 | 广东省新一代通信与网络创新研究院 | 一种基于智能反射面的定位方法及*** |
CN112346009A (zh) * | 2021-01-06 | 2021-02-09 | 广东省新一代通信与网络创新研究院 | 一种基于智能反射面的定位方法及*** |
WO2022148093A1 (zh) * | 2021-01-06 | 2022-07-14 | 广东省新一代通信与网络创新研究院 | 一种基于智能反射面的定位方法及*** |
CN113194427A (zh) * | 2021-04-30 | 2021-07-30 | 长安大学 | 一种基于软判决可视与非可视信道的识别方法、***及装置 |
CN114513849A (zh) * | 2022-02-16 | 2022-05-17 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
CN114513849B (zh) * | 2022-02-16 | 2023-06-09 | 重庆邮电大学 | 一种基于散射区模型的室外非视距传播单站定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101394672B (zh) | 2012-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101394672B (zh) | 基于多径散射信息的高精度无线定位方法及*** | |
Yang et al. | A novel NLOS error compensation method based IMU for UWB indoor positioning system | |
CN102395196B (zh) | 一种基于标校点的定位方法和装置 | |
CN101466145A (zh) | 基于神经网络的双基站精确定位方法 | |
CN106793087B (zh) | 一种基于aoa和pdoa的阵列天线室内定位方法 | |
CN102088769B (zh) | 直接估计和消除非视距误差的无线定位方法 | |
CN103402258A (zh) | 一种基于Wi-Fi的室内定位***和方法 | |
CN103379427A (zh) | 一种定位方法、设备及*** | |
CN105765401B (zh) | 运用广播调频信号以及相位差运算技术定位的方法 | |
CN103929807A (zh) | 基于低功耗蓝牙技术精确定位设备坐标的方法及其应用 | |
CN102791025A (zh) | 基于WiFi的分层定位***及实现方法 | |
CN102879776B (zh) | 一种无线射频识别测距或定位***及其方法 | |
CN101873692A (zh) | 基于时间反演的无线传感器网络节点定位方法 | |
CN102149192A (zh) | 一种基于移动台合作的蜂窝网络无线定位方法 | |
CN102967848B (zh) | 一种基于距离关系库及接收信号强度的定位方法 | |
CN102427602A (zh) | 稀疏直接定位方法 | |
CN105044659B (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
CN101086449A (zh) | 导航装置的动态目标的追踪方法 | |
CN103096465B (zh) | 一种环境自适应的多目标直接定位方法 | |
CN111405461B (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN109005510A (zh) | 基于区域划分的无线传感器网络室内移动目标跟踪方法 | |
Daramouskas et al. | A survey of methods for location estimation on Low Power Wide Area Networks | |
CN103596265A (zh) | 一种基于声音测距和移动向量的多用户室内定位方法 | |
CN102832966A (zh) | 基于非视距抑制的矿井超宽带定位方法及*** | |
CN104683953A (zh) | 基于SimRank相似组合邻近图构建的室内WLAN定位组网方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120829 Termination date: 20151030 |
|
EXPY | Termination of patent right or utility model |