CN116471661A - 基于射线跟踪的地下管廊机会信号分析方法定位方法 - Google Patents

Abstract

基于射线跟踪的地下管廊机会信号分析方法定位方法，包括地下管廊地图模块、基于射线跟踪的机会信号模块、改进算法定位输出模块，其中，所述地下管廊地图模块包括管网拓扑地图、待定区域栅格化地图、信号强度分布地图；机会信号包括Wi‑Fi无线信号、蓝牙无线信号、超宽带无线信号及其统计传输模型；基于射线跟踪的无线信号模块用于仿真生成无线信号信息；最后融合地图约束、PDR、机会信号权重进行定位分析。本发明融合现有多种射频定位信息，实现模型仿真分析、算法融合处理的能力，为后续进行多种定位技术的实际验证、测试奠定了基础。

Description

基于射线跟踪的地下管廊机会信号分析方法定位方法

技术领域

本发明涉及地下管廊机会信号的射线跟踪仿真及算法融合，更具体的说是基于射线跟踪的地下管廊机会信号分析方法定位方法。

背景技术

目前全球导航卫星***(Global Navigation Satellite System,GNSS)凭借其高精度与高稳定性，已成为最常用的导航技术，有着无可替代的优势。但是，由于GNSS信号自身存在局限性，如信号到达地球表面功率低、在传输过程中容易受到干扰和遮挡等，仅依靠GNSS进行导航往往存在一定的风险。

随着地下综合管廊的迅速发展，国外大型城市的地下管廊环境信息监测，一般采用有线/无线物联网方式，将管廊内的环境信息反馈到运维管理平台进行分析处理，根据诊断结论安排相应的维修策略，不仅成本高，而且效果不明显，使得虽有防范设备，但难以有效发挥作用。

目前无线信道建模方法可分为统计性建模与确定性建模方法。在统计性建模方法中，无线信道被视为随机过程，通过对实测数据做统计，可以将无线信道模拟为不同的随机分布，用随机过程模型对信道的衰落特性进行描述。由于其信道参数的生成采用了随机化的思想，生成时较为简单，通常在实际场景中，统计建模方法并不能准确地反映信道特性。确定性建模中的时域有限差分法(FDTD)需要考虑传播环境的尺寸大小、介质材料，在实际情况下，信号的传播环境一般都是具有多种障碍物的复杂环境，此时利用FDTD进行计算就会耗费大量的时间。因此，采用传统的数学模型或者FDTD方法难以达到射频(RF)机会信号(signal of opportunity，SOP)的模拟，合理仿真室内定位信号更有利于对室内定位技术的前期方案设计、基础设施部署、算法方法改进验证和更真实测试评价等。

目前现有技术如下：

申请号：202111494690.7，名称：基于移动端的地下综合管廊辅助运维***以及方法，提供了一种基于移动端的地下综合管廊辅助运维***，包括地下综合管廊设备、地下综合管廊服务器以及移动端。还提供一种基于移动端的地下综合管廊辅助运维方法，包括如下步骤：S1，采用地下综合管廊设备对管廊内进行视频监控，S2，地下综合管廊服务器通过其数据采集模块实时获取所述地下综合管廊设备的监控数据，S3，数据获取后，所述地下综合管廊服务器将数据推送至移动端。本发明利用移动端便携的特点和定位的功能，能够为设备提供准确的定位，当设备发生故障时，不必再花费大量时间去定位设备，便于设备维护人员开展后续维护工作，大大提高了设备维护的效率。

该申请采用的是地下综合管廊设备对管廊内进行视频监控，移动端通过WIFI或4G/5G移动数据接入地下综合管廊局域网，通过网络通信模块与地下综合管廊服务器进行通信；本专利通过采集机会信号rssi建立指纹库进行定位。

申请号：201921164985.6，名称：综合管廊内的工作辅助***，其通过图像采集装置采集各分区的图像，然后根据图像确定出工作人员的当前所在分区，进而针对性地进行环境参数的调节或者预调节，从而不需要使用RFID无线射频识别定位技术或者iBeacon蓝牙定位技术等，因此不需要额外增加设备，降低工程造价，方便运营管理，在综合管廊建设和运营维护中，提高维护人员巡检时的安全性和工作效率，提高综合管廊工程项目的智能化水平。

该申请采用图像采集装置采集各分区的图像，然后根据图像确定出工作人员的当前所在分区，进而针对性地进行环境参数的调节或者预调节；本申请需要使用蓝牙、超宽带、WIFI无线机会信号采集rssi数据进行定位，且需要对机会信号信道模型进行射线仿真。

发明内容

为解决上述技术问题，本发明提出了基于射线跟踪的地下管廊机会信号分析方法定位方法，利用地下管廊地形特征搭建不同地图模型，利用射频机会信号信道模型在相应管网地图里的部分统计特性，搭建信号仿真模型，分析机会信号传播模型及信道特性参数，采用仿真软件对狭长管廊进行建模分析，并提出一种应用射频机会信号的定位算法。

为实现上述目的，本发明采取的技术方案是：

本发明提供基于射线跟踪的地下管廊机会信号分析方法定位方法，具体步骤如下，其特征在于：

S1：确定模拟场景，通过地图绘制软件做出相应地下管网拓扑地图以及通过栅格地图模块做出地下管廊待定位区域地图；采集各个指纹点处的信号强度以及真实位置，建立地下管廊机会信号指纹分布地图；圆柱形地下管廊环境在此简化为平滑立体图形；

S2：由步骤S1得到的地图，结合射线跟踪仿真模块仿真得到WIFI、UWB、蓝牙三种射频机会信号确定性信道模型特征性能；

S3：利用射线追踪仿真，得到三种射频机会信号传播路径中的主要能量贡献路径；

S4：根据时延功率延迟分布，计算信道的平均附加时延和均方根时延，具体计算方式如下：

1)平均附加时延：

2)均方根时延：

S5：根据常用的对数路径损耗模型，得出射线追踪仿真中无线信号的平均接收功率与距离的衰减程度，具体计算公式如下：

其中，PL(d₀)代表参考距离d₀处的接收功率；n代表路径损耗指数；X_σ代表均值为0，标准差为σ的正态随机变量；

S6：根据不同机会信号条件下获得的所有仿真数据，得到测距误差的累积分布函数，并与根据不同机会信号经过粒子滤波器融合定位获得的数据对比。

作为本发明进一步改进，所述步骤S1具体包括以下过程：

S11：根据地下管廊地图中的信息进行区域划分，并根据信号传播特点将信号不能够到达的区域标记为不可达区域，信号能够通过的区域标记为可达区域，通过连接点连接地图中不同区域，将地下管廊地图抽象为拓扑地图，整个地图的拓扑路径即为路径组件。

S12：假设路径规划场地为方形，根据栅格边长将场地划分为多个小正方形栅格,当边界不满一个栅格时，按一个栅格计算，得到row行col列的栅格地图,根据地下管廊内有无障碍物阻挡可将栅格地图分为障碍栅格和可传播栅格,可将含有障碍物信息的栅格地图用row×col的数组矩阵来表示，称之为栅格关联矩阵，用0表示该栅格上有障碍物，不能传播；用1表示该栅格可传递信号；

S13：确定指纹点，采集得到每个指纹点处的来自于WIFI、UWB、蓝牙机会信号的信号强度，并记录下每个指纹点的位置信息，通过上一步栅格地图将上述定位指纹库的数据以栅格化形式存储，每一行数据代表某一网格点处对应的多源信号强度以及该网格的位置信息。

作为本发明进一步改进，所述步骤S2具体包括以下步骤：

S21：首先初始化射线跟踪仿真模块的仿真参数，由于使用到入射反弹法SBR模型，所以需先设置好房间材质的电磁参数、发射机与接收机位置、发射信号波形、频率、直射、反射次数和反射系数相关参数；

S22：逐一追踪每一条射线，首先判断射线的信号强度是否已经衰减到阈值以下，若衰减到阈值以下则不再追踪结束这条射线，若没有衰减到阈值以下就判断射线是否与障碍物相交，若没有与障碍物相交则判断此射线是否达到接收球附近，若到达就记录下此条射线的信号强度；若与障碍物相交，求出相交的平面或边缘的数学表达，再判断是与平面相交还是边缘相交来分别计算反射和绕射所得到的信号强度，然后回到开始执行之前的循环判断继续追踪，直到射线的信号强度减小到需要放弃为止；

S23：对于WIFI信号这样的窄带信号则可以直接在频域中乘以反射系数，而对于像UWB信号这样的宽带信号，由于其带宽特别宽，不能用中心频率来代替整段频谱，所以利用时域反射系数直接通过卷积直接求出信道的冲击响应，将水平极化和垂直极化频域系数转化到时域，利用拉普拉斯反变化可以得到反射系数的时域形式如下：

其中，l定义为：

同时K＝(1-κ)/(1+κ)

其中，ψ是掠射角；

对于经过多次反射问题的反射系数的求解，需要用卷积来实现多个反射界面的反射特性，分别求出各个反射界面上的反射系数，然后进行卷积得到最终的反射系数，具体实现如下:

作为本发明进一步改进，所述S6粒子滤波器融合定位方法的执行步骤如下：

S1：输入目标的初始位置，目标移动的单位距离作为先验信息；

S2：目标初始位置使用接收到的RSSI信息输入深度置信网络获得。假设在初始坐标附近按照设定分布随机生成N个粒子；

S3：利用可移动终端测量的目标运动信息构建目标运动方程，此时粒子集合按照该运动方程预测新的位置；

S4：以深度置信网络获得的指纹定位结果作为观测值，根据粒子集合与观测值之间的距离计算各粒子对应权值；

S5：对粒子集合进行加权求和获得最终定位结果；

S6：依据重采样原理对粒子筛选，经重采样后的粒子集合返回步骤2。经过以上步骤可获得目标在当前时刻的定位目标。

与现有技术相比，本发明的有益效果为：

本发明提供了一种基于射线跟踪的地下管廊机会信号仿真及定位算法研究分析方法。利用对地下管网建立的拓扑、待定位区域、射频分布地图建模以及管廊定位机会信号定位的时空关联的仿真建模，为后续地下管廊机器人定位***方法提供地图分析和仿真分析，同时可根据仿真得到的结果分析不同数据信息、环境干扰基础布置等因素对射频机会信号的影响，为后续改进定位算法、模拟移动目标导航提供依据。

附图说明

图1是地下管廊机会信号仿真及定位算法分析过程图；

图2是射线追踪流程图；

图3是基于射线跟踪的机会信号仿真图；

图4是基于粒子滤波算法融合定位图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

如图1所示，一种基于射线跟踪的地下管廊机会信号仿真分析方法，具体步骤如下：

S1：确定模拟场景，通过地图绘制软件做出相应地下管网拓扑地图以及通过栅格地图模块做出地下管廊待定位区域地图；采集各个指纹点处的信号强度以及真实位置，建立地下管廊机会信号指纹分布地图；圆柱形地下管廊环境在此简化为平滑立体图形。

进一步的，上述的步骤S1的具体操作如下：

S11：根据地下管廊地图中的信息进行区域划分，并根据信号传播特点将信号不能够到达的区域标记为不可达区域，信号能够通过的区域标记为可达区域。通过连接点连接地图中不同区域。将地下管廊地图抽象为拓扑地图，整个地图的拓扑路径即为路径组件。

S12：假设路径规划场地为方形，根据栅格边长将场地划分为多个小正方形栅格(当边界不满一个栅格时，按一个栅格计算)，得到row行col列的栅格地图。根据地下管廊内有无障碍物阻挡可将栅格地图分为障碍栅格和可传播栅格。可将含有障碍物信息的栅格地图用row×col的数组矩阵来表示，称之为栅格关联矩阵(简称关联矩阵)。用0表示该栅格上有障碍物，不能传播；用1表示该栅格可传递信号。

S13：确定指纹点，采集得到每个指纹点处的来自于WIFI、UWB、蓝牙机会信号的信号强度，并记录下每个指纹点的位置信息。通过上一步栅格地图将上述定位指纹库的数据以栅格化形式存储，每一行数据代表某一网格点处对应的多源信号强度以及该网格的位置信息。

S2：由步骤1得到的地图，结合射线跟踪仿真模块仿真得到WIFI、UWB、蓝牙三种射频机会信号确定性信道模型特征性能。

进一步的，上述的步骤S2的具体操作如下：

S21：首先初始化射线跟踪仿真模块的仿真参数，由于使用到入射反弹法SBR模型，所以需先设置好房间材质的电磁参数、发射机与接收机位置、发射信号波形、频率、直射、反射次数、反射系数等相关参数；

S22：如图2所示，逐一追踪每一条射线，首先判断射线的信号强度是否已经衰减到阈值以下，若衰减到阈值以下则不再追踪结束这条射线，若没有衰减到阈值以下就判断射线是否与障碍物相交，若没有与障碍物相交则判断此射线是否达到接收球附近，若到达就记录下此条射线的信号强度；若与障碍物相交，求出相交的平面或边缘的数学表达，再判断是与平面相交还是边缘相交来分别计算反射和绕射所得到的信号强度，然后回到开始执行之前的循环判断继续追踪，直到射线的信号强度减小到需要放弃为止；

S23：对于WIFI信号这样的窄带信号则可以直接在频域中乘以反射系数，而对于像UWB信号这样的宽带信号，由于其带宽特别宽，不能用中心频率来代替整段频谱，所以利用时域反射系数直接通过卷积直接求出信道的冲击响应。将水平极化和垂直极化频域系数转化到时域，利用拉普拉斯反变化可以得到反射系数的时域形式如下：

其中，l可以定义为：

同时K＝(1-κ)/(1+κ)

其中，ψ是掠射角。

对于经过多次反射问题的反射系数的求解，需要用卷积来实现多个反射界面的反射特性，分别求出各个反射界面上的反射系数，然后进行卷积得到最终的反射系数，具体实现如下:

S3：利用射线追踪仿真，得到三种射频机会信号传播路径中的主要能量贡献路径。

S4：根据时延功率延迟分布，计算信道的平均附加时延和均方根时延，具体计算方式如下：

1)平均附加时延：

2)均方根时延：

S5：根据常用的对数路径损耗模型，得出射线追踪仿真中无线信号的平均接收功率与距离的衰减程度，具体计算公式如下：

其中，PL(d₀)代表参考距离d₀处的接收功率；n代表路径损耗指数；X_σ代表均值为0，标准差为σ的正态随机变量。

S6：根据不同机会信号条件下获得的所有仿真数据，得到测距误差的累积分布函数。

如图3所示，一种基于粒子滤波的机会信号融合定位方法，将使用深度置信网络实现RSSI指纹定位法和行人航位测算技术分别获取粗略定位信息，然后使用粒子滤波器将两项粗略定位结果进行融合滤波。

假设定位区域内任意目标设备的运动模型为：

式中，k代表时刻，随机变量X_k为目标位置预测值，Y_k为目标位置观测值，在本方法中Y_k即为由深度置信网络获得的粗略定位结果，f_k和h_k为非线性函数。δ_k表示行人航位测算技术的***噪声，γ_k表示环境噪声，两者相互独立。

构造包含N个粒子的集合式中，/>表示第i个粒子在k时刻的状态，则表示该粒子此时的权值，且满足/>f(X_k)表示目标k时刻的真实坐标，p(X_k|Y_1∶k)表示在此时X_k的后验概率密度。那么最终获得定位结果表示为：

E[f(X_k)]＝∫f(X_k)p(X_k|Y_1：k)dX_k (2)

实际应用中，直接从后验概率分布提取有效样本十分困难，故引入重要性采样方法提高采样效率，对已知的重要性采样密度q(X_k|Y_k)进行样本抽取，而避免直接从p(X_k|Y_k)中抽取样本。则式(1)可表示为：

将重要性密度函数分解如式(5)所示：

q(X_1：k|Y_1：k)＝q(X_1：k-1|Y_1：k-1)q(X_k|X_1：k-1，Y_1：k) (5)

根据重要性采样理论，选取合适的重要性采样密度为：

q(X_k|X_1：k-1，Y_1：k)＝q(X_k|X_1：k-1，Y_k)＝p(X_k|X_1：k-1) (6)

后验概率密度函数p(X_k|X_1∶k)的递归形式为：

则式(3)代表的粒子权重可表示为迭代形式：

表示为递推形式为：

使用蒙特卡罗采样法表示式(2)为：

式(10)中由于有：

故有：

利用带权粒子集合近似表示粒子滤波的位置输出结果为：

式中，粒子权重为：

此时随着迭代次数增加，仅剩极少部分粒子接近真实样本，同时绝大多数“无效”粒子的权值都极小，这便造成严重的计算资源浪费。因此加入重采样手段，以减小粒子退化现象的不良后果。

完整的基于粒子滤波的机会信号融合定位方法执行步骤如下，其中粒子滤波算法融合定位图如图4所示：

S1：输入目标的初始位置，目标移动的单位距离作为先验信息；

S2：目标初始位置使用接收到的RSSI信息输入深度置信网络获得。假设在初始坐标附近按照设定分布随机生成N个粒子；

S3：利用可移动终端测量的目标运动信息构建目标运动方程，此时粒子集合按照该运动方程预测新的位置；

S4：以深度置信网络获得的指纹定位结果作为观测值，根据粒子集合与观测值之间的距离计算各粒子对应权值；

S5：对粒子集合进行加权求和获得最终定位结果；

S6：依据重采样原理对粒子筛选(粒子总数不变)，经重采样后的粒子集合返回步骤2。经过以上步骤可获得目标在当前时刻的定位目标。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (4)

1.基于射线跟踪的地下管廊机会信号分析方法定位方法，具体步骤如下，其特征在于：

S1：确定模拟场景，通过地图绘制软件做出相应地下管网拓扑地图以及通过栅格地图模块做出地下管廊待定位区域地图；采集各个指纹点处的信号强度以及真实位置，建立地下管廊机会信号指纹分布地图；圆柱形地下管廊环境在此简化为平滑立体图形；

S2：由步骤S1得到的地图，结合射线跟踪仿真模块仿真得到WIFI、UWB、蓝牙三种射频机会信号确定性信道模型特征性能；

S3：利用射线追踪仿真，得到三种射频机会信号传播路径中的主要能量贡献路径；

S4：根据时延功率延迟分布，计算信道的平均附加时延和均方根时延，具体计算方式如下：

1)平均附加时延：

2)均方根时延：

S5：根据常用的对数路径损耗模型，得出射线追踪仿真中无线信号的平均接收功率与距离的衰减程度，具体计算公式如下：

其中，PL(d₀)代表参考距离d₀处的接收功率；n代表路径损耗指数；X_σ代表均值为0，标准差为σ的正态随机变量；

S6：根据不同机会信号条件下获得的所有仿真数据，得到测距误差的累积分布函数，并与根据不同机会信号经过粒子滤波器融合定位获得的数据对比。

2.根据权利要求1所述的基于射线跟踪的地下管廊机会信号分析方法定位方法，其特征在于：

所述步骤S1具体包括以下过程：

S11：根据地下管廊地图中的信息进行区域划分，并根据信号传播特点将信号不能够到达的区域标记为不可达区域，信号能够通过的区域标记为可达区域，通过连接点连接地图中不同区域，将地下管廊地图抽象为拓扑地图，整个地图的拓扑路径即为路径组件。

S12：假设路径规划场地为方形，根据栅格边长将场地划分为多个小正方形栅格,当边界不满一个栅格时，按一个栅格计算，得到row行col列的栅格地图,根据地下管廊内有无障碍物阻挡可将栅格地图分为障碍栅格和可传播栅格,可将含有障碍物信息的栅格地图用row×col的数组矩阵来表示，称之为栅格关联矩阵，用0表示该栅格上有障碍物，不能传播；用1表示该栅格可传递信号；

S13：确定指纹点，采集得到每个指纹点处的来自于WIFI、UWB、蓝牙机会信号的信号强度，并记录下每个指纹点的位置信息，通过上一步栅格地图将上述定位指纹库的数据以栅格化形式存储，每一行数据代表某一网格点处对应的多源信号强度以及该网格的位置信息。

3.根据权利要求1所述的基于射线跟踪的地下管廊机会信号分析方法定位方法，其特征在于：所述步骤S2具体包括以下步骤：

S21：首先初始化射线跟踪仿真模块的仿真参数，由于使用到入射反弹法SBR模型，所以需先设置好房间材质的电磁参数、发射机与接收机位置、发射信号波形、频率、直射、反射次数和反射系数相关参数；

S22：逐一追踪每一条射线，首先判断射线的信号强度是否已经衰减到阈值以下，若衰减到阈值以下则不再追踪结束这条射线，若没有衰减到阈值以下就判断射线是否与障碍物相交，若没有与障碍物相交则判断此射线是否达到接收球附近，若到达就记录下此条射线的信号强度；若与障碍物相交，求出相交的平面或边缘的数学表达，再判断是与平面相交还是边缘相交来分别计算反射和绕射所得到的信号强度，然后回到开始执行之前的循环判断继续追踪，直到射线的信号强度减小到需要放弃为止；

S23：对于WIFI信号这样的窄带信号则可以直接在频域中乘以反射系数，而对于像UWB信号这样的宽带信号，由于其带宽特别宽，不能用中心频率来代替整段频谱，所以利用时域反射系数直接通过卷积直接求出信道的冲击响应，将水平极化和垂直极化频域系数转化到时域，利用拉普拉斯反变化可以得到反射系数的时域形式如下：

其中，l定义为：

同时K＝(1-κ)/(1+κ)

其中，ψ是掠射角；

对于经过多次反射问题的反射系数的求解，需要用卷积来实现多个反射界面的反射特性，分别求出各个反射界面上的反射系数，然后进行卷积得到最终的反射系数，具体实现如下:

4.根据权利要求1所述的基于射线跟踪的地下管廊机会信号分析方法定位方法，其特征在于：所述S6粒子滤波器融合定位方法的执行步骤如下：

S1：输入目标的初始位置，目标移动的单位距离作为先验信息；

S2：目标初始位置使用接收到的RSSI信息输入深度置信网络获得。假设在初始坐标附近按照设定分布随机生成N个粒子；

S3：利用可移动终端测量的目标运动信息构建目标运动方程，此时粒子集合按照该运动方程预测新的位置；

S4：以深度置信网络获得的指纹定位结果作为观测值，根据粒子集合与观测值之间的距离计算各粒子对应权值；

S5：对粒子集合进行加权求和获得最终定位结果；

S6：依据重采样原理对粒子筛选，经重采样后的粒子集合返回步骤2。经过以上步骤可获得目标在当前时刻的定位目标。