一種高精度室內無線定位方法技術

本發明專利技術公開了一種高精度室內無線定位方法，包括以下步驟：A：在t時刻獲得的所有N個錨節點到被測節點的距離及錨節點的坐標；B：通過卡爾曼濾波挖掘相鄰時刻的空間相關性，定義在t時刻在x、y、z三個坐標上的卡爾曼狀態方程系數，并將所有時刻的上述向量和矩陣歸納為指定集合形式；C：利用全概率公式和卡爾曼狀態方程，對全局概率分布進行因子分解；D：利用步驟C中得到的因子分解進行建模，將因子圖模型分為晶格網絡部分、卡爾曼網絡部分和卡爾曼參數估計部分；E:通過消息傳遞算法對晶格網絡部分、卡爾曼網絡部分和卡爾曼參數估計部分進行消息計算。本發明專利技術能夠克高效準確的獲得室內待測節點的高精度位置信息。

A High Precision Indoor Wireless Location Method

【技術實現步驟摘要】
一種高精度室內無線定位方法
本專利技術涉及定位測量領域，尤其涉及一種高精度室內無線定位方法。
技術介紹
隨著無線通信和移動網絡的發展，人們對定位的需求日益增加，但是由于信號遮擋等因素的存在，使得如北斗、GPS等通用的定位技術在室內環境下難以得到部署。現有針對室內的無線定位技術主要有超寬帶(UWB)、WiFi和Beacon定位技術等，每種技術均有特定的適用場景。上述技術的基本思路是通過計算“錨節點”(已知布置坐標的定位節點)的信號到達時間或接收功率，獲得被測節點和錨節點的距離，然后通過三角定位法、質心算法或最小二乘估計算法確定被測節點的位置信息。其中，三點定位法是利用不在同一條直線上的三個錨節點到未知節點的距離，通過解方程得到未知節點的坐標。質心算法是選出距離被測節點較近的多個錨節點，將其坐標依據到被測節點的距離進行加權平均。最小二乘估計算法則是將被測節點到多個錨節點的距離聚合成向量，將對應的錨節點坐標聚合成矩陣，通過求矩陣的偽逆得到待測節點的坐標估計。但是，上述三種方法均存在缺陷：1、三點定位算法需要解方程組，但由于測量誤差的存在，經常無法得到唯一解，需要進行近似，影響定位精度。2、質心算法在錨節點數量很少的情況下定位精度較差。3、最小二乘估計需要計算矩陣的偽逆，運算復雜度高，并且在矩陣不滿秩的情況下無法求解。4、在實際環境中待測物體具有通常處于連續的移動狀態，此時刻的坐標通常與前一時刻的位置信息存在較大的相關性，而上述三種方法均未有效利用此相關性。
技術實現思路
本專利技術的目的是提供一種高精度室內無線定位方法，能夠克服上述三種室內無線定位方法中的弊端，高效準確的獲得室內待測節點的高精度位置信息。本專利技術采用下述技術方案：一種高精度室內無線定位方法，依次包括以下步驟：A：設在t時刻被測節點可利用的錨節點個數為N，N≥3，根據每個錨節點的序列號得到對應的錨節點的坐標(xn,yn,zn)，并隨機將N個錨節點編號為[1:N]；根據到達時間或接收功率得到被測節點在t時刻到第n個錨節點的距離1≤n≤N；B：設t時刻被測節點的真實坐標為(x(t),y(t),z(t))，并定義為向量形式α(t)；(x(t)y(t)z(t))T@α(t)(1)；將步驟A中在t時刻獲得的所有N個錨節點到被測節點的距離及錨節點的坐標(xn,yn,zn)，按(2)式計算并整理為向量r(t)；其中，為向量r(t)中第n個元素；將t時刻獲得的所有N個錨節點坐標，按(3)式計算并整理為矩陣Φ(t)；其中，為矩陣Φ(t)中第n行向量，為矩陣Φ(t)中第n行第1列元素；為矩陣Φ(t)中第n行第2列元素；為矩陣Φ(t)中第n行第3列元素；由距離和坐標的運算關系根據(1)式-(3)式，可得到r(t)＝Φ(t)α(t)+ω(t)(4)；其中，ω(t)表示實際測量過程中存在的誤差向量；設誤差服從均值為零、方差為σI的高斯分布，記為N(ω(t)；0,σI)，其中矩陣σI為大小為N×N的協方差矩陣；通過卡爾曼濾波挖掘相鄰時刻的空間相關性，將t時刻在x、y、z三個坐標上的卡爾曼狀態方程系數定義為和并將所有t＝{1,...,T}時刻的上述向量和矩陣歸納為如下集合形式，{α(1),...,α(T)}@α，{r(1),...,r(T)}@r，{Φ(1),...,Φ(T)}@Φ，C：根據(4)式所示的運算關系，利用全概率公式、變量間的隱馬爾科夫特性和卡爾曼狀態方程，對全局概率分布P(r,α,Φ,A,B)進行因式分解：(5)式中表達式P(g)表示概率分布；似然函數可分解為定義為函數表示數學期望為方差為σI的高斯分布；由于連續的兩次觀測之間具有馬爾可夫特性，表示為u為服從標準高斯分布的噪聲，因此在(5)式中：坐標x(t),x(t-1)之間的函數約束為定義為函數坐標y(t),y(t-1)之間的函數約束為定義為函數坐標z(t),z(t-1)之間的函數約束為定義為函數參數A和B的先驗均假設為均勻分布，為P(A)＝U(0,1)，P(B)＝U(0,1)；其中U(a,b)表示區間為[a,b]的均勻分布；D：利用步驟C中得到的因子分解進行因子圖建模；根據步驟C所示的因式分解進行因子圖建模的過程為，定義(5)式中的每個函數為函數節點；定義每個變量為變量節點；將所有函數節點和與之相關的變量節點通過線段相連，便構成了因子圖模型；引入映射節點和對應的映射函數映射節點和對應的映射函數以及映射節點和對應的映射函數其中δ(g)表示delta函數；將上述因子圖模型分為晶格網絡部分、卡爾曼網絡部分和卡爾曼參數估計部分，其中晶格網絡部分對應于函數節點到變量節點之間的網絡，卡爾曼網絡部分對應于函數節點到變量節點之間的網絡，卡爾曼參數估計部分對應于變量節點之間互相連接的網絡；E：利用步驟D中所得的因子圖模型，通過消息傳遞算法對晶格網絡部分、卡爾曼網絡部分和卡爾曼參數估計部分進行消息計算，得到在t時刻被測節點的高精度位置信息。所述的步驟E包括以下具體步驟：E1：通過消息傳遞算法對晶格網絡部分進行消息計算；根據消息傳遞算法中的平均場計算規則分別得到到的消息到的消息以及到的消息其中，變量和分別為坐標和的數學期望，其值可以由(14)式和(15)式得到，σ為測距噪聲方差；根據消息傳遞算法，變量到函數的消息計算為：則映射函數到節點x(t)的消息為：同理，映射函數到節點的消息計算為：映射函數到節點的消息計算為：E2：通過消息傳遞算法對卡爾曼網絡部分進行消息計算；設函數到變量x(t-1)的消息為其值在(12)式中更新，則利用置信傳播規則計算消息為(10)式中變量和分別定義為設卡爾曼狀態方程系數的數學期望分別為和狀態方程系數的計算方法分別在(19)式和(21)式中，則利用平均場規則計算得到中間函數進而利用置信傳播規則計算消息為其中，分別表示消息的期望和方差；由于定位算法不能根據t時刻的數據修正t-1時刻的位置估計，稱之為無追溯性，則變量x(t)的置信與到x(t)的消息無關，即其中，b(x(t))表示變量x(t)的后驗概率估計，定義為置信；分別表示變量x(t)置信的期望和方差；同理，得到坐標y、z的置信在消息傳遞算法中，變量置信的物理意義為該變量的聯合后驗概率估計，即(13)式—(15)式中得到了在t時刻被測節點的高精度位置信息；E3：通過消息傳遞算法對卡爾曼參數估計部分進行消息計算；根據t和t-1時刻坐標x的置信b(x(t))和b(x(t-1))，由平均場規則可以計算消息為其中，表達式<f>b(x)表示以x為自變量對b(x)和f的乘積求積分；上式中變量和分別表示消息的期望和方差，可以計算為假定連續Q個時刻狀態方程系數不變，則可以得到自適應參數的置信其中，自適應參數的期望和方差和分別為利用期望最大化算法，將自適應參數的置信近似為對于自適應參數的估計，假設中間變量則函數到的消息根據消息傳遞算法計算為其中表達式<f>b(x)表示以x為自變量對b(x)和f的乘積求積分；上式中變量定義為利用連續Q個時刻可以得到參數的估計值為從而得到變量的估計值本專利技術能夠克服上述三種室內無線定位方法中的弊端，有效提升測量精度，獲得顯著的性能增益，高效準確的獲得室內待測節點的高精度位置信息。附圖說明圖1為本專利技術步驟A中被測節點隨時間本文檔來自技高網...

【技術保護點】
1.一種高精度室內無線定位方法，其特征在于，依次包括以下步驟：A：設在t時刻被測節點可利用的錨節點個數為N，N≥3，根據每個錨節點的序列號得到對應的錨節點的坐標(xn,yn,zn)，并隨機將N個錨節點編號為[1:N]；根據到達時間或接收功率得到被測節點在t時刻到第n個錨節點的距離

【技術特征摘要】
1.一種高精度室內無線定位方法，其特征在于，依次包括以下步驟：A：設在t時刻被測節點可利用的錨節點個數為N，N≥3，根據每個錨節點的序列號得到對應的錨節點的坐標(xn,yn,zn)，并隨機將N個錨節點編號為[1:N]；根據到達時間或接收功率得到被測節點在t時刻到第n個錨節點的距離1≤n≤N；B:設t時刻被測節點的真實坐標為(x(t),y(t),z(t))，并定義為向量形式α(t)；(x(t)y(t)z(t))T@α(t)(1)；將步驟A中在t時刻獲得的所有N個錨節點到被測節點的距離及錨節點的坐標(xn,yn,zn)，按(2)式計算并整理為向量r(t)；其中，為向量r(t)中第n個元素；將t時刻獲得的所有N個錨節點坐標，按(3)式計算并整理為矩陣Φ(t)；其中，為矩陣Φ(t)中第n行向量，為矩陣Φ(t)中第n行第1列元素；為矩陣Φ(t)中第n行第2列元素；為矩陣Φ(t)中第n行第3列元素；由距離和坐標的運算關系根據(1)式-(3)式，得到r(t)＝Φ(t)α(t)+ω(t)(4)；其中，ω(t)表示實際測量過程中存在的誤差向量；設誤差服從均值為零、方差為σI的高斯分布，記為N(ω(t)；0,σI)，其中矩陣σI為大小為N×N的協方差矩陣；通過卡爾曼濾波挖掘相鄰時刻的空間相關性，將t時刻在x、y、z三個坐標上的卡爾曼狀態方程系數定義為和并將所有t＝{1,...,T}時刻的上述向量和矩陣歸納為如下集合形式，{α(1),...,α(T)}@α，{r(1),...,r(T)}@r，{Φ(1),...,Φ(T)}@Φ，C：根據(4)式所示的運算關系，利用全概率公式、變量間的隱馬爾科夫特性和卡爾曼狀態方程，對全局概率分布P(r,α,Φ,A,B)進行因式分解：(5)式中表達式P(g)表示概率分布；似然函數可分解為定義為函數表示數學期望為方差為σI的高斯分布；由于連續的兩次觀測之間具有馬爾可夫特性，表示為u為服從標準高斯分布的噪聲，因此在(5)式中：坐標x(t),x(t-1)之間的函數約束為定義為函數坐標y(t),y(t-1)之間的函數約束為定義為函數坐標z(t),z(t-1)之間的函數約束為定義為函數參數A和B的先驗均假設為均勻分布，為P(A)＝U(0,1)，P(B)＝U(0,1)；其中U(a,b)表示區間為[a,b]的均勻分布；D：利用步驟C中得到的因子分解進行因子圖建模；根據步驟C所示的因式分解進行因子圖建模的過程為，定義(5)式中的每個函數為函數節點；定義每個變量為變量節點；將所有函數節點和與之相關的變量節點通過線段相連，便構成了因子圖模型；引入映射節點和對應的映射函數映射節點和對應的映射函...

【專利技術屬性】
技術研發人員：袁正道，李慧慧，史梁，蔡豪，王友順，
申請(專利權)人：袁正道，
類型：發明
國別省市：河南,41