[发明专利]一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法

权利要求书

1.一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，其特征在于，所述方法包括如下步骤：

步骤1：设置多个基站，并在移动目标上安装标签，其中标签与基站均采用UWB模块，获取移动目标与基站之间的距离值；

在LOS传播条件下，获取的距离其描述如下：

在NLOS传播条件下，获取的距离其描述如下：

其中，N表示基站总数，(x_i，y_i)为第i个基站的坐标，为标签在k时刻的坐标，为k时刻标签与第i个基站之间的测量距离，为k时刻标签与第i个基站之间的真实距离，为k时刻标签与第i个基站之间的测量噪声，服从均值为0、方差为的高斯分布，即为k时刻标签与第i个基站之间的NLOS偏差，所述NLOS偏差是在多径效应和阻挡物的时候产生的，服从均值为μ_nlos、方差为的高斯分布，即

步骤2：将步骤1获取的距离输入SEKF算法中，通过SEKF算法得到移动目标的预测位置；具体如下：

移动目标的状态模型描述如下：

X_k＝FX_k-1+Gu_k-1

其中，为k时刻状态矢量，和分别为移动目标x轴和y轴方向上的速度，为状态转移矩阵，T为采样周期，为过程噪声转移矩阵，u_k-1为过程噪声；

移动目标的测量模型描述如下：

Z_k＝h_k(X_k)+v_k

其中，Z_k为测量值，v_k为观测噪声，h_k(X_k)为测量方程，其计算方式如下：

当k时刻获取的测量距离为M(M≤N)个时，利用序贯的处理方式，每次使用一个测量距离输入扩展卡尔曼EKF，从而形成以单个测量距离为基本滤波单元的序贯扩展卡尔曼SEKF的数据处理方法；

首先进行一步SEKF算法，其一步状态预测过程描述如下：

其中，为一步状态预测值，并将其记作

其中，P_k-1为k-1时刻的误差协方差，Q_k-1为过程噪声协方差矩阵，为一步误差协方差预测值，并将其记作

将M个测量距离依次进行循环处理，第j(j＝1，2，...，M)个测量距离的处理过程如下：

其中，为k时刻第j个测量距离对应的状态值，P_j，k为k时刻第j个测量距离对应的误差协方差，Z_j，k为k时刻第j个测量值，K_j，k为k时刻第j个测量距离对应的卡尔曼增益，为k时刻第j个测量距离线性化后的观测矩阵，(x_j，y_j)为k时刻第j个测量距离对应的基站坐标，R_j，k为k时刻第j个测量距离对应的观测噪声协方差，为k时刻对应的第j个基站的测量方程，I为单位矩阵；

步骤3：利用移动目标的预测位置计算出移动目标到各个基站的预测距离，并通过预测距离与步骤1获取的距离差值来识别出当前获取的距离是在LOS传播条件下还是在NLOS传播条件下；具体如下：

首先，根据k时刻移动目标的预测位置计算出移动目标到各个基站的预测距离，其计算过程如下：

其中，为k时刻移动目标与第i个基站之间的预测距离，为移动目标在k时刻的预测坐标；

然后，计算预测距离与测量距离之间的差值，计算过程如下：

其中，为估计测量误差；

最后，利用马氏距离分类器识别出当前获取的测量距离是在LOS传播条件下还是在NLOS传播条件下，其具体过程如下：

当时，是在LOS传播条件下；

当时，是在NLOS传播条件下；

步骤4：将识别出的NLOS传播条件下的距离值输入距离重构算法，得到重构后的距离值；距离重构算法具体如下：

利用先前时刻的距离值与距离变化速率来重构NLOS条件下的距离：

其中，为重构距离，为k-1时刻标签与第i个基站之间距离变化速率，其描述如下：

步骤5：利用LOS传播条件下的距离值与重构后的NLOS距离值通过SEKF算法得到移动目标的位置估计值；具体如下：

若k时刻第j个测量距离在LOS传播条件下，则：

若k时刻第j个测量距离在NLOS传播条件下，则：

当序贯的过程结束，令：

其中，为k时刻的状态估计值，P_k为k时刻的误差协方差估计值。