[发明专利]一种基于UWB的室内定位方法及系统

说明书

本发明提供了一种基于UWB的室内定位方法及系统，该方法包括：部署若干UWB锚点，基于TDOA算法得到任意两个UWB锚点的信息到达待定位节点的到达时间差后，获取所述任意两个UWB锚点与待定位节点间的到达距离差；所述待定位节点上部署有惯性测量单元；基于所述任意两个UWB锚点与待定位节点间的相对位姿关系预测到达距离差偏差值；利用到达距离差偏差值对到达距离差进行修正，基于修正后的结果获取待定位节点的坐标。本发明在获取到达距离差偏差值时，采用历史位姿关系序列和残差序列可以让网络更好的学习到位姿的变化特征，进而提高拟合效果；同时，在网络中加入了反映两个锚点历史位姿关系序列变化一致性的一致性系数，提高网络输出结果的精度。

技术领域

本发明涉及无线定位领域，具体为一种基于UWB的室内定位方法及系统。

背景技术

室内定位系统在实际应用中面临许多困难。由于火灾和烟雾，光学系统在紧急情况下可能无法使用；基于信号强度的系统对衰落效应敏感；指纹识别系统需要专门的训练阶段；使用无线电信号的基于距离测量的系统，提供了诸如集成在现有无线电设备(如智能手机)中的能力、低功耗实现的潜力和适度的基础设施要求等优势，然而，它们面临着由强反射或漫散射等传播效应引起的具有挑战性的性能损害。

相较于上述定位方法，基于大信号带宽进行定位有两个主要优点：第一，低时延，可达到的精度增加；其次，视线（LOS）路径可以更容易地从其他信号部分分离出来，提高了鲁棒性。因此，使用超宽带（UWB）信号进行室内定位可以实现较好的定位精确度。然而超宽带无线电天线的辐射模式及接收模式会使得基于超宽带信号的定位系统受到影响，从而导致定位结果出现偏差。

发明内容

为了解决上述问题，本发明提出一种基于UWB的室内定位方法，该方法包括：

部署若干UWB锚点，基于TDOA算法得到任意两个UWB锚点的信息到达待定位节点的到达时间差后，获取所述任意两个UWB锚点与待定位节点间的到达距离差；所述待定位节点上部署有惯性测量单元；

基于所述任意两个UWB锚点与待定位节点间的相对位姿关系预测到达距离差偏差值；利用到达距离差偏差值对到达距离差进行修正，基于修正后的结果获取待定位节点的坐标。

进一步地，所述相对位姿关系包括所述任意两个UWB锚点分别与待定位节点间的距离、相对方位角、相对仰角。

进一步地，根据待定位节点的历史移动信息获取每个UWB锚点与待定位节点间的历史位姿关系序列，所述历史位姿关系序列包括历史距离序列、历史相对方位角序列、历史相对仰角序列；

基于去趋势互相关分析算法获取每个UWB锚点的距离残差序列、相对方位角残差序列、相对仰角残差序列；

利用偏差值预测神经网络对所述任意两个UWB锚点的历史位姿关系序列和残差序列进行处理，获取所述到达距离差偏差值。

进一步地，所述偏差值预测神经网络包括第一时间卷积网络、第二时间卷积网络和全连接神经网络；利用第一时间卷积网络对历史位姿关系序列进行处理，得到第一时序向量，第二时间卷积网络对残差序列进行处理，得到第二时序向量，全连接网络对第一时序向量和第二时序向量联合后得到的融合向量进行处理，得到所述到达距离差偏差值。

进一步地，获取反映任意两个锚点历史位姿关系序列变化一致性的一致性系数，一致性系数与融合向量相乘后输入全连接网络，得到所述到达距离差偏差值。

进一步地，基于所述任意两个UWB锚点的距离残差序列、相对方位角残差序列、相对仰角残差序列分别获取距离互相关系数、方位角互相关系数、仰角互相关系数，互相关系数的和为一致性系数。

进一步地，所述偏差值预测神经网络的训练标签在空旷的室内环境下获取。