[发明专利]一种LOS/NLOS环境下的基于SSGP的UWB定位方法

说明书

本发明属于超宽带定位领域，特别涉及一种LOS/NLOS环境下的基于SSGP的UWB定位方法，包括标签以固定间隔发送一个Poll消息，该Poll消息同时发送到三个基站，且每个基站在其对应的接收信号的时间段分别接收Poll消息；各个基站分别通过Resp消息在连续的响应中进行应答，标签发送所有基站接收到的Final消息；根据基站和标签收发送消息中带有的时间戳计算出标签与各基站的飞行时间，根据该时间计算出基站与标签之间的距离信息；根据距离信息，基于Taylor算法计算出标签的位置坐标；本发明的定位方法能够适应各种LOS/NLOS环境，并且降低原有高复杂度的同时保证较高的定位精度。

技术领域

本发明属于超宽带定位领域，特别涉及一种LOS/NLOS环境下的基于SSGP的UWB定位方法。

背景技术

随着物联网的发展，人们在生活中位置需求服务的增加，虽然在室外可由GPS提供较好的室外定位，但是并不适用于室内定位。因此，研究人员研究出了许多室内定位技术：蓝牙、WiFi和UWB等。在这些技术中，UWB具有低功耗和高定位精度的特点，具有良好的抗多径衰落能力。而UWB在测距过程中一般采用到达时间(TOA)的方法估计距离。该方法的性能依赖于UWB信号的传播环境。然而，室内定位环境错综复杂。很容易形成NLOS环境。首先，由于NLOS环境中的多径色散，直接路径(DP)分量可能会被错误检测到。其次，NLOS传播引入的额外到达时间延迟将导致TOA/距离估计中的正偏差。因此，重要的是开发可以在精确测距和定位期间减轻NLOS影响的方法。

在减少NLOS对测距或定位的影响的方法中，传统的方法包括基于最大似然法、鲁棒估计器、约束优化等。第一种方法是假设NLOS偏差的渐近最优解；第二种方法使用不同的残差公式来实现对NLOS偏差的鲁棒性，但其性能可能因地理位置的不同而不同；在三种方法中，第三种方法的计算复杂度最高。

近年来机器学习技术如支持向量机(SVM)分类器和回归器、关联向量机(RVM)分类器和回归器、高斯过程(GP)回归器分别应用于中的NLOS识别和缓解。所有这些方法都不需要对信道进行任何统计，并且比传统方法具有更好的精度。但是SVM以及RVM需要事先识别NLOS环境。

发明内容

针对现有UWB定位技术需要估计信道参数，而估计信道参数尤其式在NLOS环境下及其困难的问题，本发明提出一种LOS/NLOS环境下的基于SSGP的UWB定位方法，在包括标签、基站以及位置计算服务器的定位系统中进行定位，定位过程包括以下步骤：

标签以固定间隔发送一个Poll消息，该Poll消息同时发送到三个基站，且每个基站在其对应的接收信号的时间段分别接收Poll消息；

各个基站分别通过Resp消息在连续的响应中进行应答，标签发送所有基站接收到的Final消息；

根据基站和标签收发送消息中带有的时间戳计算出标签与各基站的飞行时间T_prop，即标签到基站其信号发送到接收所需的时间；

根据标签与各基站的飞行时间T_prop乘以光速计算出基站与标签之间的距离信息

根据获得的基站与标签之间的距离信息，基于Taylor算法计算出标签的位置坐标。

本发明相比现有的UWB定位技术，通过测距缓解加定位；本发明能够更加适应多变的定位环境。另外，室内环境错综复杂，很难通过一个固定的模型去统一化表示室内环境，而本专利采用学习的方法去缓解各种环境下的测距误差，再以修正后的误差进行定位，该方法能够灵活地适应LOS/NLOS环境，并且保证能够保证较高地定位精度。除此之外，针对估计环境参数复杂度过高的问题，本文采用了稀疏谱高斯过程再一定程度上降低了复杂度，并且能够保证估值准确。综上所述，本发明的定位方法能够适应各种LOS/NLOS环境，并且在尽可能降低原有方法的高复杂度的同时保证较高的定位精度。

附图说明

图1为本发明UWB信号定位系统原理图；