[发明专利]一种自适应室内动态目标的UWB定位方法及系统

摘要

本发明公开了一种自适应室内动态目标的UWB定位方法，首先利用UWB定位系统测得TDOA值；其次利用小波分析自适应去噪法对测得的TDOA值进行处理，输出重构的TDOA值，将重构后的TDOA值转化为距离差值并建立非线性方程组，并得到方程组的最优解；然后将最优解作为初始值，采用扩展卡尔曼滤波算法对动态目标进行跟踪定位，求得最终估计值；最后输出最终估计值。本发明提供的自适应室内动态目标的UWB定位方法，可减弱甚至消除UWB信号传播过程中受到多径传播(Multipath)和非视距干扰(NLOS)影响所引起的测距误差，提高定位精度，并能够在非视距室内环境下实现对动态目标的精确定位。超宽带定位系统验证了定位方法的有效性和实现了对定位动态目标的室内定位。

主权项

1.一种自适应室内动态目标的UWB定位方法，其特征在于：包括以下步骤：/n步骤1：利用超宽带UWB定位系统测得一组带有误差的到达时间差TDOA值；/n步骤2：利用小波分析自适应去噪法对测得的TDOA值进行处理，输出重构的TDOA值；/n步骤3：将TDOA值转化为距离值，根据双曲线模型构造出含有目标节点位置坐标信息的非线性方程组，采用非线性最优化方法对构造的方程组进行无约束条件的非线性优化求出方程组的最优解，得到目标节点的估计值；/n步骤4：将估计值作为扩展卡尔曼滤波的初始值，并利用扩展卡尔曼滤波算法对移动定位目标进行跟踪定位，求得最终估计值；/n步骤5：选择克拉美罗下界CRLB作为方法结束的判断条件，当算法的均方误差小于克拉美罗下界CRLB，返回步骤1，重新测量TDOA值进行定位；当算法的均方误差大于克拉美罗下界CRLB，则算法结束，输出最终估计值；/n所述步骤2中的利用小波分析自适应去噪法对测得的TDOA值进行处理，具体实现过程如下：/n201：选择双正交小波族对TDOA值进行小波分解；/n202：初始化网络权重和神经元偏置：/n203：迭代次数初始化；/n204：按照以下公式向前求出各个隐含层和输出层的输出：/n确定隐含层节点个数的取整公式：/n其中，h为隐含层节点数目，m为输入层节点数目，n为输出层节点数目；/n采用小波重构函数作为目标函数，求出降噪后的重构信号作为输出值O_k；/n205：求出输出层与预期输出的误差E_j：/n其中，T_k是输出单元的期望输出；O_k表示网络单元k的输出值；n是输出层节点数目；k表示1到n的数；j表示输出单元编号；/n206：反向传播误差，求出所有隐含层的误差；/n207：调节权值和神经元偏置：/n调整权值的公式为：w_ij＝w_ij+Δw_ij＝w_ij+lO_iE_j；/n调整神经元偏置的公式为：θ_j＝θ_j+Δθ_j＝θ_j+lE_j；/n其中，l是学习率，取迭代次数的倒数；i和j表示网络单元的编号；w_ij表示上层单元i到单元j的网络权重；Δw_ij表示调整权重的参数；O_i表示单元i的输出值；θ_j表示单元j的偏置；Δθ_j表示调整偏置的参数；/n208：判断神经网络训练结束：/n对于每个样本，如果最终的输出误差或者迭代次数达到了预设阈值，则训练过程结束，输出重构的TDOA值；否则，迭代次数加1，然后转向步骤204继续使用当前样本训练；/n所述步骤3中利用双曲线模型构造含有目标节点MS位置坐标信息的非线性方程组过程如下：/n在二维平面内随机设m个定位基站，(x_i，y_i)是第i个基站的坐标,i＝1,…,m，待测节点MS的坐标为(x，y)，假定基站1为参考定位基站；/n待测节点MS到第i个基站的距离为：/n /n则有/n其中，/n待测节点MS到第i个基站的距离与待测节点MS到第1个基站的距离的差值r_i1为：/n /n其中，t是视距环境下的TDOA测量值；n为系统的测量误差，τ_NtOSi1为由NLOS引起的附加时延误差即NLOS误差；/n由(2)式有：/n将(3)式展开：/n(1)式在i＝1时有：/n(4)式减去(5)式得到：/n即/n式中，x_i1＝x_i-x₁,y_i1＝y_i-y₁,i＝2,…,m；/n式(7)为构造的双曲线模型的方程组。/n