[发明专利]一种用于无线定位个人辐射剂量仪的定位坐标算法

权利要求书

1.一种用于无线定位个人辐射剂量仪的定位坐标算法，其特征在于：所述的定位坐标算法以卡尔曼滤波器为基础，通过设置过程噪声协方差Q_k和测量噪声协方差R_k参数，准确的给出人员位置坐标的估计值。

2.根据权利要求1所述的定位坐标算法，其特征在于：所述的卡尔曼滤波器由预测方程与校正方程实现。

3.根据权利要求2所述的定位坐标算法，其特征在于，所述的预测方程为：

其中，

k代表迭代次数，k＝0,1,2,3….；x_k为系统的状态向量，即卡尔曼滤波器算法所需要估计的量，包含人员位置及其速度值，可以用离散的列向量表示为x_k＝(p_x v_x p_y v_y)^T；

p_x,p_y代表人员当前位置；v_x,v_y代表人员当前速度；函数f为系统的过程函数，描述k时刻的系统状态与k+1时刻的系统状态之间的关系；A_k+1为过程函数f对系统状态向量x_k+1的偏微分矩阵；表示对k+1时刻系统状态的先验估计；为该先验估计的误差协方差矩阵；P_k为k时刻后验估计的误差协方差矩阵；Q_k为过程噪声协方差矩阵。

4.根据权利要求2所述的定位坐标算法，其特征在于：所述的校正方程包括卡尔曼增益方程和测量校正方程。

5.根据权利要求4所述的定位坐标算法，其特征在于，所述的卡尔曼增益方程为：

其中，

R_k+1为测量噪声的协方差矩阵；函数h为测量函数，描述系统状态x_k与测量值y_k之间的关系；H_k为测量函数h对系统状态向量x_k的偏微分矩阵；K_k+1为k+1时刻的卡尔曼增益。

6.根据权利要求4所述的定位坐标算法，其特征在于，所述的测量校正方程为：

其中，

y_k为测量向量，代表对系统状态进行的测量，即剂量仪与基站之间的测距，也即剂量仪与基站之间距离的测量值r_i，可用列向量表示为y_k＝(r₁ r₂ r₃ r₄)^T，I为单位矩阵。

7.根据权利要求2所述的定位坐标算法，其特征在于，所述的卡尔曼滤波器的运行流程包括预测与校正方程，包括如下步骤：

(1)卡尔曼滤波器的初始化，由于系统初始值通常不能直接获取或测量得到，因此需要一个系统状态初始化值的估计以及该估计的协方差P₀；

(2)根据当前时刻k时刻的系统状态计算出下一时刻k+1时刻的系统状态的先验估计值以及该估计的协方差

(3)计算卡尔曼增益K_k+1。

(4)根据先验估计值和实际测量值y_k+1，计算出下一时刻的后验估计值认为该后验估计值即为所求的下一时刻的系统状态x_k+1；

(5)计算后验估计的协方差P_k+1，然后回到(2)开始下一次迭代过程。

8.根据权利要求1所述的定位坐标算法，其特征在于：所述的过程噪声协方差Q_k的范围为0.0216·I到0.354·I，其中I为单位矩阵。

9.根据权利要求1所述的定位坐标算法，其特征在于：所述的测量噪声协方差R_k选为R_k＝0.1328·I，其中I为单位矩阵。