[发明专利]一种室内移动目标定位方法、装置和计算机设备

说明书

本发明公开了一种室内移动目标定位方法，包括：建立未知移动目标节点运动的状态方程和观测模型；根据状态方程，通过UT计算的一组Sigma点集及其对应的权值，获得系统状态量的一步预测值及协方差矩阵、和观测Sigma点集；根据观测模型，计算观测Sigma点集的观测预测值，得到系统的观测预测值；根据基于最大相关熵的代价函数，融合系统的观测预测值，获得重构观测模型的观测协方差和观测互协方差矩阵，确定卡尔曼增益矩阵，估计系统状态量，确定未知移动目标节点的位置坐标。本发明中基于MCUKF的室内定位方法能更好地完成量测噪声出现非高斯噪声情况下的室内定位，定位精度相比于LS、EKF和UKF的室内定位方法较高，以及鲁棒性比LS、EKF和UKF的室内定位方法也较强。

技术领域

本发明涉及室内定位领域，特别涉及一种基于最大相关熵无迹卡尔曼滤波(MCUKF)的室内移动目标定位方法、装置和计算机设备。

背景技术

近年来，室内定位的需求越来越多。正是由于室内定位规模巨大的应用场景和很高的商业价值，它们被广泛用于医疗中心，智能家居，购物中心，矿井下人员定位追踪，货物跟踪等领域。基于RSS的室内定位系统由于其无需特定硬件的优势，在其刚一出现便受到了广泛关注。由于基于MMSE准则的卡尔曼滤波是一种最优状态估计方法，同时也被引入到了室内定位中，并取得了较好的效果。除此之外，还有卡尔曼滤波的一些改进算法如扩展卡尔曼滤波器 (EKF)，无迹卡尔曼滤波器(UKF)等等也被应用于室内定位系统中。但是在实际的室内环境中，由于环境非常复杂，无线信号容易发生反射、衍射和折射等现象，同时温度、湿度、障碍物等周围环境的变化、非视距等也会对无线信号的传播造成一定的影响，这些因素导致室内定位系统常常受到多峰重尾非高斯噪声的影响，此时基于MMSE准则的卡尔曼滤波器精度将会大幅度降低，甚至引起滤波发散，使得室内定位系统无法正常使用。

发明内容

基于此，有必要针对上述技术问题，提供一种室内移动目标定位方法、装置和计算机设备。

本发明实施例提供一种室内移动目标定位方法，包括：基于设置于室内的多个无线接入点AP节点和一个未知移动目标节点构成的定位系统，其中，无线接入点AP节点的数量大于等于3；所述定位方法包括：

建立未知移动目标节点运动的状态方程；

建立未知移动目标节点运动的观测模型；

根据状态方程，通过无迹变换UT计算的一组Sigma点集及其对应的权值，获得系统状态量的一步预测值及协方差矩阵；并根据一步预测值，再次通过无迹变换UT计算新Sigma点集，将新Sigma点集代入观测模型，获得观测Sigma 点集；

根据观测模型，计算观测Sigma点集的观测预测值，并通过加权求和得到系统的观测预测值；

根据基于最大相关熵的代价函数，融合系统的观测预测值，获得重构观测模型的观测协方差和观测互协方差矩阵；并根据观测协方差和观测互协方差矩阵，确定卡尔曼增益矩阵；

根据卡尔曼增益矩阵，估计系统状态量和协方差矩阵；并根据估计的系统状态量和协方差矩阵，确定未知移动目标节点的位置坐标。

进一步地，所述建立未知移动目标节点运动的状态方程，包括：

将未知移动目标节点的位置和速度作为状态量建立未知移动目标节点运动的状态方程；且未知移动目标节点的运动用在时间步k处x(k)的变化来描述，表达式如下：x(k+1)＝f(x(k))+ω(k)

其中，(x,y)是未知节点的空间位置坐标；分别是未知节点在x方向和y方向的速度；f(x(k))为系统矩阵，w(k)为过程噪声，设采样时间间隔为T＝1s；简写为：x(k+1)＝f(x(k))+w(k)。

进一步地，所述建立未知移动目标节点运动的观测模型，包括：