[发明专利]信号干扰下的超宽带精确定位方法

说明书

本发明公开了一种信号干扰下的超宽带（UWB）精确定位方法，利用UWB通信独特的技术特点，实现受遮挡干扰下的精确定位。它包括如下步骤：1）去除数据集中的冗余样本得到精简的数据集；2）构建靶点定位模型，求解有干扰条件下的潜在靶点坐标；3）引入对距离估计的残差建模，得到唯一的靶点坐标估计值；4）构建SVM支持向量机模型，实现测距有无受到干扰的自主判断；5）对动态轨迹进行卡尔曼滤波，得到精确的运动曲线。受到干扰时，室内定位技术很难依赖全球卫星定位技术实现，故在干扰条件下实现位置服务的需求尤为急迫，本发明算法具有通信开销低、安全性高、定位精度高以及抗干扰能力强的特点，可以实现信号干扰下的精确定位。

技术领域

本发明涉及室内定位领域，基于信号干扰下的超宽带精确定位方法。

背景技术

在开阔的环境中，全球定位系统基本可以满足人与设备的定位需求，但在室内环境中，由于建筑物的遮挡和多径干扰，接收机无法检测到较低信噪比的定位信号，而且随着生产和生活方式的改变，人们的活动大多是在室内进行，因此人们对于受遮挡环境中的高精度定位的需求广泛而迫切。田亚飞提出了一种基于CRLB判断估计值信度的协作定位方法，实现了较高精度的室内定位，但该方法不支持干扰环境中的定位；王鑫采用Chan-Taylor-Kalman联合三维跟踪定位算法实现了室内移动目标的跟踪定位，但该方法无法满足复杂的室内环境下的跟踪定位；陈燕采用基于TDOA的Chan算法进行室内三维定位，实现了待测目标在室内特定环境下的实时跟踪定位，但该方法只支持目标在二维空间中做匀速直线运动的情况。

发明内容

为了克服现有技术中的问题，实现干扰条件下的精确定位，本发明针对来源于遮挡的干扰，提出了一种信号干扰下的超宽带精确定位方法。超宽带是一种直接调制具有很陡上升和下降时间的冲激脉冲，使信号具有GHz量级的新型的无线通信技术。该干扰指的是遮挡干扰，遮挡物为UWB定位基站和UWB定位标签之间存在的障碍物，此障碍阻碍了信号直接被互相接收，从而影响UWB定位。本发明在对数据进行了预处理后，构建了三维空间下基于三锚点的靶点定位模型，引入了残差分析模型，能以较低的计算量得到靶点的精确坐标，并使用一个预先训练的支持向量机模型辅助定位，实现测距有无受到干扰的自主判断，最后进行卡尔曼滤波，进一步精确靶点动态轨迹定位，最终实现移动目标在室内受干扰环境下的精准定位。

一种信号干扰下的超宽带精确定位问题，包括如下步骤：

1）数据预处理：将室内测量的实验结果作为数据集，数据集中的每一条数据记录，对应不同位置的靶点在有、无信号干扰条件下与锚点间的距离，靶点是校准该室内环境下的一个定位参数；去除数据集中测距值和校验值不一致的数据，删除相同数据，对剩余数据采取Pearson相关性分析，去除相关性高的数据，最后得到精简数据集；

2）在有干扰的环境下，构建三维空间下基于三锚点的靶点定位模型，该干扰指的是影响UWB定位的遮挡干扰，遮挡物为UWB定位基站和UWB定位标签之间存在的障碍物，利用精简数据集中每一条数据记录的其中三个锚点的数据信息来辅助定位，计算出潜在靶点坐标的估计值；

3）引入残差分析模型，压缩潜在靶点到锚点距离与观测距离值的残差平方和（RSS），计算得到唯一的靶点坐标估计值；

4）从室内测量实验结果的数据记录中，只经过初步提取步骤，获得带分类标签的四维数据，作为模型训练和测试的数据集，使用 K-Fold Cross Validation划分训练集和测试集，在确定场景下使用训练集训练一个SVM模型，使用测试集验证模型识别率，每组数据轮流作为测试集，不断提高模型验证精度，从而实现数据受干扰情况的判定；

5）通过靶点自身的运动来实现动态轨迹定位，对动态轨迹定位的靶点序列进行卡尔曼滤波，得到精准的运动曲线。

本发明具有如下有益效果：本发明具有通信开销低、安全性高、定位精度高以及抗干扰能力强的特点，可以实现在有干扰条件下的精确定位。

附图说明

图1是有干扰靶点定位结果及精度示意图。