专利名称：一种wsn/mins高精度实时组合导航信息融合方法
技术领域：
本发明涉及一种WSN/MINS高精度实时组合导航信息融合方法，属于复杂环境下组合定位技术领域。
背景技术：
近年来，对未知节点精确位置信息的需求推动了精确定位技术的发展，这种趋势在未来很长一段时间里仍将保持不变。在现有的定位方式中，卫星导航和惯性导航是最常用的两种方式。其中全球卫星导航系统(GlcAal Positioning System, GPS)是最为常用的一种方式。虽然GPS能够通过精度持续稳定的位置信息，但是其易受电磁干扰、遮挡等外界环境影响的缺点限制了其应用范围，特别是在室内、地下巷道等一些密闭的、环境复杂的场景， GPS信号被严重遮挡，无法进行有效的工作。微惯性导航系统(MEMS inertial navigation system, MINS)具有全自主、运动信息全面、短时、高精度的优点，虽然可以实现自主导航， 但误差随时间积累，长航时运行条件下将导致导航精度严重下降。为了克服单独使用MINS 或GPS导航设备所产生的缺点，综合了二者的优点，许多学者将上述两种导航方式融合在一起，形成了 GPS/MINS组合导航技术。组合导航系统虽然可以通过MINS对GPS失锁情况进行补偿，但是由于MINS的误差随时间积累，这种补偿只能是短期补偿，一旦系统长时间处于GPS失锁的情况下，定位精度难以达到长时间稳定状态。为了获取相对稳定的定位精度， 许多学者将一些智能算法应用到组合导航系统中，这种方法能够使导航系统维持长时间得稳定，但是其定位精度对培训区域的选择有很大依赖。然而在室内、地下巷道等环境下，GPS 信号十分微弱，很难搭建合适的培训区域。近年来，无线传感器网络(Wireless Sensors Network, WSN)以其低成本、低功耗和低系统复杂度的特点在短距离定位领域表现出很大的潜力。采用WSN进行短距离定位逐渐成为一个研究热点。WSN定位需要两类节点共同完成定位锚节点和盲节点。其中锚节点为位置已知的节点，而盲节点为位置未知的节点。目前的WSN中采用定位技术都是通过测量未知节点和已知节点之间的一个或几个无线信道物理参数来完成。在定位过程中，当需要获取盲节点的位置信息时，盲节点首先向锚节点发送定位请求以获取其与锚节点之间相应的无线信道物理参数，并将这些参数信息转化为相应的距离信息。获取相应的距离信息之后，通过一些数据融合方法(如极大似然估计(Maximum Likehood Estimate, MLE)等) 计算出盲节点与锚节点的相对位置信息，其具体步骤如图1所示。与传统的定位方式相比， 除了具有低成本、低功耗和低系统复杂度的特点之外，WSN还能够自主完成网络的组建，使得在室内、地下巷道等一些密闭的、环境复杂的场景进行定位成为可能。WSN为密闭环境下的未知节点定位提供了可能，但由于WSN采用的通信技术通常为短距离无线通信技术(如ZigBee、WIFI等)，因此若想完成长距离的目标跟踪定位，需要大量的网络节点共同完成，这并不符合WSN低成本、低功耗的需求。MINS虽然能够完成自主导航，但摆脱不了定位精度随时间发生漂移的缺点。
发明内容
为了解决上述问题，本发明提供了一种WSN/MINS高精度实时组合导航信息融合方法，通过在密闭复杂环境下自主搭建无线定位网络，采用最小二乘支持向量积(LS-SVM方法)对 MINS导航系统的导航误差模型进行训练，在MINS导航系统离开培训区域时，依靠之前培训的误差模型对导航系统进行补偿，克服传统MINS导航系统定位精度随时间发生漂移的缺点，以及在密闭环境下无法提供有效的训练网络的问题，提供持久的高精度实时导航。本发明为解决其技术问题采用如下技术方案
一种WSN/MINS高精度实时组合导航信息融合方法，包括下列步骤
(1)组合导航系统分为培训区域和自适应补偿区域两部分；所述的培训区域为搭建有 WSN的区域，所述的自适应补偿区域为只有MINS信号的区域；
(2)在培训区域，基于WSN的无线定位与MINS导航系统同时工作，首先利用基于WSN的无线定位技术测量未知节点的相对导航信息，将相对导航信息与微惯性导航系统上得到的绝对导航信息通过扩展卡尔曼滤波器进行数据融合；
(3)在采用扩展卡尔曼滤波进行数据融合，并得出最优导航信息的同时，将滤波器做出误差信息分别反馈给WSN和MINS的误差模型，对WSN无线定位系统，误差模型能够对未知节点的相对位置和速度进行修正，而对MINS系统，将MINS自身预估的位置、速度误差与滤波器给出的最优估计通过LS-SVM智能算法进行培训，寻找二者之间的关系；
(4)当未知节点离开搭建有WSN的区域进入自适应补偿区域，在这一区域，组合导航系统获取不到WSN测量的相对导航信息，只能依靠MINS系统完成这一部分的自主导航，MINS 利用在培训区域训练的误差模型对测量的绝对导航信息进行误差补偿，得到最优的导航信肩、ο本发明的有益效果如下
1、利用基于WSN的无线定位技术测量的相对导航信息，与MINS上得到的绝对导航信息通过扩展卡尔曼滤波器进行数据融合，得到的导航信息，比上述任何单一导航方法得到的信息精度更高。2、MINS利用在培训区域训练的误差模型对测量的绝对导航信息进行误差补偿，得到最优的导航信息，避免了因WSN导航无法工作导致导航误差快速下降、无法保证导航精度的问题。3、可用于室内，地下矿井等密闭复杂环境下的长距离高精度目标定位跟踪。
图1为基于WSN的节点定位步骤。图2为培训区域组合导航模型。图3为自适应补偿区域组合导航模型。
具体实施例方式
下面结合附图对本发明创造做进一步详细说明。如图2为培训区域组合导航模型，在培训区域，基于WSN的无线定位与MINS导航系统同时工作，首先利用基于WSN的无线定位技术测量未知节点的相对导航信息，将相对导航信息与微惯性导航系统上得到的绝对导航信息通过扩展卡尔曼滤波器进行数据融合；在采用扩展卡尔曼滤波进行数据融合，并得出最优导航信息的同时，将滤波器做出误差信息分别反馈给WSN和MINS的误差模型，对WSN无线定位系统，误差模型能够对未知节点的相对位置和速度进行修正，而对MINS系统，将MINS自身预估的位置、速度误差与滤波器给出的最优估计通过LS-SVM智能算法进行培训，寻找二者之间的关系。对WSN无线定位系统来说，误差模型能够对未知节点的相对位置和速度进行修正。而对MINS系统来说，将 MINS自身预估的位置、速度误差与滤波器给出的最优估计进行培训，寻找二者之间的关系。
当未知节点离开搭建有WSN的区域，则组合导航系统进入自适应补偿区域，如图3 所示。在这一区域，组合导航系统获取不到WSN测量的相对导航信息，只能依靠MINS系统完成这一部分的自主导航。MINS利用在培训区域训练的误差模型对测量的绝对导航信息进行误差补偿，得到最优的导航信息，避免了因WSN导航无法工作导致导航误差快速下降、 无法保证导航精度的问题，具有一定的可行性和前瞻性。
权利要求
1. 一种WSN/MINS高精度实时组合导航信息融合方法，其特征在于包括下列步骤(1)将组合导航系统分为培训区域和自适应补偿区域两部分，所述的培训区域为搭建有WSN的区域，所述的自适应补偿区域为只有MINS信号的区域；(2)在培训区域，基于WSN的无线定位与MINS导航系统同时工作，首先利用基于WSN的无线定位技术测量未知节点的相对导航信息，将相对导航信息与微惯性导航系统上得到的绝对导航信息通过扩展卡尔曼滤波器进行数据融合；(3)在采用扩展卡尔曼滤波进行数据融合，并得出最优导航信息的同时，将滤波器做出误差信息分别反馈给WSN和MINS的误差模型，对WSN无线定位系统，误差模型能够对未知节点的相对位置和速度进行修正，而对MINS系统，将MINS自身预估的位置、速度误差与滤波器给出的最优估计通过LS-SVM智能算法进行培训，寻找二者之间的关系；(4)当未知节点离开搭建有WSN的区域进入自适应补偿区域，在这一区域，组合导航系统获取不到WSN测量的相对导航信息，只能依靠MINS系统完成这一部分的自主导航，MINS 利用在培训区域训练的误差模型对测量的绝对导航信息进行误差补偿，得到最优的导航信肩、ο
全文摘要
一种WSN/MINS高精度实时组合导航信息融合方法，属于复杂环境下组合定位技术领域。该方法通过在密闭复杂环境下自主搭建无线定位网络，采用LS-SVM方法对MINS导航系统的导航误差模型进行训练，在MINS导航系统离开培训区域时，依靠之前培训的误差模型对导航系统进行补偿，克服传统MINS导航系统定位精度随时间发生漂移的缺点，以及在密闭环境下无法提供有效的训练网络的问题，提供持久的高精度实时导航。可用于室内，地下矿井等密闭复杂环境下的长距离高精度目标定位跟踪。
文档编号G01C21/16GK102359787SQ201110197690
公开日2012年2月22日 申请日期2011年7月15日 优先权日2011年7月15日
发明者徐元, 陈熙源 申请人:东南大学