本发明涉及无线定位领域,尤其涉及一种高效消减非视距误差的无线定位方法。
背景技术:
无线定位(wirelesslocalization)广泛应用于军事,物流,安全,医疗,搜索和营救等领域。提高定位系统在复杂多径,非视距(none-line-of-sight,nlos)环境下的定位精度,降低系统复杂度,这是当前基于波达时间(time-of-arrival,toa)的无线定位的研究热点之一。实际中,视距测量值不一定能达到足够多,因此需要利用非视距测量值定位并进行误差补偿,即非视距定位误差消减技术(nlosmitigation)。现有的非视距定位误差消减技术一般以非视距信号识别(nlosidentification)为基础。
现有的技术通常采用基于检测首径信号toa的方法和通过对接收信号的统计分析处理这两种方法进行非视距定位误差消,然而这两种方法都属于统计方法,其共同缺点是:(一)一般需要先进行非视距信号识别,但是非视距定位误差的不仅与视距/非视距传播有关,而且与传播路径中的障碍物的位置、性质有关,所以事先进行非视距信号识别并非必要;(二)一般需要事先知道样本的先验分布,并需要收集足够多的样本数据,而这些要求在实际应用中往往难以达到,并且算法实时性不高;(三)算法需要的特征联合概率分布有时候难以确定。
另一方面,对于应用在一些恶劣和特殊的环境(如战争,地震,偏远山区等)中的无线网络,由于存在资源有限的特点,其定位误差消减算法必须满足低复杂度的要求。
技术实现要素:
本发明的目的是,提供一种高效消减非视距误差的无线定位方法,可有效提高非视距环境下的定位精度,降低处理的复杂度。
为实现该目的,提供了一种高效消减非视距误差的无线定位方法,本方法涉及到基于波达时间toa的无线定位系统,该无线定位系统包括若干个基站;该方法包括如下处理步骤:
步骤1:在各基站和待定位节点的测试区域内随机选取若干个位置并且在各位置放置训练通信节点;
步骤2:测量在每一个位置上的训练通信节点到随机选择的一个基站的接收信号并且通过各接收信号建立训练输入矩阵和训练输出矩阵;
步骤3:测量待定位节点到步骤2中所述基站的接收信号并通过该信号建立测试输入矢量;
步骤4:根据训练输入矩阵建立稀疏伪输入矩阵,并且通过对边缘对数似然函数式计算获得超参数和稀疏伪输入矩阵的最优值;
步骤5:根据超参数、稀疏伪输入矩阵的最优值和测试输入矩阵获得消减nlos误差后的待定位节点到步骤2中所述基站的测距值和方差;
步骤6:对各基站进行步骤1到步骤5的处理,得到消减nlos误差后的待定位节点到各基站的测距值和方差;
步骤7:根据各基站的位置和消减nlos误差后的待定位节点到各基站的测距值和方差通过位节点的位置计算公式获得待定位节点的位置值。
优选地,在步骤2中,分别对各接收信号计算最大幅值rmax、平均延时τm、均方根延时τr、峰度κs和toa测距值
最大幅值rmax计算公式为:rmax=maxr|rn(t)|;
平均延时τm计算公式为:
均方根延时τr计算公式为:
峰度κs计算公式为:
其中,rn(t)为接收信号,t为时间变量,μr为信号均值,
分别用各训练通信节点的接收信号的这5个参数组成对应的各训练通信节点的接收信号矢量
优选地,在步骤3中测试输入矢量
优选地,在步骤4中,所述边缘对数似然函数式为,
通过梯度上升法获得超参数θ和伪输入矩阵为
其中,各参数通过平方指数核函数计算获得,平方指数核函数为
各参数表达式分别为
其中,
优选地,在步骤5中,待定位节点到步骤2中所述基站的测距值
其中,各参数表达式分别为
优选地,在步骤7中,位节点的位置计算公式为,
其中,
优选地,通过加权最小二乘算法对位节点的位置计算公式进行处理得到解为,
其中,各参数表达式分别为,
优选地,所述基站数至少为三个。
优选地,在步骤1中,在各基站和待定位节点的测试区域内随机选取的位置至少为二十个。
本发明与现有技术相比,其有益效果在于:
本发明通过采用稀疏伪输入高斯过程和加权最小二乘法消减非视距定位误差,可有效提高非视距环境下的定位精度,降低处理的复杂度。通过本发明无需事先进行非视距信号识别,而且不必依赖于样本所从属的总体的分布形式,仅需少量数据观测值与总体分布无关的性质进行检验和估计,从而能够有效减小推断偏差、提高非视距定位精度、降低算法复杂度。本发明是一种高精度低复杂度的无线定位方法,尤其在资源有限的特殊环境(如战场,地震灾区,偏远山区等)中的无线网络定位机制中具有广泛的应用前景和巨大的市场潜力。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例,对本发明作进一步的描述,但不构成对本发明的任何限制,任何在本发明权利要求范围所做的有限次的修改,仍在本发明的权利要求范围内。
如图1所示,本发明提供了一种高效消减非视距误差的无线定位方法,本方法涉及到基于波达时间toa的无线定位系统,该无线定位系统包括若干个基站;该方法包括如下处理步骤:
步骤1:在各基站和待定位节点的测试区域内随机选取若干个位置并且在各位置放置训练通信节点;
步骤2:测量在每一个位置上的训练通信节点到随机选择的一个基站的接收信号并且通过各接收信号建立训练输入矩阵和训练输出矩阵;
步骤3:测量待定位节点到步骤2中基站的接收信号并通过该信号建立测试输入矢量;
步骤4:根据训练输入矩阵建立稀疏伪输入矩阵,并且通过对边缘对数似然函数式计算获得超参数和稀疏伪输入矩阵的最优值;
步骤5:根据超参数、稀疏伪输入矩阵的最优值和测试输入矩阵获得消减nlos误差后的待定位节点到步骤2中基站的测距值和方差;
步骤6:对各基站进行步骤1到步骤5的处理,得到消减nlos误差后的待定位节点到各基站的测距值和方差;
步骤7:根据各基站的位置和消减nlos误差后的待定位节点到各基站的测距值和方差通过位节点的位置计算公式获得待定位节点的位置值。
在本实施例中,本发明适用基于波达时间toa的无线定位系统,训练通信节点可以为一个,通过依次分别放置于各位置上而获得各位置上训练通信节点到对应基站的接收信号。
在步骤2中,在步骤2中,分别对各接收信号计算最大幅值rmax、平均延时τm、均方根延时τr、峰度κs和toa测距值
最大幅值rmax计算公式为:rmax=maxr|rn(t)|;
平均延时τm计算公式为:
均方根延时τr计算公式为:
峰度κs计算公式为:
其中,rn(t)为接收信号,t为时间变量,μr为信号均值,
分别用各训练通信节点的接收信号的这5个参数组成对应的各训练通信节点的接收信号矢量
在步骤3中测试输入矢量
在步骤4中,稀疏伪输入矩阵为
在步骤4中,所述边缘对数似然函数式为,
通过梯度上升法获得超参数θ和伪输入矩阵为
其中,各参数通过平方指数核函数计算获得,平方指数核函数为
各参数表达式分别为
其中,
在步骤5中,待定位节点到步骤2中基站的测距值
其中,各参数表达式分别为
在步骤7中,位节点的位置计算公式为,
其中,
通过加权最小二乘算法对位节点的位置计算公式进行处理得到解为,
其中,各参数表达式分别为,
基站数至少为三个。在步骤1中,在各基站和待定位节点的测试区域内随机选取的位置至少为二十个。
本实施例的工作过程:在基于波达时间toa的无线定位系统中,对在该系统中的5个基站和待定位节点的测试区域内随机选取30个位置并且在各位置放置训练通信节点;测量训练通信节点在每一个位置上到其中一个基站的接收信号并且通过各接收信号建立训练输入矩阵和训练输出矩阵;通过同样的计算方式测量待定位节点到该基站的接收信号并通过该信号建立测试输入矢量;根据获得的训练输入矩阵建立稀疏伪输入矩阵,并且通过梯度上升法对边缘对数似然函数式计算获得超参数和稀疏伪输入矩阵的最优值;根据超参数、稀疏伪输入矩阵的最优值和测试输入矩阵获得消减nlos误差后的待定位节点到步骤2中所述基站的测距值和方差;对剩下的基站分别进行上述的处理,得到消减nlos误差后的待定位节点到各基站的测距值和方差;根据各基站的位置和消减nlos误差后的待定位节点到各基站的测距值和方差通过位节点的位置计算公式获得待定位节点的位置值。
通过本发明可有效提高非视距环境下的定位精度,降低处理的复杂度。
以上仅是本发明的优选实施方式,应当指出对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些都不会影响本发明实施的效果和专利的实用性。