一种带观测时滞的室内行人定位EFIR数据融合系统及方法与流程

本发明涉及复杂环境下组合定位技术领域，尤其涉及一种带观测时滞的室内行人定位efir数据融合系统及方法。

背景技术：

近年来，行人导航(pedestriannavigation,pn)作为导航技术应用的新兴领域，正越来越受到各国学者的重视，并逐渐成为该领域的研究热点。然而在隧道、大型仓库、地下停车场等室内环境下，外界无线电信号微弱、电磁干扰强烈等因素都会对目标行人导航信息获取的准确性、实时性及鲁棒性有很大影响。如何将室内环境下获取的有限信息进行有效的融合以消除室内复杂环境影响，保证行人导航精度的持续稳定，具有重要的科学理论意义和实际应用价值。

在现有的定位方式中，全球卫星导航系统(globalnavigationsatellitesystem,gnss)是最为常用的一种方式。虽然gnss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，gnss信号被严重遮挡，无法进行有效的工作。近年来，uwb(ultrawideband)以其在复杂环境下定位精度高的特点在短距离局部定位领域表现出很大的潜力。学者们提出将基于uwb的目标跟踪应用于gnss失效环境下的行人导航。这种方式虽然能够实现室内定位，但是由于室内环境复杂多变，uwb信号十分容易受到干扰而导致定位精度下降甚至失锁；与此同时，由于uwb采用的通信技术通常为短距离无线通信技术，因此若想完成大范围的室内目标跟踪定位，需要大量的网络节点共同完成，这必将引入网络组织结构优化设计、多节点多簇网络协同通信等一系列问题。因此现阶段基于uwb的目标跟踪在室内导航领域仍旧面临很多挑战。

技术实现要素：

本发明的目的就是为了解决由于uwb无线数据传输造成的数据采集延时对系统定位精度的影响，提供了一种带观测时滞的室内行人定位efir数据融合系统及方法，该系统及方法以uwb定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建uwb定位模型进行数据融合，减少了由于uwb无线数据传输造成的数据采集延时对系统定位精度的影响。

为实现上述目的，本发明的具体方案如下：

一种带观测时滞的室内行人定位efir数据融合系统，包括：

uwb目标节点：用于测量uwb定位标签与uwb参考节点之间的距离信息；

uwb参考节点：预先放置在设定的位置，便于测量与定位标签之间的距离；

数据处理系统：用于对采集到的传感器数据进行数据融合；

所述uwb目标节点固定在行人的身体上，所述uwb参考节点设置在任意位置，所述uwb目标节点与数据处理系统连接。

进一步地，所述数据处理系统包括efir滤波器，通过所述efir滤波器对uwb目标节点获取的其与uwb参考节点之间的距离信息进行数据融合，最终得到目标行人的最优位置信息预估。

一种带观测时滞的室内行人定位efir数据融合方法，包括：

(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量，以uwb定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量，构建uwb定位模型；

(2)通过uwb目标节点获取其与uwb参考节点之间的到达时刻toa，并通过toa-距离模型得到uwb参考节点与目标节点之间的距离信息；

(3)将获取到的距离信息作为观测量输入到扩展有限状态响应滤波器，通过扩展有限状态响应滤波器进行数据融合，并对目标行人的位置信息进行预估，最终得到当前时刻的行人最优的位置信息。

进一步地，所述扩展有限状态响应滤波器的状态方程为：

其中，分别为非时滞模型下k时刻、k-1时刻和k-2时刻的状态向量，为非时滞模型下k时刻的系统矩阵。

进一步地，所述非时滞模型下k时刻的系统矩阵具体为：

其中，(peast,k,pnorth,k)、(peast,k-1,pnorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的位置；(veast,k,vnorth,k)、(veast,k-1,vnorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的速度；t为采样时间；为非时滞模型中k-1时刻的系统噪声。

进一步地，所述扩展有限状态响应滤波器的观测方程为：

其中，(d1,k-1,d2,k-1,d3,k-1,d4,k-1)分别为通过uwb目标节点获取到的k-1时刻到uwb参考节点(编号1-4)的距离信息，为系统k时刻的观测噪声；为在k-1时刻参考节点i的东向位置；为在k-1时刻参考节点i的北向位置；为关于的函数。

进一步地，所述toa-距离模型具体为：

以uwb目标节点获取到的其与uwb参考节点之间的到达时刻toa为输入量，以距离为输出量，中间运算过程为；toa*光速＝距离。

进一步地，作为状态量目标行人k时刻和k-1时刻的东向和北向位置的初值根据实际需要自行设定。

进一步地，所述扩展有限状态响应滤波器efir进行数据融合的方法具体为：

设定中间变量m和s：

m＝k-n+1,s＝m+m-1；

其中，n为efir滤波器的局部滤波窗口的大小；m为状态向量的维数；

其中，为s时刻带观测时滞模型下的状态向量中间变量；为s时刻带观测时滞模型下的状态向量预估值；为s时刻带观测时滞模型下的观测向量；

设定中间变量j的范围为从s+1时刻到k时刻，efir滤波器进行的迭代如下：

在此基础上，

其中，为j-1时刻带观测时滞模型的系统矩阵；为j-1时刻带观测时滞模型的状态向量迭代中间量；为由j-1时刻得到的j时刻带观测时滞模型的状态向量迭代中间量；和分别为j和j-1时刻的广义噪声功率增益；为j时刻带观测时滞模型的偏差校正增益；为带观测时滞模型在j时刻的观测向量；为j时刻带观测时滞模型下的状态向量预估值；为关于的函数。

本发明的有益效果：

1、efir滤波器以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量，以uwb定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建uwb定位模型进行数据融合，减少了由于uwb无线数据传输造成的数据采集延时对系统定位精度的影响。

2、可用于室内环境下的智能鞋子的中高精度定位。

附图说明

图1为一种带观测时滞的室内行人定位系统示意图；

图2为一种带观测时滞的室内行人定位efir数据融合方法的示意图。

具体实施方式：

下面结合附图对本发明进行详细说明：

一种带观测时滞的室内行人定位系统，如图1所示，包括：uwb目标节点、uwb参考节点和数据处理系统；uwb目标节点固定置在行人的身体上，uwb参考节点设置在任意位置，uwb目标节点与数据处理系统连接。

其中，

uwb目标节点：用于测量uwb定位标签与uwb参考节点之间的距离信息；

uwb参考节点：预先放置在设定的位置，便于测量与定位标签之间的距离；

数据处理系统：用于对采集到的传感器数据进行数据融合；

数据处理系统包括efir滤波器，通过efir滤波器对uwb目标节点获取的其与uwb参考节点之间的距离信息进行数据融合，最终得到目标行人的最优位置信息预估。

一种带观测时滞的室内行人定位efir数据融合方法，如图2所示，包括：

(1)以目标行人在k和k-1时刻在东向和北向的位置和速度作为状态量，以uwb定位标签测量得到的k-1时刻参考节点与定位标签之间的距离作为系统观测量构建uwb定位模型进行数据融合；

(2)通过uwb目标节点获取其与uwb参考节点之间的到达时刻(timeofarrival，toa)，并通过toa-距离模型得到uwb参考节点与目标节点之间的距离信息。

toa-距离模型具体为：

以uwb目标节点获取到的其与uwb参考节点之间的到达时刻toa为输入量，以距离为输出量，中间运算过程为；toa*光速＝距离。

(3)将获取到的距离信息作为观测量输入到扩展有限状态响应(extendedfiniteimpulseresponse，efir)滤波器，通过efir滤波器进行数据融合，并对目标行人的位置信息进行预估，最终得到当前时刻的行人最优的位置信息；

efir滤波器的状态方程为：

其中，为非时滞模型下k时刻、k-1时刻和k-2时刻的状态向量，为非时滞模型下k时刻的系统矩阵，其表达式如下所示：

其中，(peast,k,pnorth,k)、(peast,k-1,pnorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的位置；(veast,k,vnorth,k)、(veast,k-1,vnorth,k-1)分别为k时刻和k-1时刻目标行人在东向和北向的速度；t为采样时间；为非时滞模型中k-1时刻的系统噪声；

作为状态量目标行人k时刻和k-1时刻的东向和北向位置的初值根据实际需要自行设定。

efir滤波器的观测方程为：

其中，(d1,k-1,d2,k-1,d3,k-1,d4,k-1)为通过uwb未知节点获取到的k-1时刻到uwb参考节点(编号1-4)的距离信息，为系统k时刻的观测噪声，为关于的函数；

扩展有限状态响应滤波器efir进行数据融合的方法具体为：

设定中间变量m和s：

m＝k-n+1,s＝m+m-1；

其中，n为efir滤波器的局部滤波窗口的大小；m为状态向量的维数；

其中，为s时刻带观测时滞模型下的状态向量中间变量；为s时刻带观测时滞模型下的状态向量预估值；为s时刻带观测时滞模型下的观测向量；

设定中间变量j的范围为从s+1时刻到k时刻，efir滤波器进行的迭代如下：

在此基础上，

其中，为j-1时刻带观测时滞模型的系统矩阵；为j-1时刻带观测时滞模型的状态向量迭代中间量；为由j-1时刻得到的j时刻带观测时滞模型的状态向量迭代中间量；和分别为j和j-1时刻的广义噪声功率增益；为j时刻带观测时滞模型的偏差校正增益；为带观测时滞模型在j时刻的观测向量；为j时刻带观测时滞模型下的状态向量预估值；为关于的函数。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。