基于定位单元质量及多算法数据融合的抗NLoS误差定位方法
【专利摘要】本发明公开了一种基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，包括如下步骤：待测终端获得N个锚节点反馈的测量值，包括TOA、RSSI以及信噪比SNR；利用Kalman滤波器处理TOA测量值，得到新的TOA测量值，并将得到的TOA测量值分为两组：第二TOA测量值和TDOA测量值；采用模式搜索法和CHAN算法分别对第二TOA测量值和TDOA测量值进行定位计算；确定定位单元的权值，分别对第二TOA测量值和TDOA测量值的定位结果进行数据融合；对第二TOA测量值的融合定位结果和TDOA测量值的融合定位结果进行融合。本发明充分利用了测量值带来的各类信息，通过数据融合的方法进行整合，可以得到更为精确的定位结果。
【专利说明】基于定位单元质量及多算法数据融合的抗NLoS误差定位方法
【技术领域】
[0001]本发明属于无线通信【技术领域】，具体涉及一种基于定位单元质量及多算法数据融合的抗NLoS误差定位方法。
【背景技术】
[0002]1996年美国联邦通信委员会(FCC)首次颁布了 E-911定位需求，并在1999年提出:对67%的移动终端的定位精度不低于50m，95%的定位精度不低于150m。这一要求的提出掀起了移动通信系统终端定位技术的研究的热潮。
[0003]非视距传播(Non-Line-of-Sight, NLoS)带来的误差是无线定位中主要的误差来源。非视距传播是指信号在传播过程中，直射路径被障碍物阻挡，经过反射、衍射等方式到达接收端，此时的到达时间(Time-of-Arrival, TOA)>到达时间差(Time-Difference-of-Arrival, TD0A)、到达角度(Angle-of-Arrival, Α0Α)等都不能真实反映发射端和接收端之间的距离关系。在实际环境中，特别是城市、山区等环境中，非视距误差是广泛存在的，可能带来几十米到几百米的误差。
[0004]随着数据融合技术的走入研究人员的视野，将数据融合技术与移动通信系统终端定位相结合，利用更多的信息、方法协同获得待测终端的位置，从而进一步提高定位精度成为当前移动定位技术的研究热点之一。
[0005]目前在JDL的数据融合模型基础上提出的基于数据融合的定位技术主要有下面几类:
[0006]第一类，使用多种测量值，融合其中包含的不同方面的有用信息以提高定位精度。例如Thomas Kleine-Ostmann和Amy E.Bell在如下文献中提出的方法:
[0007]A Data Fusion Architecture for Enhanced Position Estimation in WirelessNetworks, IEEE COMMUNICATIONS LETTERS, VOL.5，N0.8，pp.343-345，2001
[0008]该方法的特点是融合了到达时间和到达时间差两种测量值，提出一种数据融合的模型，并给出了第四层融合的具体选择方案。
[0009]第二类，使用同一类测量值，但采用不同的定位算法，最终通过对不同定位算法得出的位置进行最佳线性组合，获得更好的定位精度。例如王玲霞，张效义，袁佳在如下文献中提出的方法:
[0010]基于数据融合的定位解算算法，计算机工程与设计，30 (21),4921-4927, 2009.
[0011]该方法只使用了 TDOA —种测量值，其特点在于采用了 Chan算法、Taylor算法以及优化设计中的退火算法，提出了一种多算法协同定位模型，第四层融合是采用最佳线性组合，将多种算法的定位结果融合在一起，以获得更精确定位结果。
[0012]第三类,基于定位单元质量的数据融合。例如Xiaoyong Yan, Huanyan Qian, YaHuang, Zhipeng Jiang在如下文献中提出的方法:
[0013]A high accuracy localization based on RSSI measurements, ConsumerElectronics, Communications and Networks (CECNet), 2011International Conferenceon.1EEE, pp.1926-1929, 2011.[0014]该方法的特点在于，将构成定位单元的三个锚节点的共线度作为对定位单元质量的度量，越接近共线的定位单元定位质量越差，在最终的定位结果中所占比例越小，以此来提闻最终的定位精度。
[0015]第四类，使用Kalman滤波器,利用滤波算法进一步提高定位精度。例如DavidMacii, Alessio Colombo, Paolo Pivato 和 Daniele Fontanelli 在如下文献中提出的方法:
[0016]Data Fusion Technique for Wireless Ranging Performance Improvement,IEEETRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, VOL.62, N0.1, PP.27-37，2013.[0017]该算法的特点在于，使用了到达信号强度(Received Signal Strength Index,RSSI)和Two-way Time-of-Flight (ToF)两种测量值，并使用Kalman滤波器对定位精度进行提闻。
[0018]以上算法都在一定程度上提高了移动终端的定位精度，然而都只是从一个方面使用了数据融合技术，对信息的利用仍有提高的空间，可进一步提高定位的精度。同时这些方法没有加入对NLoS误差的处理，在NLoS普遍存在的环境下，定位精度会大幅下降。
[0019]因此，需要一种基于定位单元质量及多算法数据融合的抗NLoS误差定位方法以解决上述问题。
【发明内容】
[0020]发明目的:本发明针对现有技术中无线定位方法的缺陷，提供一种更为精确的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法。
[0021]技术方案:为解决上述技术问题，本发明的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法采用如下技术方案:
[0022]一种基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，包括以下步骤:
[0023]I)、利用待测终端获得定位单元反馈的测量值，所述定位单元包括N个锚节点，其中，N≥3，所述测量值包括TOA、RSSI和信噪比SNR ；
[0024]2)、利用Kalman滤波器计算TOA测量值中的NLoS误差，在所述TOA测量值中减去所述NLoS误差，得到减小了 NLoS误差的TOA测量值，将所述减小了 NLoS误差的TOA测量值分为两组:一组为第二 TOA测量值，另一组为TDOA测量值；
[0025]3)、利用模式搜索法对步骤2)得到的所述第二 TOA测量值的进行定位计算，利用Chan算法对所述TDOA测量值进行定位计算；
[0026]4)、基于定位单元与待测终端距离、定位单元的三点共线度和定位单元的可靠性确定所述第i个定位单元的权值Wi,
[0027]η; = 0.4nf + 0.2uf + 0.4vvf；? ,
[0028]式中，wf为基于定位单元与待测终端的距离得到的权值，< 为基于定位单元的三点共线度得到的权值，Ui "力基于定位单元的可靠性得到的权值，[0029]设第i个定位单元的定位结果为(Xi，yi)，则融合后的定位结果(X，y)为:
[0030]τ = Σ'ι:.ν/,产 Σ'1).1’，
[0031]分别对步骤3)得到的所述第二 TOA测量值的定位结果和TDOA测量值的定位结果利用上式进行融合，得到所述第二 TOA测量值的融合定位结果和TDOA测量值的融合定位结果；
[0032]5)、将步骤4)得到的所述第二 TOA测量值的融合定位结果和TDOA测量值的融合定位结果进行融合，设所述第二 TOA测量值的融合定位结果为(xTOA，yTOA)，方差为σΤ()Α，χ，σ TOA, Y ;所述TDOA测量值的融合定位结果为(xTDoA，Ytdoa)，方差为σ TD0A, χ ? σ TDOA, y ? 按下式进行对所述第二 TOA测量值的融合定位结果和TDOA测量值的融合定位结果进行融合，得到待测终端的定位结果(χ’，y’):
【权利要求】
1.一种基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，包括以下步骤: 1)、利用待测终端获得定位单元反馈的测量值，所述定位单元包括N个锚节点，其中，N≥3，所述测量值包括TOA、RSSI和信噪比SNR ； 2)、利用Kalman滤波器计算TOA测量值中的NLoS误差，在所述TOA测量值中减去所述NLoS误差，得到减小了 NLoS误差的TOA测量值，将所述减小了 NLoS误差的TOA测量值分为两组:一组为第二 TOA测量值，另一组为TDOA测量值； 3)、利用模式搜索法对步骤2)得到的所述第二TOA测量值的进行定位计算，利用Chan算法对所述TDOA测量值进行定位计算； 4)、基于定位单元与待测终端距离、定位单元的三点共线度和定位单元的可靠性确定所述第i个定位单元的权值Wi,
2.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤4)中基于定位单元与待测终端的距离得到的权值心通过下式计算得到: 使用对数常态模型来计算接收信号强度与距离之间的关系:
3.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤4)中基于定位单元三点共线度得到的权值<通过下式计算得到:设第i个定位单元构成的三角形的最小角为β 则基于定位单元三点共线度的权值为:
4.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤4)中基于定位单元的可靠性得到的权值wfvs通过下式计算得到: 将所述锚节点三个一组分为;个组，每一组根据步骤I)得到的信噪比SNR测量值获得一组信噪比(SNRil, SNRi2, SNRi3),
5.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤2)所述的Kalman滤波器由下式表示:
6.如权利要求5所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，假设在t时刻，得到t-Ι时刻的估计值i[1-l|1-l] = [a 6]τ，估计误差的协方
7.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤3)中，所述模式搜索法包括以下步骤:f(x)为待测终端到三个锚节点的距离残差绝对值的和， (1)给定初始点x(1)e Rn, η个坐标方向？，..‘，?,,，初始步长δ ,加速因子α≤1，缩减率 Y e (O, I)和允许误差 ε > O,令 y(1) = χω, k=l, j=l ； (2)如果f(y(j)+ δ ej) < f(y(J))，则令 y(j+1) = y(J)+ δ ej;转至步骤(4)，否则转至步骤(3)； (3)如果f(y(j)-Sej) < f(y(j))，则令 y(j+1) = y(j)_Sej，转至步骤(4)，否则令 y(j+1)=y(J)转至步骤(4); (4)如果j< n，则j = j+1，转到步骤(2)，否则转至步骤(5)； (5)如果f(y(n+1))< f(x(k))，则转至步骤(6)，否则转至步骤(7)；
(6)令x(k+1) =y(n+1)，y⑴=x(k+1)+a (x(k+1)-x(k))，k = k+1，j = 1，转到步骤(2); (7)如果δ ( ε 则停止迭代，得到点 x(k)，否则，令 δ = y δ ,y(1) =x(k),x(k+1) =x(k),k = k+1, j = I,转到步骤(2)。
8.如权利要求1所述的基于定位单元质量及多算法数据融合的抗NLoS误差定位方法，其特征在于，步骤3)所述的Chan算法包括以下步骤: 设待测终端的坐标为(X，y)，N个锚节点的坐标为(X^yi) (i=l，2,…,NXri为第i锚节点与待测终端的距离，h为第j锚节点与待测终端的距离，第j锚节点和第i锚节点与待测终端距离差为= Tj-Y1,
T12 = (X1-Xmy)2 = K1-2xix-2yiy+x2+y2 其中，K = X,2 + j；,2,将!Ti2 = Cri, Jr1)2带入上式可得:
^ + 2ru/i + rl = K1- 2xtx — 2y,y + x2 + V2
将A2 = (X1-X)W(Y1I)2带入上式,整理可得:
rLl + lr,.xri = -2xLIx - 2.U + Ki — Kl
其中，xj，i — xj_xi, yj, i — Yj-Yi? 有噪声的情况下，误差向量为:
【文档编号】H04W64/00GK103476116SQ201310435179
【公开日】2013年12月25日 申请日期:2013年9月23日 优先权日:2013年9月23日
【发明者】蒋良成, 杨云帆, 王捷, 杜永强 申请人:东南大学