技术领域
[0001] 本发明涉及室内定位技术领域，具体涉及一种基于TDOA的误差抑制Chan‑Taylor加权定位方法。
相关背景技术
[0002] 近年来，根据不同场景对位置服务需求的差异，人们针对不同场景提出了各种各样的定位系统和定位算法以对相关目标进行实时定位。虽然典型的全球定位系统定位精度高，实时性好，但是GPS定位技术在隧道、矿井、地下室等室内地形会受到遮挡物的影响，导致其定位精度变差，甚至无法收到定位信号。因此，GPS定位并不适用于室内环境中，要实现精确的室内定位，就需要使用其他的技术方案。
[0003] 目前，基于到达时间差(Time Difference ofArrical，TDOA)的室内定位技术已取得较为成熟的研究成果和应用实践，其定位精度也在持续提高，主要体现在开阔的室内环境，例如教室、体育馆、候车室等场所。然而，在布局复杂的室内环境中，尤其是非视距(Non line ofsight，NLOS)条件下，UWB技术的定位精度显著下降，甚至无法提供定位服务。在现有的技术方法中，NLOS误差的抑制一直是一项难题，如何通过减少NLOS误差带来的定位误差，提升定位精度，在室内定位领域具有重要研究意义。
具体实施方式
[0096] 为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
[0097] 下面结合说明书附图对本发明实施方式作进一步详细说明：
[0098] 如图1所示，基于TDOA的误差抑制Chan‑Taylor加权定位方法，包括如下步骤：
[0099] 基于TDOA观测模型对目标进行定位；
[0100] 对NLOS环境下的误差进行补偿，得到目标位置估计值；
[0101] 基于Chan‑Taylor加权定位算法，得到最终位置估计值。
[0102] 实施例1
[0103] 基于TDOA的定位方法原理。如图2所示，设定基站B1、B2、B3与标签A之间的距离分别为d1、d2、d3，从而导出标签A分别到基站B12和B13的距离为d21和d31。依据数学原理，标签A的位置确定在以B1、B2和B1、B3作为焦点的两个双曲线相交处。
[0104] 根据图2可列出未知标签的坐标表达式如下：
[0105]
[0106] NLOS误差抑制机制原理：通过基于TDOA的定位是以其中一个基站作为参考基站来获取到达时间差，而在NLOS环境下，参考基站所受到的NLOS误差影响与其他的基站所不同，受到的误差分布是呈现非对称性的，当存在非视距误差时，定位精度会随之急剧下降。因此，将分为识别、分析、抑制三个环节对NLOS误差进行处理。
[0107] 识别阶段包括对定位环境下的NLOS误差信号部分进行提取识别。分析阶段包括对识别提取出来的NLOS误差值识别后，列出求解方程组，然后需要对方程组中非线性方程进行线性化处理，计算出所有偏差值的集合。抑制阶段包括对NLOS误差值进行分析处理后，通过误差抑制机制对NLOS时延误差值进行补偿。首先，判断是否需要进行误差抑制的需求，若非NLOS环境则跳过，直接输出信号；若判断为NLOS环境情况下，将误差值通过互相关的形式对整个NLOS误差传播路径上的时延值进行粗略估计。然后，将传播信号中的LOS信号和NLOS信号分离，单独抽离出NLOS误差信号，并计算出误差因子来判断NLOS误差信号是否有残留值。最后，通过监督矩阵对传输过程中的定位信号分解成基于NLOS信号的分离噪声矩阵和常规信道矩阵，对两个矩阵信号进行错峰搜索，得到准确的直接传播信号的信号到达估计值。
[0108] 在一般基站与标签的通信传输中，受到NLOS误差的传播路径中存在较剧烈的起伏，导致其传播时产生的噪声分布相对分散。因此，对于通信空间中的特征值来说就不能够全部聚在一起，但噪声空间里特征值确相对平稳，这就可以通过找出噪声空间的特征值进行反向估计，即找出相对离散的点，此类点便对应着标签与基站信号传播过程中收到NLOS误差影响的特征值点，对其进行时延信号补偿，达到抑制NLOS传播误差的目的。
[0109] Chan‑Taylor算法加权原理：针对Taylor级数展开法在初始坐标位置在NLOS误差的影响下，在算法迭代的过程中误差影响无法消除，导致最终位置估计值偏差较大的问题，利用Chan算法数据冗余的特点代替Taylor级数展开法进行目标位置的位置初估计，再对初估计值添加合适的加权系数，对预估值进行修正，最后将修正值作为新的初始值代入Taylor级数展开法进行迭代，得到最终位置估计值。
[0110] 1、NLOS误差值识别
[0111] 设定一个二维平面的定位基站与标签位置示意如图3所示。在理想状态下，当目标标签与基站之间是LOS环境时，那么使用基于TDOA的定位方法能够容易测得每个基站相关的三条曲线D1、D2、D3能够相交于一点，此时相交点即为目标标签位置。但是在实际情况下，当目标标签与基站位置是NLOS环境时，假设其中一个基站B3受到NLOS误差影响，那么原来到标签M之间的曲线D3会变成D33，此时三条曲线不完全相交于同一点，而是存在一个由三条曲线D1、D2、D33组成的阴影区域，那么目标标签的位置存在于图中红色阴影区域内，估计位置与真实位置会存在误差值。
[0112] 当基站与标签处在NLOS环境下时，使用TDOA测量法就会出现NLOS误差值，影响定位精度。不妨设定从标签M发出的信号到每个基站之间的达到时间为tn,m，如下式：
[0113] tn,m＝tn,l+tn,N+tn,α,n＝1,2,...,m (1)
[0114] 其中，tn,l代表从标签到第n个基站之间的信号达到时间；tn,N代表在NLOS环境下对测距造成的误差时间；tn,α代表测距设备自身存在的系统误差时间。通过UWB信道模型可知，在NLOS环境下的误差值会服从指数分布，那么可得到一个服从指数分布的随机变量，其概率密度函数可以表示为：
[0115]
[0116] 其中τn,s代表的是均方误差扩展，服从标准正态分布。由此可以得到在LOS环境下和NLOS环境下的距离误差公式分别表示为：
[0117]
[0118]
[0119] 其中rn代表未知标签与第n个基站之间距离系统误差； 代表标签与第n个基站之间的实际距离；PN代表标签与第n个基站之间的NLOS误差值，服从指数分布。至此，得到了NLOS误差值的测量值公式，并且将其识别分离出来。
[0120] 2、NLOS误差值分析
[0121] 上述完成对NLOS误差值的识别之后，在基于TDOA定位方法中，再结合位置解算对其进行分析。由于需要对方程组进行线性化处理，设定标签定位坐标的初始值为(xn‑1,yn‑1,zn‑1)，对方程组中的每个非线性方程出进行一阶泰勒展开。通过一阶泰勒展开式进行线性化处理，得出如下矩阵关系式：
[0122] GT·Δx＝KT (5)
[0123] 通过最小二乘法计算出Δx的表达式为：
[0124] Δx＝(GTTGT)‑1GTTKT (6)
[0125] 基于TDOA的定位方法，在观测到达时间时，NLOS产生的误差会使信号的传播时间大于基站与标签之间直接传输的传播时间，而由基站产生的NLOS误差，那么结果得到的TDOA观测值就会存在一个单项的偏差。因此，本文在分析在基于TDOA定位方法受到NLOS误T T差影响的情况时，设定一个矩阵量θ ＝[θ1,θ2,θ3,...,θn]，用来表示观测到的信号传播时间与直接传播时间之间存在的误差向量，因此观测的到达时间差误差可以表示为：
[0126] θT,s＝[θ1.1,θ1.2,θ1.3,...,θ1.s]T (7)[0127] 其中，令θn,1＝θn‑θ1，则KT可以表示为：
[0128]
[0129] 分别用βx，βy，βz表示出由于NLOS误差带来的在三条数轴上的定位偏差，可得表达式：
[0130]
[0131] 可以通过上式计算出其余各个基站NLOS误差带来的定位结果偏差值，而各个基站的NLOS误差组成的向量θ与定位结果出现的误差数值向量[βx,βy,βz]T是呈线性相关的。
[0132] 3、NLOS误差值抑制
[0133] 如图4所示，可以通过互相关对传播时延进行估计，对误差路径上的NLOS误差信号进行抽离，然后解算出基站接收到信号的协方差矩阵并对其特征值进行提取，在特征值提取的过程中，可以得到所需要的目标误差因子数目，因此可以使用监督矩阵给出的误差因子的估计值对进行抽离后的传播信号进行错峰搜索，得到准确的直接传播信号的信号到达估计值。以下是抑制阶段的步骤介绍：
[0134] 步骤1：NLOS环境识别。从标签发出到基站的信号，通过对接收信号进行互相关运算，则在信道条件下的互相关结果表达为：
[0135]
[0136] NA＝NR+NT‑1 (11)
[0137] 其中NR为基站接收到标签发出信号的信道长度，NT为从标签发出的信号的信道长度，NA为发射和接收信号之间进行互相关运算的结果。然后对互相关结果在离散程度上进行阈值检测，误差时延进行预估计，信道中信号互相关结果的时延误差值可表示为：
[0138] SM(τ)＝RM(τ)‑RM(τ‑1) (12)
[0139] τi＝arg[SM(τ‑1)＞0∧SM(τ)＜0] (13)
[0140] 其中SM(τ)是互相关结果的阈值标准值，τi为得出的预估误差时延值。作为后续步骤中的信号补偿标准。
[0141] 步骤2：误差路径抽离信号。在进行完成对NLOS信号识别和预估时延标准求解后，需要对信道路径中的NLOS信号进行抽离处理，抽离出干扰到正常通信的NLOS信号，减少对信道中LOS信号的影响。抽离的主要方式是重新构造NLOS信号，在信号传输过程中抽离出来，抽离表达式为：
[0142]
[0143] 其中MNLOS为重新构造的NLOS误差信号，Lt为预先设定的时延系数，Pi则为路径中的误差因子，会随着信号传输过程中NLOS误差变大时随之反向衰减，表达式为：
[0144]
[0145] 当传输过程中减去抽离出来的NLOS误差信号，通信信道中可能还存在残留部分的值，该部分值经过互相关处理得到的预估时延值可能也会随之受到影响，导致得到的预估值并不准确，此时可以考虑对NLOS信号值进行再次抽离过程，提升时延估计值的准确性。
[0146] 步骤3：特征值提取。
[0147] 由于经过抽离过后的信号中可能仍然有部分NLOS值残留，可以将残留值sPM(n)表示为：
[0148]
[0149] 其中NPM为路径中经过抽离后剩余的信号长度，βi为多径信道上幅度衰减值，τi为误差时延值。那么将标签到基站之间传输的信号代入上式并将其表达为：
[0150] SPM＝Zλ+W(17)T
[0151] 其中：SPM＝[sPM(0),sPM(1),...,sPM(N‑1)]； λT
＝[β0,β1,...,βNSC‑1]；W＝[ω(0),ω(1),...,ω(N‑1)]
[0152] 联立上式并加入监督矩阵可得到a(τ1)：
[0153]
[0154] 通过监督矩阵R＝E[SRSRH]并对其进行特征值分解为：
[0155] R*＝PΛP‑1 (19)
[0156] 其中，P为R*的特征向量组成的矩阵，Λ为R*的特征值组成的对角矩阵；
[0157]
[0158] 由此已经计算得出了特征值的选取，为后续进行时延信号补偿提供信号的监督多径判别。
[0159] 步骤4：错峰搜索和时延信号补偿
[0160] 通过监督矩阵R，将传输过程中的定位信号的对角矩阵分解成基于NLOS信号的分离噪声矩阵和常规信道矩阵：
[0161]
[0162] 其中PS作为定位信号中的分离噪声矩阵，PO作为定位信号中的常规信道矩阵，利用错峰搜索的方法去进行查找，并对噪声矩阵部分进行信号的折射处理，可得时延的估计值为：
[0163]
[0164] 最后，通过时延估计值τi*与前文中提出的预估时延值τi进行比较，得到两者之间的差值，对这个差值进行补偿，达到抑制NLOS误差的效果。
[0165] 实施例2
[0166] 本发明提出一种Chan‑Taylor加权算法。利用Chan算法数据冗余的特点代替Taylor级数展开法进行目标位置的位置初估计，再对初估计值添加合适的加权系数，对预估值进行修正，最后将修正值作为新的初始值代入Taylor级数展开法进行迭代，得到最终位置估计值。加权算法流程示意图如图5所示。
[0167] 设定定位结果和基站坐标之间的距离值为Ds和测得的标签与基站距离值Dr的相对距离平方和为Drs，那么可通过计算的过程：
[0168]
[0169]
[0170]
[0171] 其中Wo是设定的一个阈值，用来识别距离之间可能存在的误差值。可以发现加权算法的性能主要影响取决于Drs的设定，那么加权系数的设定越大，得到的定位效果就会越好，而Wo则和加权系数成反比：
[0172]
[0173] 其中KN表示第N种定位算法的加权系数，σ代表灵敏因子(KN的最低下限不能小于测量值Ns的选取)。
[0174] 由此可得，KN的取值越大，则通过加权算法得到位置估计值也就越精确。最终能够得到加权后的标签位置估计值x和y分别为：
[0175]
[0176]
[0177] 如图6所示，分别选取了改进Chan算法、Chan‑Taylor算法和本发明所提算法在NLOS环境下的RMSE分布。可以看出，改进Chan算法定位精度是最差的，最小RMSE值达到0.4421m；Chan‑Taylor算法最小RMSE为0.3841m；而本发明所提的基于TDOA的误差抑制Chan‑Taylor加权算法最小RMSE为0.3124m，相比两种算法最小RMSE值分别提升约41％和
23％。因此，从定位误差的数据呈现来看，本文算法相较于改进Chan算法和Chan‑Taylor算法而言，能够提升定位精度，减小NLOS误差影响。
[0178] 如图7所示，分别选取了改进Chan算法、Chan‑Taylor算法和本发明所提算法在NLOS环境下的CDF分布。可以看出，本发明所提基于TDOA的误差抑制Chan‑Taylor加权算法算法定位精度较高，其RMSE在0.4m内的分布概率为37％，在0.6m内的分布概率为91％；Chan‑Taylor算法分别为12％和63％；而改进Chan算法最低仅为0％和36％。因此，本发明所提算法相较于其他两种算法在NLOS环境下表现出更高的定位精度和稳定性。
[0179] 以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。
