一种基于无线网络的移动节点组合定位方法
【技术领域】
[0001] 本发明涉及属于无线网络定位领域，特别是一种基于无线网络的移动节点组合定 位方法。
【背景技术】
[0002] 室内环境存在非视距、多径、干扰多变等因素，常用的蜂窝定位、GPS定位等技术不 能很好地满足室内高精度定位需求。同时，随着无线局域网、物联网、智能终端的蓬勃发展， 人们对室内定位的需求与日倶增，高定位精度、低复杂度的室内定位方法已成为研究热点。
[0003] 现有室内定位技术主要有：Wi-Fi定位技术、超声波定位技术、 UWB(Ultra-Wideband)定位技术、RFID定位技术、视觉定位技术等。其中，Wi-Fi定位技术精 度不高，且需要定位区域内有足够多的Wi-Fi接入点；超声波定位技术精度高，但要求定位 环境为可视距环境，且需要大量的底层硬件设施，成本太高；UWB定位技术抗干扰能力强， 定位精度高，但要求高精度的时钟同步且信号收发装置昂贵；RFID定位技术通常需要采用 无线信号传输模型，因此其定位精度会随定位环境实时变化；视觉定位技术要求所定位目 标与探测器直接线性可视，应用局限。
[0004]最近，线性调频扩频（ChirpSpreadSpectrum，CSS)技术被IEEE802. 15. 4a标准 所采纳，成为一种应用于室内定位的新型技术。该技术支持精确测距，并且定位算法实现简 单，可实现室内非视距环境下的定位，非常适合应用于室内定位。但是该技术应用于室内定 位仍存在以下问题亟需解决：（1)多径、非视距等因素导致CSS测距误差较大，严重降低了 定位精度；（2)CSS信号室内局部盲区导致CSS定位失效和不连续，需要其他定位技术补充。
[0005] 最近，随着基于MEMS(Micro-Electro-MechanicalSystems)技术的惯性传感器在 智能终端上的广泛应用，惯性传感器定位技术成为研究热点。其优点是低成本、自主式和短 时间内定位精度高，可以有效弥补CSS信号盲区导致的定位不连续。基于上述考虑，利用 CSS定位技术和惯性传感器定位技术的互补特性，可有效解决由多径、非视距等因素引起的 定位误差和由信号盲区导致的定位不连续问题。
【发明内容】
[0006] 发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于无 线网络的移动节点组合定位方法。
[0007] 为了解决上述技术问题，本发明公开了一种基于无线网络的移动节点组合定位方 法，包括如下步骤：
[0008] 步骤1，进行CSS线性调频扩频测距，获得测距样本并计算样本均值
[0009] 步骤2,利用步骤1得到的样本均值石进行非视距判决，获得移动节点在t(t彡0) 时刻的可视状态；
[0010] 步骤3,建立移动节点的运动模型，求取移动节点在t+Ι时刻的位置；
[0011] 步骤4,对移动节点进行组合定位。
[0012] 其中，步骤1包括如下步骤：
[0013] 步骤1-1，采用CSS线性调频扩频测距的双边双向测距技术测量移动节点与参考 节点之间的距离，获得N个测距样本，用?,1SA：S表示，其中表示该移动节点与参 考节点j之间第k次测距样本；
[0014] 步骤1-2,采用如下公式求取N个测距样本的样本均值3^:
[0016] 样本均值I；表示移动节点与参考节点在t时刻的测距距离。
[0017] 步骤2包括如下步骤：
[0018] 步骤2-1，利用样本均值石和移动节点与参考节点之间的估计距离為计计算 移动节点与参考节点间的可视概率Pt，计算模型采用高斯概率分布函数，并定义标准差 〇 (0〈σ〈0. 8)，可视概率Pt的计算公式为：
[0019]
[0020]步骤2-2,根据概率阈值P(0. 1〈P〈0. 5)，利用可视概率Pt，通过下式计算移动节点 在t时刻的可视状态st:
[0021]
[0022] 其中p(st=l|stl)表示可视状态转移概率，st= 1表示移动节点为可视，st=0 表示移动节点为非可视。
[0023] 步骤2-1中，移动节点与参考节点之间的估计距离美:通过下式计算获得：
[0025] 其中（x"yj表示第r个参考节点的位置坐标，（x「，yt_)表示t-Ι时刻移动节点的 位置坐标。
[0026] 步骤2-2中，可视状态转移概率p(st= 11stJ通过下式计算：
[0028] 上式表示可视状态从t-Ι时刻的状态1或0,转移到t时刻状态1或0的概率，根 据实验数据为了达到更好的定位效果，建议取值为〇. 95和0. 05,也可以根据实际环境和应 用按需改变。
[0029] 步骤3包括如下步骤：
[0030] 步骤3-1，将集成了三维加速度计和三维磁强计的移动节点定义到一个x-y-z坐 标系，称为移动节点坐标系，取移动节点的重心为移动节点坐标系原点，三个轴分别与移动 节点的纵轴、横轴和竖轴相重合，本步骤中的移动节点也可以是承载移动的节点的机器人， 或者小车等物体；
[0031] 步骤3-2,三维加速度计传感器测量获得移动节点在X，y，z轴上的加速度，通过加 速度求取移动节点的速度信息vt;
[0032] 步骤3-3,三维磁强计测量获得地球磁场在X，y，z轴上的磁场强度分量，求取移动 节点的航向角糾；
[0033] 步骤3-4,利用下式所示的运动模型，求取移动节点在t+1时刻的位置坐标 (xt+1, yt+1)：
[0034]
[0035]其中^为t时刻与t+1时刻之间的时间间隔，（xt，yt)表示移动节点在t时刻的 位置坐标，如t和％.￡分别表示t时刻移动节点在X轴方向上的加速度和t时刻移动节点在 y轴方向上的加速度，移动节点的加速度用零均值的高斯噪声模拟，高斯噪声的方差根据三 维加速度计数据进行估算。
[0036] 步骤4包括如下步骤：
[0037] 步骤4-1，定义卡尔曼滤波KF的状态矢量Xk，如下式所示：
[0038] Xk= [sXivXiaXisyiv yiay]T,
[0039] 其中SdPs及别表示移动节点在一段时间（建议取值范围为0. 5秒~3秒）通 过的距离，\和vy分别表示移动节点沿X轴的速度和移动节点沿y轴的速度，通过步骤3-2 中的速度信息vt获得，aJPa,分别表示移动节点的三维加速度计沿X轴的加速度和三维加 速度计沿y轴的加速度，T表示矩阵转置；
[0040] 步骤4-2,利用下式对卡尔曼滤波KF的状态矢量Xk作进一步预测：
[0041] \=①k，kAι+Wk1，
[0042] 其中，i为状态转移矩阵，Xki为状态矢量-时刻的状态矢量，Wki为系统 过程噪声矢量；
[0043] 步骤4-3,计算卡尔曼滤波KF的测量矢量Zk，如下式所示：
[0044] Zk= [1 x,ly],
[0045] 其中lx，ly分别表示利用CSS定位获得的移动节点在x和y轴上的位置；
[0046] 步骤4-4,利用下式测量方程获得移动节点的位置估计：
[0047] Zk=HkXk+Vk，
[0048] 其中测量转移矩阵Hk如下式所示：
[0050] 测量噪声矢量Vk的方差Rk如下式所示：
[0052] 其中方差值：:σ|和 < 根据实验仿真数据进行定义，
[0053] 步骤4-2中所述状态转移矩阵?k,ki计算公式如下：
[0056] 其中diag表示构建对角矩阵，f表示从第k-Ι步到第k步的时间间隔，取值范围 0 <Γ< 5；
[0057] 系统过程噪声Wki的方差矩阵Qki的计算公式如下：
[0060] 有益效果：
[0061] 该方法的优点是低成本、定位精度高、实时性和连续性较好，可有效解决由多径、 非视距等因素引起的定位误差和由信号盲区导致的定位不连续问题。
【附图说明】
[0062] 下面结合附图和【具体实施方式】对本发明做更进一步的具体说明，本发明的上述和 /或其他方面的优点将会变得更加清楚。
[0063] 图1是本发明CSS测距过程。
[0064] 图2是本发明组合定位过程。
【具体实施方式】
[0065] 以下对本发明的方法作进一步描述：该实施例以本发明方法为基础，给出了详细 的设施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。该实施例包括 以下步骤：
[0066] 步骤1，进行CSS线性调频扩频测距，获得测距样本并计算样本均值ξ，包括：
[0067] (1)移动节点（位置未知节点）与CSS参考节点（位置已知节点）采用双边双向 测距技术测量移动节点与参考节点之间的距离，具体测距过程如图1所示，移动节点首先 发送一个测距数据包给参考节点，当参考节点接收到来自移动节点的测距数据包时，立刻 给移动节点发送一个应答包，移动节点接收到参考节点发送回的应答包后，就完成了第一 次双向测距，获得了从移动节点到参考节点的传输延迟时间?\和参考节点的数据处理延迟 时间Τ2。紧接着，由参考节点发起进行第二次双向测距。最后参考节点将第二次双边测距的 结果传送给移动节点，从而移动节点获得了从参考节点到移动节点的传输时延1~3和移动节 点的数据处理时延Τ4。利用?\、τ2、1~3和Τ4，可以获得移动节点到参考节点的单向传输时间 TTCF，进而获得移动节点与参考节点之间的距离信息其中if表示该未知节点与参考节点j之间第k次测距样本：
[0070] 其中c无线信号在空中传输的速度即光速。未知节点重复测量N次，获得N个相 应的测距样本，用{>$1S轉表示。
[0071] (2)对N个测距样本{djVlS&幺/V]求样本均值J;计算公式如下式：
[0073] 其中石表示移动节点与参考节点在t时刻的测距距离。
[0074] 步骤2,利用步骤1得到的样本均值