基于信道多域特征数字孪生的多维联合闭环优化定位方法

本发明涉及一种基于信道多域特征数字孪生的多维联合闭环优化定位方法，适用于多路径传播、信号衰减和高噪声环境下的定位需求，用于提升传统定位方法在复杂环境中的定位精度。

背景技术：

1、工业环境中，物联网的广泛应用正在引领制造业和定位技术的变革。无论是生产自动化、仓储物流，还是设备监控，精确的定位技术都在其智能化运作中发挥着关键作用。然而，在无线传感器网络和复杂工业环境中，定位技术面临着多路径传播(mpcs)和非视距(nlos)等问题，这些问题不仅限制了传统定位系统的精度，也限制了定位实时性和稳定性。多路径传播是无线信号传播中的一种基本现象，是由信号在墙壁、金属设备和其他障碍物上的反射、折射和散射而引起。这种传播现象导致信号到达接收节点时，可能经过多条路径，产生相长或相消干涉，改变信号的幅值和相位，从而影响定位精度。此外，非视距传播进一步加剧了定位的复杂性，当待定位节点和基站之间的直接视距路径被遮挡时，信号传播路径变长且信号质量下降，特别是在参考节点数量有限的情况下，可能导致连接中断或定位失败。

2、针对多径传播问题，已有的研究主要集中于抑制多路径干扰和有效利用多路径信息两个方面。在干扰抑制方面，方法包括利用双极化天线区分极化模式以减少间接路径分量(ipcs)的影响，采用粒子滤波动态分离直达路径分量(dpcs)与ipcs，以及通过跳频和多载波技术降低信号偏差。这些技术有效改善了多路径对定位精度的干扰，但通常依赖复杂的硬件设备或高计算成本。与此同时，利用多路径信息提升定位精度的研究也取得进展。宽带和超宽带技术能够在时间域中解析多路径信号，将反射路径视为虚拟锚点，毫米波技术则结合其高分辨率和多天线阵列优势，在时间和角度域解析多路径特性。这些方法通过将多路径转化为可用信息，显著提高了定位系统的鲁棒性。然而，在信号重叠严重或环境复杂的场景中，这些技术在多路径解析效率和稳定性方面仍然面临挑战。

3、非视距传播导致信号失真，限制了定位系统的性能，相关研究主要集中于nlos识别、误差补偿和多传感器融合。在识别方面，机器学习方法(如卷积神经网络和自适应提升算法)通过分析信道脉冲响应或测距特性，实现了对los与nlos条件的有效分类。然而，动态环境下的准确性和模型的泛化能力仍是限制因素。在误差补偿方面，采用凸优化和稀疏估计方法建模并修正nlos误差，这些方法尽管在准确性上有显著提升，但计算复杂度较高，难以满足实时需求。此外，多传感器融合和环境特征的利用，为nlos问题提供了更具鲁棒性的解决方案。例如，惯性导航与超宽带信号的结合显著提升了定位精度，视觉传感器辅助信道信息的融合在复杂场景下也展现出优越性能。但这些方法往往对硬件要求较高，且融合过程中需要大量计算资源。

4、综上所述，现有方法在应对多路径和非视距传播时仍存在多路径解析效率不足、泛化能力较差以及计算资源需求高等问题，这些问题导致定位系统在复杂工业环境中的应用受到限制。

5、为解决上述多路径干扰和非视距传播带来的挑战，本发明提出了一种基于信道多域特征数字孪生的多维联合闭环优化定位方法。通过分析多径信号的组成成分，考虑每条路径的时延、衰减和相位变化，给出多路径接收信号公式。通过构建物理世界中多基站定位场景的虚拟数字孪生模型，采用小波变换对信号进行多域分解，提取时域、频域和多普勒域的特征，并计算各基站信号的多域综合差异度。多个基站的信号差异度作为衡量虚拟与实际信号匹配程度的核心指标，结合贝叶斯推断方法，得出待定位节点位置的后验估计。为了进一步优化位置估计，设计了动态寻优的后验概率位置估计方法，能够根据硬件资源条件灵活选择最优优化策略。在低性能环境下，采用牛顿法进行快速迭代优化；在高性能环境下，采用网格搜索法进行精确优化，从而实现对虚拟待定位节点位置的精确估计。

技术实现思路

1、本发明提供的一种基于信道多域特征数字孪生的多维联合闭环优化定位方法，包括如下步骤：

2、步骤一、基于多域特征分解的小波变换差异度计算

3、本发明通过分析多径信号的组成成分，考虑每条路径的时延、衰减和相位变化，给出多路径接收信号公式。通过构建信道数字孪生系统提取不同路径的信号特征生成仿真波形。利用小波变换对接收到的物理信号和虚拟信号进行多域分解，提取时域的时延特征、频域的衰减特征和多普勒域的相位变化特征，得到多域的小波系数。将小波系数的差值作为信号的多域差异度，用于构建基于多域差异度的似然函数。

4、步骤二、基于信道多域特征数字孪生的多维联合定位数学模型构建

5、本发明针对信道多域特征数字孪生的多维联合闭环优化定位方法构建数学模型，相较于已有研究的单基站闭环定位方法，本发明通过在物理世界中布设多个基站，并映射至虚拟世界中，构建多维联合的闭环优化定位模型。采用高斯分布表示多域差异度的似然函数，并考虑到多个基站的共同作用，形成基于多域差异度的多维联合似然函数。设定待定位节点的先验估计，并利用贝叶斯推断方法推导得到基于信道数字孪生的后验概率，构建基于多基站信号融合定位的数学模型。

6、步骤三、基于动态寻优的最大后验概率位置估计方法

7、为满足不同计算能力的硬件环境，本发明设计了一种动态寻优的最大后验概率位置估计方法。当定位系统运行于低性能计算环境时，本发明将后验估计的负对数作为损失函数，推导迭代过程中损失函数的梯度和hessian矩阵，并通过牛顿法实现位置估计的快速迭代。当系统运行在高性能计算环境时，设置搜索范围和步长，通过划分网格，遍历每个网格点计算后验概率实现最大后验概率位置估计。通过动态选择寻优算法，定位系统能够根据硬件资源自动调整算法，兼顾计算效率和定位精度。

8、相对于现有技术，本发明的优点在于：

9、1.本发明通过小波变换对定位模型中基站接收到的信号进行多域分解，考虑时域、频域和多普勒域的关键特征，并从时延、衰减和相位变化指标出发，定义了基于多域特征的波形差异度计算方法。

10、2.相较于单基站的闭环优化定位方法，本发明基于信道多域特征数字孪生技术构建了多基站信号融合定位的多维联合定位数学模型。将多个基站模拟波形与实际接收波形之间的多域差异度作为优化变量，通过模拟测试移动数字世界待定位节点的位置，多次迭代寻找全局最优结果，实现物理世界待定位节点的位置估计。

11、3.本发明设计了一种基于动态寻优的最大后验概率位置估计方法，能够根据硬件计算资源灵活调整优化策略。在定位系统低计算性能下，本发明将后验估计的负对数作为损失函数，推导迭代过程中损失函数的梯度和hessian矩阵，最终通过牛顿法实现位置估计的快速迭代；在定位系统高计算性能下，定位系统通过设置搜索范围和步长，划分网格，遍历每个网格点计算后验概率，实现后验概率的优化。

技术特征：

1.一种基于信道多域特征数字孪生的多维联合闭环优化定位方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，采用小波变换对多个基站信号进行分析，对物理世界和虚拟世界中接收的波形信号分别进行小波变换，提取各基站的时域、频域和多普勒域系数：

3.根据权利要求1所述的方法，其特征在于，所述的步骤二中，采用高斯分布表示多域差异度的似然函数表示虚拟待定位节点位置t*已知情况下，物理世界中第i个基站接收到的信号波形的概率分布，公式如下：

4.根据权利要求1所述的方法，其特征在于，所述的步骤三中，基于牛顿法的最大后验概率寻优机制，取待定位节点位置后验概率的负对数形式的损失函数，损失函数表示为：

5.根据权利要求1所述的方法，其特征在于，所述的步骤三中，基于网格搜索法的最大后验概率寻优机制，首先定义待定位节点位置的搜索空间t＝[tx,ty,tz]，每个维度的搜索范围和步长δti定义了网格的分辨率。假设希望在x轴上从到进行搜索，并且设定步长为δtx，那么网格中的候选位置tn会在tx方向上取值：

技术总结
本发明公开了一种基于信道多域特征数字孪生的多维联合闭环优化定位方法，旨在提升多路径传播和非视距传播环境下的定位精度。通过分析多径信号的组成成分，考虑每条路径的时延、衰减和相位变化，给出多路径接收信号计算方法。采用小波变换对接收信号进行多域分解，从时域、频域和多普勒域提取特征，定义了基于多域特征的波形差异度计算方法。构建信道多域特征数字孪生的多基站信号融合定位数学模型，相较于已有研究的单基站闭环定位方法，本发明通过在物理世界中布设多个基站，实现了多维联合闭环定位。利用多个基站的综合差异度结合贝叶斯推断推导后验概率，在后验概率优化中，设计了动态寻优机制，依据硬件资源选择优化算法，低计算性能环境，提出了牛顿法快速迭代优化，高计算性能环境采用网格搜索法实现优化，实现待定位节点位置的精确估计。

技术研发人员：王昭洋,张悠悠,许继平,孙茜,王立,李林
受保护的技术使用者：北京工商大学
技术研发日：
技术公布日：2025/3/13