專利名稱：聯(lián)合非視距誤差消除和運動狀態(tài)估計的無線定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種在視距和非視距混合條件下，進行無線定位的方法，可應用于各類無線定位系統(tǒng)中，屬于通信信號處理的技術(shù)領(lǐng)域。
背景技術(shù)：
無線定位技術(shù)在公共安全服務(如緊急醫(yī)療，緊急定位，緊急報警服務)，犯罪偵查，位置敏感付費以及船舶管理，導航和智能交通系統(tǒng)等多方面都有廣泛的應用。高精度無線定位技術(shù)具有很高的研究價值，越來越受到關(guān)注。然而，在現(xiàn)有的無線定位系統(tǒng)中，
無論是基于衛(wèi)星的定位系統(tǒng)，如美國的全球定位系統(tǒng)(GPS)、歐洲的伽利略(Galileo)系統(tǒng)、俄羅斯的GLONASS系統(tǒng)以及我國的"北斗"定位系統(tǒng)，還是基于蜂窩通信網(wǎng)絡的定位系統(tǒng)，抑或是基于超寬帶(UWB)信號的室內(nèi)定位系統(tǒng)，非視距(NLOS)環(huán)境直接影響了定位精度的提高。在NLOS環(huán)境下，無線電波由于受到發(fā)射站和移動臺之間障礙物的遮擋，經(jīng)折射，反射，散射后才得以到達移動臺。若按照傳統(tǒng)的定位方法，根據(jù)接收到的NLOS信號對移動臺進行定位，定位誤差將大大增大。已有場測表明，由NLOS信號產(chǎn)生的定位誤差符合均值513米，標準差為436米的高斯分布。
為提高定位精度，現(xiàn)有的NLOS消除方法主要有以下幾種-
第一種方法是多項式平滑、殘差比對法。Wylie提出了一種根據(jù)一段時間內(nèi)的距離測量值，采用N階多項式平滑，計算距離的標準差，與已知測量噪聲的標準差比較，并進一步根據(jù)距離測量值的殘差進行分析、比較，最后進行LOS重構(gòu)的方法。
第二種方法是卡爾曼濾波重構(gòu)法。該方法根據(jù)各段時間內(nèi)的測量值，用卡爾曼濾波方法平滑距離值，通過分析噪聲方差判斷NLOS信號，并重構(gòu)LOS信號，得到位置的估計值。方法一和二均假設在NLOS環(huán)境下的距離的標準差大于LOS環(huán)境，但是標準差的閾值設定比較主觀。閾值設定不當容易錯誤檢測LOS信號。
第三種方法是模型誤差法。AL-Jazzar利用不同的散射模型(圓環(huán)傳播模型、圓盤模型、截斷高斯分布模型)獲得基于TOA信號的不同模型的計算概率密度函數(shù)。利用基于3種模型的概率密度函數(shù)得到NLOS的計算統(tǒng)計特性，進而估計MS位置。然而，實際情況下，復雜多變的通信環(huán)境很難較好的滿足上述三種概率模型。因此該方法不具有普適性。第四種方法是依靠交互多模方法(IMM)對測量得到的距離值進行平滑，然后再根據(jù)平滑后的距離求得位置。該方法將距離平滑和最后的位置解算分成不相關(guān)的兩個步驟，不利于定位精度的提高以及對最終定位誤差的分析。
發(fā)明內(nèi)容
技術(shù)問題本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提出一種基于改進勞-布萊克威爾粒
子濾波(Improved Rao-Blackwdlized Particle Filtering, I-RBPF)的定位估計方法。該方法能在LOS/NLOS混合環(huán)境下估計移動臺的運動狀態(tài)，有效提高定位精度，減少定位誤差，同時對不同環(huán)境下的LOS/NLOS轉(zhuǎn)移概率模型具有魯棒性。
本發(fā)明的技術(shù)方案是聯(lián)合非視距誤差消除和運動狀態(tài)估計的無線定位方法，該方法包括以下步驟
1. 建立移動臺的運動方程，建立描述LOS、NLOS環(huán)境相互轉(zhuǎn)換的一階Markov模型，在此基礎上，建立含有目標運動狀態(tài)和LOS/NLOS環(huán)境變量的測量方程；
2. 根據(jù)來自各基站的測量信號，估計視距條件后驗概率分布；
3. 采用分布式擴展卡爾曼濾波器的方法，在步驟2的粒子集的基礎上，估計當前運動狀態(tài)；
4. 重復2-3步驟，得到運動目標位置和速度的序貫估計結(jié)果。
本發(fā)明通過多次測量，序貫估計目標的運動狀態(tài)實現(xiàn)對目標的定位和跟蹤。同時，考慮到在典型的無線通信環(huán)境下，信號的LOS和NLOS環(huán)境的通常是相互轉(zhuǎn)換的。因此，本發(fā)明采用一階Markov模型來描述LOS和NLOS的相互轉(zhuǎn)換。在此基礎上，依據(jù)來自各個基站的測量信號，分別利用RBPF方法同時估計移動臺的運動狀態(tài)以及當前的視距條件(LOS或NLOS環(huán)境)。
所述步驟2進一步包括采用基于隨機采樣的粒子濾波方法，得到視距條件后驗概率分布的近似解，由粒子集和對應的權(quán)重表示。在利用粒子濾波方法估計視距條件后驗概率分布時，采用最優(yōu)重要分布函數(shù)，能夠有效地對視距條件后驗概率分布進行估計，同時減少了粒子權(quán)重的方差。本發(fā)明的優(yōu)點如下 能有效的在LOS/NLOS混合環(huán)境下有效的進行移動臺的定位。該方法移動臺并不預先假設在LOS或是NLOS條件接收到某個基站的信號，而是根據(jù)信號的測量值，估計LOS/NLOS環(huán)境變量的后驗概率。估計方法采用基于隨機采樣的粒子濾波方法，可以有效的得到視距變量的后驗概率估計，為后續(xù)對移動臺運動狀態(tài)的高精度估計奠定了基礎。
② 通過最優(yōu)采樣分布函數(shù)，能夠有效地對視距條件后驗概率分布進行估計，并利用A+7時刻的觀測值，通過一步后向預測方法計算，計算/t時刻粒子權(quán)重。通過重采樣，使得A時刻最優(yōu)估計粒子用于計算運動狀態(tài)估計，提高了估計性能。
③ 采用分布式EKF方法，對移動臺的運動狀態(tài)估計采用分析的方法進行計算，減少了算法復雜度。由于移動臺的運動狀態(tài)估計沒有參與到粒子濾波的變量估計中，減小了粒子濾波變量估計的維數(shù)，從而能夠有效的提高變量估計的準確性，提高了定位精度。
具體實施例方式
為了更好的理解本發(fā)明的技術(shù)方案，下面結(jié)合實施例作進一歩的詳細描述。實施例1
聯(lián)合非視距誤差消除和運動狀態(tài)估計的無線定位方法，具體包括以下步驟
1) 建立移動臺的運動狀態(tài)方程
設移動臺在二維平面內(nèi)運動，時刻的運動狀態(tài)設為& ， & ="A，^，W—，其中"'A)
表示移動臺在;c和少坐標的位置，(&'A)為對應的速度。則帶有隨機加速的的運動狀態(tài)方程表示為
人
式中，A/為離散采樣時間，^4氣' J為隨機加速度，其協(xié)方差矩陣"="'""、'、\式(1)的矢量形式可以表述為
z,①z"i+r^ (10)
2) 建立LOS/NLOS的轉(zhuǎn)移概率模型
LOS/NLOS的轉(zhuǎn)移概率模型可以采用一階Markov鏈描述。定義在第/基站A時刻視距條件變量& e 9T □ {0,1}，在LOS條件下，& = 0 ，在NLOS條件下，^ = 1 。并且，將視
<formula>formula see original document page 6</formula>距(LOS)和非視距(NLOS)狀態(tài)隨機轉(zhuǎn)換視為一階馬爾可夫(Markov)的轉(zhuǎn)移模型 & 口 MC(;r'，乂)，其中"'為轉(zhuǎn)移矩陣初始值；1 □],為傳輸概率矩陣，
《,，□ =成,4一1 =附}
3)建立觀測方程-
在A時刻，移動臺接收來自第/基站信號，距離測量方程為
~=《4+—S,》+D. (11)
其中，在LOS條件下，觀測噪聲 W(0,《)，在NLOS條件下，觀測噪聲 ",,廣〃(附腳"《咖)。則有
f 0， " = 0,其中Zt □ [2|4，、4"..,~ 4]7'。對應的離散視距條件序列Sw □ [SpSnSJ,
其中S』[^,&，…，&J，以及待估計的連續(xù)狀態(tài)序列x,^[《,^,...,^]。根據(jù)測量信號
z,
"采用粒子濾波方法估計視距條件后驗概率分布p(Sw/Z,J。其步驟又包括
4.1) 根據(jù)運動方程，預測移動臺的狀態(tài)均值和方差
;=《 (14)
V,4—y+rer (15)
4.2) 分別預測來自不同基站，不同視距條件下k時刻的測量值，
(16)
4.3) 根據(jù)當前時刻的測量值，計算各粒子對應的權(quán)重值；
4.4) 根據(jù)權(quán)值大小《)，進行粒子重采樣，刪除小權(quán)值的粒子，而保留并復制大權(quán)值
的粒子，得到k-l時刻對應的最優(yōu)估計粒子(》 ,^i,^^。wK,;
4.5) 根據(jù)4.4)步驟得到的粒子，進行EKF預測估計《v,喝,k:)；(i7)
4.6)依據(jù)式(10)計算p(S卩)ls^,Z,4)值，采樣得到/fc時刻的視距變量粒子集
s;') W|s:,,z1:t)。
p(S^ |S:,, Z,:*) cc f|, % 卜;:—,) (18)
5) 根據(jù)得到的粒子集W'，采用分布時EKF方法得到/t時刻運動狀態(tài)估計
^1^L + fj^(V-《％—,) (19)
其中，
^《《/ (《()-2 (20)
^ =[D +lx,):"-2~r' (2i)
6) 重復步驟4) -5)，得到對移動臺運動狀態(tài)(位置和速度)的序貫估計。
權(quán)利要求
1、聯(lián)合非視距誤差消除和運動狀態(tài)估計的無線定位方法，其特征是，該方法包括以下步驟1)建立移動臺的運動方程，建立描述LOS、NLOS環(huán)境相互轉(zhuǎn)換的一階Markov模型，在此基礎上，建立含有目標運動狀態(tài)和LOS/NLOS環(huán)境變量的測量方程；2)根據(jù)來自各基站的測量信號，估計視距條件后驗概率分布；3)采用分布式擴展卡爾曼濾波器的方法，在步驟2)的粒子集的基礎上，估計當前運動狀態(tài)；4)重復2)-3)步驟，得到運動目標位置和速度的序貫估計結(jié)果。
2、 根據(jù)權(quán)利要求1所述的無線定位方法，其特征是，所述步驟2)進一步包括下列方 法采用基于隨機采樣的粒子濾波方法，得到視距條件后驗概率分布的近似解，由粒子集 和對應的權(quán)重表示。
3、 根據(jù)權(quán)利要求1或2所述的無線定位方法，其特征是，所述步驟2)進一步包括 假定當前接收機(移動臺)能夠接收M個基站信號，定義初始至A:時刻觀測序列為 Z1:i □ [ZpZ2,...，Zt]，其中Z4 □ [Zli,~,...，zM J7 ;對應的離散視距條件序列Sw [」[S,,S2,...,SJ,其中S^[sM，~,...,Vi]7'，以及待估計的連續(xù)狀態(tài)序列\(zhòng)4口[11,12,...,^];根據(jù)測量信號 ，采用粒子濾波方法估計視距條件后驗概率分布P(SI:JZW)。
4、 根據(jù)權(quán)利要求3所述的無線定位方法，其特征是，所述步驟2)具體包括下列步驟4.1) 根據(jù)運動方程，預測移動臺的狀態(tài)均值和方差(!)、—,0+，7 (2)4.2) 分別預測來自不同基站，不同視距條件下k時刻的測量值，《L-^A,力;i-,+附(^); (3)4.3) 根據(jù)當前時刻的測量值，計算各粒子對應的權(quán)重值；4.4) 根據(jù)權(quán)值大小《)，進行粒子重采樣，刪除小權(quán)值的粒子，而保留并復制大權(quán)值的粒子，得到k-i時刻對應的最優(yōu)估計粒子W ,力:uu:！,;(4.5) 根據(jù)4.4)步驟得到的粒子，進行EKF預測估計(4.6) 計算AS1')IS:,，Z,J值，采樣得到&時刻的視距變量粒子集8(/'1(8〖')|8:|,^):p(S^ |S:, ， Z,4)《f[《L—, ， ％ )M )(5)。
5、根據(jù)權(quán)利要求4所述的無線定位方法，其特征是，所述步驟3)具體包括下列步驟: 根據(jù)得到的粒子集S!')，采用分布時EKF方法得到A時刻運動狀態(tài)估計化hi:,+i^M"M-(6)其中，&=i^《《)-2 (7)
全文摘要
本發(fā)明涉及一種聯(lián)合非視距誤差消除和運動狀態(tài)估計的無線定位方法，該方法能在LOS/NLOS混合環(huán)境下估計移動臺的運動狀態(tài)，有效提高定位精度，減少定位誤差，同時對不同環(huán)境下的LOS/NLOS轉(zhuǎn)移概率模型具有魯棒性。本發(fā)明的方法包括以下步驟1.建立移動臺的運動方程，建立描述LOS、NLOS環(huán)境相互轉(zhuǎn)換的一階Markov模型，在此基礎上，建立含有目標運動狀態(tài)和LOS/NLOS環(huán)境變量的測量方程；2.根據(jù)來自各基站的測量信號，估計視距條件后驗概率分布；3采用分布式擴展卡爾曼濾波器的方法，在步驟2的粒子集的基礎上，估計當前運動狀態(tài)；重復2-3步驟，得到運動目標位置和速度的序貫估計結(jié)果。
文檔編號G01S11/02GK101509969SQ200910030019
公開日2009年8月19日 申請日期2009年3月31日 優(yōu)先權(quán)日2009年3月31日
發(fā)明者胡紅梅, 亮 陳 申請人:江蘇大學