【全球卫星导航系统的UWB室内定位技术概述5900字】

全球卫星导航系统的UWB室内定位技术概述目录TOC\o"1-3"\h\u11729全球卫星导航系统的UWB室内定位技术概述 196061.1UWB技术概念 2197341.1.1UWB概述 298051.1.2UWB测距方式 2305031.2UWB定位方法 4190821.2.1TDOA定位方法 4113291.2.2Fang算法 5108561.2.3仿真与分析 6248931.3卡尔曼滤波 1159711.3.1卡尔曼滤波工作原理 11230391.3.2仿真与分析 12全球卫星导航系统可提供精度为亚米级的室外定位服务，但是由于卫星信号无法穿透建筑材料，室内定位技术无法通过全球卫星导航系统实现。因此，室内定位技术成为当下应用研究的热点课题。室内定位技术根据信源类型可以分为两类ADDINNE.Ref.{5F665F9A-8D04-4DAD-9354-73AD9590D3D0}[32]：第一类是以外置信源为基础的室内定位系统，主要有Wi-Fi、蓝牙、超宽带（UltraWide-Band，UWB）等；第二类是以天然信源为基础的室内定位系统，不需要发射端发射信号，仅依靠接收端的传感器即可实现室内定位，例如地磁信号定位等。随着信号处理技术的不断进步，室内定位精度也逐渐提高，表2-1提供了不同室内定位技术的性能对比。表2-1室内定位技术对比信号载体典型定位方式定位精度成本不足Wi-Fi基于信号场强定位15-20m高覆盖区域有限，传播模型较难建立蓝牙基于信号场强定位2-3m高需要在室内布置大量的beacon设备超宽带基于时延或到达角的几何解算10cm高设备成本高地磁基于信号场强定位或与其他技术组合应用1-2m低地磁指纹特征差异小计算机视觉基于摄像头采集图像信息及人工智能算法解算1-2m高室内部署成本高，UWB信号具有传输效率高、耗能低、抗干扰性强等特点在视距环境下的定位精度可达10-20厘米。根据智能轮椅对室内定位精度的要求以及鲁棒性、消费级需求等方面的考虑，本文选择UWB作为室内定位系统（IndoorPositioningSystem，IPS）的设备。UWB技术概念UWB概述UWBADDINNE.Ref.{5A6A3AFF-180A-46DE-B561-E9D6532F6AC1}[33]是一种可实现较短距离高速率传输的无线通信技术，它不需要载波即可完成。根据美国联邦通信委员会（FederalCommunicationsCommission，FCC）的规范，UWB的工作带宽在3.1-10.6GHz，系统-10dB带宽与系统中心频率之比大于20%或系统的带宽至少为500MHz，即UWB信号需要满足以下条件： fH−或 fH−其中，fH表示在信号的功率谱密度的峰值衰减10dB时对应的上限频率；f超宽带无线传感器网络的硬件电路简单，空间传输容量大传输速率快。由于UWB信号持续时间很短，在整个周期中占空比很低，主径信号明显，具有对多径的高分辨力；同时，在原始带宽上重构UWB信号产生的扩频增益具有强抗干扰能力，使得在电磁环境恶劣的场景中也能高效率地完成信息传输。UWB信号功率谱密度低，信号隐蔽性好，这大大提高了UWB在军事应用的能力。基于UWB信号具有许多传统正弦载波信号无法相比的优势，它多应用于个域网、智能交通、成像应用、军事通讯等领域。UWB测距方式UWB测距方式是基于飞行时间法（TimeofFlight，TOF），即距离=通信时间*光速，一般有双向测距和双边双向测距两种方式。双向测距原理如图2-1所示：图2-1双向测距原理图图2-1中，Tag表示UWB通信中的标签，Anchor表示UWB通信中的基站。通信时，标签发送请求数据包，基站接收标签发送的请求数据包，经过一段时间的响应后向标签发送响应数据包，标签接收到响应数据包后完成一次通信过程。标签与基站间的单向通信时间Tt Tt=双向测距法公式计算简便，便于后续算法中推导运算。缺点是此方法需要高度的时钟同步，在进行双向测距之前，需要将标签与各个基站的时钟校准于同一个时钟源。双边双向测距原理如图2-2所示：图2-2双边双向测距原理图2-2中，是在双向测距的基础上，标签接收到基站发送的响应数据包后又经过了一段响应时间，再发送出响应数据包，基站接收到自身发出的响应数据包完成一次通信过程。标签与基站间的单向通信时间Tt Tt=双边双向测距法不需要标签与各个基站的时钟同步，缺点是计算单向通信时间的计算较复杂，不利于后续的推导运算。UWB定位方法要利用UWB对室内未知点进行定位，需要先确定未知点与基站之间的位置信息，然后建立数学模型，根据相关参数信息进行求解，得到未知点的坐标信息。根据参数信息的不同，定位方法可分为两大类：一是基于时间的定位方法ADDINNE.Ref.{117FDD86-A490-49BC-B870-2BA5F64B6D86}[34]，有信号到达时间、信号到达时间差；二是基于非时间的定位方法，有信号到达角、接收信号强度。其中，信号到达时间差定位方法运用较为广泛，这种方法不需要标签与基站的绝对时间，只需要保持各个基站之间时钟同步，这降低了硬件制作成本，且定位精度也符合本文的要求，本文后续定位算法也是基于信号到达时间差定位方法。TDOA定位方法TDOA是基于信号到达时间差(TimeDifferenceofArrival，TDOA)的定位方法ADDINNE.Ref.{D3B75AE1-EAEF-4795-A525-A8FCF91E998D}[35]，标签同时向各个基站发出信号，测量各个基站接收到信号的时间差，再结合UWB信号在室内空间的传播速度得到标签到各个基站的距离差，根据距离差建立方程组，求解得到标签空间位置。选定一个基准基站，其他基站与基准基站时钟同步，以基准基站与其他基站作为焦点，以标签到基准基站和其他基站的距离差的绝对值为双曲线常数，画出双曲线，标签的位置即为双曲线的交点，如图2-3所示：图2-3TDOA二维原理图选定基站1（BS1）为基准基站，基站2（BS2）、基站3（BS3）为其他定位基站，固定基站BSi（i=1,2,3）的坐标为（xi,yi），未知点标签（TAG）的坐标为（x,y），ri为标签到基站BSi r21=r式中c为信号在空气中的传播速度，由式2-5得出双曲线方程组为： r21=x求解式2-6的方程组即可得到标签的位置坐标。但是实际求解过程中会出现不止一个根的情况，这时需要通过实际位置信息来作出判断，舍弃与实际情况不符合的点，得出确切的标签位置坐标。Fang算法Fang算法ADDINNE.Ref.{BCCC44CE-6F6D-45B2-A4A2-57F0A6FC9B87}[36]是基于TDOA的经典算法，通过将双曲线方程线性化来求解未知点的坐标，复杂度低且运算简单，在二维空间的定位精度较高。在二维平面内有固定基站，假设基站位置坐标已知，基站1(BS1)的坐标为(x1,y1)，基站2( ri=(将式2-7两边平方得： ri2=式中：Ki根据下式： ri1=r得到： ri2由式2-9和式2-10得到： ri12令i=1，由式2-8得： r12将式2-11减去式2-12得： ri12式中：xi1为了便于计算，假设基站1为基准基站，三个基站的坐标已知，BS1（0，0 −2r21两式相除，消去r1，得： −2 −x3将上式进行化简得： y=gx+h （2-16）式中：g=r将式2-16带入式−2 x2+将式2-17进行化简得： dx2式中：d=1+g2−x2对式2-18进行求解，得到关于x的两个解，根据标签与基站位置的实际情况排除不合理的解，然后将有效的x值带入式2-16中，求出标签的坐标估计y值。仿真与分析1）在视距(LOS)环境下，用Fang算法进行仿真采取拥有3个基站1个标签的模式布置UWB室内定位实验环境，采集设备如图2-4所示。UWB模块由DWM1000、SWD下载接口、USB、STM32、CAN接口、供电芯片和外围电路组成。DWM1000负责发送接收通信信号，SWD下载接口用于烧录程序，USB与上位机连接接收距离信息，STM32微控制器可用于计算接收到的UWB信号，CAN接口可以将设备连接在G3288主板上。图2-4UWB采集设备布置室内实验环境时，保持3个基站的位置固定不变，三个基站保持在同一平面内，且三个基站不在同一直线上。假设基站BS1的坐标为（0，0），基站BS2的坐标为（5.64，0），基站图2-5室内UWB定位实验区域划分在室内环境不存在障碍物的环境下，将携带标签的轮椅停在交叉点处采集数据，每个交叉点采集500组左右的距离数据，使用基于TDOA的Fang算法，通过MATLAB进行仿真计算标签位置坐标。仿真得到的室内定位结果如图2-6所示。图2-6室内LOS环境下Fang算法仿真结果从图2-6可以看出，在室内LOS（LineofSight）环境，即标签与基站的通信之间无障碍物遮挡时，Fang算法仿真得到的标签位置紧密分布在实际位置周围，横坐标的均方根误差值（RootMeanSquareError，RMSE）为7.02cm，纵坐标的RMSE值为3.73cm，定位误差符合UWB现有技术下的定位精度。可以认为，利用此套设备在3个基站1个标签的二维室内环境下采集信息，并用Fang算法解析标签坐标是可行的。2）在四种情况下，用Fang算法进行仿真为了对比不同室内环境条件对定位精度的影响，建立4种室内环境进行讨论：a.基站覆盖范围内不放置干扰物，及LOS环境下；b.在基站BS1附近放置家具；c.在基站BS通过MATLAB对以上四种情况进行仿真，基站坐标及标签采集位点与图2-5中一致。在四种室内环境下，每个交叉点均采集500组左右的数据，定位结果如图2-7所示：（a）基站附近不防止干扰物的仿真结果 （b）基站BS1（c）基站BS1图2-7四种室内环境下的定位仿真结果由图2-7可以看出，测试环境的不同对UWB信号定位的影响较大，定位结果存在一定误差，其中包括设备系统误差，环境误差以及随机误差等。由图2-7（a）与（b）的定位结果对比可以看出，静止的家具遮挡对定位结果的影响较小；由图2-7（a）与（c）的定位结果对比可以看出，在基站附近站立的人会对极少数的数据点产生明显的影响；由图2-7（a）与（d）的定位结果对比可以看出，人在基站覆盖范围内任意走动的时候会对定位结果造成较大范围的波动。计算上述四种环境下仿真得到的X、Y坐标的RMSE值，如表2-2所示。表2-2坐标的RMSE值环境X坐标的RMSE值/cmY坐标的RMSE值/cm室内环境a7.023.73室内环境b5.903.66室内环境c8.425.66室内环境d11.095.87由上述表格画出XY坐标的RMSE值的曲线图，如图2-8所示。图2-8四种室内环境下XY坐标的RMSE值由图2-8可以看出，室内家具的遮挡对定位结果没有影响，在基站附近站立的人会对UWB的信号传播产生轻微干扰，但是在基站覆盖范围内走动的人员会对测量精度产生较大影响，人体在移动的过程中会在标签与基站之间互相通信时造成一定程度的遮挡，导致信号到达基站时的时间、角度、强度等测量值产生较大误差，即非视距（NLOS）误差。Fang算法利用TDOA值对当前位置进行解析，常应用于在LOS环境中对静止物体的定位。但在实际应用中如养老院、医院、家庭等，待测目标是在NLOS环境中保持运动状态的，卡尔曼滤波可以对运动物体实现定位追踪ADDINNE.Ref.{9FB829EF-C2BE-47E2-AC5E-DF3E9DBF26A1}[37]。因为待测目标在移动的过程中，TDOA值是连续变化的，并且与上一时刻的测量值存在一定的关联，利用卡尔曼滤波的特点，利用历史时刻的测量值对当前时刻的测量值进行修正，减小非视距（NotLineofSight，NLOS）误差对定位结果的影响。卡尔曼滤波卡尔曼滤波工作原理卡尔曼滤波（Kalmanfiltering）是利用线性系统状态方程得到某一时刻的状态值，结合过去时刻与当前时刻的测量值，用测量值预估当前时刻的系统状态的最优值，并以此来预估下一时刻的系统状态值，这是一个“预测与更新”循环的过程。卡尔曼滤波原理图如图2-9所示。图2-9卡尔曼滤波原理卡尔曼滤波实现过程：预估计状态值： Xkk−1式中：X(k)为系统状态方程；Xkk−1是根据上一时刻的状态值计算得出的估计值；Fk,k−1计算预估计协方差矩阵： Pkk−1式中：Pkk−1是Xkk−1对应的协方差；Pk−1计算卡尔曼增益矩阵： Kgk=P式中：H(k)是测量矩阵转移矩阵；R(k)更新估计值： Xkk式中：Xkk是k时刻的系统状态最优值，是由估计值和测量值求出的；计算更新后的协方差矩阵： Pkk式中：Pk仿真与分析在具有干扰条件的室内环境中，直接使用Fang算法计算的标签坐标与实际位置坐标之间存在较大误差，可以利用卡尔曼滤波的特性来减小误差提高定位精度。对以上四种环境中的数据进行仿真分析，卡尔曼滤波前后定位对比如图2-10所示。（a）基站附近不放置干扰物的仿真结果 （b）基站BS1