叶庆雨 张润梅 吴跃波
摘要:目的:针对UWB室内定位技术由于室内环境复杂等原因导致的定位精度降低的情况,提出了一种在TOA模型下的改进定位算法。方法:该算法结合了Chan与Taylor算法的内容及思想,在对线性方程组进行加权最小二乘的同时,根据门限值的比较进行多次迭代,以获得比Chan和Taylor算法更高的精度,最后对扩展卡尔曼滤波进行改进,将估计值作为改进扩展卡尔曼滤波算法的初始值,对位置进行二次估计定位。结果:通过Matlab仿真该算法得到均方根误差小于12 cm,稳定在10 cm左右。结论:实验表明,与Chan、Taylor算法相比,本文算法能有效减小定位误差,具有更好的稳定性和精度。
关键词:室内定位算法;Chan;Taylor;改进扩展卡尔曼滤波
中图分类号:TN99 文献标志码:A 文章编号:1008-4657(2020)02-0035-07
0 引言
随着无线通信技术的不断进步與逐渐普及,基于位置服务的通信业务涉及的领域愈加多样化。但是人们对于定位系统的精度和适应性的高标准是目前的定位技术较难达到的。由于我们对目标的定位要求日益提高,当遇到室内这种信号较弱、障碍物多的复杂环境时,就需要一种抗干扰强、精度高的定位系统[1]。
现在市面上各种室内定位系统常用的技术有超宽带(Ultra Wideband,UWB)、ZigBee、Wifi、蓝牙等[2]。其中超宽带技术是一种无线载波通信技术,通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据,从而具有GHz量级的带宽,具有穿透力强、低功耗、抗多径效果好等优点[3],具有十分广阔的发展前景。
本文基于到达时间(Time of Arrival,TOA)定位模型建立了UWB定位系统,研究了采用不同算法对定位效果的影响程度。通过研究发现,Chan算法运算较简单,但是在非视距(Non Line of Sight,NLOS)情况下受影响大[4]。Taylor算法计算速度较快,但是需要一个准确的初始值以保证算法的收敛性[5]。由于单独的算法有一定的不足以及局限性,所以对算法进行融合就成为改进的主要途径。本文根据Chan和Taylor的特点,提出了一种改进算法,并对结果进行改进扩展卡尔曼滤波[6]。实验表明该算法较Chan和Taylor算法有更好的精度和稳定性。
1 方案设计
UWB室内定位技术是一种基于测距的定位技术。测距方案主要包括基于到达时间(TOA)/时间差(Time Difference of Arrival,TDOA)、基于到达信号强度(Received Signal Strength Indication,RSSI)、基于到达角度(Angle of Arrival,AOA)等[7]。建立基站与标签之间距离的非线性方程组后,将利用Chan算法[8]、Taylor算法[9]、Fang算法[10]等方法求解方程组得到的解作为待定位标签的坐标。
UWB定位系统的基本组成部分有基站(Anchor)、标签(Tag)、实时定位系统(Real Time Location System,RTLS)上位机等[11]。如图1所示,为定位系统组成示意图。基站的作用是确定定位的范围;标签在基站覆盖的二维平面或三维空间自由移动,移动标签利用UWB信号分别与各个基站通信。利用相关算法计算出基站与标签之间的距离后,数据汇总到主基站,再由上位机软件完成距离显示、定位显示等功能,也可实现对基站/标签的配置管理。
3 仿真与实验
3.1 Matlab仿真
为了验证该UWB室内定位改进算法的可行性,下面利用Matlab工具对该算法进行仿真测试。改进算法定位仿真图和误差图分别如图4和图5所示。从图4中可以看出,改进算法的轨迹与真实轨迹有较好的拟合度,且稳定性较好,而通过观察图5中定位误差的数值和图形,发现误差基本小于25 cm,均方根误差更是小于10 cm,达到了定位算法可达到的高精度。
3.2 实验测试
实验设计了一款定位模块,主控芯片为STM32F103T8U6单片机,通过SPI接口与射频收发模块DW1000相连,还包括其他外围电路如电源模块、LED指示模块、复位电路等。测试硬件如图6所示。
本实验在7 m×7 m的室内区域进行,分别在四个角落布置4个基站,实验中将本文改进算法与单纯的Chan和Taylor算法相比较,测试了标签在采用不同定位方法时的定位稳定性和精度。采用不同算法时标签的估计坐标比较如表1所示。通过公式δ=x-xi2+y-yi2计算定位误差,其中x,y为真实坐标,xi,yi为系统定位坐标。计算结果如表2所示。
从表2中数据可以看出,采用Chan算法得到的定位结果精度较低;Taylor算法有一定的精度,但是结果有轻度的发散;本文的算法与二者相比精度更高。下面通过进一步实验比较三种算法的稳定性。将标签分别放置在30个不同位置,分别用三种算法定位,各自得到一组坐标,计算均方根误差,重复6次。图7为不同算法估计结果RMSE比较。可以看出本文算法具有更高的精度以及良好的稳定性。
4 结束语
本文根据Chan和Taylor算法的思想,提出了一种基于UWB室内定位技术的改进定位算法。利用UWB技术获得基站与标签之间的TOA测量值,首先用加权最小二乘法对标签位置进行初始估计,然后对构造的坐标误差方程组进行加权最小二乘,将误差与门限值进行比较,把小于门限值的结果作为扩展卡尔曼滤波的初始值,处理得到的结果即为待定位标签坐标。仿真及实验结果表明,文中提出的室内定位方法与Chan、Taylor算法相比明显提高了精度,能使均方根误差达到10 cm左右,具有较高的定位精度,且稳定性良好,满足室内定位需求。
参考文献:
[1] 张宴龙.室内定位关键技术研究[D].合肥:中国科学技术大学,2014.
[2] 曹世华.室内定位技术和系统的研究进展[J].计算机系统应用,2013,22(9):1-5.
[3] 玄文启.基于无线局域网的超宽带技术应用研究[J].中国科技信息,2006(3):38-38.
[4] Ho K C.Bias Reduction for an Explicit Solution of Source Localization Using TDOA[J].IEEE Transactions on Signal Processing,2012,60(5):2 101-2 114.
[5] 王瑞榮,郑书万,陈浩龙,等.一种基于Taylor和Kalman的室内协同定位方法[J].传感技术学报,2014,27(11):1 557-1 561.
[6] Khan R,Khan S U,Khan S,et al.Localization Performance Evaluation of ExtendedKalman Filter in Wireless Sensors Network[J].Procedia Computer Science,2014,32:117-124.
[7] 李威,叶焱,谢晋雄,等.UWB高精度室内定位系统及实现[J].数据通信.2018(5):13-18.
[8] Chan Y T,Ho K C.ASimple and Efficient Estimator for Hyperbolic Location[J].IEEE Transactions on Signal Processing,1994,42(8):1 905-1 915.
[9] Fang B T.Simple Solutions of Hyperbolic and Related PositionFixes[J].IEEE Transactions on Aerospace and Electronic Systems,1990,26(5):748-753.
[10] Foy W H.Position-Location Solutions by Taylor-SeriesEstimation[J].IEEE Transactions on Aerospace & Electronic Systems,1976,12(2):187-194.
[11] 王震,郭建.改进TDOA算法的UWB室内定位系统设计[J].单片机与嵌入式系统应用,2017,17(5):34-37,67.
[12] 牛群峰,曹一帆,王莉,等.基于TW-TOF的UWB室内定位技术与优化算法研究[J].自动化与仪表,2018,33(1):5-9.
[13] 刘春红,战美,陆萍萍.基于Taylor级数展开的改进定位算法研究[J].无线电通信技术,2012,38(6):48-51.
[14] 谷亚军.基于Wi-Fi与多传感器数据融合的室内定位优化方法研究[D].北京:北京交通大学,2018.
[15] 刘明佳,骆曦,刘志新.基于ToA技术与扩展卡尔曼滤波的室内无线定位算法设计[J].舰船电子工程,2017,37(11):87-91.
[责任编辑:郑笔耕]