一种基于超多维标度的混合TOA-AOA定位方法技术

本发明专利技术是一种基于超多维标度的混合TOA/AOA定位方法，定位方法包括通过UWB技术获取定位网络中节点之间的距离信息和角度信息；根据节点之间的距离信息和角度信息，构建定位网络有向图，并根据顶点集合与有向边集合构建复域中的格拉姆核矩阵；然后对格拉姆核矩阵采用低秩截断的方法来获取边缘向量；最后根据节点和边缘向量的对应关系，结合锚节点信息获取节点相对坐标。本发明专利技术只需一个锚节点的坐标就可以计算出其他节点的坐标信息，降低了对定位网络中的节点布局要求，极大减少了定位成本。极大减少了定位成本。极大减少了定位成本。

【技术实现步骤摘要】
一种基于超多维标度的混合TOA
‑
AOA定位方法


[0001]本专利技术属于多维标度定位
，具体的说是一种基于超多维标度的混合TOA/AOA定位方法。

技术介绍

[0002]具备超强穿透能力和超高分辨率的UWB信号引起了学者们的注意，很多研究学者们都在用户间的交互通信中使用了UWB技术来进行数据测量和通信，其优越的穿透性为提升定位性能、精度方面提供了坚实有力的保障。
[0003]根据UWB信号获取的特征参数，如距离信息、角度信息、信号强度，可将定位方式分为以下几种：基于到达时间的定位方式(TOA)、基于到达时间差的定位方式(TDOA)、同样可以获取测距信息的基于到达信号强度的定位方式(RSSI)以及基于到达角度的定位方式(AOA)。利用单一的测量数据进行定位解算有很多局限性，每个节点能提供的数据受到环境因素的影响，造成提供的单一数据一致性失真，从而导致定位误差过大。其次，测量设备也会对单一的测量数据产生影响，如TOA/TDOA方法都会受到时钟分辨率的影响，导致测距信息不准确，TOA对两端时钟同步要求严格，节点设备的成本也随之增加；RSSI对具体的信道参数敏感度高，十分依赖路损模型；而AOA方法对天线设备要求很高，但是两个节点就可以得到角度信息，可以极大减少定位节点之间锚节点的个数，降低定位设备成本。

技术实现思路

[0004]为了解决现有技术中的不足，本专利技术提供了一种基于超多维标度的混合TOA/AOA定位方法，利用测距信息和测角信息的混合信息代替经典算法中的单一数据信息源，将多种测量数据进行融合再进行位置解算，可以弥补由于节点之间受环境干扰造成的定位缺陷，优化了算法定位性能，提升定位性能和定位精度。
[0005]为了达到上述目的，本专利技术是通过以下技术方案实现的：
[0006]本专利技术是一种基于超多维标度的混合TOA
‑
AOA定位方法，该定位方法包括如下步骤：
[0007]步骤1：根据UWB测量的误差模型，获取节点之间的距离信息d
ij
和角度信息θ
ij
,并获取至少一个锚节点的信息；
[0008]步骤2：用有向图G
η,N
(X,V,D)表示定位网络，其中X为定位网络中的节点集合即图中的顶点，V表示节点间有向边的集合，D表示权重集合；
[0009]步骤3：根据步骤1获取的节点之间的距离信息d
ij
与角度信息θ
ij
和步骤2中的节点件的有向边的集合V，构建出格拉姆核矩阵K；
[0010]步骤4：根据步骤3构建的格拉姆核矩阵K，得到边缘向量的估计表达式；
[0011]步骤5：结合步骤1中定位网络中锚节点的信息得到节点的绝对坐标以实现定位。
[0012]本专利技术的进一步改进在于：在步骤1中，UWB测量的误差模型的构建包括如下步骤：
[0013]步骤1
‑
1：构建测距信息误差模型：设测距信息遵循Gamma随机分布，其测距平均值由真实距离d和标准偏差σ
d
给出，给定Gamma分布中的形状参数尺度参数构建与真实距离信息相关联测距信息的概率密度函数p
D
如下：
[0014][0015]其中，d表示节点在定位网络中的真实距离，其标准偏差为σ
d
；表示Gamma分布的形状参数；表示Gamma分布的尺度参数；表示参数α的Gamma函数；为测距信息；e为自然常数；
[0016]步骤1
‑
2：构建测角信息误差模型：设测角信息遵循Thkhonov分布，其测角平均值由真实角度θ和标准偏差δ
θ
给出，即测角信息构建与真实角度信息相关联测角信息的概率密度函数p
T
如下：
[0017][0018]其中，角度值θ∈[
‑
π,π]，分布密度参数ρ≥0，并且ρ与角度误差δ
θ
成反比，当ρ
→
0时，随着ρ的增加，p
T
分布逐步服从正态分布，当ρ
→
∞时，分布逐渐成为一个以0位中心的狄克拉δ函数，I0(ρ)为0阶Bessel修正函数，e为自然常数；
[0019]步骤1
‑
3：在所述步骤1
‑
2的基础上重新定义了一个占概率分布函数百分比为90％的角度误差ε
θ
，定义如下：
[0020][0021]本专利技术的进一步改进在于：假设节点个数为N，有向边个数为M，则顶点集合X和有向边集合V具体表示为：
[0022][0023]其中x
i
(i＝1...N)表示定位网络中第i个节点的坐标，表示其坐标转置；表示由N个节点坐标组成的二维实数集。
[0024][0025]其中，v
m
＝x
i
‑
x
j
,j＞i表示m(m＝1...M)个边缘向量，即定向网络中的有向边，为其转置；C表示变换矩阵，X为顶点集合；表示由M个边缘向量组成的二维实数集。
[0026]本专利技术的进一步改进在于：格拉姆核矩阵K具体构建公式为：
[0027][0028]其中，V表示有向边集合，V
T
为其转置，v
i
表示第i(i＝1,
…
M)个边缘向量(定位网络中的有向边)；<v
i
,v
j
>表示边缘向量v
i
和v
j
之间的内积；d
i i(i＝1,
…
M)表示节点之间的欧式距离；θ
ij
(i,j＝1,
…
M)表示边缘向量v
i
和v
j
之间的测角信息；格拉姆核矩阵中的元素k
ij
由边缘向量之间的内积给定：
[0029]k
ij
＝<v
i
,v
j
>＝d
i
d
j
cosθ
ij
[0030]格拉姆核矩阵中元素的构成仅仅依赖节点之间的一对测量距离和对应的角度信息，因此可利用混合信息直接构建定位核矩阵，避免去中心化过程，减少测量误差的传播和放大。
[0031]本专利技术的进一步改进在于：步骤4中获取边缘向量估计表达式的具体方法为：
[0032]步骤4
‑
1：对步骤3得到的格拉姆核矩阵采用低秩截断的方法，得到边缘向量的估计表达式：
[0033][0034]u和λ分别表示对格拉姆核矩阵特征分解得到的特征值和特征向量；
[0035]步骤4
‑
2：根据节点与边缘向量的对应关系得到节点的估计坐标值：
[0036][0037]其中C表示变换矩阵，是边缘向量估计值。
...

【技术保护点】

【技术特征摘要】
1.一种基于超多维标度的混合TOA
‑
AOA定位方法，其特征在于：所述定位方法包括如下步骤：步骤1：依托的硬件平台主要由计算机主机、GNSS接收机以及UWB测量模块组成，根据UWB测量信息，获取节点之间的距离信息d
ij
和角度信息θ
ij
,并获取至少一个锚节点的信息；步骤2：用有向图G
η,N
(X,V,D)表示定位网络，其中X为定位网络中的节点集合即图中的顶点，V表示节点间有向边的集合，D表示权重集合；步骤3：根据步骤1获取的节点之间的距离信息d
ij
与角度信息θ
ij
和步骤2中的节点件的有向边的集合V，构建出格拉姆核矩阵K；步骤4：根据步骤3构建的格拉姆核矩阵K，得到边缘向量的估计表达式；步骤5：结合步骤1中定位网络中锚节点的信息得到节点的绝对坐标以实现定位。2.根据权利要求1所述一种基于超多维标度的混合TOA
‑
AOA定位方法，其特征在于：在所述步骤1中，UWB测量所获取的信息，需要构建误差模型，所述误差模型的构建包括如下步骤：步骤1
‑
1：构建测距信息误差模型：设测距信息遵循Gamma随机分布，其测距平均值由真实距离d和标准偏差σ
d
给出，给定Gamma分布中的形状参数尺度参数构建与真实距离信息相关联测距信息的概率密度函数p
D
如下：其中，d表示节点在定位网络中的真实距离，其标准偏差为σ
d
；表示Gamma分布的形状参数；表示Gamma分布的尺度参数；表示参数α的Gamma函数；为测距信息；e为自然常数；步骤1
‑
2：构建测角信息误差模型：设测角信息遵循Thkhonov分布，其测角平均值由真实角度θ和标准偏差δ
θ
给出，即测角信息构建与真实角度信息相关联测角信息的概率密度函数p
T
如下：其中，角度值θ∈[
‑
π,π]，分布密度参数ρ≥0，并且ρ与角度误差δ
θ
成反比，当ρ
→
0时，随着ρ的增加，p
T
分布逐步服从正态分布，当ρ
→
∞时，分布逐渐成为一个以0位中心的狄克拉δ函数，I0(ρ)为0阶Bessel修正函数，e为自然常数；步骤1
‑
3：在所述步骤1
‑
2的基础上重新定义了一个占概率分布函数百分比为90％的角度误差ε
θ
，定义如下：
3.根据权利要求1所述一种基于超多维标度的混合TOA
‑
AOA定位方法，其特征在于：步骤2中，假设节点个数为N，有向边个数为M，顶点集合X和有向边集合V的具体表示为：其中x
i
(i＝1...N)表示定位网络中第i个节点的坐标，表示其坐标转置；表示由N个节点坐标组成的二维实数集，其中，v
m
＝x
i
‑
x
j
...

【专利技术属性】
技术研发人员：鹿浩，朱浩，杨晓倩，李明吉，张正基，曹宁，
申请(专利权)人：河海大学，
类型：发明
国别省市：