一种基于TDoA双曲线周围粒子分布特性的定位方法与流程

电子通信装置的制造及其应用技术一种基于tdoa双曲线周围粒子分布特性的定位方法技术领域1.本发明涉及通信技术领域，具体为一种基于tdoa双曲线周围粒子分布特性的定位方法。背景技术：2.到达时间差方法(time difference of arrival，tdoa)是常用的定位技术之一，其原理是利用多个基站接收到信号的时间差来确定标签的位置。定位标签对外发送一次无线测距信号，在标签无线覆盖范围内的所有基站都会收到无线信号。如果有两个已知坐标点的基站收到信号，标签距离两个基站的间隔不同，那么这两个基站收到信号的时刻是不一样的。根据几何关系已知两点的距离差为常数，标签发送信号到两基站的时间差为常数，则标签的位置处于以这两点为焦点的双曲线上，因此通过求解方程组的方式即可得到标签的位置坐标。3.但是，采用上述方式存在以下问题：根据方程组求解可知，2个未知量需要3个以上线性不相关方差，即至少需要已知4个基站的坐标点；同时，上述求解的方程组中方程个数大于未知量个数，属于超定方程组，而超定方程组的计算过程复杂。技术实现要素：4.本发明意在提供一种基于tdoa双曲线周围粒子分布特性的定位方法，以解决现有技术中基于tdoa技术定位过程中所需初始条件过多以及算法复杂的技术问题。5.本发明提供如下基础方案：6.一种基于tdoa双曲线周围粒子分布特性的定位方法，包括以下内容：7.根据tdoa测距获取定位标签与各基站间的距离差，对距离差进行数据清理，根据清理后的距离差计算生成若干条双曲线；8.还包括以下内容：9.在基站的信号覆盖区域初始化粒子，根据粒子至各双曲线的距离赋予粒子在不同双曲线下对应的权重；10.对粒子的权重进行叠加和归一化处理生成各粒子的全局权重；11.根据全局权重和预设的阈值对粒子进行筛选，根据筛选出的粒子的全局权重计算生成定位标签的定位坐标。12.基础方案的有益效果：13.本方案通过tdoa测距得知定位标签与各基站间的距离差，从而得到若干双曲线；再通过初始化粒子，根据粒子至双曲线距离的远近赋予各粒子在不同双曲线下的权重，即粒子对对应双曲线而言是定位标签的定位坐标的概率，该概率随粒子至双曲线距离的远近符合高斯分布。14.对粒子在各双曲线下的权重进行叠加和归一化处理得到各粒子的全局权重，通过全局权重和阈值对粒子进行筛选，根据筛选出的粒子获得定位标签的定位坐标。通过调节阈值，调节筛选出的粒子，从而调节定位精度。15.采用本方案，利用非线性独立的双曲线方程进行定位，定位所需的基站坐标点最少为3个，减少了所需的初始条件。同时，本方案不直接求解超定方程组，简化了计算过程，降低算法的复杂度，提高定位响应速度。16.进一步，在基站的信号覆盖区域初始化粒子，包括以下内容：17.获取历史定位标签的定位坐标，根据预设的划定条件和历史定位标签的定位坐标生成信号覆盖区域内的选定区域，在选定区域中均匀散布粒子。18.有益效果：根据历史定位标签的定位坐标和划定条件生成选定区域，例如以历史定位标签的定位坐标为原点，以指定距离为半径划定圆形区域作为选定区域。通过历史定位标签的定位坐标初始化粒子，无需在整个信号覆盖区域的二维空间中散布粒子，降低算法复杂度，提高粒子初始化效率。19.进一步，在基站的信号覆盖区域初始化粒子，包括以下内容：20.获取信号覆盖区域内的指定区域，在指定区域中均匀散布粒子。21.有益效果：指定区域为人为指定的区域，在基于历史定位标签的定位坐标初始化粒子时，也在不断的累积定位偏差，当偏差过大时会影响定位精度，因此通过人为指定的区域初始化粒子，消除累积的定位偏差，提高定位精度。22.进一步，根据粒子至各双曲线的距离赋予粒子在不同双曲线下对应的权重，包括以下内容：23.根据以下公式计算粒子在不同双曲线下对应的权重，[0024][0025]式中，m为粒子数量，n为双曲线数量，dn为粒子至第n条双曲线的距离，pm(dn)为第m个粒子在第n条双曲线下的权重，μ为变量d的期望，σ为变量d的标准差。[0026]有益效果：权重为各粒子的坐标是定位标签的定位坐标的概率，该概率随粒子到双曲线距离的远近符合高斯分布，根据上述公式赋予粒子在各双曲线下对应的权重。[0027]进一步，对粒子的权重进行叠加和归一化处理生成粒子的全局权重，包括以下内容：[0028]将粒子在各双曲线下的权重相加，根据以下公式对相加的权重进行归一化处理生成各粒子的全局权重，[0029][0030]式中，pm(d)为第m个粒子的全局权重。[0031]有益效果：以此计算粒子的全局权重，通过叠加统计粒子的权重之和，并通过无差别的归一化处理对权重之和进行统一处理，便于后续对数据进行统一管理。[0032]进一步，根据全局权重和预设的阈值对粒子进行筛选，包括以下内容：[0033]比较各粒子的全局权重和预设的阈值，筛选全局权重大于阈值的粒子。[0034]有益效果：筛选全局权重大于阈值的粒子，全局权重越大，粒子的坐标是定位标签的定位坐标的概率越大，通过筛选粒子在减少后续计算量的同时，减少干扰量，提高定位精度。[0035]进一步，还包括以下内容：[0036]根据各粒子的全局权重计算权重期望和权重方差，根据权重期望和权重方差生成阈值。[0037]有益效果：通过全局权重决定阈值，从而调节阈值的大小，进而根据实际应用场景确定所需的定位精度。[0038]进一步，根据筛选出的粒子的全局权重计算生成定位标签的定位坐标，包括以下内容：[0039]根据筛选出的粒子生成粒子集合，获取粒子集合中粒子的坐标和全局权重，根据以下公式计算生成定位标签的定位坐标，[0040][0041]式中，xest、yest为定位标签的定位坐标，p′(d)为粒子集合中粒子的全局权重，x、y为粒子集合中粒子的坐标。[0042]有益效果：筛选出的粒子形成粒子集合，对粒子集合进行加权平均计算，以此获得定位标签的定位坐标。附图说明[0043]图1为本发明一种基于tdoa双曲线周围粒子分布特性的定位方法实施例的流程图；[0044]图2为本发明一种基于tdoa双曲线周围粒子分布特性的定位方法实施例的流程图。具体实施方式[0045]下面通过具体实施方式进一步详细说明：[0046]实施例[0047]一种基于tdoa双曲线周围粒子分布特性的定位方法，如附图1所示，包括以下内容：[0048]s1：根据tdoa测距获取定位标签与各基站间的距离差，对距离差进行数据清理，根据清理后的距离差计算生成若干条双曲线；如附图2所示，图中target为定位标签，点a、b、c为基站，tdoa_ac和tdoa_bc为对应的双曲线。[0049]s2：在基站的信号覆盖区域初始化粒子，根据粒子至各双曲线的距离赋予粒子在不同双曲线下对应的权重；对粒子的权重进行叠加和归一化处理生成各粒子的全局权重。[0050]s3：根据全局权重和预设的阈值对粒子进行筛选，根据筛选出的粒子的全局权重计算生成定位标签的定位坐标。[0051]还包括以下内容：根据各粒子的全局权重计算权重期望和权重方差，根据权重期望和权重方差生成阈值。具体的，阈值可为人为设定的常量，也可为变量，例如阈值可为权重期望，也可为权重期望和权重方差之和，在本实施例中，阈值为人为设定的常量。[0052]步骤s1中，对距离差进行数据清理，包括剔除误差较大的距离差，在其他实施例中，根据距离差计算均值对误差较大的距离差进行修正。[0053]步骤s2中，在基站的信号覆盖区域初始化粒子，包括以下内容：首次定位时，获取信号覆盖区域内的指定区域，在指定区域中均匀散布粒子。非首次定位时，获取历史定位标签的定位坐标，根据预设的划定条件和历史定位标签的定位坐标生成信号覆盖区域内的选定区域，在选定区域中均匀散布粒子。[0054]指定区域为人为指定的信号覆盖区域中定位标签的定位坐标可能在的区域，划定条件为以历史定位标签的定位坐标为圆心，以预设的指定距离为半径划定选定区域。在多次以历史定位标签的定位坐标进行初始化粒子后，获取信号覆盖区域内的指定区域，在指定区域中均匀散布粒子，从而消除累积的定位偏差，提高定位精度。[0055]步骤s2中，根据粒子至各双曲线的距离赋予粒子在不同双曲线下对应的权重，包括以下内容：根据以下公式计算粒子在不同双曲线下对应的权重，[0056][0057]式(1)中，m为粒子数量，n为双曲线数量，n的取值大于3，dn为粒子至第n条双曲线的距离，pm(dn)为第m个粒子在第n条双曲线下的权重，μ为变量d的期望，σ为变量d的标准差。[0058]具体计算时，在二维平面内粒子至双曲线的距离服从均值为0，方差为1的高斯分布，即的取值为0，的取值为1，因此公式(1)简化为下述公式：[0059][0060]依次计算各粒子在不同双曲线下对应的权重。[0061]步骤s2中，对粒子的权重进行叠加和归一化处理生成粒子的全局权重，包括以下内容：将粒子在各双曲线下的权重相加，根据以下公式对相加的权重进行归一化处理生成各粒子的全局权重，[0062][0063]式(2)中，pm(d)为第m个粒子的全局权重。[0064]依次计算各粒子的全局权重。[0065]步骤s3中，根据全局权重和预设的阈值对粒子进行筛选，包括以下内容：比较各粒子的全局权重和预设的阈值，筛选全局权重大于阈值的粒子。根据实际应用场景，对阈值进行调节，从而改变定位精度适应不同要求。[0066]步骤s3中，根据筛选出的粒子的全局权重计算生成定位标签的定位坐标，包括以下内容：根据筛选出的粒子生成粒子集合，获取粒子集合中粒子的坐标和全局权重，根据以下公式计算生成定位标签的定位坐标，[0067][0068]式(3)中，xest、yest为定位标签的定位坐标，p′(d)为粒子集合中粒子的全局权重，x、y为粒子集合中粒子的坐标，x、y和p′(d)均为行向量。[0069]筛选出的粒子形成粒子集合，对粒子集合进行加权平均计算期望，以此获得定位标签的定位坐标。[0070]采用本方案，利用非线性独立的双曲线方程进行定位，定位所需的基站坐标点最少为3个，减少了所需的初始条件。同时，本方案不直接求解超定方程组，简化了计算过程，降低算法的复杂度，提高定位响应速度。本方案还通过选定区域或指定区域初始化粒子，无需在整个信号覆盖区域的二维空间中散布粒子，降低算法复杂度，提高粒子初始化效率，[0071]以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!