非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無(wú)線定位的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 如何在室內(nèi)環(huán)境下，對(duì)移動(dòng)目標(biāo)實(shí)現(xiàn)精確定位和追蹤是室內(nèi)定位研宄的重點(diǎn)之 一。在現(xiàn)有的定位技術(shù)中，超寬帶（UWB)技術(shù)可以實(shí)現(xiàn)厘米級(jí)的測(cè)距精度。由于室內(nèi)環(huán)境 對(duì)電磁波傳輸?shù)挠绊?，?shí)際的測(cè)距值會(huì)受到非高斯噪聲的影響，從而產(chǎn)生較大的偏差，現(xiàn)有 的方法是假設(shè)噪聲服從正態(tài)分布，對(duì)測(cè)量的結(jié)果進(jìn)行卡爾曼濾波，但實(shí)際的測(cè)量噪聲往往 不是服從單峰正態(tài)分布，而會(huì)呈現(xiàn)多峰分布情形。所以，將觀測(cè)噪聲近似為正態(tài)分布，盡管 可以降低計(jì)算量，但是難以對(duì)實(shí)際狀態(tài)進(jìn)行準(zhǔn)確估計(jì)，因此，上述方法將測(cè)距噪聲通過(guò)混合 高斯變量進(jìn)行逼近。
[0003] 此外，傳統(tǒng)超寬帶（UWB)定位算法采用三邊測(cè)量法獲得的是滿足條件的最小二乘 解，但是當(dāng)某些錨節(jié)點(diǎn)出現(xiàn)微小的偏差，其定位結(jié)果即會(huì)產(chǎn)生較大的偏差；并且移動(dòng)目標(biāo)在 運(yùn)動(dòng)的過(guò)程中會(huì)存在加速、減速、勻速等運(yùn)動(dòng)狀態(tài)，所以物體運(yùn)動(dòng)的加速度也不會(huì)服從單峰 正態(tài)分布。
[0004] 標(biāo)準(zhǔn)的粒子濾波算法選擇先驗(yàn)概率密度作為重要密度函數(shù)，但是由于沒(méi)有考慮當(dāng) 前的測(cè)量值，從重要密度函數(shù)中取樣得到的樣本與從真實(shí)后驗(yàn)概率密度采樣得到的樣本有 很大偏差。重要性權(quán)重的方差也會(huì)隨著時(shí)間而隨機(jī)遞增，使得粒子的權(quán)重集中到少數(shù)粒子 上，出現(xiàn)退化問(wèn)題。為了克服退化現(xiàn)象，需要選擇好的重要密度函數(shù)，但是在實(shí)際過(guò)程中觀 測(cè)方程為非線性，無(wú)法直接獲得最優(yōu)密度函數(shù)，因此無(wú)法保證計(jì)算的效率和精度。

【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：本發(fā)明提供一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，該 方法改善了粒子濾波中粒子退化現(xiàn)象，實(shí)現(xiàn)對(duì)狀態(tài)向量的最優(yōu)估計(jì)，提高定位精度。
[0006] 技術(shù)方案：一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，將狀態(tài)方程中 的加速度和觀測(cè)方程中的測(cè)量噪聲建模為混合高斯隨機(jī)變量，并對(duì)觀測(cè)方程進(jìn)行局部線性 化，求得次優(yōu)重要性函數(shù)，從而進(jìn)行粒子濾波，得出狀態(tài)量的最優(yōu)估計(jì)，該方法的具體步驟 為：
[0007] (1)建立移動(dòng)目標(biāo)運(yùn)動(dòng)的狀態(tài)方程和觀測(cè)方程，將狀態(tài)方程中的加速度向量的概 率分布通過(guò)混合高斯分布來(lái)進(jìn)行逼近，將觀測(cè)方程中的測(cè)距噪聲和慣性測(cè)量噪聲分布也通 過(guò)混合高斯分布來(lái)近似；
[0008] (2)對(duì)非線性的觀測(cè)方程進(jìn)行局部線性化，獲得任意時(shí)刻的次優(yōu)重要性函數(shù)和權(quán) 系數(shù)，其中的兩個(gè)參量，即均值和方差的值通過(guò)遞推獲得；
[0009] (3)測(cè)得移動(dòng)目標(biāo)當(dāng)前時(shí)刻與觀測(cè)節(jié)點(diǎn)之間的距離，移動(dòng)目標(biāo)當(dāng)前時(shí)刻的運(yùn)動(dòng)方 位角，以及與上一時(shí)刻位置的距離，對(duì)測(cè)量值采用基于次優(yōu)重要性函數(shù)的粒子濾波，得到最 優(yōu)估計(jì)；
[0010] (4)根據(jù)濾波后移動(dòng)目標(biāo)與觀測(cè)點(diǎn)的距離和方位角對(duì)移動(dòng)目標(biāo)進(jìn)行定位追蹤，同 時(shí)更新兩個(gè)參量，即均值和方差。
[0011] 進(jìn)一步地，所述步驟（1)中將狀態(tài)方程的加速度項(xiàng)建模為服從混合高斯分布的隨 機(jī)向量，通過(guò)先期對(duì)測(cè)距誤差和方位角測(cè)量誤差的統(tǒng)計(jì)，也將觀測(cè)方程中的噪聲項(xiàng)建模為 服從混合高斯分布的隨機(jī)向量。
[0012] 進(jìn)一步地，所述步驟（1)中移動(dòng)目標(biāo)攜帶終端，包括超寬帶（UWB)和慣性傳感器單 元（ISU)兩個(gè)部分，根據(jù)實(shí)際場(chǎng)景比較真實(shí)值與測(cè)量值，得出測(cè)量誤差，并根據(jù)測(cè)量誤差的 統(tǒng)計(jì)特性采用混合高斯分布來(lái)近似。
[0013] 更進(jìn)一步地，所述狀態(tài)方程的加速度根據(jù)正常人行走過(guò)程中的加速、減速和勻速 的運(yùn)動(dòng)狀態(tài)進(jìn)行建模，采用集合數(shù)為3的混合高斯分布來(lái)逼近。
[0014] 進(jìn)一步地，所述均值和方差為粒子濾波過(guò)程中權(quán)系數(shù)中的統(tǒng)計(jì)量，具有記憶性，可 以根據(jù)前一時(shí)刻的值迭代得到當(dāng)前時(shí)刻所需的值，遞歸過(guò)程為線性運(yùn)算。
[0015] 更進(jìn)一步地，所述超寬帶（UWB)銷節(jié)點(diǎn)為單個(gè)，對(duì)單個(gè)用戶進(jìn)行定位。
[0016] 有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：
[0017] 1、采用基于次優(yōu)重要性函數(shù)的粒子濾波方法，通過(guò)將物體運(yùn)動(dòng)的加速度和測(cè)量噪 聲建模為服從混合高斯分布的隨機(jī)向量，更加接近真實(shí)情形。
[0018] 2、通過(guò)對(duì)觀測(cè)方程進(jìn)行局部線性化，從而獲得次優(yōu)重要密度函數(shù)，改善粒子濾波 的退化現(xiàn)象，提高計(jì)算效率和精度，實(shí)現(xiàn)室內(nèi)環(huán)境下高精度的定位和跟蹤功能。
[0019] 3、通過(guò)綜合使用超寬帶（UWB)測(cè)距技術(shù)和慣性傳感器單元（ISU)的測(cè)量信息，一 方面可以減小超寬帶（UWB)定位所需錨節(jié)點(diǎn)數(shù)目，減小對(duì)超寬帶（UWB)的依賴，大大降低了 成本；另一方面慣性傳感器測(cè)量值的誤差也建模為混合高斯變量，可以提高定位精度。
【附圖說(shuō)明】
[0020] 圖1為整體方案實(shí)現(xiàn)框圖；
[0021] 圖2為定位場(chǎng)景圖；
[0022] 圖3為移動(dòng)目標(biāo)所需攜帶移動(dòng)終端原理圖；
[0023] 圖4為基于次優(yōu)重要性函數(shù)的粒子濾波算法流程圖。
【具體實(shí)施方式】
[0024] 下面結(jié)合附圖和【具體實(shí)施方式】，進(jìn)一步闡明本發(fā)明。
[0025] 如圖1-2所示，一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，采用單個(gè) 超寬帶（UWB)錨節(jié)點(diǎn)對(duì)單個(gè)用戶進(jìn)行定位。該方法將狀態(tài)方程中的加速度和觀測(cè)方程中的 測(cè)量噪聲建模為混合高斯隨機(jī)變量，并對(duì)觀測(cè)方程進(jìn)行局部線性化，求得次優(yōu)重要性函數(shù)， 從而進(jìn)行粒子濾波，得出狀態(tài)量的最優(yōu)估計(jì)，該方法的具體步驟：
[0026] (1)建立移動(dòng)目標(biāo)運(yùn)動(dòng)的狀態(tài)方程和觀測(cè)方程，將狀態(tài)方程中的加速度向量的概 率分布通過(guò)混合高斯分布來(lái)進(jìn)行逼近，將觀測(cè)方程中的測(cè)距噪聲和慣性測(cè)量噪聲分布也通 過(guò)混合高斯分布來(lái)近似；
[0027] 其中，狀態(tài)方程的加速度項(xiàng)建模為服從混合高斯分布的隨機(jī)向量，通過(guò)先期對(duì)測(cè) 距誤差和方位角測(cè)量誤差的統(tǒng)計(jì)，也將觀測(cè)方程中的噪聲項(xiàng)建模為服從混合高斯分布的隨 機(jī)向量；
[0028] 移動(dòng)目標(biāo)攜帶終端，包括超寬帶（UWB)和慣性傳感器單元（ISU)兩個(gè)部分，根據(jù)實(shí) 際場(chǎng)景比較真實(shí)值與測(cè)量值，得出測(cè)量誤差，并根據(jù)測(cè)量誤差的統(tǒng)計(jì)特性采用混合高斯分 布來(lái)近似；
[0029] 狀態(tài)方程中加速度的統(tǒng)計(jì)特性可以根據(jù)正常人行走的速度進(jìn)行建模，由于人在行 走的過(guò)程中存在加速、減速、勻速等運(yùn)動(dòng)狀態(tài)，因此可以將其采用集合數(shù)為3的混合高斯分 布來(lái)逼近。
[0030] (2)對(duì)非線性的觀測(cè)方程進(jìn)行局部線性化，獲得任意時(shí)刻的次優(yōu)重要性函數(shù)和權(quán) 系數(shù)，其中的兩個(gè)參量，即均值和方差的值通過(guò)遞推獲得；
[0031] ⑶測(cè)得移動(dòng)目標(biāo)當(dāng)前時(shí)刻與觀測(cè)節(jié)點(diǎn)之間的距離，移動(dòng)目標(biāo)當(dāng)前時(shí)刻的運(yùn)動(dòng)方 位角，以及與上一時(shí)刻位置的距離，對(duì)測(cè)量值采用基于次優(yōu)重要性函數(shù)的粒子濾波，得到最 優(yōu)估計(jì)；
[0032] (4)根據(jù)濾波后移動(dòng)目標(biāo)與觀測(cè)點(diǎn)的距離和方位角對(duì)移動(dòng)目標(biāo)進(jìn)行定位追蹤，同 時(shí)更新兩個(gè)參量，即均值和方差。
[0033] 其中，觀測(cè)方程為非線性函數(shù)，狀態(tài)變量通過(guò)觀測(cè)方程后其統(tǒng)計(jì)特性難以分析，因 此通過(guò)對(duì)觀測(cè)方程進(jìn)行局部線性化，從而獲得重要性函數(shù)，并且使得重要性函數(shù)在普遍假 設(shè)條件下漸近收斂到所需的濾波分布。。
[0034] 粒子濾波采用基于重要性函數(shù)的粒子濾波算法，通過(guò)采用推導(dǎo)所得的次優(yōu)重要性 函數(shù)和權(quán)系數(shù)，可以改善粒子濾波中的退化現(xiàn)象，提高算法的效率和精度。
[0035] 如圖3-4所示，對(duì)本發(fā)明技術(shù)方案作進(jìn)一步的具體分析和描述。
[0036] 建立移動(dòng)目標(biāo)運(yùn)動(dòng)的狀態(tài)方程和觀測(cè)方程：
[0037] rIk= Fn k-1+Γ Wk ⑴
[0038] ξ,= h(n t)+vt (2)狀態(tài)方程（1)中，
【主權(quán)項(xiàng)】
1. 一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，其特征在于：將狀態(tài)方程中 的加速度和觀測(cè)方程中的測(cè)量噪聲建模為混合高斯隨機(jī)變量，并對(duì)觀測(cè)方程進(jìn)行局部線性 化，求得次優(yōu)重要性函數(shù)，從而進(jìn)行粒子濾波，得出狀態(tài)量的最優(yōu)估計(jì)，該方法的具體步驟 為： (1) 建立移動(dòng)目標(biāo)運(yùn)動(dòng)的狀態(tài)方程和觀測(cè)方程，將狀態(tài)方程中的加速度向量的概率分 布通過(guò)混合高斯分布來(lái)進(jìn)行逼近，將觀測(cè)方程中的測(cè)距噪聲和慣性測(cè)量噪聲分布也通過(guò)混 合高斯分布來(lái)近似； (2) 對(duì)非線性的觀測(cè)方程進(jìn)行局部線性化，獲得任意時(shí)刻的次優(yōu)重要性函數(shù)和權(quán)系數(shù)， 其中的兩個(gè)參量，即均值和方差的值通過(guò)遞推獲得； (3) 測(cè)得移動(dòng)目標(biāo)當(dāng)前時(shí)刻與觀測(cè)節(jié)點(diǎn)之間的距離，移動(dòng)目標(biāo)當(dāng)前時(shí)刻的運(yùn)動(dòng)方位角， 以及與上一時(shí)刻位置的距離，對(duì)測(cè)量值采用基于次優(yōu)重要性函數(shù)的粒子濾波，得到最優(yōu)估 計(jì)； (4) 根據(jù)濾波后移動(dòng)目標(biāo)與觀測(cè)點(diǎn)的距離和方位角對(duì)移動(dòng)目標(biāo)進(jìn)行定位追蹤，同時(shí)更 新兩個(gè)參量，即均值和方差。
2. 根據(jù)權(quán)利要求1所述的一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，其特 征在于：所述步驟（1)中將狀態(tài)方程的加速度項(xiàng)建模為服從混合高斯分布的隨機(jī)向量，通 過(guò)先期對(duì)測(cè)距誤差和方位角測(cè)量誤差的統(tǒng)計(jì)，也將觀測(cè)方程中的噪聲項(xiàng)建模為服從混合高 斯分布的隨機(jī)向量。
3. 根據(jù)權(quán)利要求1所述的一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，其特 征在于：所述步驟（1)中移動(dòng)目標(biāo)攜帶終端，包括超寬帶（UWB)和慣性傳感器單元（ISU)兩 個(gè)部分，根據(jù)實(shí)際場(chǎng)景比較真實(shí)值與測(cè)量值，得出測(cè)量誤差，并根據(jù)測(cè)量誤差的統(tǒng)計(jì)特性采 用混合高斯分布來(lái)近似。
4. 根據(jù)權(quán)利要求1或2所述的一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法， 其特征在于：所述狀態(tài)方程的加速度根據(jù)正常人行走過(guò)程中的加速、減速和勻速的運(yùn)動(dòng)狀 態(tài)進(jìn)行建模，采用集合數(shù)為3的混合高斯分布來(lái)逼近。
5. 根據(jù)權(quán)利要求1所述的一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，其特 征在于：所述均值和方差為粒子濾波過(guò)程中權(quán)系數(shù)中的統(tǒng)計(jì)量，具有記憶性，可以根據(jù)前一 時(shí)刻的值迭代得到當(dāng)前時(shí)刻所需的值，遞歸過(guò)程為線性運(yùn)算。
6. 根據(jù)權(quán)利要求3所述的一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，其特 征在于：所述超寬帶（UWB)錨節(jié)點(diǎn)為單個(gè)，對(duì)單個(gè)用戶進(jìn)行定位。
【專利摘要】本發(fā)明公開(kāi)了一種非高斯噪聲條件下基于粒子濾波的室內(nèi)定位方法，該方法采用基于次優(yōu)重要性函數(shù)的粒子濾波方法，在訓(xùn)練階段，將物體運(yùn)動(dòng)的加速度和測(cè)量噪聲建模為服從混合高斯分布的隨機(jī)向量；在定位階段，通過(guò)對(duì)非線性的觀測(cè)方程進(jìn)行局部線性化，得出次優(yōu)重要性函數(shù)和權(quán)系數(shù)，進(jìn)而改善粒子濾波中粒子退化現(xiàn)象，實(shí)現(xiàn)對(duì)狀態(tài)向量的最優(yōu)估計(jì)。該方法的優(yōu)點(diǎn)在于：一方面，混合高斯模型的建模相比較高斯噪聲更接近實(shí)際情形，可以有效的減小模型近似帶來(lái)的誤差；另一方面，通過(guò)求得的次優(yōu)重要性函數(shù)可以改善粒子濾波過(guò)程中權(quán)系數(shù)的退化速度，提高算法效率和精度，從而有效提高定位精度。
【IPC分類】G01S5-10
【公開(kāi)號(hào)】CN104793182
【申請(qǐng)?zhí)枴緾N201510190763
【發(fā)明人】夏瑋瑋, 章躍躍, 沈連豐, 宋鐵成, 胡靜
【申請(qǐng)人】東南大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年4月21日