一种基于UWB定位的智能召车导航定位方法
技术领域
本发明属于定位技术领域,特别涉及一种基于UWB定位的智能召车导航定位方法。
背景技术
随着人工智能的兴起和车辆技术的不断发展,智能车的研究与应用越来越成为各国争相研究的热点。其中开发的各种功能,如自动泊车、避障预警等,大大方便了人们的出行,提高了安全系数。实现上述功能,关键是使车辆在非结构化环境中获取自身位置等信息。UWB定位(超宽带定位)作为一种新兴的高精度定位技术,以其定位精确、工作时间短、穿透能力强等优点,成为目前室内定位应用最佳物理层技术。
但是UWB也同样存在着时钟漂移误差、非视距(NLOS)误差、温度和气压环境造成的常值误差等,严重影响了定位精度。且在智能召车应用场景中,存在较为强烈的金属干扰,形成典型的NLOS环境,导致测距误差大幅上升。上述误差会使传统定位算法三边测量法无法交于一点,降低了定位可信度。
因此,需要一种新型的基于UWB的智能召车导航定位方法来解决定位过程中的上述问题。
发明内容
本发明针对现有技术中的不足,提供一种基于UWB定位的智能召车导航定位方法,目的是抑制多径效应和NLOS误差对定位的影响,提高定位的准确性。
为实现上述目的,本发明采用以下技术方案:一种基于UWB定位的智能召车导航定位方法,包括以下步骤:
S1、在车身上设置二个UWB定位基站A0、A1、A2,车主手持标签M,分别获取三个基站A0、A1、A2与标签M之间的距离d0、d1、d2;
S2、以基站A1、A2的连线中点O为原点,建立空间直角坐标系,得到三个基站的坐标为A0(x0,y0.z0),A1(x1,y1.z1),A2(x2,y2.z2);
S3、使用改进的三边定位算法求出标签的坐标M(x,y)(结合应用场景,只需解算出二维平面坐标);
S4、计算峭度并进行分析,使用峭度来衡量信道状态;
S5、将峭度正常的情况判定为LOS环境,采用标准无迹卡尔曼滤波算法处理定位数据,输出预测最优值;将峭度异常的情况判定为NLOS环境,在标准无迹卡尔曼滤波算法的基础上引入自适应因子进行修正,减小误差,最后输出最优预测值。
为优化上述技术方案,采取的具体措施还包括:
进一步地,当标签反应时间等于基站反应时间时,求取基站与标签间的距离d公式如下:
式中,C为光速,TOF是UWB信号飞行时间,TSP为标签向基站发送一条请求信号时刻,TRP为基站开始接受信号时刻,TSR为基站回复信息时刻,TRR为标签开始接受信号时刻,TSF为标签将数据包P3(TSP,TRR,TSF)发送给基站时刻;TRF为基站接收到P3数据包时刻。
进一步地,当标签反应时间不等于基站反应时间时,采用双边双向测距算法获得基站与标签间的距离d,公式如下:
式中,TTRT=TRR-TSP为标签往返时间,
进一步地,步骤S3中,以三个基站为圆心,d0、d1、d2为半径作圆,得到三个有效交点,以交点围成的三角形面积作为权值衡量定位可信程度,并以此计算出最终定位结果,所述改进的三边定位算法如下:
设传统三边测量法中用于定位的三个圆分别为O1,O2,O3,其方程为:
式中,(x0,y0)、(x1,y1)、(x2,y2)分别为三个基站的坐标,d0、d1、d2分别为标签到三个基站的距离;联立方程求解三圆两两相交的有效交点坐标分别为(xa,ya),(xb,yb),(xc,yc),这里的有效交点定义为三圆相交区域中的交点(本发明中只取有效交点,剩余三个交点与实际位置距离过远,故舍去);交点所围成的三角形的三条边l0、l1、l2分别为:
三角形面积:
假设UWB每0.1秒获取n组有效数据,每组数据下所求取的交点围成的三角形面积为S,定义以下的权重函数,表示位置的可信程度
式中,(xi,yi)是根据第i组有效数据求解出的标签位置,Si是根据第i组有效数据算出的所围成的三角形面积,(xc,j,yc,j)是经过加权后的标签位置,表示标签位置的可信度;
标准化处理,求得标签位置最优值:
进一步地,定义峭度为波形四阶矩和二阶矩平方的比值,即
其中,E{[|o(t)|-μ]4}是波形四阶矩的数学期望,E{[|o(t)|-μ]2}是波形二阶矩的数学期望,μ为t时刻O(t)的均值,o(t)为UWB信号在IEEE802.15.4a标准下的信道冲激响应,表示为
其中,l表示第l条多径,L表示多径总数,al、τl分别为第l条路径的幅度增益和时延,δ(x)是单位能量的单径脉冲函数。
进一步地,单位能量的单径脉冲函数δ(x)性质如下:
进一步地,步骤S4中使用峭度K(t)衡量信道状态,表示如下:
其中,thresh为设定的阈值。
进一步地,步骤S5中,在标准无迹卡尔曼滤波算法的基础上引入的自适应因子如下:
式中,
进一步地,步骤S5中,将自适应因子加入标准无迹卡尔曼滤波算法中,对其进行修正如下:
其中,Wic为滤波过程中协方差权值,
本发明的有益效果是:本发明提出了一种基于UWB的智能召车导航定位方法,该方法基于双向测距方法的测距原理与精度,构建UWB定位模型,并对三边测量法进行加权优化,有效抑制了多径效应对定位的影响,提高了定位可信度。该定位方法通过计算峭度判别UWB信道环境,将参数正常的情况判定为LOS环境,采用标准无迹卡尔曼滤波算法进行滤波,将参数异常的情况判定为NLOS环境,在标准无迹卡尔曼滤波算法的基础上引入自适应因子进行修正,有效实现了对定位结果的优化和对NLOS误差的修正,提高了UWB的定位精度。
附图说明
图1为本发明的基于UWB的智能召车导航定位方法的流程图。
图2为本发明的基站和标签的位置示意图。
图3为本发明的改进的三边测量法的示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
如附图1-2所示,本发明公开了一种基于UWB定位的智能召车导航定位方法,包括以下步骤:
S1、在车身上设置二个UWB定位基站A0、A1、A2,M为车主手持标签,分别测得三个基站A0、A1、A2与标签M之间的距离为d0、d1、d2。
S2、以基站A1、A2的连线中点O为原点,建立空间直角坐标系,得到三个基站的坐标为A0(x0,y0.z0),A1(x1,y1.z1),A2(x2,y2.z2);
S3、使用改进的三边定位算法求出标签的坐标M(x,y)(结合应用场景,只需解算出二维平面坐标);
S4、计算峭度,并进行分析,使用峭度来衡量UWB信道状态。
S5、将峭度正常的情况判定为LOS环境,采用标准无迹卡尔曼滤波算法进行滤波,处理定位数据,输出预测最优值;将峭度异常的情况判定为NLOS环境,在标准无迹卡尔曼滤波算法的基础上引入自适应因子进行修正,减小误差,最后输出最优预测值。
由于设备存在响应时间,并且现实中不可避免地存在因时钟振荡器不同引起的时钟漂移问题,为提高测距精度,本发明在步骤一采用以下测距方法:
当基站反应时间
式中,C为光速,TOF是UWB信号飞行时间,TSP为标签向基站发送一条请求信号时刻,TRP为基站开始接受信号时刻,TSR为基站回复信息时刻,TRR为标签开始接受信号时刻,TSF为标签将数据包P3(TSP,TRR,TSF)发送给基站时刻;TRF为基站接收到P3数据包时刻。
当基站反应时间
式中,TTRT=TRR-TSP为标签往返时间,
由于以基站为圆心作的三个圆大多数情况下不可能理想化交于一点,且多径效应的存在大大提高了定位的不准确性,故在步骤S3中,本发明对三边测量法做出了改进,如图3所示,具体如下:
设传统三边测量法中用于定位的三个圆分别为O1,O2,O3,其方程为:
式中,(x0,y0)、(x1,y1)、(x2,y2)分别为三个基站的坐标,d0、d1、d2分别为标签到三个基站的距离。
以三个基站为圆心,d0、d1、d2为半径作圆,得到三个有效交点,以交点围成的三角形面积作为权值衡量定位可信程度,并以此计算出最终定位结果,联立方程求解三圆两两相交的有效交点坐标分别为(xa,ya),(xb,yb),(xc,yc),这里的有效交点定义为三圆相交区域中的交点(本发明中只取有效交点,剩余三个交点与实际位置距离过远,故舍去);交点所围成的三角形的三条边l0、l1、l2分别为:
所围成的三角形面积:
假设UWB每0.1秒获取n组有效数据,每组数据下所求取的交点围成的三角形面积为S,定义以下的权重函数,表示位置的可信程度
式中,(xi,yi)是根据第i组有效数据求解出的标签位置,Si是根据第i组有效数据算出的所围成的三角形面积,(xc,j,yc,j)是经过加权后的标签位置,表示标签位置的可信度;
标准化处理,求得标签位置最优值:
由于在NLOS环境下,标签的信号到达基站需经过障碍物,障碍物的介电系数大于1,会对测距模型带来附加延迟,从而产生NLOS误差,对定位造成极大的干扰,故在步骤三,本发明使用峭度作为参数鉴别UWB信道环境。具体如下:
定义峭度为波形四阶矩和二阶矩平方的比值,即
其中,E{[|o(t)|-μ]4}是波形四阶矩的数学期望,E{[|O(t)|-μ]2}是波形二阶矩的数学期望,μ为t时刻o(t)的均值,O(t)为UWB信号在IEEE802.15.4a标准下的信道冲激响应(CIR),可表示为:
其中,l表示第l条多径,L表示多径总数,al、τl分别为第l条路径的幅度增益和时延,δ(x)是单位能量的单径脉冲函数,其性质如下:
峭度作为信号的归一化四阶矩,对信号中的冲击特征尤其敏感。
一般LOS环境中因为没有阻挡,数据变化更为剧烈,倾向于有更高的峭度;NLOS环境中数据变化较为缓慢,倾向于有更低的峭度。故峭度可作为衡量NLOS误差的参数,表示如下,
其中,thresh为设定的阈值,因为K等于3时,波形具有正常峰值(零峭度),故可取thresh为3。
由于标准无迹卡尔曼滤波在系统噪声不精确的NLOS环境下会出现滤波估值的精度下降、收敛速度慢等问题,故本发明在标准无迹卡尔曼滤波算法的基础上引入了自适应因子,其特征在于构建的自适应因子如下:
式中,
将构建的自适应子加入标准无迹卡尔曼滤波算法中,在量测更新环节中对向量协方差矩阵Py,k、理论残差向量矩阵Pxy,k、误差协方差矩阵Px,k进行修正:
其中,Wic为滤波过程中协方差权值,
本发明的定位方法通过计算峭度判别UWB信道环境,将参数正常的情况判定为LOS环境,采用标准无迹卡尔曼滤波算法进行滤波,将参数异常的情况判定为NLOS环境,在标准无迹卡尔曼滤波算法的基础上引入自适应因子进行修正,有效实现了对定位结果的优化和对NLOS误差的修正,提高了UWB的定位精度。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。