CN119815504A - 通导一体无线自组网行人定位系统及其实现方法 - Google Patents

Abstract

本发明公开了通导一体无线自组网行人定位系统及其实现方法，涉及无线自组织网络和定位导航技术领域。该系统方法包括以下步骤：通导一体无线自组网的构建分为自组网锚节点初定位和自组网锚节点精定位；无线自组网辅助行人定位分为移动标签信号采集和标定位置融合定位。本发明采用上述定位系统及其实现方法，无需提前在定位区域布设大量的基站设施，也无需构建定位数据库、训练模型，实现定位锚点是实时布置与导航定位网络的实时区域拓展，完成后续的行人轨迹定位，实现锚节点的初定位与精定位，实现地下复杂场景中在无预设基站情况下的导航定位网络随区域拓展功能，为用户在多种复杂环境下提供移动终端上安全、稳定、高精度的位置服务。

Description

通导一体无线自组网行人定位系统及其实现方法

技术领域

本发明涉及无线自组织网络和定位导航技术领域，尤其涉及通导一体无线自组网行人定位系统及其实现方法。

背景技术

随着基于位置的服务(LBS)渗透到社会活动的方方面面，人们对室内定位的需求也越来越大。目前室内定位方法主要有基于无线网络与基于惯性原理两种。无线网络方法受到多路径和非视距影响严重，基于惯性原理则因为传感器自身缺陷，误差会随时间发散。以上方法的单一运用都存在一定的局限性，难以获得较高精度的可用导航观测结果，所以在定位方法上需要通过多源融合的方式实现更高精度的定位。

除此之外，在定位设备硬件基础上，现在常有的定位系统都是基于前期的基站布设及定位数据库的学习等来实现无线网络的定位信息获取，需要完成前期的场景设置来满足后续的定位要求，导致方法适用性差，无法在任意环境下实现高精度定位，无法实现定位基准的快速构建。

无线自组网是由一组带有无线收发装置的可移动节点所组成的一个临时性多跳自治系统，它不依赖于预设的基础设施，具有可临时组网、快速展开、无控制中心、抗毁性强等特点，在军事方面和民事方面和民用方面都具有广阔的应用前景，是网络研究中的热点问题。

定位技术正向着低成本和易携带、高精度、多融合以及室内外无缝定位方向发展。超带宽(UWB)能够获得高精度距离信息，但是收到多路径和非视距(NLOS)影响严重；行人航位推算(PDR)具有强抗干扰能力，可以在短期内精确估计相对运动变化，但是误差会随时间发散。两种技术优势互补，通过信息融合可以获得高精度、高稳定性的定位结果。同时，室内环境复杂多变，快速构建定位基准至关重要，基于无线自组织网络的定位方案灵活、易于实现，或能解决恶劣或未知环境下的定位问题。

目前的定位方法主要包括传统的GNSS定位、无线信号定位(基于WIFI、蓝牙、超宽带等)以及多源传感器定位。虽然GNSS一直是LBS的主要方案，但在城市、峡谷和室内等区域由于严重信号衰减和多径现象造成的难以使用问题一直无法从根本上解决；机会信号的室内无线信号定位技术主要可以分为指纹定位和几何交汇定位两种。其中，机会信号指纹定位方法需要耗费大量的人力物力成本进行大量的前期数据采集工作并定时对指纹数据更新。传统的几何交汇室内定位方法虽然可以在多径效应较弱的场景中从高信噪比信号中获得较好的导航定位观测结果。但在大部分GNSS拒止的区域内，这些几何交汇定位方法同样面对的是具有强烈的多径效应和低信噪比的信号。且导航定位网络的扩展过于复杂，一旦到了无预设基站的盲环境下就无法进行定位服务。

综上，地下、室内等复杂场景无法有效接受卫星信号实现定位。受限于室内定位环境的空间布局多样化，拓扑结构错综复杂，信道环境恶劣，实现高精度高可用室内定位技术仍有相当大的难度和挑战。现有的室内定位的研究主要集中在蜂窝信号、UWB、Wi-Fi、BLE、图像、地磁场、运动信号等方面。虽然各有优点，但实现高精度、高可用、广覆盖的室内定位技术仍然存有很大的挑战性，尤其在复杂空间无预先布设的定位基础设施条件下进行高精度、高可用定位，亟待突破。

发明内容

本发明的目的是提供通导一体无线自组网行人定位系统及其实现方法，实现在目标场景中快速建立定位基准，实现行人融合定位。

为实现上述目的，本发明提供了通导一体无线自组网行人定位系统及其实现方法，包括以下步骤：

S1、构建通导一体无线自组网，如下所示：

S11、自组网锚节点初定位；

S12、自组网锚节点精定位；

S2、无线自组网辅助行人定位，如下所示：

S21、移动标签信号采集；

S22、标定位置融合定位。

优选的，在步骤S11自组网锚节点初定位阶段采用行人航位推算算法PDR，包括探测步态、估计步长和估计航向，如下所示：

S111、步态探测采用自适应峰值探测法，可以根据数据情况自动设置阈值，如下所示：

其中，a＝{a₁,a₂,…,a_N}为去除重力影响的加速度序列，N为序列长度；sort(·)为从小到大的排序运算，取一个序列的85％处作为阈值设定的标准；

S112、航位推算采用动态模型进行估计每一步的步长；

S113、航向估计采用结合陀螺仪、加速度计、磁力计三种传感器的方法，通过互补滤波CF来求得当前三轴姿态；

S114、通过自适应步态探测、动态步长估计与互补滤波CF航向估计得到每个锚节点的位置，完成初定位。

优选的，在步骤S12自组网锚节点精定位阶段采用导线网平差的方法，通过循环迭代得到坐标位置的更新值，并进行下一次计算，直到更新值变化范围小于设定的阈值或迭代次数超过设定值时，结束循环，得到最终的位置估计，完成锚点坐标的精定位。

优选的，在步骤S21移动标签信号采集中，标签系统与锚点系统具有相似硬件结构，根据需求灵活设置；

标签系统实验过程中通过MEMS传感器完成具有定位需求的目标实时惯性信息采集，同时通过UWB传感器实时测量与范围内各锚点间的距离，数据采集过程确保时间同步，完成数据实时记录、实时更新。

优选的，步骤S22标定位置融合定位，具体包括以下步骤：

S221、首先，标签通过惯性传感器收集加速度计、陀螺仪和磁力计数器进行预处理，过滤掉部分噪声；

S222、然后，执行PDR算法探测步态是否发生，并计算每一步的步长和方向。

优选的，在步骤S222中，当一个步态发生时测量到UWB距离，会诱发粒子滤波过程：

首先，由PDR更新粒子状态，由UWB距离估计状态；

然后，在每个递归过程中，先根据卡方检验判断是否存在异常观测值，并根据检验结果调整观测方差；

最后，进行权值计算，从而抑制异常值的影响。

优选的，在步骤S1构建通导一体无线自组网过程中分为场景布设和算法处理两个阶段。

优选的，在场景布设阶段，具体步骤如下：

首先，在靠近室外的区域放置锚节点，锚节点的位置容易测量，记为已知基站KA；

然后，携带IMU和若干基站从其中一个KA点出发，在行走过程中布设基站，由于这些基站的位置事先并不知道，记为未知基站UA；

最后，锚节点可以安放在每个转角位置，只需保证相邻基站通视即可，当基站布设完毕，走到另一个已知基站处即完成整个定位网络的构建。

优选的，算法处理阶段需要确定未知基站的坐标信息，具体分为两个过程，具体步骤如下：

首先，根据IMU采集的传感器数据探测步态，并计算航向和步长，实现行人航位推算算法，对每个未知基站进行初定位；

然后，根据相邻基站之间的测距信息，以及每个基站处的航向角，实现基于测距和航向信息约束的导线网平差，得到基站的精定位结果。

因此，本发明采用上述通导一体无线自组网行人定位系统及其实现方法，无需提前在定位区域布设大量的基站设施，也无需构建定位数据库、训练模型，而是在PDR辅助下构架通道一题的UWB自组织网络，实现定位锚点是实时布置与导航定位网络的实时区域拓展，并可完成后续的行人轨迹定位；基于惯导/导线网平差实现锚节点的初定位与精定位，构建通导一体无线自组织网络，具备盲环境或应急场景中的基准构建，实现地下复杂场景中在无预设基站情况下的导航定位网络随区域拓展功能，为用户在多种复杂环境下提供移动终端上安全、稳定、高精度的位置服务。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1是通导一体无线自组网行人定位系统及其实现方法的整体技术路线；

图2是通导一体无线自组网行人定位系统及其实现方法的构网过程说明；

图3是通导一体无线自组网行人定位系统及其实现方法的融合算法流程图；

图4是通导一体无线自组网行人定位系统及其实现方法的自组网构网方案；其中，(a)为方案1的示意图，(b)为方案2的示意图；

图5是通导一体无线自组网行人定位系统及其实现方法的构网场景平面图；其中，(a)为场景1的构网场景平面图，(b)为场景2的构网场景平面图；

图6是通导一体无线自组网行人定位系统及其实现方法的不同算法的定位误差；其中。(a)为场景1在没有引入基站误差的情况下，不同算法的定位误差；(b)为场景1在引入了基站误差的情况下，不同算法的定位误差；(c)为场景2在没有引入基站误差的情况下，不同算法的定位误差；(d)为场景2在引入了基站误差的情况下，不同算法的定位误差。

具体实施方式

以下通过附图和实施例对本发明的技术方案作进一步说明。

实施例1

如图1所示，本发明通导一体无线自组网行人定位系统及其实现方法，分为通导一体无线自组网构建和无线自组网辅助行人定位两个主要环节，具体如下所示：

S1、通导一体无线自组网构建。

通导一体无线自组网的构建过程分为场景布设和算法处理两个阶段，如图2所示。

在场景布设阶段，首先，在靠近室外的区域(通常为门口或窗边等能接收到卫星信号的地方)放置锚节点，锚节点的位置容易测量，记为已知基站KA(KnownAnchor)；然后，携带IMU和若干基站从其中一个KA点出发，在行走过程中布设基站，由于这些基站的位置事先并不知道，记为未知基站UA(UnknownAnchor)。锚节点可以安放在每个转角位置，只需保证相邻基站通视即可；当基站布设完毕，走到另一个已知基站处即完成整个定位网络的构建。

算法处理阶段需要确定未知基站的坐标信息，分为两个过程，首先，根据IMU采集的传感器数据探测步态，并计算航向和步长，实现行人航位推算算法，对每个未知基站进行初定位；然后，根据相邻基站之间的测距信息，以及每个基站处的航向角，实现基于测距和航向信息约束的导线网平差，得到基站的精定位结果。

S11、自组网锚节点初定位。

自组网锚节点初定位阶段使用行人航位推算算法，一个经典的PDR算法包括探测步态、估计步长和估计航向三个步骤。

S111、步态探测采用采用自适应峰值探测法，可以根据数据情况自动设置阈值，减少人为干预，如下所示：

其中，a＝{a₁,a₂,…,a_N}为去除重力影响的加速度序列，N为序列长度；sort(·)为从小到大的排序运算，为了避免异常大值的影响，取一个序列的85％处作为阈值设定的标准。

S112、航位推算中的行走距离为所有步长的和，因此，需要估计每一步的步长。本发明采用动态模型进行估计，动态模型认为每个人的每一步长度都不同，除了身高以外，还与体重、步频、运动习惯等有关。可以更好的推算出准确的步长。

S113、航向估计部分本发明采用的方法为结合陀螺仪、加速度计、磁力计三种传感器，通过互补滤波(ComplementaryFilter，CF)来求得当前三轴姿态。

S114、通过自适应步态探测、动态步长估计与CF航向估计就能得到每个锚节点的位置，完成初定位。

S12、自组网锚节点精定位。

自组网锚节点精定位阶段采用导线网平差的方法，有两类观测值，即由PDR航向估计得到的航向角与UWB测距得到的相邻锚点之间的边长。

通过循环迭代不断得到坐标位置的更新值，并进行下一次计算，直到更新值变化范围小于设定的阈值或迭代次数超过设定值时，结束循环，得到最终的位置估计，实现锚点坐标的精定位。

S2、无线自组网辅助行人定位。

在无线自组网构建完成后，获得各个锚点的位置信息，由于基于UWB测距的定位技术受到非视距误差和多路径效应的影响，造成测距精度下降，并且在部分区域只能接受到1个或1个的基站信号，基站数少于3个无法完成定位。因此，考虑UWB无线自组网与MEMS传感器融合的定位方法，其中，为了避免传感器测量数据多次积分引起的误差累积现象，选择PDR算法代替传统的INS算法。在该定位系统中，涉及到的数据包括UWB的距离测量和PDR估计的步长、航向，需要采用多传感器融合滤波的方法将来自UWB、PDR的数据和基于模型的预测相结合，对位置进行更有意义、更精确的估计。

S21、移动标签信号采集。

标签系统与锚点系统具有相似硬件结构，可根据需求灵活设置。标签系统实验过程中通过MEMS传感器完成具有定位需求的目标的实时的惯性信息采集，同时通过UWB传感器实时测量与范围内各锚点间的距离，数据采集过程确保时间同步，完成数据实时记录、实时更新。

S22、标定位置融合定位。

考虑到UWB定位和行人航位推算中存在两种不同类型的误差：一是非视距观测或多路径效应造成的测量误差，二是传感器漂移带来的累积误差。许多研究表明，通过融合和滤波可以有效减小这些误差。然而，UWB/PDR融合定位系统的模型是非线性的，方程的线性化引入了线性误差，并且增加了计算量。此外，不同的测试环境会改变电磁波的传播路径，不同物理特性的障碍物带来的非视距误差也不固定，造成误差对UWB的影响也不同。固定设置一个或几个方差的方法会削弱定位系统的鲁棒性，不能满足各种环境的定位精度要求。所以本发明提出一种基于异常值检测的自适应粒子滤波(Adaptive Particle Filter，APF)融合定位算法。

此过程建立在前文提到的自组网基站布设之后，可以得到基站的位置坐标的基础上，如图3所示。首先，标签通过惯性传感器收集加速度计、陀螺仪和磁力计数据，进行预处理，过滤掉部分噪声；然后，执行PDR算法探测步态是否发生，并计算每一步的步长和方向。如果在一个步态发生时测量到UWB距离，就会诱发粒子滤波过程：由PDR更新粒子状态，由UWB距离估计状态。在每个递归过程中，先根据卡方检验判断是否存在异常观测值，并根据检验结果调整观测方差，再进行权值计算，从而抑制异常值的影响。提升该定位方法的有效性和稳定性。最终得到标签的高精度定位结果。

实施例2

考虑到复杂的实际环境，为了能够在已知锚节点数量尽量少的情况下实现无线自组网构建方法，可以采用两种方案设计构网路线，如图4所示。其中，第一种是已知一个锚节点位置，从该点出发，路线为一个闭环，如图4中的(a)所示；第二种是已知两个锚节点位置，从其中一个点出发，走到另一个点，如图4中的(b)所示。KA、UA分别表示已知基站与未知基站。

(1)场景及设备搭建。

在测试过程中，选取WITMOTION的WT931姿态传感器作为惯性导航系统单元，选取DecaWave公司的DWM1001模块作为UWB测距单元。将两个单元组装集成为同步系统。该系统只需修改软件程序就可同步满足基站需求与标签需求。当测试者携带设备在定位区域中行走，就可以记录下运动过程中的加速度、角速度和磁力，以及基站与基站之间、基站和标签之间的距离，并将不同数据同步到同一个时间系统下，方便后期的处理及融合。

(2)步态探测。

基于WT931姿态传感器进行实地测试，对发明提到的自适应峰值探测方法进行验证，并与传统的峰值探测法进行对比，分析所提算法的有效性和稳定性。

表1步态探测精度评估

用户1与用户2不同运动状态下的步数统计结果，如表1所示，可以看到，在传统峰值检测方法中，由于加速度阈值是根据用户1在正常行走条件下采集的加速度而设置的，整个过程中并没有进行阈值的调整，该阈值对于用户2在慢速下采集的加速度而言偏大，导致数据步态缺失；而对于用户1本身，在快速行走时，速度并不稳定，导致加速度值变化比较剧烈，部分步态发生时加速度值小于阈值，无法检测到，99步只能检测到85步。综合表中的六种情况，自适应峰值检测的平均正确率为99.7％，高于传统峰值检测，更能在不同用户、不同步速的条件下正确探测步态，验证了所提出方法的稳定性和有效性。

(3)UWB测距标定。

UWB测距精度不仅受到环境的影响，传感器本身也存在测量误差。为了尽可能消除传感器自身因素造成的测距误差，需要对UWB锚节点进行标定，达到更好的测距精度。

(4)自组网构建。

本实施例采用两种构网场景进行说明，如图5所示，在场景1中，如图5中的(a)所示，布设一个已知基站，经过闭合路线布设其余三个位置基站；在场景2中，如图5中的(b)所示，两端靠近落地窗处各布设一个已知基站，行走过程在几个拐角处布设其余三个基站。基站的真实位置由测距仪测量得到。

在场景1中，初定位的最大误差点为2号基站，横坐标误差为0.94m，最终最大误差为0.85m。在场景2中，1号和5号基站已知，经过PDR初定位的最大误差点为4号基站，横坐标误差超过2.5m，而最终定位误差均小于0.8m。

表2构网精度

(5)行人融合定位。

场景1较小，空间内存在四个基站，虽然有柱子的遮挡，但大部分区域均可与至少三个基站通视，主要受到多路径效应影响；场景2范围较大，虽然安放了五个基站，但由于拐角较多，在许多区域只能与一个基站通视，部分区域由于测试者身体的遮挡造成所有基站都处于非通视状态，受非视距影响严重。将定位设备平端于胸前进行移动，最终得到定位结果。

本实施例定位精度是基于现有设备的基础上达到的，后续可通过提高传感器测量精度来实现更高精度的定位。

基于通道一体无线自组网行人定位系统实施例的室内行人跟踪误差统计结果，如图6所示。发明实施例在两个场景中，对LS、PDR、PF和自适应PF四种算法以及是否引入基站误差的定位性能进行了评估。其中，由于PDR算法只和设备自身的运动有关，不受基站误差影响；LS、PF和APF在定位时都用到了移动设备和基站之间的距离信息，当基站位置不准确时，定位结果也会发生变化。

在场景1中，测距比较准确，在引进了基站误差后，LS、PF和APF的精度均下降，平均误差最多增加0.21m，其中APF定位误差仅增加0.16m，如图6中的(a)和(b)所示。

在场景2中，LS和PF定位精度下降不明显，可能是由于本身测距误差较大，引入基站误差后补偿了部分测距误差；APF的平均误差增加0.09m，但精度仍然高于其他三种算法，如图6中的(c)和(d)所示。整体上，构网的基站误差对定位的影响比较小。

因此，本发明采用上述通导一体无线自组网行人定位系统及其实现方法，无需提前在定位区域布设大量的基站设施，也无需构建定位数据库、训练模型，而是在PDR辅助下构架通道一题的UWB自组织网络，实现定位锚点是实时布置与导航定位网络的实时区域拓展，并可完成后续的行人轨迹定位；基于惯导/导线网平差实现锚节点的初定位与精定位，构建通导一体无线自组织网络，具备盲环境或应急场景中的基准构建，实现地下复杂场景中在无预设基站情况下的导航定位网络随区域拓展功能，为用户在多种复杂环境下提供移动终端上安全、稳定、高精度的位置服务。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (9)

1.通导一体无线自组网行人定位系统及其实现方法，其特征在于，包括以下步骤：

S1、构建通导一体无线自组网，如下所示：

S11、自组网锚节点初定位；

S12、自组网锚节点精定位；

S2、无线自组网辅助行人定位，如下所示：

S21、移动标签信号采集；

S22、标定位置融合定位。

2.根据权利要求1所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于，在步骤S11自组网锚节点初定位阶段采用行人航位推算算法PDR，包括探测步态、估计步长和估计航向，如下所示：

S111、步态探测采用自适应峰值探测法，可以根据数据情况自动设置阈值，如下所示：

其中，a＝{a₁,a₂,…,a_N}为去除重力影响的加速度序列，N为序列长度；sort(·)为从小到大的排序运算，取一个序列的85％处作为阈值设定的标准；

S112、航位推算采用动态模型进行估计每一步的步长；

S113、航向估计采用结合陀螺仪、加速度计、磁力计三种传感器的方法，通过互补滤波CF来求得当前三轴姿态；

S114、通过自适应步态探测、动态步长估计与互补滤波CF航向估计得到每个锚节点的位置，完成初定位。

3.根据权利要求1所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于：在步骤S12自组网锚节点精定位阶段采用导线网平差的方法，通过循环迭代得到坐标位置的更新值，并进行下一次计算，直到更新值变化范围小于设定的阈值或迭代次数超过设定值时，结束循环，得到最终的位置估计，完成锚点坐标的精定位。

4.根据权利要求1所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于：在步骤S21移动标签信号采集中，标签系统与锚点系统具有相似硬件结构，根据需求灵活设置；

标签系统实验过程中通过MEMS传感器完成具有定位需求的目标实时惯性信息采集，同时通过UWB传感器实时测量与范围内各锚点间的距离，数据采集过程确保时间同步，完成数据实时记录、实时更新。

5.根据权利要求1所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于，步骤S22标定位置融合定位，具体包括以下步骤：

S221、首先，标签通过惯性传感器收集加速度计、陀螺仪和磁力计数器进行预处理，过滤掉部分噪声；

S222、然后，执行PDR算法探测步态是否发生，并计算每一步的步长和方向。

6.根据权利要求5所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于，在步骤S222中，当一个步态发生时测量到UWB距离，会诱发粒子滤波过程：

首先，由PDR更新粒子状态，由UWB距离估计状态；

然后，在每个递归过程中，先根据卡方检验判断是否存在异常观测值，并根据检验结果调整观测方差；

最后，进行权值计算，从而抑制异常值的影响。

7.根据权利要求1所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于：在步骤S1构建通导一体无线自组网过程中分为场景布设和算法处理两个阶段。

8.根据权利要求7所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于，在场景布设阶段，具体步骤如下：

首先，在靠近室外的区域放置锚节点，锚节点的位置容易测量，记为已知基站KA；

然后，携带IMU和若干基站从其中一个KA点出发，在行走过程中布设基站，由于这些基站的位置事先并不知道，记为未知基站UA；

最后，锚节点可以安放在每个转角位置，只需保证相邻基站通视即可，当基站布设完毕，走到另一个已知基站处即完成整个定位网络的构建。

9.根据权利要求7所述的通导一体无线自组网行人定位系统及其实现方法，其特征在于，算法处理阶段需要确定未知基站的坐标信息，具体分为两个过程，具体步骤如下：

首先，根据IMU采集的传感器数据探测步态，并计算航向和步长，实现行人航位推算算法，对每个未知基站进行初定位；

然后，根据相邻基站之间的测距信息，以及每个基站处的航向角，实现基于测距和航向信息约束的导线网平差，得到基站的精定位结果。