申请/专利权人：电子科技大学

申请日：2023-12-01

公开（公告）日：2024-03-01

公开（公告）号：CN117630813A

主分类号：G01S5/02

分类号：G01S5/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明属于高精度定位技术领域，具体涉及一种基于短期数据置信度分析的超宽带非视距数据识别与抑制方法。本发明针对低功耗场景因测距频率降低导致的定位精度降低的问题，使用基于滑动窗的测距复用机制，对窗内测距数据集进行定位估计。针对测距数据集，构造有效子集，生成定位估计坐标集和测距的均方根误差集合；然后进行核密度估计，分析均方根误差分布趋势，识别非视距数据，形成数据置信度报告，用于下一状态的数据筛选；根据置信度报告和NLOS数据检测情况，得到当前时刻的初始估计值；采用基于地图的卡尔曼粒子滤波，使当前时刻的位置预测更加准确。本发明在仿真和现实场景分别进行了测试分析，均有较强的定位性能。

主权项：1.一种基于短期数据置信度分析的UWBNLOS识别与抑制方法，其特征在于，包括以下步骤：S1：采集低功耗模式下标签通过与环境中任意基站进行UWB通信获得的UWBTOF测量值，将其根据时间戳顺序排列成一个数据队列D，假设当前时刻采集了第m组测量值样本，并放入数据队列中，则有：D＝[d1,d2,…,dm]T1S2：设置复用窗长度为M；数据队列每加入一个测距值，复用窗往后滑动一个数据单元，复用窗内包含的测距数据作为当前帧定位的测距数据集，在第m次定位时，将复用窗内的数据作为第m帧测距数据集Dm：Dm＝[dm-M+1,dm-M+2,…,dm]T2S3：根据数据置信度报告，对测距数据集进行数据筛选，形成新的测距数据集S4：基于残差分析的融合定位，得到初始的定位估计值；S4-1：根据新的测距数据集，构造测距数据集的N-1个基站所构成的有效子集，避免各测距值对应基站出现共线或者近似共线情况；针对各有效子集，计算二维定位估计值；根据标签位置，计算与基站之间的距离估计值；利用距离估计值与TOF测量值进行比较，得到该有效子集测量值的RMSE，形成N-1个基站的RMSE集合；S4-2：对N-1个基站的RMSE集合进行核密度估计，分析RMSE集合分布，生成初步的置信度报告；若报告中部分指标出现大于设定阈值的情况，则进入S4-3；反之，则进入S4-4；S4-3：构造测距数据集的N-2个基站所构成的有效子集，分别计算定位估计值和测量值的RMSE，形成N-2个基站的RMSE集合；对N-2基站的RMSE集合进行核密度估计，分析当前RMSE分布，并结合N-1个基站的RMSE分布，获得新的置信度报告；S4-4：根据以上残差分析，确定新的置信度报告：若存在NLOS数据，判断该基站处于NLOS环境，则设置该基站置信度置1；然后针对不同的NLOS识别结果，形成初始的定位估计值；若不存在NLOS情况，则将RMSE平方的倒数的归一化值作为权重，加权融合得到标签的定位估计值；若存在NLOS数据且LOS数据满足定位要求时，则选择非NLOS数据的基站进行重新定位，计算定位估计值；若存在NLOS数据且LOS数据已无法满足当前定位要求时，沿用前一时刻的定位估计值；S5：将S4中初始的定位估计值，作为KPF的输入，进行基于地图信息的KPF滤波；S5-1：首先进行基于地图信息的粒子滤波；对于首次滤波，需要进行粒子初始化；然后进行粒子迭代步骤，包括粒子状态预测、粒子权值更新、重采样、计算目标状态；S5-2：然后进行卡尔曼滤波；将粒子滤波的结果作为卡尔曼滤波的观测值；对于首次滤波，需要进行滤波参数初始化；然后进行卡尔曼滤波迭代步骤，包括状态预测，更新状态不确定度的协方差，更新卡尔曼增益，计算获得状态的最优估计值，即得到最终的最优估计值。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于短期数据置信度分析的UWB NLOS识别与抑制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD