一種基于模糊建模的目標定位方法
【專利摘要】本發(fā)明公開了一種基于模糊建模的目標定位方法，包括：步驟1：用卡爾曼位置預(yù)測得到每個基站的測量預(yù)測值；然后應(yīng)用截斷三角概率-可能性變換，計算各測量的可能性；步驟2：根據(jù)預(yù)設(shè)的視距測量數(shù)目或者預(yù)設(shè)的可能性閾值，選擇Ns個具有高可能性的測量作為視距測量，其他N-Ns(N表示基站個數(shù)，Ns可以取不大于N的任意正整數(shù))個具有低可能性的測量作為非視距測量，用于單點位置確定；步驟3：使用卡爾曼位置預(yù)測值作為初始位置估計，然后用最大似然估計法估計目標位置；同時，初始化卡爾曼濾波器的協(xié)方差矩陣；步驟4：用標準的卡爾曼濾波器過濾基于最大似然估計的單點位置估計值；同時，反饋卡爾曼位置預(yù)測到最大似然估計并用測量預(yù)測來模糊建模。
【專利說明】
一種基于模糊建模的目標定位方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于模糊建模的目標定位方法，屬于計算機【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]目前，在存在非視距(簡稱:NL0S)無線傳播的情況下，角度、到達時間(簡稱:Τ0Α)和距離測量誤差包含一個噪聲分量和一個偏置分量，并且這兩者是隨機的。而非視距傳播使得難以精確地模擬該接收信號的功率。因此，非視距傳播給精確位置估計帶來了巨大挑戰(zhàn)。
[0003]當NLOS誤差的先驗統(tǒng)計知識未知時，視距(簡稱:L0S)和非視距(簡稱:NL0S)識別可用于減少距離偏置誤差。速度、方向角信息以及平滑化距離測量可以通過擴展卡爾曼濾波器(簡稱:KF)結(jié)合，以確定移動位置。然而，非視距(簡稱:NL0S)識別是一項困難的過程，因為需要使用連續(xù)序列來達到識別的目的。此外，因為時間延遲，不適合實時跟蹤。在已知噪聲和偏差統(tǒng)計的情況下，基于統(tǒng)計的NLOS抑制方法可以用來實現(xiàn)高度精確的位置估計。為了改善在最壞情況下NLOS識別性能，需要額外的硬件(如天線陣列)或更高的計算復(fù)雜性。而且，這種方法僅在存在大量基站(BS)，并且只有少數(shù)BS是NLOS BS的情況下才能得到好的性能。在目標正在移動的情況下，幾何形狀和運動特征通常用于降低NLOS影響，如通過卡爾曼濾波。
[0004]文獻1: [X.Wang, M.Fu, and H.Zhang, “Target tracking in wirelesssensor networks based on the combinat1n of KF and MLE using distancemeasurements,，，IEEE Trans.Mobile Computing, vol.11, n0.4, pp.567-576, Apri 12012]提出了移動位置估計的最大似然估計，但是它需要較為復(fù)雜的L0S/NL0S識別，其實用性不強。
[0005]基于在一段時間內(nèi)的測量數(shù)據(jù)選擇，文獻2: [S.Mazuelas, F.A.Lago, P.Fernandez, A.Bahillo, J.Bias, R.M.Lorenzo, and E.J.Abril, “Ranking of TOAmeasurements based on the estimate of the NLOS propagat1n contribut1n in awireless locat1n system,’’Wireless Pers.Commun., pp.1-18, Feb.2009, DOI10.1007/si 1277-009-9669-4]提出了在一個僅僅基于LOS的方法用于NLOS環(huán)境中的定位。非視距基站的測量值被排除在外，因此，非視距測量潛在的精度增益將會丟失。
[0006]目前，考慮到L0S/NL0S轉(zhuǎn)換是一個馬爾可夫過程，許多的移動跟蹤方法被提出，其局限在于較高的系統(tǒng)復(fù)雜度，因為其使用了一組濾波器(L0S和NLOS模型)?；诰植繙y量在不同時間點的的移動和信息的精確建模，[M.Mcguire, K.N.Platan1tis, Dynamicmodel-based filtering for mobile terminal locat1n estimat1n, IEEE Trans.Vehicular Technology, vol.52, n0.4, pp.1012-1031，July, 2003]，提出了一種基于模型的動態(tài)過濾器，以提高定位估計。然而，這種方法需要提前知道移動終端運動模型和控制輸入決定模型的參數(shù)知識。而本發(fā)明能夠很好地解決上面的問題。


【發(fā)明內(nèi)容】

[0007]本發(fā)明目的在于提供一種基于模糊建模的目標定位方法，該方法解決了非視距影響的問題。
[0008]本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是:本發(fā)明提出了一種基于模糊建模的目標定位方法，該方法包括如下步驟:
[0009]步驟1:用卡爾曼位置預(yù)測得到每個基站的測量預(yù)測值；然后應(yīng)用截斷三角概率-可能性變換，計算各測量的可能性。
[0010]步驟2:根據(jù)預(yù)設(shè)的視距測量數(shù)目或者預(yù)設(shè)的可能性閾值，選擇Ns個具有高可能性的測量作為視距測量，其他N-NS (N表示基站個數(shù)，Ns可以取不大于N的任意正整數(shù))個具有低可能性的測量作為非視距測量，用于單點位置確定。
[0011]步驟3:使用卡爾曼位置預(yù)測值作為初始位置估計，然后用最大似然估計法估計目標位置；同時，初始化卡爾曼濾波器的協(xié)方差矩陣。
[0012]步驟4:使用標準的卡爾曼濾波器過濾基于最大似然估計的單點位置估計值；同時，反饋卡爾曼位置預(yù)測到最大似然估計并用測量預(yù)測來模糊建模。
[0013]本發(fā)明模糊建模的弓I入用于測量條件估計。
[0014]本發(fā)明測量選擇只需要當前的距離測量。
[0015]本發(fā)明卡爾曼位置預(yù)測的反饋和模糊建模，使視距和非視距識別更容易實現(xiàn)。
[0016]本發(fā)明用卡爾曼濾波器改善最大似然估計后的位置估計值。此外，卡爾曼預(yù)測用于模糊建模并且有助于非視距識別。
[0017]有益效果:
[0018]1、本發(fā)明在模糊建模中引入用于測量條件估計，并且提出了模糊建模的一個新的應(yīng)用場景。
[0019]2、本發(fā)明的測量選擇只需要當前的距離測量，并且提出的測量選擇方法在各種信道環(huán)境下的系統(tǒng)復(fù)雜度和時間成本方面都有很大優(yōu)勢。
[0020]3、本發(fā)明能夠更好地減小非視距的影響。

【專利附圖】

【附圖說明】
[0021]圖1為提出的三步定位方法的框圖。
[0022]圖2為基于模糊建模的測量選擇框圖。
[0023]圖3為概率-可能性變換關(guān)系圖。
[0024]圖4為損失概率和誤差概率計算的關(guān)系圖。
[0025]圖5為本發(fā)明的方法流程圖。
[0026]圖6為基站分布模擬和移動臺運動軌跡圖。
[0027]圖7為平均RMSE與基站數(shù)目和隨機NLOS比例的關(guān)系圖。
[0028]圖8為平均RMSE與預(yù)設(shè)可能性閾值的關(guān)系圖。
[0029]圖9為本發(fā)明得到的RMSE與理想情況下的RMSE的對比圖。
[0030]圖10為RMSE與隨機加速變量的關(guān)系圖。
[0031]圖11為每個基站的LOS概率圖。
[0032]圖12為固定NLOS條件下三種方法對比圖。
[0033]標識說明:[11]指的是【背景技術(shù)】中的文獻I ; [15]指的是【背景技術(shù)】中的文獻2。
[0034]圖13為10% NLOS出現(xiàn)率條件下三種方法對比圖。
[0035]標識說明:[11]指的是【背景技術(shù)】中的文獻I ; [15]指的是【背景技術(shù)】中的文獻2。圖14為30% NLOS出現(xiàn)率條件下三種方法對比圖。
[0036]標識說明:[11]指的是【背景技術(shù)】中的文獻I ; [15]指的是【背景技術(shù)】中的文獻2。圖15為50% NLOS出現(xiàn)率條件下三種方法對比圖。
[0037]標識說明:[11]指的是【背景技術(shù)】中的文獻I ; [15]指的是【背景技術(shù)】中的文獻2。圖16為實際和估計NLOS條件下，各基站中目標位置分布圖。
[0038]圖17為三種隨機NLOS場景下，累積分布函數(shù)CDF與RMSE關(guān)系圖。
[0039]圖18為指數(shù)分布NLOS條件下，三種方法的累積分布函數(shù)⑶F與RMSE關(guān)系圖。
[0040]標識說明:[11]指的是【背景技術(shù)】中的文獻I ; [15]指的是【背景技術(shù)】中的文獻2。
[0041]圖19為錯誤NLOS統(tǒng)計下，累積分布函數(shù)CDF與RMSE關(guān)系圖。

【具體實施方式】
[0042]下面結(jié)合說明書附圖對本發(fā)明作進一步地詳細說明。
[0043]本發(fā)明所有的符號注解為:
[0044]LOS:視距；
[0045]NLOS:非視距；
[0046]MLE:最大似然估計；
[0047]BS:基站；
[0048]m:測量數(shù)據(jù)的均值；
[0049]:在LOS條件下，第i個測量值方差；
[0050]σ〖1ικ ；測量值在NLOS條件下相對于LOS條件下方差的增益；
[0051]μ:服從高斯分布的NLOS誤差的均值；
[0052]RMSE:均方根誤差，其大小為:

【權(quán)利要求】
1.一種基于模糊建模的目標定位方法，其特征在于，所述方法包括如下步驟: 步驟1:用卡爾曼位置預(yù)測得到每個基站的測量預(yù)測值；然后應(yīng)用截斷三角概率-可能性變換，計算各測量的可能性； 步驟2:根據(jù)預(yù)設(shè)的視距測量數(shù)目或者預(yù)設(shè)的可能性閾值，選擇Ns個具有高可能性的測量作為視距測量，其他N-NsjP:N表示基站個數(shù)，Ns取不大于N的任意正整數(shù)個具有低可能性的測量作為非視距測量，用于單點位置確定； 步驟3:使用卡爾曼位置預(yù)測值作為初始位置估計，然后用最大似然估計法估計目標位置；同時，初始化卡爾曼濾波器的協(xié)方差矩陣； 步驟4:使用標準的卡爾曼濾波器過濾基于最大似然估計的單點位置估計值；同時，反饋卡爾曼位置預(yù)測到最大似然估計并用測量預(yù)測來模糊建模。
2.根據(jù)權(quán)利要求1所述的一種基于模糊建模的目標定位方法目標定位方法，其特征在于:所述方法模糊建模的引入是用于測量條件估計。
3.根據(jù)權(quán)利要求1所述的一種基于模糊建模的目標定位方法目標定位方法，其特征在于:所述方法的測量選擇只需要當前的距離測量。
4.根據(jù)權(quán)利要求1所述的一種基于模糊建模的目標定位方法目標定位方法，其特征在于:所述方法包括卡爾曼位置預(yù)測的反饋和模糊建模。
5.根據(jù)權(quán)利要求1所述的一種基于模糊建模的目標定位方法目標定位方法，其特征在于:所述方法用卡爾曼濾波器改善最大似然估計后的位置估計值。
6.根據(jù)權(quán)利要求1所述的一種基于模糊建模的目標定位方法目標定位方法，其特征在于，所述方法步驟I中的截斷三角概率-可能性變換過程包括:
【文檔編號】G06F19/00GK104182638SQ201410421240
【公開日】2014年12月3日 申請日期:2014年8月25日 優(yōu)先權(quán)日:2014年8月25日
【發(fā)明者】顏俊, 陳寶, 朱衛(wèi)平 申請人:南京郵電大學(xué)