[发明专利]一种基于无线通信基站的室内三维定位方法

权利要求书

1.一种基于无线通信基站的室内三维定位方法，包括，根据CHAN算法进行三维室内粗定位，得到TOA数据，预处理TOA数据，根据LS算法消除多路径误差，其特征在于，所述方法还包括：

(1)建立基站投票加权估值模型，确定各基站定位时权重；

(2)将TOA模型进行拆分预处理，拆分建立真实时延模型，噪声时延模型及干扰时延模型；

噪声时延是在同一场景中由大量数据融合的平均误差时延值，噪声时延模型分布满足高斯模型；干扰时延模型是所有不可控因素造成的较大偏差时延值；

(3)建立机器学习度量微调模型，用于优化TOA数据，建立机器学习度量微调模型对噪声时延模型及干扰时延模型进行稀疏表达，剥离真实时延、噪声时延及干扰时延；

(4)建立精确多点三维定位模型，根据所述精确多点三维定位模型计算终端精确坐标，完成室内三维定位；

所述步骤(4)所述建立精确多点三维定位模型包括：

Step1：利用全基站投票加权估值模型计算基站的权值；

Step2：利用噪声时延和干扰时延模型移出所测数据噪声时延和干扰时延；

Step3：利用机器学习算法模型对所测数据进行进一步的优化微调；

Step4：利用最终精确测量数据和TOA定位算法计算终端精确坐标。

2.根据权利要求1所述的室内三维定位方法，其特征在于：所述步骤(1)包括：

(A)根据所述TOA数据，估计各个基站的定位区域；

(B)计算各个基站定位区域坐标，依据各基站定位区域交叉程度定义定位区域权值；

(C)保存所定位区域权值，进入步骤(2)。

3.根据权利要求1所述的室内三维定位方法，其特征在于：所述步骤(2)中建立真实时延模型包括：

(a)建立概率密度函数：

(b)根据步骤(a)，得到支路附加时延的概率密度分布模型：

所述支路信号附加时延τ_i(i＝1,2,…,n)为一组相互独立的指数分布随机变量；

(c)根据步骤(b)建立τ_min的概率密度函数：

(d)计算实际到达时间为表示τ₀+τ_i中的最小值τ₀+τ_min；

其中，τ_ms均方根延迟扩展，T为τ_ms在d＝1km的中值,d为终端到基站的直线距离,ε是0.5到1的指数分量，ξ为均值为零、标准差σ_ξ为4～6bB的对数正态分布随机变量，n为发送所述信号端对应的传播路径数量，τ₀为视距波到达接收端的时间,τ_max为时延最大的支路信号的到达时间，τ_min＝min(τ₁…τ_n)，τ_msi为基站i的均方根延迟扩展。