[发明专利]一种利用锚点高维空间坐标信息的非视距识别及定位方法

说明书

本发明提出了一种利用锚点高维空间坐标信息的非视距识别及定位方法，在N维空间多边测量法定位模型中，将锚点的N维坐标扩展成N+1维坐标，对第N+1维坐标进行求解，将非视距测量的误差用第N+1维的坐标来度量，利用锚点高维空间坐标信息进行非视距的识别及定位，优化了待定位点的定位结果，本发明适用于二维空间定位、三维空间定位甚至N维空间。

技术领域

本发明涉及非视距识别及定位方法，尤其涉及一种利用锚点高维空间坐标信息的非视距识别及定位方法。

背景技术

随着物联网等技术的发展，定位技术得到了越来越多的重视，在医疗、家居、工厂、物流等方面具有广泛的应用前景。目前室内定位经过了多年的研究，科研人员在距离测量技术、SLAM技术、惯性导航技术、指纹定位技术等多种技术手段的基础上，对到达时间(Timeof Arrival，ToA)、到达时间差(Time Difference of Arrival，TDoA)、到达角度(Angle ofA rrival，AoA)、指纹定位等定位方法方面的研究也取得了诸多成果。

然而，由于室内空间的结构和实体构成的复杂或室内等恶劣的环境中常存在障碍物的阻碍，室内定位面临非视距(Non-Line-of-Sight,NLOS)传播的影响，从而引起定位信号的折射、反射、衍射和散射，出现多径效应，导致测距误差增大，进而影响定位精度。因此，需要寻找一种同时适用于视距(LOS)和非视距(NLOS)环境的高性能目标定位方法。

为了解决上述问题，人们提出了多种同时适用于视距(LOS)和非视距(NLOS)环境的目标定位方法。

目前，针对非视距的研究主要包括非视距的识别与非视距的移除两个方向。在非视距识别方面，研究主要基于误差估计模型，依据ToA，PDoA，信号强度RSS，信道状态信息CSI，UWB统计特性等对误差模型进行估计。如可以根据基于误差分布的NLOS鉴别概率，给出NLOS条件下定位误差的概率密度函数，从统计意义上对非视距进行识别。还可以对UWB的信道冲激响应使用深度学习对非视距进行识别等。在多目标定位网络中，有科研人员对仅利用测量信息对非视距进行识别的方法进行了探索，可以不依赖于模型统计信息，为非视距的识别提出了一个新思路。可见，近年来国内外越来越关注定位中的非视距问题，对于减弱其影响的各种定位算法的研究也越来越多，但主要集中在统计模型方面。

发明内容

为了解决上述技术问题，本发明提出一种利用锚点高维空间坐标信息的非视距识别及定位方法，包括如下步骤：

步骤一：在N维空间，使用多边测量法求解待求点初值点坐标为：

步骤二：根据初值点坐标计算各个锚点的第N+1维坐标的初值：

步骤三：在N+i维空间中，锚点坐标为XA′_i＝(x_i1，x_i2，…，x_iN，x_iN+1)，i＝1，2...，m，待求点坐标为X′_S＝(x₁，x₂，…，x_N，0)，则第i个锚点与待求点之间的距离D_i为：

这里D_i为待求点前N维坐标与锚点i第N+1维坐标的函数，将D_i在步骤一、二已求得的待求点初值点坐标及锚点i第N+1维坐标的初值处进行Taylor级数展开，舍去其二次项及高次项，可得：

在式(3)中，

步骤四：将式(3)表达为矩阵形式为：

h＝Cδ (4)；