[发明专利]一种基于UWB的隧道内车辆定位方法

权利要求书

1.一种基于UWB的隧道内车辆定位方法，其特征在于：构架主机站、至少三个从基站和若干标签，主基站定时向从基站发送时钟校验包,从基站则根据自主设计的时钟同步算法时刻与主基站保持时钟同步，标签定时向基站发送Blink包,基站接收到Blink包后，将数据传回后台服务器，再通过基于布谷鸟搜索算法优化BP神经网络的TDOA算法计算出标签的精确坐标，所述的基于布谷鸟搜索算法优化BP神经网络的TDOA算法具体包括以下步骤：

1)选择NLOS传播环境下，测定K组TDOA测量值作为测试样本，建立CS-BP模型，使用常规TDOA方法测定的存在-定误差的值进行样本训练；

2)对步骤1)中所训练完成的TDOA值数据，将BP神经网络的--组权值和阈值作为布谷鸟算法中的鸟巢，BP神经网络中的均方误差的倒数作为布谷鸟算法中的适应度函数，利用布谷鸟搜索算法找到一个近似全局最优解，也就是--组使适应度函数近似最大的权值和阈值，用这组权值和阀值初始化BP神经网络，再对BP神经网络进行训练，优化修正该组TDOA值数据；

3)将修正好的数据值，采用Chan氏算法对移动台再次进行位置估计。

2.根据权利要求1所述的基于UWB的隧道内车辆定位方法，其特征在于：所述的布谷鸟搜索算法，假设单只布谷鸟每次产一枚鸟蛋，并随机存放鸟巢之中，选择随机选取的一组鸟巢，并择优保存，在鸟巢为定数的前提下，若宿主发现了布谷鸟的寄生卵妈祖，发现概率为P(0P1)，则随机以新代久建立新巢，具体公式为:

其中，X_t表示第t代鸟窝的位置，α表示步长缩放因子，表示点乘(.*)运算，Levy(β)表示萊维随机路径，其概率密度函数为:

Levy(β)→μ＝t^-β，(1＜β＜3)。

3.根据权利要求1所述的基于UWB的隧道内车辆定位方法，其特征在于：所述的BP神经网络包括三层架构，分别为输入层、隐含层、输出层，在NLOS环境下，我们由7个基站，分别测得的6组数据，即TDOA值的BP神经网络修正模型，对于该网络得TDOA值输入,进行归一化处理，该神经网络输入为：

P＝[TDOA21，TDOA31，TDOA41，TDOA51，TDOA61，TDOA71]

此时输入层神经元为6，隐含层神经元取20，输出层的神经元同为6，则输出为：

O＝[r21，r31，r41，r51，r61，r71]；

输入层和输出层之间的激活函数用f₂表示，输入层和输出层之间的连接权值表示为ω_ij，所以隐含层的第i个神经元的输出为：

隐含层和输出层之间的激活函数用f₂表示；输出层和输入层之间的连接权表示为ω_kj，所以输出层中第k个神经元的输出为：

损失函数为：

由于E是关于权值ω_ij和ω_kj的函数，利用梯度下降法来对权值进行调整，从而减小损失函数E的值，根据梯度下降法，权值的变化为：

权值按照以下公式进行调整：

ω_ki(t+1)＝ω_ki(t)+Δω_ki(t)

ω_ij(t+1)＝ω_ij(t)+Δω_ij(t)。