非視距條件下航站樓定位算法優(yōu)化

丁亞男 張旭 徐振國 湯健

摘 ?要：為了解決超寬帶（Ultra Wide Band，UWB）在機場航站樓室內(nèi)環(huán)境中因非視距（Non Line of Sight， NLOS）傳播帶來的定位誤差問題，提出了一種改進的信號到達時間差法。首先，采用粒子濾波算法建立基站到移動節(jié)點的距離誤差模型，結(jié)合誤差閾值對測量值進行修正;再將修正后的值代入Chan算法得到移動節(jié)點的初始估計位置。最后，將初始估計位置值帶入Taylor級數(shù)展開算法，迭代估計出移動節(jié)點的精確位置。仿真表明，該算法在含有非視距誤差的室內(nèi)定位效果上優(yōu)于傳統(tǒng)的Chan、Taylor級數(shù)展開法，且迭代次數(shù)少于Taylor級數(shù)展開算法的迭代次數(shù)，并有很好的抗噪聲干擾的能力。

關(guān)鍵詞：航站樓;室內(nèi)定位;超寬帶;非視距傳播;粒子濾波

中圖分類號：TP301.6 ? ?文獻標識碼：A

Abstract： In order to solve the positioning error caused by ultra wide band in the indoor environment of airport terminal due to non-line of sight propagation， an improved signal arrival time difference method is proposed. Firstly， the distance error model between the anchor point and the moving target is established by using the particle filter algorithm， and the measured value is modified by combining the error threshold. Then， the modified value is substituted into the Chan algorithm to get the initial position of the moving target at the initial estimate. Finally， the initial position value is substituted into the Taylor series expansion algorithm to iteratively estimate the exact position of the moving target. Simulation results show that the proposed algorithm is superior to the traditional Chan and Taylor series expansion method in terms of indoor positioning effect with non-line-of-sight error， and the number of iterations is less than the number of iterations of the Taylor series expansion algorithm， and it has good anti-noise interference capability.

Key words： terminal; indoor positioning; UWB; NLOS; particle filtering

0 ?引 ?言

機場司于2020年1月3日在北京組織召開了“提升民航建設(shè)項目規(guī)劃設(shè)計能力座談會”。會上指出，室內(nèi)定位技術(shù)在機場的實施情況普遍程度較低。室內(nèi)位置服務(wù)作為實現(xiàn)萬物互聯(lián)的基礎(chǔ)，隨著物聯(lián)網(wǎng)的發(fā)展，不論是機場內(nèi)部需求還是旅客對機場的高要求，在機場內(nèi)部實行室內(nèi)定位技術(shù)的呼聲都越來越高。超寬帶定位技術(shù)因其在定位精度和實時性上的優(yōu)勢，被廣泛應(yīng)用在室內(nèi)定位中。UWB技術(shù)是一種被廣泛使用的新型無線通信技術(shù)，憑借它帶寬大、信號容量大、傳輸速率高的優(yōu)勢，避免了信號在傳播過程中衰減的問題，有極強的穿透能力且可與其他通信系統(tǒng)友好共存，能夠?qū)崿F(xiàn)室內(nèi)環(huán)境下高精度的定位。航站樓內(nèi)旅客客流特點及建筑、設(shè)備布置導(dǎo)致的復(fù)雜室內(nèi)環(huán)境，都可能遮擋UWB信號從而造成NLOS誤差，給UWB技術(shù)定位帶來了困難。

文獻[1]提出了一種基于WiFi的多距融合室內(nèi)定位算法，該算法利用RSSI測量值建立距離區(qū)間映射數(shù)據(jù)庫，缺點是需建立相應(yīng)的映射數(shù)據(jù)庫并不斷地查詢數(shù)據(jù)庫中RSSI的值，大大地增加了計算量。文獻[2]基于到達時間差算法和殘差加權(quán)定位算法提出了一種基于不同的NLOS環(huán)境的改進算法，利用聚合度和殘留信息來求測量數(shù)據(jù)的權(quán)重。但采用殘差加權(quán)定位帶來了大量的計算量，且其在信噪比環(huán)境較差的環(huán)境下難以取得好的效果。

本文針對NLOS誤差下航站樓UWB定位精度差的問題，提出了改進的TDOA算法。利用粒子濾波算法處理UWB獲得的距離信息，并建立距離誤差模型修正TDOA的測量值，再利用Chan算法得到移動節(jié)點的初始估計位置。最后，將初始估計位置帶入到Taylor算法進行迭代估計準確的位置。該方法可以有效的避免UWB獲取信息中噪聲的影響，增強了算法的魯棒性。

1 ?TDOA定位算法

UWB技術(shù)常用的測距算法有：基于信號到達角度法（Angle of Arrival，AOA）、基于接收信號強度法（Received Signal Strength，RSS）、基于信號到達時間法（Time of Arrival，TOA）、基于信號到達時間差法（Time Difference of Arrival，TDOA）[3]，其中TDOA算法充分的利用了UWB信號高分辨率的優(yōu)點，是最常用的室內(nèi)定位算法。

1.1 ?基于TDOA的定位方法

TDOA定位系統(tǒng)主要由多個定位基站（Base Station，BS）、移動節(jié)點（Move Station，MS）組成的，其實現(xiàn)的流程是：MS發(fā)射UWB信號，BSi=1，2，…，N接收UWB信號后將接收到UWB信號的時間記錄下來[4]，如圖1所示。

從多個定位基站中選擇一個基站作為主基站，計算UWB信號到達主基站和其他基站的時間差，再乘以光速得到主基站和其他基站之間的距離差。在雙曲線中，其任意一點到雙曲線兩個焦點距離的差為一個定值。根據(jù)雙曲線這個性質(zhì)，可以設(shè)定雙曲線焦點的位置為其中兩個基站的位置，移動節(jié)點就處于雙曲線上任意一點。求解多組TDOA值建立的方程組即可獲得MS的位置[5]。

1.3 ?航站樓環(huán)境下NLOS對TDOA算法的影響

非視距誤差是基站與移動節(jié)點之間的傳播路徑出現(xiàn)了障礙物的遮擋，導(dǎo)致發(fā)送的UWB信號不能直接到達基站，而只能通過信號的反射、衍射來到達基站，信號的反射會使得信號出現(xiàn)延遲，衍射會使信號的強度發(fā)生衰減。航站樓環(huán)境下存在的大量建筑物、設(shè)備以及人員的實時走動等都極易造成非視距誤差，進而影響TDOA算法求解移動節(jié)點的定位精度。

2 ?改進Taylor級數(shù)展開算法對位置的估計

公式（3）中可以看出，TDOA的定位問題就是方程組解的問題，對于這種非線性方程組通常有兩種經(jīng)典算法：Chan算法和Taylor級數(shù)展開算法。

2.1 ?Chan算法原理

Chan算法的作用是求解雙曲線方程，當(dāng)基站個數(shù)為3時，可以直接求得移動節(jié)點的位置[7]。當(dāng)基站個數(shù)大于3時，其主要的是采用兩次加權(quán)最小二乘法（Weighted Least Square，WLS），其求解過程如下：假設(shè)基站的位置為，i=1，2，…，n，標簽的坐標為x，y，那么標簽和其他基站的距離可以表示如式（4）：

2.3 ?改進的Taylor級數(shù)展開算法

Taylor級數(shù)展開算法采用迭代的方式求解移動節(jié)點的位置，但非常依賴初始位置。如果初始位置和實際位置相差太大會導(dǎo)致Taylor級數(shù)展開算法發(fā)散且運算量巨大，無法確定移動節(jié)點的位置[10]。本文利用粒子濾波處理獲得的距離信息，再用Chan算法求解出初始估計值并帶入到Taylor級數(shù)展開算法進行移動節(jié)點的精確位置估計。處理UWB信號獲得的距離信息具體的步驟如下：

（5）修正誤差模型

NLOS誤差大部分情況下是正偏置的，且NLOS的誤差要高于LOS基站下的誤差，故可以設(shè)置閾值T作為判斷誤差的來源，如式（19）所示：

通過閾值T可以判斷出當(dāng)前誤差來源自LOS環(huán)境還是NLOS環(huán)境，并可以通過式（20）對TDOA值進行修正。

再將修正后的值帶入Chan算法獲得初始估計位置，最后帶入Taylor級數(shù)展開得到移動節(jié)點的精確位置[12]。

3 ?算法仿真分析

為了驗證本文算法在利用UWB技術(shù)實現(xiàn)航站樓中室內(nèi)定位的效果，使用Matlab2018a工具對本文算法進行仿真驗證，分別利用Chan、Taylor以及本文改進的算法在不同的實驗環(huán)境下的定位性能進行分析，選擇均方根誤差（Root-Mean-Square Error，RMSE）作為定位性能的標準，同時將本文算法求解的迭代次數(shù)與Taylor級數(shù)展開算法進行對比。

3.1 ?不同基站數(shù)量對定位算法精度的影響

在不同的基站數(shù)量的背景下，將Chan算法、Taylor級數(shù)展開算法以及本文改進的算法進行仿真，結(jié)果如圖2所示。

傳統(tǒng)的Chan算法、Taylor級數(shù)展開算法在基站數(shù)量為4、5、6時，求解TDOA值的RMSE值較大，而本文算法在同等情況下求解的RMSE值較小。在基站數(shù)量為7、8時候，本文算法和Chan、Taylor級數(shù)展開算法的效果相似。

3.2 ?系統(tǒng)噪聲對定位性能的影響

為了驗證本文算法對于噪聲的魯棒性，給UWB獲得的基站距離添加不同大小的噪聲，并將Chan算法、Taylor級數(shù)展開算法以及本文改進的算法在噪聲情況下進行仿真。圖3中，在UWB獲得的距離信息上加上標準差范圍為0-20的噪聲。Chan算法在噪聲情況較大時RMSE值非常大，而本文算法采用粒子濾波后，RMSE的值為Chan算法的50%左右。

3.3 ?非視距環(huán)境下定位性能的影響

為了驗證本文算法在一個NLOS環(huán)境下的定位性能，分別利用Chan算法、Taylor級數(shù)展開算法以及本文改進的算法求解不同的NLOS誤差下其RMSE的值。結(jié)果如圖4所示：NLOS誤差從15到65時，Chan和Taylor算法的RMSE的值和NLOS誤差大小成正比，而本文算法的定位誤差較傳統(tǒng)的Chan和Taylor算法RMSE的值平均減少了20%。

3.4 ?Taylor算法進行迭代次數(shù)比較

為了驗證本文算法在不同噪聲環(huán)境下的定位性能，給UWB獲得的基站距離添加不同大小的噪聲，比較Taylor級數(shù)展開算法和本文算法最終迭代的次數(shù)，結(jié)果如表1所示。可以看出，本文算法較Taylor級數(shù)展開算法而言迭代次數(shù)更少。

4 ?結(jié) ?論

針對UWB技術(shù)在航站樓非視距誤差下定位精度較差的問題，提出了一種改進的TDOA算法。采用粒子濾波算法建立基站到移動節(jié)點的距離誤差模型，根據(jù)距離誤差模型來修正TDOA值。將修正的TDOA值帶入Chan算法得到初值，再將初值帶入Taylor級數(shù)展開算法估計出移動節(jié)點的準確位置。仿真實驗表明，求得的移動節(jié)點精度要比傳統(tǒng)的Chan、Taylor算法高，且與傳統(tǒng)的Taylor級數(shù)展開算法相比迭代次數(shù)少，速度更快。

參考文獻：

[1] ?K Kasantikul， C Xiu， D Yang， et al. An enhanced technique for indoor navigation system based on WIFI-RSSI[C] // 2015 Seventh International Conference on Ubiquitous and Future Networks， Sapporo， 2015.

[2] ?LING P， SHEN C， ZHANG K， et al. An improved NLOS error elimination algorithm for indoor ultra-wideband localization[C] // IEEE International Conference on Sensors， Glasgow， 2017.

[3] ?Jonghoek， Kim. Fast non-line-of-sight receivers conjecturing method in TDOA localisation using obstacle information[EB/OL]. （2019）[2021-01-05]. https：//xueshu.baidu.com/usercenter/paper/show？paperid=4cd5768d8f2ccc66c1a8lea64faf25c&site=xueshu_se.

[4] 趙杰磊. 超寬帶室內(nèi)定位算法研究與實現(xiàn)[D]. 鄭州：鄭州輕工業(yè)大學(xué)（碩士學(xué)位論文），2019.

[5] 洪惠鵬. 基于TDOA算法的UWB室內(nèi)定位系統(tǒng)研究[D]. 海口：海南大學(xué)（碩士學(xué)位論文），2016.

[6] 王曉明. 基于測距的超寬帶室內(nèi)定位算法研究[D]. 徐州：中國礦業(yè)大學(xué)（碩士學(xué)位論文），2019.

[7] 倪磊磊，楊露菁，蔡時超，等. 基于TDOA的Chan定位算法仿真研究[J]. 艦船電子工程，2016，36（5）：92-95.

[8] 宋洋. 超寬帶室內(nèi)定位技術(shù)研究[D]. 西安：西安科技大學(xué)（碩士學(xué)位論文），2019.

[9] ?Wang R， Zheng S， Chen H， et al. An cooperative localization method based on Taylor and Kalman algorithms[J]. Chinese Journal of Sensors & Actuators， 2014（11）：1557-1561.

[10] ?Fall B， Elbahhar F， Elabboubi A， et al. UWB and Time-Reversal Techniques Positioning System for Railway Application[C] // Future Access Enablers for Ubiquitous and Intelligent Infrastructures. Springer International Publishing， 2015.

[11] ?Zhang L， Bao Q， Fan W， et al. An Improved Particle Filter Based on Bird Swarm Algorithm[C] // 2017 10th International Symposium on Computational Intelligence and Design （ISCID）. IEEE， 2017.

[12] ?Chen， Chien-Sheng. A non-line-of-sight error mitigation method for location estimation[EB/OL]. （2017-01-01）[2021-01-05]. https：//www.researchgate.net/pubication/312657766_A_non-line-of-sight_error_mitigation_method_for_location_estimation.

收稿日期：2021-01-12

作者簡介：丁亞男（1996-），女，江蘇泰州人，上海工程技術(shù)大學(xué)航空運輸學(xué)院碩士研究生，研究方向：基于UWB的室內(nèi)定位;張 ?旭（1973-），本文通訊作者，女，上海人，上海工程技術(shù)大學(xué)航空運輸學(xué)院，副教授，研究方向：民航信息管理;徐振國（1995-），男，甘肅會寧人，上海工程技術(shù)大學(xué)航空運輸學(xué)院碩士研究生，研究方向：交通通信與智能信息處理;湯 ?健（1994-），男，江蘇寶應(yīng)人，上海工程技術(shù)大學(xué)航空運輸學(xué)院碩士研究生，研究方向：載運工具故障診斷與控制。