扩展卡尔曼滤波算法在室内移动节点定位中的优化研究

发布时间：2019-07-17 21:10

【摘要】：随着无线传感网(Wireless sensor networks,WSN)技术的广泛应用,针对室内环境的定位需要,传统的WSN技术在用于室内定位时,会受困于多径干扰,为了解决这个问题,优化室内定位效果,本文通过对中外室内定位技术现状的深入研究,分析了室内环境电磁波传播损耗模型,惯性测量单元(Inertial Measurement Unit,IMU)在定位过程中的利弊,以及基于接收信号强弱指示(Received Signal Strength Indicator,RSSI)测量的位置信息的统计特性,设计了一种基于噪声统计特性配置扩展卡尔曼滤波器(Extended Kalman Filter,EKF)的方法,尤其是配置EKF的测量噪声协方差矩阵。研究提出了一种针对室内环境的扩展卡尔曼滤波定位优化算法(Location Optimization-Extended Kalman Filter,LO-EKF)。算法首先利用惯性测量单元对移动目标节点的速度模量及方向进行测量,用最小二乘算法(Least Squares,LS)估计移动目标节点的位置信息,再融合二者测量值建立目标节点状态模型。其次,根据室内无线环境下的电磁波信道模型,以及速度和方向的IMU测量值的统计特性,设置符合室内噪声环境的测量噪声协方差矩阵,以调整EKF性能。最后,通过经测量噪声协方差矩阵配置过的扩展卡尔曼滤波器对初始状态测量值进行优化处理,得出最终的目标位置,并以该结果作为下一个时间点目标位置的初始值进行迭代估算,得出目标轨迹。本文通过仿真分析,将LO-EKF算法与LS算法和标准EKF算法作对比。仿真结果表明,对比LS算法和标准EKF算法,LO-EKF算法在室内定位中不仅保障了移动节点的短期定位精度,而且有效提高了长期定位精度。此外,在一定程度上算法还提高了定位误差的收敛速度。
文内图片：图２．１基于ＴＯＡ测距定位模型逡逑基ＴＯＡ测距的三点定位算法的型图２．１示，三个点画圆逡逑

图２．１基于ＴＯＡ测距定位模型逡逑基ＴＯＡ测距的三点定位算法的型图２．１示，三个点画圆逡逑

图片说明： 0邋目标节点逡逑图２．１基于ＴＯＡ测距定位模型逡逑基于ＴＯＡ测距的三点定位算法的模型如图２．１所示，，三个信标节点所画圆逡逑形的公共区域即为目标节点的位置。假设信标节点数量为《，每个信标节点与目逡逑标节点之间的到达时间分别为纟，？２，．．．．．．人，则目标节点与相应信标节点之间的距离逡逑可计算得出：逡逑ｄｉ邋—邋ｃｔｊ逦（２．１）逡逑式（２．１）中，ｃ为无线电信号的传输速度，为第／个信标节点与目标节点逡逑１０逡逑
文内图片：同种发射信号的TDOA定位模型

图片说明：其中，假设电磁波信号在空气中传播的速度为Ｘ，点和信标节点之间的距离是ｄ，则ｄ可通过计算获得：逡逑位第二种方式不同于第一种的多信号测量方式，在这种种信号的收发装置，本文默认为电磁波信号。该种定位方式向两个信标节点发送信号，在这两个信标节点处接受该，再根据时间差计算目标节点据两个信标节点的距离差，知的，因此可以得到一条以两个信标节点为焦点的双曲节点可能的所在位置。一条双曲线作为一组ＴＤＯＡ测量需再测额外一组测量值，即另外一条双曲线，只有两条双节点所在位置，即双曲线交点。当然此种定位方式收发端图２．３所示。逡逑
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN713

【参考文献】