基于线性调频扩频的单基站室内定位系统研究
0 引言
全球四大卫星导航系统能对高山、海洋、城市室外等环境进行精确的定位,然而当它面对有建筑物遮挡的室内环境时,基本丧失定位能力[1-3]。人们约80%的时间都活动在室内,因此室内定位导航服务有着广泛需求[4]。工信部最新数据显示,截至2017年7月,我国手机用户数达13.6亿户,手机用户普及率达97.1部/百人,智能手机用户超过6.24亿,LBS相关用户数量超5.1亿[5],已超过微博用户。根据百度公司内部统计,用户应用百度位置服务的定位请求信息已经超过100亿次/日。
目前,无线局域定位主要包括Wi-Fi、ZigBee、Bluetooth、UWB等,其特点是利用短距离无线小范围覆盖感知来确定目标所在位置。其中基于Wi-Fi和蓝牙的定位系统已广泛地应用于商场、航站楼等人员密集区域,为室内人员提供服务,其定位精度根据节点密度约为1~5m[6]。UWB是近几年新兴的室内定位技术[7],该类系统利用超宽带脉冲信号进行信息传递,同时利用该脉冲信号良好的时间分辨率进行TOA测量,进而实现多基站TDOA定位。UWB室内定位系统由于其信号特点,在抗多径、低复杂度、时间同步等方面具有先天性优势,其室内定位精度通常优于1m[8]。
但是,由于该类系统的定位通常需要3个以上基站实现2维或3维定位,而其节点设备受收发频率、信号体制等影响,通常其单基站作用半径仅为十余米至数十米[9]。因此为了实现定位,其节点设备布设密度将进一步提升。高节点布设密度带来的成本提升极大限制了此类室内定位系统的推广,通常仅应用于高人员密度区域。
由图1可知,异步协作构成了一个设计方案的“作者链”,利益分配模式则决定了怎样在这个链上的作者之间分配利益。
本文提出的一种基于线性调频扩频信号的单基站室内定位系统,采用线性调频扩频信号作为测距信号,信号抗多径性能优良,同时由于其扩频特性使其具有较好的传播能力,在20dBm发射功率下,极限测距范围可达800m,原始测距精度优于1.5m。为满足2维定位条件,本文提出的室内定位系统结合了惯性导航器件测量定位终端的角度信息,实现单一基站下的室内2维定位。经过试验,该系统单基站覆盖范围半径约60m,且可在该范围下提供1~3m定位精度。
1 基于线性调频扩频信号的单基站室内定位系统架构
1.1 系统组成架构
基于线性调频扩频信号的单基站室内定位系统主要由基站(Anchor)和定位终端(Tag)两部分组成,具体功能划分为测距系统、测向系统和解算系统三部分。其中测距系统在测距的同时完成基站和定位终端之间的数据传输。
其系统组成框架如图1所示。
图1 单基站室内定位系统示意图 Fig.1 The scheme of single AP indoor positioning system
1.2 单基站定位算法
本系统主要针对的应用场景是室内,尤其是低人员密度的停车场等室内场景。因此,定位解算仅需要实现2维解算即可。
为此需要获得不少于2个独立观测量。在传统单基站定位系统中,主要以TOA/AOA联合测量定位方式为主,即测量定位终端与基站之间距离以及定位终端与基站之间的相对夹角,采用极坐标形式,实现定位终端的相对位置测定。
在本文提出的系统中,其覆盖区域的半径约60m,因此传统的基于UWB的多天线角度测量方法难以适用,其他基于相位信息的测量系统也难以与线性调频扩频信号兼容[10]。因此,本文系统采用定位终端偏航角测量方式,通过测量定位终端与基站之间的相对距离以及定位终端自身偏航角,实现一种附加了几何约束的航迹推算系统。其定位模型如图2所示。
图2 定位模型示意图 Fig.2 Illustration of the positioning model
本文使用MVC(Model/View/Controller)模式对票务系统进行构建,首先,票务查询系统的所需要的数据是通过爬虫抓取,由于票务数据的实时性,所以对票务数据的更新不能间隔过久,但是由于数据量较大,也不能过于频繁地对所有的票务数据进行更新,于是将用户分为普通用户和管理员用户,将数据更新操作限定为只有管理员可以进行,以此来避免普通用户误操作引起的服务器占用过多的问题。
(1)
(2)
过程噪声协方差Q,即陀螺仪预测姿态角过程中的过程误差协方差矩阵,可通过实验方法得到。测量噪声协方差矩阵R可通过融合更新计算得到
雷达天线举升机构中重载转动副连接着各构件,其产生的误差会影响到机构的误差,而重载转动副不同装配过程的可装配性评价更是关系到整机的装配精度。如果以零件的理想尺寸进行装配,重载转动副一定能够成功装配,但由于存在零件公差及装配间隙,装配偏差会在装配过程中传递与累积,从而影响装配结果,因此需要对重载转动副的可装配性进行分析。基于重载转动副装配实例,其可装配性分析流程如图2所示。通过计算后的装配累积偏差与零件配合特征产生的间隙进行比较从而对重载转动副的可装配性进行分析。
(3)
由于该方程为2次方程,因此会出现双解的情况,需要对方程的解进行唯一性确定。主要判定条件有:
(4)
其中,L1、L2为方程的2个解, L′为上一观测时刻的L值,则优先选择L1作为本次观测的解。该条件在保证了解的正实数性的同时,加入了等效的速度约束,使系统收敛性得到了提高。
2 系统测量及融合算法
2.1 测距系统
本室内定位系统采用Nanotron公司的NanoPan5375模块组成测距系统。NanoPan5375模块使用线性调频扩频通信方式实现模块间的通信,使用2.4GHz的ISM频道,通信速率为125Kbit/s~2Mbit/s[11]。线性调频扩频信号使用雷达系统中常用的啁啾信号,利用上扫频和下扫频信号分别表示0和1比特,其信号可表示为式(5)。
(1)要建立专业数学课程,比如参考清华大学建筑数学课程模式,针对本校各专业学生的特点,独立开发专业数学课程体系。课程开发过程中要参考国外最新经验和国内优秀教材,同时分析专业的发展趋势和实践需求,借鉴通识课数学智慧传递的经验,坚持在实践中教学。(2)要坚持在专业领域内利用数学方法解决问题,多创造专业情境,比如经济学专业的教师让学生利用微积分和概率学作出决策,针对未来岗位的需求设计课程。(3)要掌握专业领域必须的数学知识,建筑学为例,古罗马的维特鲁威在《建筑十书》提出了经典之论:建筑师必须精通几何学。高职建筑专业的学生也要精通相关领域的数学,而不是面面俱到。
本系统使用MPU6050陀螺仪与加速度计集成芯片以及HMC5883地磁传感器构成9轴姿态传感子系统。本文基于Kalman滤波器构建偏航角测量系统,相关理论算法已有大量研究[13],本文采用的是Simone Sabatelli等提出的双级Kalman滤波器[14]。本系统有三种不同类型的输入数据,如图4所示。将根据陀螺仪计算出的姿态角作为Kalman滤波器的预测值,将磁强计、加速度计计算出的姿态角作为测量值,通过Kalman滤波实现了多传感器信息的融合,确保了姿态估计的准确性。
(5)
其中,D为数据,Δf为扫频步长,τ为扫频时间。由式(5)可以看出,该信号幅频特性近似为一矩形包络。实际信号中,大于90%的能量集中于该包络内,同时通过较大的扫频频宽,使得该信号具有抗干扰性强和抗多径效果好等优点。该信号通过匹配滤波器接收,匹配滤波器在脉冲叠加检出的过程中分散了多路径信号,获得较高的信噪比。该信号体制相较于传统UWB系统的脉冲调制方式,其发射功率稳定且均一,不易干扰其他通信系统。
其中,为经四元数微分方程求解的姿态角;为假设存在真实姿态角;为根据陀螺仪输出角速度预测姿态角度的估计误差。根据加速度计得到的重力场加速度和磁强计得到的磁场强度计算出当前时刻的姿态角,并作为观测量。观测量方程为
本文提出的基于云管理的公寓光网建设方案有着便于管理、用户体验度高、建设成本低等诸多优点,解决了传统光网络存在的问题。由于产品处于研发周期段,功能还有待完善,比如私接AP打压,无线定位,基于云管理平台的数据作大数据分析等。我们认为本方案有着不错的应用前景,有一定的推广价值,项目实施以来,也得到不少兄弟高校的关注。
图3 双边双路对称测距 Fig.3 Symmetrical double-sided two way ranging
其中,T1代表定位终端自发送数据到首次接收基站应答数据的时间,T2代表基站自接收到定位终端数据至基站回复信号之间的处理时间,T3代表自定位终端收到基站数据到回复之间的处理时间,T4代表基站自发送数据到定位终端二次回复之间的时间。若假设自T1~T4之间终端与基站相对位置变化极小,则实际传输时间T可由式(6)推出:
(6)
①对机电井的打井时间、打井深度等数据,勃利县采取内业加外业走访调查的方法获取。在清查阶段通过后根据清查名录调出规模以上机电井全部档案资料,对每眼井的成井时间及井深数据进行填写;填写完成后再走访当地知情人加以对照,检验数据是否准确。
2.2 测角系统
本文设计的室内定位系统角度测量不同于传统的TOA/AOA定位中所测的基站与定位终端空间角度,而是通过定位终端的惯性器件测量的终端的空间水平指向。
该算法利用双向对称测距,消除了两节点间的始终误差,因此不需要通信双方的时钟同步,极大降低了系统复杂性。
当前因各行各业都在进行着深度的信息化革命,以此基本形成了大数据格局。同时大数据还已广泛应用于各个领域,这为企业建立大数据审计模式提供了条件,这既是对传统审计工作模式的重大突破,也是对当今深度变化着的大数据时代审计环境的积极响应。
图4 双级Kalman滤波器 Fig.4 Double-Stage Kalman Filter
根据陀螺仪输出角速度值计算姿态角的过程,看作是当前状态的预测,建立滤波系统的状态方程
图2中,在定位终端的2次观测间隔内,由于观测时间相对于终端移动速度足够短,终端移动轨迹可以近似为由(x0,y0)点至(x,y)点的直线运动过程,其中测距结果由d0变化至d,偏航角为θ。因此可以分别构建距离方程与角度方程:
(7)
其中,Q为四元数,w为角速率。输出的预测角度,可以看作是真实角度和误差角度的合成,如式(8)
(8)
该系统在通信的同时,使用双边双路对称测距(Symmetrical Double-Side Two Way Ranging, SDS-TWR)[12]法进行测距,如图3所示。
(9)
其中,为观测量;为假设存在的真实姿态角;为测量姿态角度与真实角度的误差。
连立式(1)、式(2),可得关于移动距离L的观测方程
(10)
将得到的过程噪声协方差和测量噪声协方差代入Kalman滤波算法实现估计角度和测量角度的融合,得到优化姿态角估计值,再把得到的优化结果作为下一次计算的起始值,反复地进行数据融合得到稳定的姿态角估计值。实验表明,通过Kalman滤波有效地补偿了传感器漂移与测量噪声等因素对加速度计、陀螺仪和磁强计的影响,减小了姿态角度测量误差,提高了运算精度,测角精度达1.5°。
本次习作中学生笔下的猫和狗,虽然聪明、乖巧,可是脱离了生活的真实,为了让观察更真实、有效,我给学生布置了一项生活实践作业:
3 实验系统及实验结果
3.1 实验系统
根据1.1节设计的系统架构,实验系统实物图如图5所示。
图5 实验装置图 Fig.5 The picture of experiment devices
其中,蓝色板为基站板,红色板为定位终端板。定位终端可将定位结果通过串口上报上位机。
3.2 实验数据及结果
实验在北京邮电大学地下车库进行,实验范围约为40m×60m的矩形区域。定点测距实验结果如表1和表2所示,可见其测距精度均优于1m。实地实验定位结果图如图6所示。
综上所述,排除冷凝集素对血型鉴定和交叉配血干扰可采取加热洗涤和冷吸收法,能够有效的降低血液检验的干扰问题,提升血液检测质量、保证临床用血安全。
表1 定点测距精度实验(未平滑)
Tab.1 Result of pin point ranging (Not filtered)
实验点/m距离/m标准差/m1111.80930.19222322.09670.59293232.38270.12804242.12930.406
表2 定点测距精度实验(已平滑)
Tab.2 Result of pin point ranging (Filtered)
实验点/m距离/m标准差/m1111.81970.10762322.11420.07863232.38090.10254242.13390.0345
实验对比了Kumar等提出的基于Wi-Fi的单基站定位方法[15],可见本文方法定位精度保持在1~3m,优于基于Wi-Fi的单基站定位结果。
图6 实地实验定位结果图 Fig.6 The results of field experiment
4 结论
本文提出了一种基于线性调频扩频信号的单基站室内定位系统。该系统采用线性调频扩频信号进行单基站测距,同时以定位终端偏航角信息进行辅助,构成了一种有附加几何约束的航迹推算系统,加入了等效的速度约束,使系统收敛性得到了提高。实地实验表明:该定位系统仅需单个基站即可覆盖60m以上半径范围,实现1~3m的室内定位精度。
由于本文的定位系统仅需要单个基站覆盖,其节点布设密度远远低于现有基于Wi-Fi、蓝牙、Zigbee和UWB的定位系统,降低了定位系统安装和部署的难度,减少了定位成本及复杂度,对室内定位系统的推广和发展具有积极意义。
参考文献
[1] He Z,Petovello M, Pei L, et al. Evaluation of GPS/BDS indoor positioning performance and enhancement[J]. Advances in Space Research, 59(3), 2017: 870-876.
[2] He Z,Petovello M, Lachapelle G. Improved velocity estimation with high-sensitivity receivers in indoor environments[C]//Proceedings of the 25th International Technical Meeting of the Satellite Division of the Institute of Navigation, 2012: 1004-1016.
[3] Dedes G, Dempster A G. Indoor GPS positioning-challenges and opportunities[C]// 2005 IEEE 62nd Vehicular Technology Conference, 2005: 412-415.
[4] 邢珍珍. 基于地磁传感器的室内导航解决方案[J]. 软件工程, 2016, 19(4):13-15.
[5] TechWeb. 我国手机用户突破14亿 户均流量2.25G[DB/OL]. [2017-11-24]. http://www.techweb.com.
cn/tele/2017-11-24/2610515.shtml.
[6] 华海亮. 基于WiFi和蓝牙的室内定位技术研究[D]. 锦州:辽宁工业大学, 2016.
[7] 杨狄, 唐小妹, 李柏渝,等. 基于超宽带的室内定位技术研究综述[J]. 全球定位系统, 2015, 40(5):34-40.
[8] Yang D, Li H, Peterson G D, et al.Compressive sensing TDOA for UWB positioning systems[C]// Radio & Wireless Symposium. IEEE, 2011:194-197.
[9] 温培博, 李行健, 杨文. 多基站下基于信号到达时间的室内三维定位[J]. 数学的实践与认识, 2017, 47(14):151-161.
[10] 张浩, 刘兴, Gulliver T A,等. 基于单基站天线阵列的超宽带定位AOA估计方法[J]. 电子与信息学报, 2013, 35(8):2024-2028.
[11] Nanotron Technologies GmbH. Nanopan 5375 RF module datasheet[M].Version 2.0.Berlin, 2009.
[12] Lin C. Application of SDS-TWR technology in coal mine personnel positioning system[J]. Industry & Mine Automation, 2015.
[13] 陈航科, 张东升, 盛晓超,等. 基于Kalman滤波算法的姿态传感器信号融合技术研究[J]. 传感器与微系统, 2013, 32(12):82-85.
[14] Sabatelli S, Galgani M, Fanucci L, et al. A double-stage Kalman filter for orientation tracking with an integrated processor in 9-D IMU[J]. IEEE Transactions on Instrumentation & Measurement, 2013, 62(3):590-598.
[15] Kumar S, Kumar S, Katabi D. Decimeter-level localization with a single WiFi access point[C]// Usenix Conference on Networked Systems Design and Implementation. USENIX Association, 2016:165-178.