1.一种基于UWB定位的智能召车导航定位方法,其特征在于,包括以下步骤:S1、在车身上设置三个UWB定位基站A0、A1、A2,车主手持标签M,分别获取三个基站A0、A1、A2与标签M之间的距离d0、d1、d2;
S2、以基站A1、A2的连线中点O为原点,建立空间直角坐标系,得到三个基站的坐标为A0(x0,y0.z0),A1(x1,y1.z1),A2(x2,y2.z2);
S3、使用改进的三边定位算法求出标签的坐标M(x,y),结合应用场景,只需解算出二维平面坐标;
S4、计算峭度并进行分析,使用峭度来衡量信道状态;
S5、将峭度正常的情况判定为LOS环境,采用标准无迹卡尔曼滤波算法处理定位数据,输出预测最优值;将峭度异常的情况判定为NLOS环境,在标准无迹卡尔曼滤波算法的基础上引入自适应因子进行修正,减小误差,最后输出最优预测值;
当标签反应时间等于基站反应时间时,求取基站与标签间的距离d公式如下:式中,C为光速,TOF是UWB信号飞行时间,TSP为标签向基站发送一条请求信号时刻,TRP为基站开始接收信号时刻,TSR为基站回复信息时刻,TRR为标签开始接收信号时刻,TSF为标签将数据包P3(TSP,TRR,TSF)发送给基站时刻;TRF为基站接收到P3数据包时刻;
当标签反应时间不等于基站反应时间时,采用双边双向测距算法获得基站与标签间的距离d,公式如下:式中,TTRT=TRR‑TSP为标签往返时间, 为基站反应时间,TART=TRF‑TSR为基站信号往返时间, 为标签反应时间;
所述改进的三边定位算法如下:
设传统三边测量法中用于定位的三个圆分别为O1,O2,O3,其方程为:式中,(x0,y0)、(x1,y1)、(x2,y2)分别为三个基站的坐标,d0、d1、d2分别为标签到三个基站的距离;
联立方程求解三个圆两两相交的有效交点分别为(xa,ya),(xb,yb),(xc,yc),这里的有效交点定义为三圆相交区域中的交点;交点所围成的三角形的三条边l0、l1、l2分别为:三角形面积:
假设UWB每0.1秒获取n组有效数据,每组数据下所求取的交点围成的三角形面积为S,定义以下的权重函数,表示位置的可信程度式中,(xi,yi)是根据第i组有效数据求解出的标签位置,Si是根据第i组有效数据算出的所围成的三角形面积,(xc,j,yc,j)是经过加权后的标签位置,表示标签位置的可信度;
标准化处理,求得标签位置最优值:
定义峭度为波形四阶矩和二阶矩平方的比值,即
4 2
其中,E{[|O(t)|‑μ] }是波形四阶矩的数学期望,E{[|O(t)|‑ μ]}是波形二阶矩的数学期望,μ为t时刻O(t)的均值,O(t)为UWB信号在IEEE802.15.4a标准下的信道冲激响应,表示为其中,l表示第l条多径,L表示多径总数,al、τl分别为第l条路径的幅度增益和时延,δ(x)是单位能量的单径脉冲函数;
单位能量的单径脉冲函数δ(x)性质如下:
步骤S4中使用峭度K(t)衡量信道状态,表示如下:
其中,thresh为设定的阈值;
步骤S5中,在标准无迹卡尔曼滤波算法的基础上引入的自适应因子如下:式中, 为UWB的真实测量值yk与测量估计值 的差值,Py,k为 的向量协方差矩阵,tr()为矩阵的迹,μk为所构建的自适应因子,用于判别滤波中是否存在状态模型误差,并且对误差有自适应调节的作用;
步骤S5中,将自适应因子加入标准无迹卡尔曼滤波算法中,对其进行修正如下:c
其中,Wi 为滤波过程中协方差权值, 为测量方程计算出的测量值, 为测量估计值,Rk为测量噪声, 为状态向量, 为变换后的Sigma样本点, 为预测协方差矩阵,Kk为增益矩阵。