CN112394320A - 基于支持向量机的室内高精度质心定位方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的室内高精度质心定位方法，利用室内设置的三个参考点以及一个目标点分别与两个基站通讯，记录到达的时差，将到达的时差带入训练好的支持向量机，经支持向量机估算出目标点三维坐标，本发明提出的室内边界区域布置参考点，修正了室内环境对于定位技术的干扰，提高了室内目标定位的精度，同时无线通讯在室内传播时，也会产生多径传播和非视距干扰等问题，本发明中利用支持向量机的软测量技术，能够进一步提高室内定位的精度。

Description

基于支持向量机的室内高精度质心定位方法

技术领域

本发明涉及高精度距离测量及定位技术领域，尤其涉及基于支持向量机的室内高精度质心定位方法。

背景技术

目前，对于室内定位方法主要集中于定位方法的研究，对于提高精度方法研究还较少。例如专利室内定位方法和室内定位系统(申请号为CN201410818031.8)中公开的室内定位方法：布置于定位区域的多个无线信号发射器，每个无线信号发射器均被配置成以固定的发射功率广播发送无线信号；移动终端，配置成接收无线信号，提取无线信号的信号特征并上传至室内定位服务器；室内定位服务器，保存有预先测得的定位区域内不同位置的无线信号的信号特征，并配置成将移动终端上传的信号特征与预先测得的信号特征进行匹配，以确定匹配出的信号特征对应的位置，将确定出的位置信息下发给移动终端。虽然该发明专利提出了固定无线发射器作为参考点，但是多余无线信号传播过程中的干扰没有加以考虑，而室内环境复杂，干扰对检测的精度影响极其明显。

随着自动化技术不断飞速发展，对定位技术进度提出越来越高的要求。美国的GPS和我国的北斗定位系统已经完全满足室外定位要求。但在室内，因为建筑物的遮挡，特别是多重的墙壁阻隔，基本很难收到足够的卫星信号进行定位。即使能够收到卫星信号，也会因为精准不足而难以满足需求。室外由于干扰少，精度则较高。但室内由于环境复杂，精度难以同等技术条件下达到室外的精度。因此，高精度室内定位技术越来越受到重视。

发明内容

发明目的：本发明的目的是提供一种基于支持向量机的室内高精度质心定位方法，用以解决现有室内质心定位受干扰较多导致定位不精确的问题。

技术方案：本发明所述的基于支持向量机的室内高精度质心定位方法，包括有以下步骤：

S1：在目标的运动空间内设置三个坐标已知的不对称布置的参考节点A,B,C,随机设置一目标点D，同时另外设置有基站E、基站F和上位机；

S2：目标点D在定位空间中进行广播一次，记录下参考点A、基站E和基站F接收到广播的时间戳T_r1、T_r2、T_r3；

S3：参考点A收到广播后，转换工作模式为发射模式，固定延后T_d1进行广播一次；

S4：基站E和基站F接收到参考点A的广播，产生了接收时间戳T_s1和T_s2，T₂和T₃为到达时间，由于基站和参考点已经在定位空间中部署好，因此T₂和T₃为已知；

S5：计算D点与A点的到达时间差T_DA：T_DA＝T_r3-T_r2＝T_s2-T_s1+T₂-T₃,同理可得 D点与B点的到达时间差T_DB和D点与C点的到达时间差T_DC；

S6：将获得的时间差T_DA、T_DB、T_DC带入支持向量机，获得目标点三维坐标值；

S7：将获得的坐标值或者轨迹发送至人机界面进行显示。

作为优选，所述S6内所述支持向量机为最小二乘支持向量机。

作为优选，所述S6内支持向量机需要预先进行软测量模型训练，将大量检测获得的参考点、随机目标点距参考点距离和随机目标的坐标数据对最小二乘支持向量机进行训练，以获得最优的最小二乘支持向量机，所述软测量模型训练中，目标点D到参考节点 A、参考点B、参考节点C的时间差T_DA、T_DB、T_DC作为输入量，它们关系可以用 X＝f(T_DA,T_DB,T_DA)、Y＝f(T_DA,T_DB,T_DC)、Z＝f(T_DA,T_DB,T_DC)非线性函数表达。

作为优选，所述支持向量机进行软测量模型训练时，选用t检验准则对检测数据进行预处理。

作为优选，所述支持向量机进行软测量模型训练，构建软测量模型时，核函数参数σ²用sig2表示，惩罚因子γ用gam表示，核函数选择高斯核函数，函数类型选择函数估计法。

作为优选，所述支持向量机的软测量模型构建时选用网格搜索法来确定模型的最优参数，所述网格搜索法包括有以下步骤：

S1：输入建模数据，设置网格数量；

S2：给定核函数参数σ²，用sig2表示，初始数值为0.002，给定惩罚因子γ，用gam表示，初始数值为128；

S3：计算网格搜索范围和起点；

S4：用10-CV对网格点进行误差评估，画出误差等高线，寻最优值；

S5：判断最优质是否满足设定误差，如果不满足，则依据上次的最优值跳转回S3，重新计算网格搜索范围和起点，继续用10-CV对网格点进行误差评估，画出误差等高线，寻最优值，如果满足设定误差，则获得最优参数；

S6：输出最优参数，流程完毕。

技术原理：本发明在目标的运动空间内设置三个不对称布置的参考节点，目标及参考节点都是具有超宽带无线通讯技术的设备，通过时间差技术获得参考节点与目标点间的到达时间差，将三个到达时间差输入训练成功的最小二乘支持向量机，支持向量机根据训练获得的软测量模型计算获得目标点坐标值或者运动轨迹。

有益效果：本发明与直接将室外定位技术运用于室内定位相比，主要运用于室内，且室内环境复杂且干扰多，容易对定位结果产生极大干扰，本发明中提出的边界区域布置参考节点，进一步修正室内环境干扰，提高室内目标定位精度；同时无线通讯再室内传播时，也会产生多径传播和非视距干扰等问题，本发明中使用的最小二乘支持向量机的软测量技术进一步提高了室内定位精度，利用利用最小二乘支持向量机数据处理，避免常规的时间差技术需要参考点多次发送数据过程，提高定位的速度。

附图说明

图1是室内高精度定位系统及方法示意图；

图2是时间差通讯示意图；

图3是软测量模型结构；

图4是软测量模型设定；

图5是网格搜索法流程图；

图6是软测量模型流程图。

具体实施方式

如图1所示，为本发明中室内高精度质心定位方法中所需要用到设备，主要有参考点A、参考点B、参考点C、目标点D、基站E、基站F和上位机，其中参考点和目标点都是具有超宽带无线通讯技术的设备，目标点D为待测坐标值或运动轨迹物体，参考点则为固定布局的参考点。基站接收参考点和目标点信息，参考点接收目标点信息。基站E 和基站F接收完成后将时间戳信息通过MODBUS TCP发送至上位机。上位机则通过最小二乘支持向量机计算获得目标点D的坐标或运动轨迹，在界面显示空间位置和显示实时具体坐标值。

如图2所示为本发明中时间差通讯示意图，参考点A与目标点D的到达时间差计算步骤如下：

S1：目标点D在定位空间中进行广播一次，记录下参考点A、基站E和基站F接收到广播的时间戳T_r1、T_r2、T_r3；

S2：参考点A收到广播后，转换工作模式为发射模式，固定延后T_d1进行广播一次；

S3：基站E和基站F接收到参考点A的广播，产生了接收时间戳T_s1和T_s2，T₂和T₃为到达时间，由于基站和参考点已经在定位空间中部署好，因此T₂和T₃为已知；

S4：计算D点与A点的到达时间差T_DA：T_DA＝T_r3-T_r2＝T_s2-T_s1+T₂-T₃。

重复上述步骤获得D点与B点的到达时间差T_DB和D点与C点的到达时间差T_DC。

将参考点A、参考点B和参考点C点与目标点D点间的到达时间差带入最小二乘支持向量机进行计算前，需要将大量检测获得的参考点、随机目标点距参考点距离和随机目标的坐标数据对最小二乘支持向量机进行训练，以获得最优的最小二乘支持向量机。

本发明对最小二乘支持向量机进行软测量模型训练，如图3所示为软测量模型结构，由于室内无线定位主要受到多径传播和非视距干扰影响，但是两者不能够参数具体化。因此，选择目标点D到参考节点A、参考点B、参考节点C时间差T_DA、T_DB、T_DC作为输入量，它们关系可以用X＝f(T_DA,T_DB,T_DA)、Y＝f(T_DA,T_DB,T_DC)、 Z＝f(T_DA,T_DB,T_DC)非线性函数表达。

本发明在进行软测量模型训练时，需要进行大量的实验获得数据对模型进行训练。但是由于实验的误差会产生错误的数据。因此，必须要对实验数据进行预处理。选用t检验准则对异常数据进行剔除，其操作原理如下：以一定置信概率为条件，依据置信区间来评判检测数据是正常数据还是异常数据。设检测数据为{x₁,…,x_n}，则t检验准则表达式如下：

式中，x_d为待检验的数据，

为n个数据算术平均值，α为显著性水平，K(n+1,α)为检验系数，

为n个数据标准差估计值。其中，检验系数可通过n与α值查询概率统计表得到。

和

计算方法分别如下：

当检测数据与式t检验准则表达式关系不相同时，那么表明该数据为正常数据；当检测数据与式t检验准则表达式关系相同时，那么意味着该数据为非正常数据，则依据一定原则进行删除或者补偿操作。

如图4所示，为软测量模型构建时一系列参数和函数类型的设定和选取，即对模型的函数类型、核函数和正规化参数等进行选取和设定，sig2表示核函数参数σ²，gam表示惩罚因子γ，两者数值设定对计算结果拟合效果有着非常重要影响，本实施例中核函数选择高斯核函数，函数类型选择函数估计法。为了确定最优参数，需要不断地对其进行优化调整，直至寻找到达到模型估计精度的参数为止。本发明中采用了如图5所示的网格搜索法来确定最优的模型参数设定值，具体步骤如下：

S1：输入建模数据，设置网格数量；

S2：给定核函数参数σ²，用sig2表示，初始数值为0.002，给定惩罚因子γ，用gam表示，初始数值为128；

S3：计算网格搜索范围和起点；

S4：用10-CV对网格点进行误差评估，画出误差等高线，寻最优值；

S5：判断最优质是否满足设定误差，如果不满足，则依据上次的最优值跳转回S3，重新计算网格搜索范围和起点，继续用10-CV对网格点进行误差评估，画出误差等高线，寻最优值，如果满足设定误差，则获得最优参数；

S6：输出最优参数，流程完毕。

如图6所示，本发明中软测量模型结构确认完毕，对异常数据进行剔除后，进行数据归一化处理，处理完毕后，对模型参数进行初始设定，设定完毕后模型初始化，判断是否满足要求，如果无法满足要求，则通过网格搜索法来对参数进行选择和寻优，当选择的参数满足要求后，软测量模型输出结果，整个流程结束。

在软测量训练完毕后，将本实施例中参考点A、参考点B和参考点C点与目标点D 点间的到达时间差，带入最小二乘支持向量机进行计算，得到目标点D的坐标或者运动轨迹，输出至上位机，完成室内高精度质心的定位。

Claims (6)

1.基于支持向量机的室内高精度质心定位方法，其特征在于：包含有以下步骤：

S1：在目标的运动空间内设置三个坐标已知的不对称布置的参考节点A,B,C,随机设置一目标点D，同时另外设置有基站E、基站F和上位机；

S2：目标点D在定位空间中进行广播一次，记录下参考点A、基站E和基站F接收到广播的时间戳T_r1、T_r2、T_r3；

S3：参考点A收到广播后，转换工作模式为发射模式，固定延后T_d1进行广播一次；

S4：基站E和基站F接收到参考点A的广播，产生了接收时间戳T_s1和T_s2，T₂和T₃为到达时间，由于基站和参考点已经在定位空间中部署好，因此T₂和T₃为已知；

S5：计算D点与A点的到达时间差T_DA：T_DA＝T_r3-T_r2＝T_s2-T_s1+T₂-T₃,同理可得D点与B点的到达时间差T_DB和D点与C点的到达时间差T_DC；

S6：将获得的时间差T_DA、T_DB、T_DC带入支持向量机，获得目标点三维坐标值；

S7：将获得的坐标值或者轨迹发送至人机界面进行显示。

2.根据权利要求1所述的基于支持向量机的室内高精度质心定位方法，其特征在于：所述S6内所述支持向量机为最小二乘支持向量机。

3.根据权利要求1所述的基于支持向量机的室内高精度质心定位方法，其特征在于：所述S6内支持向量机需要预先进行软测量模型训练，将大量检测获得的参考点、随机目标点距参考点距离和随机目标的坐标数据对最小二乘支持向量机进行训练，以获得最优的最小二乘支持向量机，所述软测量模型训练中，目标点D到参考节点A、参考点B、参考节点C的时间差T_DA、T_DB、T_DC作为输入量，它们关系可以用X＝f(T_DA,T_DB,T_DA)、Y＝f(T_DA,T_DB,T_DC)、Z＝f(T_DA,T_DB,T_DC)非线性函数表达。

4.根据权利要求3所述的软测量模型训练，其特征在于：所述支持向量机进行软测量模型训练时，选用t检验准则对检测数据进行预处理。

5.根据权利要求3所述的软测量模型训练，其特征在于：所述支持向量机进行软测量模型训练，构建软测量模型时，核函数参数σ²用sig2表示，惩罚因子γ用gam表示，核函数选择高斯核函数，函数类型选择函数估计法。

6.根据权利要求3所述的软测量模型训练，其特征在于：所述支持向量机的软测量模型构建时选用网格搜索法来确定模型的最优参数，所述网格搜索法包括有以下步骤：

S1：输入建模数据，设置网格数量；

S2：给定核函数参数σ²，用sig2表示，初始数值为0.002，给定惩罚因子γ，用gam表示，初始数值为128；

S3：计算网格搜索范围和起点；

S4：用10-CV对网格点进行误差评估，画出误差等高线，寻最优值；

S5：判断最优质是否满足设定误差，如果不满足，则依据上次的最优值跳转回S3，重新计算网格搜索范围和起点，继续用10-CV对网格点进行误差评估，画出误差等高线，寻最优值，如果满足设定误差，则获得最优参数；

S6：输出最优参数，流程完毕。

Images