[發明專利]一種基于TDOA的定位追蹤方法

有效

• 申請號: 202010736789.2
• 申請日: 2020-07-28
• 公開（公告）號: CN111970641B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 申富饒;梅鴻遠;李駿;吳劍敏;王威
• 申請（專利權）人: 國網上海市電力公司;南京大學
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W64/00;G01S5/10;G01S5/12;G06N3/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 于瀚文;胡建華

本發明提供了一種基于TDOA的定位追蹤方法，包括：步驟1，輸入基站數據，邊界范圍，標準化基站數據；步驟2，設定階數、長度；步驟3，生成模擬TDOA數據；步驟4，訓練RNN；步驟5，讀取實際TDOA數據；步驟6，RNN運算；步驟7，反標準化坐標；步驟8，該條數據處理完畢，回到步驟5，讀取下一條數據。

技術領域

本發明涉及室內定位技巧，特別是涉及一種基于TDOA的定位追蹤方法。

背景技術

隨著無線通信技術的快速發展，以及物聯網應用的迅速成熟，對快速精確地獲取用戶或者設備位置的方法提出了巨大的需求。對于室外環境的定位，全球定位系統(GPS)已經獲得了廣泛的應用。GPS系統具有全天候可用，快速、高效、低成本等優點，但由于建筑物對無線信號的阻擋，GPS在室內環境難以發揮有效作用。此外，室內環境通常更加狹小、障礙物和人員更加密集，因此室內的無線信號傳輸更容易受到多徑效應、非視距傳輸(NLOS)等問題的影響，環境的動態變化也更加頻繁，這些都使得精確而高效的室內定位更加困難。由此，室內定位已經成為目前的一個熱點研究項目。

目前，已有多種信號測量和定位方法得到了廣泛的研究和應用，包括RSSI(Received Signal Strength Indicator)，CSI(Channel State Information)，指紋，AoA(Angle of Arrival)，ToF(Time of Flight)，TDoA(Time Difference of Arrival)等。其中，TDoA具有時間同步的要求更低的獨特優勢。

傳統的TDoA定位方法通常以TDoA的計算公式列出方程，并以優化方法進行求解。由于方程存在非線性性，在優化方法求解之前，往往還需要對方程進行變形，或是寬松處理。計算結果的精確度很大程度受到所選的寬松方法的影響，設計困難。同時通用的求優化方法解的算法存在復雜度高、時間開銷大的問題。文獻：Zafari F,Gkelias A,Leung K K.Asurvey of indoor localization systems and technologies[J].IEEE CommunicationsSurveysTutorials,2019,21(3):2568-2599.

循環神經網絡(RNN)是人工神經網絡的一種。和一般的人工神經網絡一樣，經過訓練的RNN可以作為一種通用的問題求解方法被應用于TDoA定位。RNN將狀態在自身網絡中循環傳遞，因此可以接受時間序列作為輸入，被應用于室內目標的定位追蹤并得到更為平滑的軌跡。RNN進行解算時的時間開銷較傳統方法具有較大優勢，但對其進行訓練需要大量訓練數據，在實際環境中采集足夠的數據非常困難。文獻：Rumelhart D E,Hinton G E,Williams R J.Learning representations by back-propagating errors[J].nature,1986,323(6088):533-536.

發明內容

發明目的：以RNN代替傳統方法的結算過程以解決傳統TDoA(到達時間差，TimeDifference of Arrival，TDOA)定位算法設計困難，計算復雜度高、時間開銷大的問題。通過生成模擬軌跡與TDoA數據解決RNN訓練數據采集困難的問題。最終得到一個可以快速進行定位運算的神經網絡，實現更高效的定位追蹤。

為了解決上述技術問題，本發明公開了一種基于TDOA的定位追蹤方法，該方法可以用于機器人導航、實時室內監控等應用中，包括如下步驟：

步驟1，輸入基站數據和邊界數據，標準化基站數據；

步驟2，設定參數；

步驟3，生成模擬軌跡曲線并生成TDOA數據；

步驟4，訓練循環神經網絡(Recurrent Neural Network，RNN)；

步驟5，讀取TDOA數據并進行預處理；