基于TD-SCDMA系统的井下人员精确定位方法.pdf

(19)中华人民共和国国家知识产权局*CN103152695A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103152695103152695A(43)申请公布日2013.06.12(21)申请号201310054905.2(22)申请日2013.02.04(71)申请人太原理工大学地址030024山西省太原市迎泽西大街79号(72)发明人李灯熬冯丁赵菊敏赵宝峰(51)Int.Cl.H04W4/02(2009.01)H04W64/00(2009.01)权权利要求书3页利要求书3页说明书9页说明书9页附图2页附图2页(54)发明名称基于TD-SCDMA系统的井下人员精确定位方法(57)摘要本发明公开了一种基于TD-SCDMA系统的井下人员精确定位方法，获取信号到达基站的时间TOA和到达角度AOA；利用改进的kalman滤波算法TOA值去噪处理；由去噪处理后的TOA值求得信号到达时间差TDOA值；用TDOA/AOA混合Chan算法和TDOA/AOA混合Taylor算法进行移动台的位置估计；利用残差加权法对位置估计值进行第一次数据融合，求出新的位置估计值；利用贝叶斯推论对位置估计值进行第二次数据融合，求得最终的位置估计值；该井下人员精确定位方法利用TD-SCDMA系统的优势和数据融合的优越性，采用TDOA/AOA混合数据融合定位算法，定位精度高，解决了煤矿井下人员定位困难的问题。CN103152695ACN1035269ACN103152695A权利要求书1/3页1.基于TD-SCDMA系统的井下人员精确定位方法，其特征在于，该井下人员精确定位方法包括以下步骤：步骤一，获取信号到达基站的时间TOA和到达角度AOA；步骤二，利用改进的kalman滤波算法对获取的TOA值进行去噪处理；步骤三，由去噪处理后获得的TOA值求得信号到达时间差TDOA值；步骤四，用TDOA/AOA混合Chan算法和TDOA/AOA混合Taylor算法进行移动台的位置估计；步骤五，利用残差加权法对位置估计值进行第一次数据融合，求出新的位置估计值；步骤六，利用贝叶斯推论对位置估计值进行第二次数据融合，求得最终的位置估计值。2.如权利要求1所述的井下人员精确定位方法，其特征在于，在步骤一中，由于TD-SCDMA采用智能天线技术，可通过MUSIC算法获得的获得比较精确的AOA值，TOA值可通过基站直接获得。3.如权利要求1所述的井下人员精确定位方法，其特征在于，在步骤二中，对TOA值的滤波过程以及kalman滤波算法的改进如下：若rm(ti)表示在ti时刻从移动台MS到基站BSm的距离测量值，则rm(ti)等于真实距离dm(ti)、系统测量误差nm(ti)和NLOS误差NLOS(ti)之和，即：rm(ti)＝dm(ti)+nm(ti)+NLOS(ti)(1)其中nm(ti)为服从均值为零的高斯噪声，NLOS(ti)一般认为是符合基于均方根时延扩展τrms的服从指数、均匀或Delta分布的正随机变量；卡尔曼滤波器通过状态转移方程和系统测量方程把某一时刻的状态值与当前以及以前时刻的测量值联系起来，从而得到当前时刻的最优值，假设每隔周期T获取一次TOA数据，则Kalman滤波的状态方程为：X(k+1)＝φX(k)+GW(k)(2)式(2)中其中r(k)为k时刻的TOA值，r′(k)为r(k)的导数，因为只考虑移动台静止的情况，所以r′(k)＝0，φ为状态转移矩阵，W(k)为状态噪声，服从零均值、协方差矩阵为Q的高斯白噪声；观测方程为：Z(k)＝HX(k)+V(k)(3)式(3)中，H是测量矩阵，取H＝[10]；测量噪声V(k)主要包括标准测量误差nm(ti)和NLOS误差NLOS(ti)，测量噪声V(k)的协方差矩阵为R；卡尔曼滤波递推运算过程如下：状态预测：预测误差协方差：P(k/k-1)＝φP(k-1/k-1)φT+GQ(k-1)GT(5)计算Kalman滤波增益：2CN103152695A权利要求书2/3页K(k)＝P(k/k-1)HT[HP(k/k-1)HT+R(k)]-1(6)计算最优滤波值：计算滤波误差协方差：P(k/k)＝P(k/k-1)[1-K(k)H](8)返回(4)式，开始下一次滤波；Kalman滤波需要给定初始条件，由于NLOS产生一个正值误差，所以这里取前五次获得的信号到达时间的平均值对应的TOA值为初始值。4.如权利要求3所述的井下人员精确定位方法，其特征在于，如果测量噪声V(k)受到NLOS的影响，则滤波估计值也会收到影响而高于正常值，由于卡尔曼滤波器具有记忆性，这种影响会一直持续下去，为减小NLOS误差对TOA估计值的影响，在迭代过程中，首先设定一个门限值，然后将最优滤波值与该门限值进行比较，如果大于门限值，则舍去该值，用