UWB Kapalı Konumlandırmaya Dayalı Ortak Algoritma Araştırması
Modern bilim ve teknolojinin gelişmesiyle birlikte, iletişim ve navigasyon teknolojisi çeşitli alanlarda büyük bir rol oynamıştır ve insanların konum hizmetlerine olan talebi de artmaktadır. Dış ortamda, Küresel Konumlandırma Sistemi (GPS), dış mekan konumlandırma için benimsenen bir çözümdür ve konumlandırma doğruluğu genellikle 10 m'nin üzerindedir. Kapalı ortamda GPS, konumlandırma sorununu çözemez.İç mekan konumlandırma teknolojilerinden biri olan Ultra Geniş Bant (UWB) teknolojisi, yüksek doğruluk, düşük güç tüketimi ve güçlü parazit önleme özelliklerine sahiptir.İç mekan konumlandırmada yaygın olarak kullanılmaktadır. alan. Değişime dayalı birkaç konumlandırma yöntemi vardır: Varış Zamanı (TDOA), Uçuş Süresi (TOF), Varış Açısı (AOA), düğümler arasındaki mesafeyi ölçme Veya açı bilgilerini ve ardından düğüm konumunu hesaplamak için üç taraflı ölçüm, üçgenleme veya en küçük kareler yöntemini kullanın.
Geçmiş araştırmalarda, konumlandırmanın doğruluğunu artırmak için optimizasyon algoritması hesaplama süreci (Taylor algoritması, Fang algoritması, Chan algoritması gibi) kullanılmıştır. Bu makale, test edilecek düğümün hareket durumunu ayırt etmek için hareket algılamayı kullanır ve aralık doğruluğunu iyileştirmek için iki yönlü uçuş süresi aralığı yöntemini kullanan ortak bir algoritma ve en iyi düğümü çözmek için en küçük kare yöntemini (En Küçük Kare, LSE) önerir. Konumlandırın ve son olarak düğümün hareket yörüngesini izlemek için bir birleştirici (Genişletilmiş Kalman Filtresi, EFK) ve algoritmanın güvenilirliğini doğrulamak için MATLAB simülasyonu aracılığıyla.
1 UWB aralık prensibi
UWB sistemi tarafından iletilen sinyal, taşıyıcı olmadan dar bir darbe kullanır. Dar darbenin genişliği genellikle sadece birkaç nanosaniye veya hatta onlarca pikosaniyedir. Bu, UWB sinyalinin birkaç GHz kadar yüksek olabilen çok geniş bir spektruma sahip olmasını sağlar, dolayısıyla güç spektrumu Yoğunluk küçük olacaktır ve yukarıdaki özellikler onu geleneksel sürekli radyo sinyal sisteminden farklı kılar.
UWB konumlandırma ilkesi: önce baz istasyonu ile etiket arasındaki mesafeyi ölçün ve ardından etiketin konum koordinatlarını çözmek için algoritmayı kullanın. Bu makale, aralıklandırma için İki Yönlü Uçuş Süresi (TW-TOF) kullanır ve etiket konumunu çözmek için ortak bir algoritma önerir.
1.1 Uçuş süresi aralığı yöntemi
TOF menzilleme yöntemi, UWB sinyallerinin düğümler arasındaki gidiş-dönüş süresini kaydetmek için iki düğüm arasında işbirliğine dayalı iletişim gerektirir Aralıklandırma işlemi Şekil 1'de gösterilmektedir.
Etiket, baz istasyonuna bir sorgulama mesajı POLL'i gönderir ve etiket onu aldığında, veri paketine yanıt vermek için hemen bir onay RESP ile cevap verecektir. Etiket, T1'in veri paketini göndermesinden teyidi almaya kadar geçen süreyi kaydeder; baz istasyonu, T2'nin veri paketini almasından yanıta kadar geçen süreyi kaydeder, ardından baz istasyonundan etikete olan mesafe d şu şekilde ifade edilebilir:
Denklem (1), ideal koşullar altında değişen formüldür. TOF aralığında, düğümler zaman için kendi saatlerini kullanır ve iki düğümün saatleri tamamen senkronize edilemez, bu da iki düğüm arasında ciddi aralık hatalarına neden olacak bir saat kaymasına neden olur.
Baz istasyonunun saat sapmasının FA olduğunu ve etiketin saat sapmasının FB olduğunu varsayalım, bu durumda sinyal iletim süresi hatası elde edilebilir:
Bu hatanın etkisini azaltmak için yüksek stabiliteye sahip bir saat seçilebilmesine rağmen, fiyat nispeten pahalıdır ve bu da maliyeti artıracaktır.
1.2 İki yönlü uçuş süresi aralığı
TOF menzilleme yönteminde düğümler arasındaki saat ofsetinin menzil hatasını arttırması problemiyle ilgili olarak, bu yazıda kullanılan iki yönlü uçuş süresi aralıklandırma yöntemi, buna dayalı olarak geliştirilmiş bir menzilleme yöntemidir. Spesifik süreç Şekil 2'de gösterilmektedir.
İlk aşama: TOF aralığı yöntemiyle aynı, iki kez T1 ve T2 elde edilir. İkinci aşama: RESP'yi aldıktan sonra, etiket baz istasyonuna bir SON mesajı gönderir RESP'nin alınmasından SONUÇ'un T3 olarak gönderilmesine kadar geçen süreyi ayarlayın. Üçüncü aşama: Baz istasyonu FINAL'ı aldıktan sonra, T4'ün RESP'yi göndermesinden SON mesajını almaya kadar geçen süreyi alabilir. İdeal TOF aralığı yöntemine göre, baz istasyonu ve etiket saati tamamen senkronize edilirse, T1 = T4, T3 = T2, şunu alabiliriz:
Ancak gerçekte, düğümler arasındaki saatler senkronize edilemez, bu nedenle TW-TOF aralık belirleme yöntemi, aralığın neden olduğu hataları daha iyi kontrol edebilir ve böylece konumlandırma doğruluğunu iyileştirebilir. Yukarıda elde edilen birkaç defaya göre, UWB sinyalinin tek yön uçuş süresi T formül (8) ile elde edilebilir.
Buradan, TW-TOF aralığının, saat frekansı sapmasının neden olduğu aralık hatasını büyük ölçüde azalttığı görülebilir. ± 10 × 10-6Hz gibi düşük frekanslı bir sapma kristali seçilirse, teorik aralık değiştirme hatası ± 0,2 m'ye daha da azaltılabilir.
2 En küçük kareler statik konumlandırma
2.1 En Küçük Kareler Yöntemi
TW-TOF aralığının değişmesinden sonra, her bir baz istasyonu ile etiket arasındaki mesafe di elde edilir ve her baz istasyonu A0, A1, A2 ve A3'ün koordinatları bilinir (Xi, Yi), ardından denklemler elde edilebilir:
onların arasında:
2.2 En küçük kare yöntemi statik konumlandırma simülasyonu
Bu simülasyonda kullanılan simülasyon yazılımı MATLAB 2014b'dir ve bilgisayar konfigürasyonu şu şekildedir: sistem ortamı Windows 764-bit, CPU Intel CoreTMi3-3220, CPU frekansı 3.30 GHz ve bellek DDR38 GB'dir. Konumlandırmaya katılan 4 baz istasyonun koordinatları (0, 0), (0, 100), (100, 0), (100, 100), etiketin gerçek koordinatları (44, 37), en küçük kareler yöntemi ile elde edilen simülasyon Sonuçlar dairelerle temsil edilir ve teste rastgele aralık hataları eklenir. 100 kez çalışan algoritma simülasyonunun sonucu Şekil 3'te gösterilmektedir.
Şekil 3'teki simülasyon sonuçlarından, en küçük kareler yöntemi ile elde edilen konumlandırma sonuçlarının temel olarak etiketin gerçek koordinatları etrafında dağıldığı ve bu konumlandırma algoritmasının etkili olduğunu gösterdiği görülebilir. Algoritmanın performansını daha sezgisel olarak değerlendirmek için, denklem (15) 'de gösterildiği gibi konumlandırma hatasını analiz etmek için Ortalama Karekök Hatası (RMSE) kullanılır:
Şekil 4'den test edilecek düğümün statik konumlandırmasının gerçekleştirilmesi için en küçük kareler yönteminin kullanıldığı, konumlandırma sonuç hatasının% 6 içerisinde kontrol edildiği ve doğruluğun beklenen sonuç ile uyumlu olduğu ve bu algoritmanın etkili olduğu görülmektedir.
3 Genişletilmiş Kalman filtresi dinamik konumlandırma
En küçük kareler yöntemi, statik düğümlerin konumunu tahmin edebilir, ancak hareketli etiketler için, gerçek ölçümde, çok yollu yayılma ve nesnelerin veya insan gövdelerinin neden olduğu görüş alanı dışı hatalar büyük konumlandırma hatalarına neden olur. Kalman filtresi, konumu tahmin etmek için son anda konum bilgisini ve bu andaki gözlem bilgisini kullanır.
3.1 Genişletilmiş Kalman filtresi
Geleneksel Kalman filtresi yalnızca doğrusal Gauss modelinde kullanılabilir ve hareket etiketi konumlandırma probleminin modeli doğrusal değildir, daha sonra genişletilmiş Kalman filtresi doğrusal olmayan fonksiyonun yerel doğrusal özellikleriyle doğrusal olmayışı yaklaşık olarak tahmin etmek için kullanılabilir. Süreç iki aşama içerir: tahmin ve güncelleme.
Yukarıdaki iki denklem durum vektörünün kovaryansının tahminidir ve k zamanındaki tahmin hatasıdır ve Q (k), sistem hatasının kovaryansıdır.
H (s (k)) doğrusal olmayan bir fonksiyon olduğundan, doğrusal olmayan problemi çözebilen genişletilmiş Kalman filtresi kullanılırken, Taylor serisi açılımı ifadeyi basitleştirmek için kullanılır. K-1 zamanından k zamanına dönüştürüldüğünde, H (k), h (s (k)) 'nin Jacobian matrisidir, yani türetme ve sadeleştirmeden sonra:
(k) ve v (k) kovaryans matrisleri sırasıyla Q (k) ve R (k) olsun, her ikisi de köşegen matrisler, sütun sayısı 2, boyut baz istasyonlarının sayısı ve köşegendeki her eleman Değerler sırasıyla konumlandırma koordinatının maksimum hatasının yarısı olarak ve simülasyondaki karşılık gelen ölçüm varyansı olarak ayarlanır.
3.2 Dinamik konumlandırma simülasyonu
Dinamik konumlandırmada genişletilmiş Kalman filtresinin özelliklerini yansıtmak için simülasyonda zaman örneklemesinden sonra statik konumlandırma algoritmasının sonuçları ile karşılaştırılmıştır.Simülasyon için MATLAB kullanılmış ve 4 baz istasyonu kurulmuş, (0, 0) 'a dağıtılmış, ( 0, 1000), (1000, 0), (1000, 1000), bu yazıda test edilen dinamik süreç, dinamik düğümlerin izleme etkisini test etmek için (0, 500) 'den başlar. Zaman örnekleme periyodu 0.1 saniyedir.Genişletilmiş Kalman filtresi prensibine göre, sadece başlangıç değerinin bilinmesi gerekir.Simülasyon sonucu Şekil 5'te gösterilmiştir.
Şekil 5'ten görülebileceği gibi, en küçük kareler yöntemi ile statik örnekleme ile ölçülen konum, EFK tahmininden sonra oluşan yörünge ile karşılaştırılır EKF tahmininden sonra mobil düğümün koordinatları, genişletilmiş Kalman filtresini gösteren gerçek hareket yörüngesine daha yakındır. Hareket halindeki etiketin konumunu daha iyi tahmin edebilir. Daha sonra, genişletilmiş Kalman filtresinin dinamik konumlandırma etkisini daha sezgisel olarak göstermek için simülasyon sonuçlarının RMSE'si karşılaştırılır ve analiz edilir ve sonuç Şekil 6'da gösterilir.
Şekil 6'daki statik algoritma ile örneklenen RMSE, büyük dalgalanmalara sahip kesikli bir çizgidir ve EFK algoritması tarafından tahmin edilen RMSE, küçük dalgalanmalara sahip düz bir çizgidir Hata, genişlemeyi sezgisel olarak gösteren% 25'ten yaklaşık% 5'e kadar sabitlendi. Kalman filtreleme algoritmasının etkinliği.
4 Sistem iş akışı
4.1 Hareket durumu algılama
Ortak algoritmanın uygulanması, etiketin hareket durumunu bilmelidir, bu nedenle hareket durumu algılama yöntemi tasarlanmıştır. (Xt, yt), t zamanında en küçük kareler yöntemi statik konumlandırma örneklemesi ile elde edilen konum olsun ve sistemin maksimum hatasının olduğu varsayıldığında, hareket durumu aşağıdaki formülle tespit edilebilir:
Formülde k, her ölçüm dizisinin zamanıdır Konumlandırmaya başladıktan sonra, her bir ölçüm süresi t zamanındaki konumla karşılaştırılır. Formül (24) oluşturulduğunda, etiketin hareket durumunun statik olduğu tespit edilir.Aksine, formül (25) oluşturulduğunda, yani t + k ile t arasındaki mesafe, maksimum hatanın belirli bir katını aşarsa, o zaman Etiketin sportif olduğunu belirleyin. Birçok simülasyondan sonra, son simülasyonda alınan maksimum hata = 0,2 m ve hata katsayısı = 2'dir. Kritik durumda etiketin sık dalgalanmasını önlemek için, yalnızca N olduğunda algılama sayısını kaydetmek için bir değişken N tanımlanır. > Saat 3 konumunda, yani arka arkaya 3 kez hareket olarak algılandığında, gerçekten bir hareket durumu olarak belirlenebilir. Etiketin dinamik takibi ve konumlandırmasına devam etmek için genişletilmiş Kalman filtre algoritmasının başlangıç değeri olarak şu anda en küçük kare statik konumlandırmanın sonucunu kullanın.
4.2 Ortak algoritma iş akışı
Yukarıda açıklanan ortak algoritmanın türetilmesi ve simülasyonuna dayalı olarak, en küçük kareler yöntemi eklem genişletilmiş Kalman filtresi konumlandırma algoritmasının işlem akışı Şekil 7'de gösterilmektedir.
5. Sonuç
Bu makale, saat ofsetinin neden olduğu aralık hatasını azaltabilen ve genişletilmiş Kalman filtresi dinamik konumlandırma algoritması ile birleştirilmiş en az kare statik konumlandırma öneren ikili uçuş zamanı (TW-TOF) aralığı yöntemini tanıtmaktadır. Statik konumlandırma için, ölçülecek düğümün yerini belirlemek için en küçük kareler tahmin yöntemi kullanılır.Simülasyon sonuçları, bu algoritmanın konumlandırma hatasının% 6 içinde kontrol edilebileceğini gösterir; ölçülecek hareketli düğüm dinamik olarak konumlandırılırken genişletilmiş Kalman filtresi kullanılır. , Hareket yörüngesini tahmin edin ve izleyin ve onu MATLAB simülasyonuyla karşılaştırarak statik konumlandırma örneklemesine kıyasla, genişletilmiş Kalman filtre algoritmasının hatasının% 20 oranında azaldığını ve konumlandırma etkisinin daha iyi olduğunu gösterin. Daha sonra, konumlandırma doğruluğu, baz istasyonlarının ve makul baz istasyonu dağıtım konumlarının sayısı artırılarak geliştirilebilir. Algoritmada optimizasyon olasılığı da vardır.Doğrusal olmayan bir problemi doğrusal bir probleme dönüştürme sürecinde, algoritmanın karmaşıklığını artırarak doğruluğu artırmak için Taylor genişlemesinde daha fazla terim alınır.
Referanslar
Dong Jiazhi.UWB tabanlı iç mekan konumlandırma ve izleme algoritmaları üzerine araştırma Chengdu: Çin Elektronik Bilim ve Teknoloji Üniversitesi, 2015.
Lu Jingyu, Yu Wentao, Zhao Xin, ve diğerleri.Ultra geniş banda dayalı mobil robot iç mekan konumlandırma sisteminin tasarımı.Elektronik teknoloji uygulaması, 2017, 43 (5): 25-28.
MATTEO R, SAMUEL V D, V, HEIDI S, ve diğerleri.Yüksek kullanıcı yoğunlukları için UWB iç mekan yerelleştirme çözümlerinin ölçeklenebilirliğinin analizi.Sensörler, 2018, 18 (6): 1875-1880.
Sun Feng, Shi Weibin, Huang Lingfeng.Kablosuz sensör ağına dayalı iç mekan konumlandırma teknolojisi araştırması Elektronik Teknoloji Uygulaması, 2013, 39 (10): 80-83.
MCELROY C, NEIRYNCK D, MCLAUGHLIN M. İç mekan konum sistemleri için kablosuz saat senkronizasyon algoritmalarının karşılaştırılması 2014 IEEE Uluslararası İletişim Çalıştayları Konferansı Bildirileri.Sydney.IEEE, 2014: 157-162.
LI X, HE D, JIANG L, ve diğerleri.Çok görevli sıkıştırıcı algılamaya dayalı bir iç mekan çok yollu IR-UWB konumu yöntemi.Dördüncü Uluslararası Her Yerde Konumlandırma Konferansı. IEEE, 2017: 64-68.
HEWISH M. Ultra geniş bant teknolojisi yeni ufuklar açıyor Janes International Defence Review Idr, 1999, 2: 20-22.
Liang Jiuzhen. Kablosuz Konumlandırma Sistemi. Pekin: Elektronik Endüstrisi Yayınevi, 2013.
Lu Xuyang TOF tabanlı WSN düğüm konum teknolojisi üzerine araştırma Zhengzhou: PLA Information Engineering University, 2012.
Ji Maoxiang. UWB Kapalı Konumlandırma Sisteminin Araştırma ve Uygulaması. Şangay: Doğu Çin Normal Üniversitesi, 2017.
Shi Yanshan, Li Daoben, Fan Yuezu Kablosuz konumlandırma için genişletilmiş Kalman filtre algoritmasının optimizasyonu Beihang Üniversitesi Dergisi, 2003, 29 (4): 308-311.
yazar bilgileri:
Li Guoyou, Song Chengquan, Meng Yan
(Elektrik Mühendisliği Okulu, Yanshan Üniversitesi, Qinhuangdao, Hebei 066000)
