專利名稱：一種wsn/mins高精度實時組合導(dǎo)航信息融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種WSN/MINS高精度實時組合導(dǎo)航信息融合方法，屬于復(fù)雜環(huán)境下組合定位技術(shù)領(lǐng)域。
背景技術(shù)：
近年來，對未知節(jié)點精確位置信息的需求推動了精確定位技術(shù)的發(fā)展，這種趨勢在未來很長一段時間里仍將保持不變。在現(xiàn)有的定位方式中，衛(wèi)星導(dǎo)航和慣性導(dǎo)航是最常用的兩種方式。其中全球衛(wèi)星導(dǎo)航系統(tǒng)(GlcAal Positioning System, GPS)是最為常用的一種方式。雖然GPS能夠通過精度持續(xù)穩(wěn)定的位置信息，但是其易受電磁干擾、遮擋等外界環(huán)境影響的缺點限制了其應(yīng)用范圍，特別是在室內(nèi)、地下巷道等一些密閉的、環(huán)境復(fù)雜的場景， GPS信號被嚴(yán)重遮擋，無法進(jìn)行有效的工作。微慣性導(dǎo)航系統(tǒng)(MEMS inertial navigation system, MINS)具有全自主、運動信息全面、短時、高精度的優(yōu)點，雖然可以實現(xiàn)自主導(dǎo)航， 但誤差隨時間積累，長航時運行條件下將導(dǎo)致導(dǎo)航精度嚴(yán)重下降。為了克服單獨使用MINS 或GPS導(dǎo)航設(shè)備所產(chǎn)生的缺點，綜合了二者的優(yōu)點，許多學(xué)者將上述兩種導(dǎo)航方式融合在一起，形成了 GPS/MINS組合導(dǎo)航技術(shù)。組合導(dǎo)航系統(tǒng)雖然可以通過MINS對GPS失鎖情況進(jìn)行補(bǔ)償，但是由于MINS的誤差隨時間積累，這種補(bǔ)償只能是短期補(bǔ)償，一旦系統(tǒng)長時間處于GPS失鎖的情況下，定位精度難以達(dá)到長時間穩(wěn)定狀態(tài)。為了獲取相對穩(wěn)定的定位精度， 許多學(xué)者將一些智能算法應(yīng)用到組合導(dǎo)航系統(tǒng)中，這種方法能夠使導(dǎo)航系統(tǒng)維持長時間得穩(wěn)定，但是其定位精度對培訓(xùn)區(qū)域的選擇有很大依賴。然而在室內(nèi)、地下巷道等環(huán)境下，GPS 信號十分微弱，很難搭建合適的培訓(xùn)區(qū)域。近年來，無線傳感器網(wǎng)絡(luò)(Wireless Sensors Network, WSN)以其低成本、低功耗和低系統(tǒng)復(fù)雜度的特點在短距離定位領(lǐng)域表現(xiàn)出很大的潛力。采用WSN進(jìn)行短距離定位逐漸成為一個研究熱點。WSN定位需要兩類節(jié)點共同完成定位錨節(jié)點和盲節(jié)點。其中錨節(jié)點為位置已知的節(jié)點，而盲節(jié)點為位置未知的節(jié)點。目前的WSN中采用定位技術(shù)都是通過測量未知節(jié)點和已知節(jié)點之間的一個或幾個無線信道物理參數(shù)來完成。在定位過程中，當(dāng)需要獲取盲節(jié)點的位置信息時，盲節(jié)點首先向錨節(jié)點發(fā)送定位請求以獲取其與錨節(jié)點之間相應(yīng)的無線信道物理參數(shù)，并將這些參數(shù)信息轉(zhuǎn)化為相應(yīng)的距離信息。獲取相應(yīng)的距離信息之后，通過一些數(shù)據(jù)融合方法(如極大似然估計(Maximum Likehood Estimate, MLE)等) 計算出盲節(jié)點與錨節(jié)點的相對位置信息，其具體步驟如圖1所示。與傳統(tǒng)的定位方式相比， 除了具有低成本、低功耗和低系統(tǒng)復(fù)雜度的特點之外，WSN還能夠自主完成網(wǎng)絡(luò)的組建，使得在室內(nèi)、地下巷道等一些密閉的、環(huán)境復(fù)雜的場景進(jìn)行定位成為可能。WSN為密閉環(huán)境下的未知節(jié)點定位提供了可能，但由于WSN采用的通信技術(shù)通常為短距離無線通信技術(shù)(如ZigBee、WIFI等)，因此若想完成長距離的目標(biāo)跟蹤定位，需要大量的網(wǎng)絡(luò)節(jié)點共同完成，這并不符合WSN低成本、低功耗的需求。MINS雖然能夠完成自主導(dǎo)航，但擺脫不了定位精度隨時間發(fā)生漂移的缺點。

發(fā)明內(nèi)容
為了解決上述問題，本發(fā)明提供了一種WSN/MINS高精度實時組合導(dǎo)航信息融合方法，通過在密閉復(fù)雜環(huán)境下自主搭建無線定位網(wǎng)絡(luò)，采用最小二乘支持向量積(LS-SVM方法)對 MINS導(dǎo)航系統(tǒng)的導(dǎo)航誤差模型進(jìn)行訓(xùn)練，在MINS導(dǎo)航系統(tǒng)離開培訓(xùn)區(qū)域時，依靠之前培訓(xùn)的誤差模型對導(dǎo)航系統(tǒng)進(jìn)行補(bǔ)償，克服傳統(tǒng)MINS導(dǎo)航系統(tǒng)定位精度隨時間發(fā)生漂移的缺點，以及在密閉環(huán)境下無法提供有效的訓(xùn)練網(wǎng)絡(luò)的問題，提供持久的高精度實時導(dǎo)航。本發(fā)明為解決其技術(shù)問題采用如下技術(shù)方案
一種WSN/MINS高精度實時組合導(dǎo)航信息融合方法，包括下列步驟
(1)組合導(dǎo)航系統(tǒng)分為培訓(xùn)區(qū)域和自適應(yīng)補(bǔ)償區(qū)域兩部分；所述的培訓(xùn)區(qū)域為搭建有 WSN的區(qū)域，所述的自適應(yīng)補(bǔ)償區(qū)域為只有MINS信號的區(qū)域；
(2)在培訓(xùn)區(qū)域，基于WSN的無線定位與MINS導(dǎo)航系統(tǒng)同時工作，首先利用基于WSN的無線定位技術(shù)測量未知節(jié)點的相對導(dǎo)航信息，將相對導(dǎo)航信息與微慣性導(dǎo)航系統(tǒng)上得到的絕對導(dǎo)航信息通過擴(kuò)展卡爾曼濾波器進(jìn)行數(shù)據(jù)融合；
(3)在采用擴(kuò)展卡爾曼濾波進(jìn)行數(shù)據(jù)融合，并得出最優(yōu)導(dǎo)航信息的同時，將濾波器做出誤差信息分別反饋給WSN和MINS的誤差模型，對WSN無線定位系統(tǒng)，誤差模型能夠?qū)ξ粗?jié)點的相對位置和速度進(jìn)行修正，而對MINS系統(tǒng)，將MINS自身預(yù)估的位置、速度誤差與濾波器給出的最優(yōu)估計通過LS-SVM智能算法進(jìn)行培訓(xùn)，尋找二者之間的關(guān)系；
(4)當(dāng)未知節(jié)點離開搭建有WSN的區(qū)域進(jìn)入自適應(yīng)補(bǔ)償區(qū)域，在這一區(qū)域，組合導(dǎo)航系統(tǒng)獲取不到WSN測量的相對導(dǎo)航信息，只能依靠MINS系統(tǒng)完成這一部分的自主導(dǎo)航，MINS 利用在培訓(xùn)區(qū)域訓(xùn)練的誤差模型對測量的絕對導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信肩、ο本發(fā)明的有益效果如下
1、利用基于WSN的無線定位技術(shù)測量的相對導(dǎo)航信息，與MINS上得到的絕對導(dǎo)航信息通過擴(kuò)展卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，得到的導(dǎo)航信息，比上述任何單一導(dǎo)航方法得到的信息精度更高。2、MINS利用在培訓(xùn)區(qū)域訓(xùn)練的誤差模型對測量的絕對導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信息，避免了因WSN導(dǎo)航無法工作導(dǎo)致導(dǎo)航誤差快速下降、無法保證導(dǎo)航精度的問題。3、可用于室內(nèi)，地下礦井等密閉復(fù)雜環(huán)境下的長距離高精度目標(biāo)定位跟蹤。


圖1為基于WSN的節(jié)點定位步驟。圖2為培訓(xùn)區(qū)域組合導(dǎo)航模型。圖3為自適應(yīng)補(bǔ)償區(qū)域組合導(dǎo)航模型。
具體實施例方式
下面結(jié)合附圖對本發(fā)明創(chuàng)造做進(jìn)一步詳細(xì)說明。如圖2為培訓(xùn)區(qū)域組合導(dǎo)航模型，在培訓(xùn)區(qū)域，基于WSN的無線定位與MINS導(dǎo)航系統(tǒng)同時工作，首先利用基于WSN的無線定位技術(shù)測量未知節(jié)點的相對導(dǎo)航信息，將相對導(dǎo)航信息與微慣性導(dǎo)航系統(tǒng)上得到的絕對導(dǎo)航信息通過擴(kuò)展卡爾曼濾波器進(jìn)行數(shù)據(jù)融合；在采用擴(kuò)展卡爾曼濾波進(jìn)行數(shù)據(jù)融合，并得出最優(yōu)導(dǎo)航信息的同時，將濾波器做出誤差信息分別反饋給WSN和MINS的誤差模型，對WSN無線定位系統(tǒng)，誤差模型能夠?qū)ξ粗?jié)點的相對位置和速度進(jìn)行修正，而對MINS系統(tǒng)，將MINS自身預(yù)估的位置、速度誤差與濾波器給出的最優(yōu)估計通過LS-SVM智能算法進(jìn)行培訓(xùn)，尋找二者之間的關(guān)系。對WSN無線定位系統(tǒng)來說，誤差模型能夠?qū)ξ粗?jié)點的相對位置和速度進(jìn)行修正。而對MINS系統(tǒng)來說，將 MINS自身預(yù)估的位置、速度誤差與濾波器給出的最優(yōu)估計進(jìn)行培訓(xùn)，尋找二者之間的關(guān)系。
當(dāng)未知節(jié)點離開搭建有WSN的區(qū)域，則組合導(dǎo)航系統(tǒng)進(jìn)入自適應(yīng)補(bǔ)償區(qū)域，如圖3 所示。在這一區(qū)域，組合導(dǎo)航系統(tǒng)獲取不到WSN測量的相對導(dǎo)航信息，只能依靠MINS系統(tǒng)完成這一部分的自主導(dǎo)航。MINS利用在培訓(xùn)區(qū)域訓(xùn)練的誤差模型對測量的絕對導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信息，避免了因WSN導(dǎo)航無法工作導(dǎo)致導(dǎo)航誤差快速下降、 無法保證導(dǎo)航精度的問題，具有一定的可行性和前瞻性。
權(quán)利要求
1. 一種WSN/MINS高精度實時組合導(dǎo)航信息融合方法，其特征在于包括下列步驟(1)將組合導(dǎo)航系統(tǒng)分為培訓(xùn)區(qū)域和自適應(yīng)補(bǔ)償區(qū)域兩部分，所述的培訓(xùn)區(qū)域為搭建有WSN的區(qū)域，所述的自適應(yīng)補(bǔ)償區(qū)域為只有MINS信號的區(qū)域；(2)在培訓(xùn)區(qū)域，基于WSN的無線定位與MINS導(dǎo)航系統(tǒng)同時工作，首先利用基于WSN的無線定位技術(shù)測量未知節(jié)點的相對導(dǎo)航信息，將相對導(dǎo)航信息與微慣性導(dǎo)航系統(tǒng)上得到的絕對導(dǎo)航信息通過擴(kuò)展卡爾曼濾波器進(jìn)行數(shù)據(jù)融合；(3)在采用擴(kuò)展卡爾曼濾波進(jìn)行數(shù)據(jù)融合，并得出最優(yōu)導(dǎo)航信息的同時，將濾波器做出誤差信息分別反饋給WSN和MINS的誤差模型，對WSN無線定位系統(tǒng)，誤差模型能夠?qū)ξ粗?jié)點的相對位置和速度進(jìn)行修正，而對MINS系統(tǒng)，將MINS自身預(yù)估的位置、速度誤差與濾波器給出的最優(yōu)估計通過LS-SVM智能算法進(jìn)行培訓(xùn)，尋找二者之間的關(guān)系；(4)當(dāng)未知節(jié)點離開搭建有WSN的區(qū)域進(jìn)入自適應(yīng)補(bǔ)償區(qū)域，在這一區(qū)域，組合導(dǎo)航系統(tǒng)獲取不到WSN測量的相對導(dǎo)航信息，只能依靠MINS系統(tǒng)完成這一部分的自主導(dǎo)航，MINS 利用在培訓(xùn)區(qū)域訓(xùn)練的誤差模型對測量的絕對導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信肩、ο
全文摘要
一種WSN/MINS高精度實時組合導(dǎo)航信息融合方法，屬于復(fù)雜環(huán)境下組合定位技術(shù)領(lǐng)域。該方法通過在密閉復(fù)雜環(huán)境下自主搭建無線定位網(wǎng)絡(luò)，采用LS-SVM方法對MINS導(dǎo)航系統(tǒng)的導(dǎo)航誤差模型進(jìn)行訓(xùn)練，在MINS導(dǎo)航系統(tǒng)離開培訓(xùn)區(qū)域時，依靠之前培訓(xùn)的誤差模型對導(dǎo)航系統(tǒng)進(jìn)行補(bǔ)償，克服傳統(tǒng)MINS導(dǎo)航系統(tǒng)定位精度隨時間發(fā)生漂移的缺點，以及在密閉環(huán)境下無法提供有效的訓(xùn)練網(wǎng)絡(luò)的問題，提供持久的高精度實時導(dǎo)航?？捎糜谑覂?nèi)，地下礦井等密閉復(fù)雜環(huán)境下的長距離高精度目標(biāo)定位跟蹤。
文檔編號G01C21/16GK102359787SQ201110197690
公開日2012年2月22日 申請日期2011年7月15日 優(yōu)先權(quán)日2011年7月15日
發(fā)明者徐元, 陳熙源 申請人:東南大學(xué)