室内逆定位理论机制研究

Considering that the current indoor positioning schemes are unable to satisfy the requirements of high precision, low cost, stability and operability simultaneously yet, this project presents a new ubiquitous indoor positioning scheme based on the reverse positioning technology. The key technologies, such as the time synchronization, the inverse positioning algorithm, and the multipath interference modeling will be investigated and solved. Such an innovative approach provides a new theoretical framework for indoor positioning. Comparing with the forward positioning, the reverse positioning scheme is able to improve a series problems, such as the positioning accuracy, device complexity, operational efficiency and cost..This project plans to make in-depth studies on the principle, the algorithm, the mechanism of error source and its mitigation, and the fusion of multiple technologies for the indoor reverse positioning technology with TDOA approach under the passive positioning environment. It focuses on the time synchronization scheme of the receiver sides for the transmitting signal with a timestamp from the moving target, and it develops the reverse positioning algorithm using the TDOA double difference observables. The positioning solution is realized by Kalman filtering. Since the multipath effects display spatio-temporal repeatability under static environment, we will develop the theoretical model of multipath indoor map (MIM) to correct the multipath effect in real time. We will also design the corresponding indoor reverse positioning software with own intellectual property rights. Then we will verify our theory and the feasibility of the algorithm and operability. Based on the experiments the indoor positioning accuracy and stability of our approach will be assessed and provided.

针对目前室内定位方案尚不能同时满足高精度、低成本、稳定性和易推广性的现状，本项目提出一种新的基于逆定位技术的泛在室内定位方案，解决该方案所涉及的时间同步、逆定位算法、多路径干扰建模等关键问题，为室内定位技术提供一种创新的理论模型。相比正定位，逆定位可以较好的解决诸如定位精度、设备复杂度、效率以及成本的问题。.本项目拟对室内被动定位场景下的TDOA逆定位技术的原理、算法、误差源的机制和消除、以及和其它定位手段的融合进行深入的研究，采用定位标签发射带有时间戳的信号同步方案，基于TDOA双差逆定位算法，采用Kalman滤波实现定位，并根据静态环境下多路径效应的时空域重复性，提出用多路径室内地图（MIM）来实时改正多路径效应的理论模型。研发相应的有自己知识产权的室内定位软件。在此基础上验证我们的理论和算法的可行性和可操作性，并给出实际场景下室内定位精度分析和稳定性评估。

针对目前室内定位方案尚不能同时满足高精度、低成本、稳定性和易推广性的现状，项目组提出了一种新的基于逆定位技术的泛在室内定位方案，并对其中的关键问题进行了研究和验证，主要解决了该方案所涉及的时间同步、逆定位算法、多路径干扰建模等难点，项目执行四年期间，主要研究成果包括如下五个方面。1）时间同步处理算法及方案。提出了一种基于同步包的基站时钟时间同步方法。针对基于UWB室内逆定位系统存在的钟差残余项和硬件误差，项目组提出了一种基于标定法的时间误差处理方案；2）室内逆定位算法研究。室内逆定位是一种创新的定位方法。为了提高UWB逆定位算法的精度，提出了一种基于误差标定的加权最小二乘（WLS）与Taylor协同定位算法（E-W-T算法）。在误差标定量补偿TDOA值的基础上，采用WLS估计标签的初始值并使用Taylor算法确定标签的最终坐标。为降低协同定位算法的复杂度和收敛效率，项目组基于Chan-Taylor协同算法，提出了一种减少一次最小二乘运算成本、降低复杂度的I-Chan-Taylor算法，在此基础上提出了一种提高Taylor算法收敛效率的CoBSN-Taylor算法；3）定位数据预处理及误差处理算法模型研究。首先针对Chan-Taylor算法无法消除动态定位中出现的粗差问题，提出了一种基于卡方增量的抗差卡尔曼滤波（CI-RKF）定位数据预处理算法。然后对室内逆定位误差的主要来源——多路径误差，基于多路径空间不变性思想，提出了一种表征室内实际环境多路径状态的多路径地图（Multi-path Map，MPM）模型，利用孤立森林的异常值检测机器学习方法采集数据建立实际MPM模型。在重点探讨了网格均值补偿法和插值迭代补偿法性能的基础上，提出了基于MPM的TDoA优化方法。4）项目组还提出了一种基于深度学习的室内定位算法，采用深度学习构建TDOA值与标签坐标间的映射关系，通过应用已训练的四层反向传播（BP）神经网络的深度学习模型，实现高精度的室内定位；5）设计并开发了一套基于逆定位的室内定位演示软件。.本项目的工作为室内定位技术提供一种创新的理论模型和应用参考。