基于改進TOA算法的飛艇定位優(yōu)化研究

魏明輝 吳煒 陳吉瑞 楊昊霖 文偉

摘 ? 要：本文針對飛艇定位系統(tǒng)中的優(yōu)化算法進行了相關(guān)分析與研究。通過簡要分析RFID定位算法，結(jié)合飛艇理論數(shù)據(jù)分析了算法的優(yōu)缺點;選取精度較高的TOA算法的進行定位優(yōu)化，在使用傳統(tǒng)的TOA定位算法時，通過大量的數(shù)據(jù)觀測點增加其實驗中的監(jiān)測效果;引入Kalman濾波算法進行飛艇狀態(tài)點的修正和更新來達到提高定位精度的效果;融合Kalman濾波算法后，使用RMSE誤差分析模型得出，改進后的定位算法定位精度遠優(yōu)于傳統(tǒng)的TOA算法。

關(guān)鍵詞：飛艇定位 ?RFID射頻識別 ?TOA算法 ?Kalman濾波

中圖分類號：TN929.53 ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）08（c）-0084-02

飛艇作為一種航空飛行器，強大的置空時間是其優(yōu)勢。目前飛艇的定位方式主要通過GPS技術(shù)實現(xiàn)定位，可以實現(xiàn)全球大多數(shù)地方的實時定位，但由于衛(wèi)星運行軌道、衛(wèi)星時鐘存在誤差，大氣對流層、電離層對信號的影響，會造成比較大的偏差。為了保證定位精度，需要一種輔助定位技術(shù)對GPS定位的位置進行修正，本文研究的TOA定位算法既可以對定位進行修正，從而保證定位精度。

1 ? 無線定位

在一定范圍的空間區(qū)域內(nèi)，通過放置一定的RFID讀寫器即AP，對場景內(nèi)的標(biāo)簽進行讀取RSSI值即可實現(xiàn)對標(biāo)簽物體的定位。

TOA算法是目前常見的算法之一，其工作原理是通過測量信號傳輸時間來得到RFID標(biāo)簽和讀寫器之間的距離即發(fā)射機發(fā)射到RFID標(biāo)簽再返回發(fā)射機的所用時間來確定距離。TOA測距誤差的大小主要取決于測距過程中傳輸信道的狀態(tài)[1]。在室內(nèi)應(yīng)用中，嚴重的多徑和非視距現(xiàn)象造成測距誤差較大[2]。

為了在室內(nèi)定位中克服這些誤差，現(xiàn)行的TOA定位算法有：

（1）給予數(shù)值處理的定位算法，如最小二乘法;

（2）幾何定位算法，傳統(tǒng)的是三邊定位算法;

（3）基于模型匹配的定位算法;

（4）基于信道狀態(tài)判別的定位算法。

TDOA算法是TOA算法的一種變體，工作原理是根據(jù)目標(biāo)發(fā)射信號的時間差來確定位置。在這種算法的改進下，主要是減少了TOA算法對于時間同步程度的過度依賴，使得算法可以有更多的應(yīng)用場合。

2 ?算法設(shè)計

本研究中模型算法的信道模型依據(jù)實際實驗中常用的IEEE802.15.4a作為信道。選擇參考節(jié)點個數(shù)為3，在定位算法實現(xiàn)過程中選擇以最小二乘法求解。采樣頻率為fs=20X109hz，采樣間隔為ts=1/fs。

2.1 TOA定位

TOA定位算法流程為：

RFID射頻識別讀寫器發(fā)送給標(biāo)簽一個數(shù)據(jù)包。同時記錄當(dāng)前的RFID標(biāo)簽的時間信息，記為T1;

RFID標(biāo)簽收到數(shù)據(jù)包后，向讀寫器反饋一個信號;

RFID讀寫器收到反饋信號，并記錄當(dāng)前讀寫器的時間信息，記為T2;

計算讀寫器收到信號的時間差Tr=T2-T1。

2.2 TDOA定位

TDOA定位算法流程為：

RFID射頻識別標(biāo)簽以廣播形式發(fā)出一個數(shù)據(jù)包;

兩個射頻識別讀寫器接受同一個數(shù)據(jù)包，假設(shè)第一個讀寫器接收到的時間為T1，第二個讀寫器接受到的時間為T2;

計算兩個讀寫器收到數(shù)據(jù)包的時間差為Td=T2-T1。

2.3 飛艇定位

基于1100個移動中飛艇的定位節(jié)點的基站觀測圖，使用TOA的定位算法實現(xiàn)定位。如圖1，可以看出在增加區(qū)域范圍后，可以通過增加觀測點即AP點達到對飛艇區(qū)域航跡的監(jiān)測和追蹤，但是在數(shù)據(jù)量較大的時候也會存在一定的定位誤差。

3 ?Kalman修正算法

3.1 算法組成

第一步主要是將現(xiàn)有的系統(tǒng)狀態(tài)進行分析，并且根據(jù)預(yù)測方程構(gòu)建預(yù)測狀態(tài)矩陣Xk=AXk-1+BUk-1，同時構(gòu)建相應(yīng)的誤差矩陣Pk=APk-1AT+Q。第二步加入Kalman算法，計算Kalman增益Kk=PkHT（HPkHT+R）-1，得到新的增益矩陣后，更新預(yù)測狀態(tài)矩陣Xk=Xk+Kk（Zk-HXk），同時更新誤差矩陣Pk=（1-KkH）Pk。算法中的第一步驟實現(xiàn)的就是基于前一刻狀態(tài)做的初步預(yù)測，第二部分主要是結(jié)合當(dāng)前時刻的狀態(tài)方程，對已有的矩陣進行修正，更新估計定位坐標(biāo)，并且輸出最終結(jié)果。

如圖2，可以看出傳統(tǒng)單一的TOA定位算法軌跡較kalman濾波算法后的軌跡存在更大的誤差，這是由于傳統(tǒng)的TOA算法缺少對狀態(tài)點位置的修正，而引入kalman濾波算法可以增加對狀態(tài)方程進行修正和更新，所以kalman濾波算法后的定位軌跡和真實軌跡更為貼合即定位誤差更小。

4 ?結(jié)語

本文針對飛艇定位系統(tǒng)中的優(yōu)化算法進行了相關(guān)分析與研究。在使用傳統(tǒng)的TOA定位算法時，通過大量的數(shù)據(jù)觀測點增加其實驗中的監(jiān)測效果;引入Kalman濾波算法進行飛艇狀態(tài)點的修正和更新來達到提高定位精度的效果;融合Kalman濾波算法后，使用RMSE誤差分析模型得出，改進后的定位算法定位精度遠優(yōu)于傳統(tǒng)的TOA算法。

參考文獻

[1] 邵成剛.基于RFID虛擬標(biāo)簽的室內(nèi)定位算法研究[D].北京郵電大學(xué)，2013.

[2] 苑寶玉.超聲波室內(nèi)定位系統(tǒng)[D].長春理工大學(xué)，2010.

[3] 扈羅全.無線電波傳播的隨機建模與應(yīng)用[M].北京：華中科技大學(xué)出版社，2011.

[4] 馬柳州，梁森.基于的精密單點定位在航磁飛艇定位中的應(yīng)用[J].山東工業(yè)技術(shù)，2015（9）：153-154.