阅读说明：本技术 一种基于uwb多目标定位追踪方法 (UWB-based multi-target positioning tracking method ) 是由 杨帆 王锐 徐新平 班亚 费添豪 于 2020-07-30 设计创作，主要内容包括：本发明提供了一种基于UWB多目标定位追踪方法,包括以下步骤：获取监测区域内各目标散射点的距离信息和到来角度；根据距离信息和到来角度计算各目标散射点在全时间轴上所有时刻的位置信息；对各目标散射点进行识别、分离,将各目标散射点与之对应的被追踪目标相匹配,并根据各目标散射点在全时间轴上所有时刻的位置信息,得到每个被追踪目标的位置信息；对每个被追踪目标的位置信息进行校准优化,得到高精度定位追踪结果。本发明的定位追踪方法能够实现对非静止无规则运动的多目标高精度定位。(The invention provides a multi-target positioning and tracking method based on UWB, which comprises the following steps: obtaining distance information and arrival angles of scattering points of targets in a monitoring area; calculating the position information of each target scattering point on the full time axis at all times according to the distance information and the arrival angle; identifying and separating the scattering points of each target, matching the scattering points of each target with the corresponding tracked target, and obtaining the position information of each tracked target according to the position information of the scattering points of each target at all times on the full time axis; and (4) calibrating and optimizing the position information of each tracked target to obtain a high-precision positioning and tracking result. The positioning tracking method can realize multi-target high-precision positioning of non-stationary irregular motion.)

一种基于UWB多目标定位追踪方法

技术领域

本发明涉及信息技术处理领域，更具体地讲，涉及一种基于UWB多目标定位追踪方法。

背景技术

健康管理和安全领域，对人体的行为活动进行高精度的识别及实时监测十分重要。卫星定位导航技术除了可以应用于汽车、航天、航海领域外，基于卫星定位的行人导航系统也已经得到广泛应用。但是由于卫星信号容易被建筑物阻隔，产生多路径、非视距、时变性等问题，因此卫星导航接收机很难实现室内场景下的高精度定位应用。

UWB(超宽带)雷达是目前国内外定位领域的研究热点之一。在室内定位过程中，UWB雷达因其优秀的距离分辨能力而具备厘米级的定位精度，并具有良好的抗多路径性能，较低的发射功率和一定程度的穿透能力，与WiFi、ZigBee、RFID等室内定位技术相比优势较为明显。

目前，基于UWB雷达的室内外定位技术被广泛研究。南京航空航天大学的曾庆化等人提出了一种基于UWB优化配置的室内行人定位导航算法(中国惯性技术学报，2017年02期)，其平均位置误差达到了0.0968m，但是该研究仅使用雷达信号的到达时间信息，并利用距离几何模型解算目标的位置坐标，所使用的信息量较少，且采用线性卡尔曼滤波器，无法覆盖非线性传感器系统。北京石油化工学院的戴波等人提出了一种基于UWB雷达的四参考点矢量补偿算法(化工学报，2016年第3期)，实现了室内仓储场景下对危化品仓储堆垛货物的高精度定位。但是该研究只提出了针对静止目标的定位方法，且目标体积较大，特征较为明显。日本京都大学的Anabuki等人对基于UWB雷达的成像技术进行了研究(Ultrawidebandradar imaging using adaptive array and Doppler separation,IEEETrans.Aerosp.Electron.Syst.,vol.53,no.1,pp.190–200,2017)，并采用Capon算法实现了对高速运动目标的识别与分离，但是该研究只针对高速旋转的圆柱体进行了实验验证。国斯图加特大学的Streubel等人提出了一种采用卡尔曼滤波器融合相机和FMCW雷达数据的行人定位方法(Fusion of stereo camera and MIMO-FMCW radar for pedestriantracking in indoor environments,19th International Conference on InformationFusion,pp.565–572,2016)，但是该研究所使用的FMCW雷达因其原理限制，对动态目标的测距存在一定问题。

发明内容

针对现有技术中存在的不足，本发明的目的之一在于解决上述现有技术中存在的一个或多个问题。例如，本发明的目的之一在于提供一种基于UWB实现高精度定位多目标定位追踪的方法。

本发明提供了一种基于UWB多目标定位追踪方法，可以包括以下步骤：获取监测区域内各目标散射点的距离信息和到来角度；根据距离信息和到来角度计算各目标散射点在全时间轴上所有时刻的位置信息；对各目标散射点进行识别、分离，将各目标散射点与之对应的被追踪目标相匹配，并根据各目标散射点在全时间轴上所有时刻的位置信息，得到每个被追踪目标的位置信息；对每个被追踪目标的位置信息进行校准优化，得到高精度定位追踪结果。

与现有技术相比，本发明的有益效果包括：本发明的定位追踪方法能够实现对非静止无规则运动的多目标高精度定位；定位方法使用距离信息和到来角度作为定位的基础信息量，使用信息量丰富，避免了使用信息量较少而定位不精准。

附图说明

通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：

图1示出了阵列雷达干涉计法原理示意图。

图2示出了支持向量机原理示意图。

具体实施方式

在下文中，将结合附图和示例性实施例详细地描述根据本发明的基于UWB多目标定位追踪方法。

本发明提供了一种基于UWB多目标定位追踪方法。在本发明基于UWB多目标定位追踪方法的一个示例性实施例中，定位追踪方法可以包括：

S01，获取监测区域内各目标散射点的距离信息和到来角度。在监测区域中可以包括多个被追踪目标。每个被追踪目标对应多个目标散射点。目标散射点可以根据被追踪目标的运动特征提取。到来角度可以包括目标散射点在视线方向上的俯仰角和方位角。目标散射点可以由每一时刻多普勒速度-距离域内每一距离方向上的峰值功率点总个数确定。每一时刻目标散射点的个数可以不同。

S02，根据距离信息和到来角度得到各目标散射点在全时间轴上所有时刻的位置信息。根据所有时刻的位置信息可以绘制各目标散射点的运动轨迹。

S03，对各目标散射点进行识别、分离，将各目标散射点与之对应的被追踪目标相匹配，并根据各目标散射点在全时间轴上所有时刻的位置信息，得到每个被追踪目标的位置信息。

S04，对每个被追踪目标的位置信息进行校准优化，得到高精度定位追踪结果。

进一步地，本发明使用UWB雷达作为传感器。UWB雷达是一种发射超宽带信号的雷达。本发明的UWB雷达需要满足以下两个条件之一：①-10dB宽带在500MHz以上；②-10dB百分比宽带在20％以上。UWB雷达的宽带很宽，发生信号的脉冲很短，因而雷达的距离分辨能力很高。

进一步地，本发明的UWB雷达属于脉冲雷达。UWB雷达发射脉冲信号后，测定信号从被发射出去开始到镜反射后被接收时的时间便可以计算得到雷达与被追踪目标的距离信息。具体地，获取监测区域内各目标散射点的距离信息可以包括以下步骤：

S101，利用UWB雷达对被追踪目标进行测量，得到时间-距离域雷达回波信号谱。时间-距离域雷达回波信号谱可以为横轴是时间，纵轴为距离的接收信号在时间-距离域上的功率分布。

S102，通过短时傅里叶变换，将时间-距离域雷达回波信号谱转换为多普勒频移-距离域信号谱(多普勒频移(速度)-距离域信号谱)。时间-多普勒频率域信息由各个时刻的多普勒-距离域信息经数据处理后合成得到。由于UWB雷达信号在时间-距离域的信号信息十分有限，且受直流噪声的干扰较大，因此，根据多普勒效应，将时间-距离域雷达回波信号谱通过STFT(短时傅里叶变换)的方式变换到多普勒频移-距离域信号谱。具体地，假定在t时刻，从被追踪目标n处返回的雷达信号s_n(t)可由下式表示：

其中，α_n表示发射信号与接收信号之间的电场强度比，s_T表示发射信号，f₀表示雷达发射信号的中心频率，f_dn表示被追踪目标n所对应的多普勒频率偏移，j为虚数，τ_d表示雷达信号的时延。假定被追踪目标n所对应的多普勒速度为v_dn，雷达发射电磁波信号的波长为λ，则f_dn可由下式给出：

本发明的目标模型均为散射点模型，需要考虑被追踪目标的散射面积。因此需对同一时刻从各个被追踪目标处反射回来的回波信号做累加运算，假定最大目标散射点数为N，则t时刻的接收信号s(t)(时间-距离域雷达回波信号)的表达式可由下式给出：

然后，对接收信号做短时傅里叶变换。短时傅里叶变换，是指选择一个时频局部化的窗函数，假定分析窗函数f(t)在一个短时间间隔内是平稳(伪平稳)的，移动窗函数，使f(t)ω(t)在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。它的思想是：选择一个时频局部化的窗函数，假定分析窗函数ω(t)在一个短时间间隔内是平稳(伪平稳)的，移动窗函数，使f(t)ω(t)在不同的有限时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。短时傅里叶变换使用一个固定的窗函数，窗函数一旦确定了以后，其形状就不再发生改变，短时傅里叶变换的分辨率也就确定了。如果要改变分辨率，则需要重新选择窗函数。短时傅里叶变换用来分析分段平稳信号或者近似平稳信号犹可。但是对于非平稳信号，当信号变化剧烈时，要求窗函数有较高的时间分辨率。而波形变化比较平缓的时刻，主要是低频信号，则要求窗函数有较高的频率分辨率。短时傅里叶变换不能兼顾频率与时间分辨率的需求。短时傅里叶变换窗函数受到W.Heisenberg不确定性准则的限制，时频窗的面积不小于2。

假定t时刻，接收天线RX_i处接收到的第l个距离窗口的信号为s_il(t)，对s_il(t)进行短时傅里叶变换，则其时间-频率域的分布s_il(t)可由下式给出：

其中，ω_H(t)为短时傅里叶变换中所使用的窗函数，v_d表示多普勒速度，τ表示中间变量，j为虚数。

S103，根据多普勒频移-距离域信号谱计算各目标散射点的距离信息。多普勒-距离空间内，对存在信号的像素点按距离方向逐一进行扫描，搜索每一距离上的极大值功率点，这些点即为该时刻的目标散射点，每一点对应有相应的距离信息。

进一步地，获取监测区域内各目标散射点的到来角度可以通过以下方程计算得到：

其中，θ(t,v_dn)表示到来角度，t表示时刻，v_dn表示目标散射点n的多普勒速度，λ表示雷达电磁波的波长，∠S'_il和∠S'_(i+1)l表示UWB雷达相邻两接收天线RX₁和RX₂所接收雷达信号的相位，d表示接收天线RX₁和RX₂之间的距离。

具体地，UWB雷达为阵列雷达。在使用阵列雷达时，目标散射点的到来角度可通过干涉计法计算得到。阵列雷达干涉计法原理示意图如图1所示，RX₁和RX₂分别为雷达的接收天线1和接收天线2。相较于目标散射点与雷达之间的距离，接收天线RX₁和RX₂之间的距离是十分小的，往往只有毫米量级。因此，可以将从同一目标散射点反射回接收天线RX₁和RX₂处的电磁回波信号方向视作是平行的。于是，可根据几何关系，利用RX₁和RX₂处回波信号的路径差即可推导回波信号的到来角度θ₂₁。首先，假定接收天线RX₁和RX₂处电磁回波的路径差为r，回波信号到来角度为θ，则路径差满足以下几何关系：

r＝d·sinθ (6)

其中，d为相邻两接收天线间的距离。

而接收天线RX₁和RX₂处回波信号的相位差与路径差之间的数学关系可表示为下式：

其中，和分别表示第i与i+1支接收天线处所接收到信号的相位。

各个接收天线处的回波信号的相位则由短时傅里叶变换后的时间-多普勒频率域的信号分布给出，如下式：

综合以上各式，可以最终得到通过雷达干涉计法计算得到的回波信号到来角度，如下式：

进一步地，对于S02，在得到各目标散射点的距离信息和到来角度后，结合UWB雷达在监测区域的实际坐标位置与接收信号的距离信息(即目标散射点与UWB雷达之间的距离)，可得到目标散射点在不同时刻的位置，即可得到各目标散射点在全时间轴上所有时刻的位置信息。

进一步地，在得到各个目标散射点在不同时刻下的位置信息后，由于在监测区域内具有多个被追踪目标，因此，需要对各个被追踪目标对应的目标散射点进行识别和分离。本发明将利用被追踪目标的功率分布模型进行。雷达接收天线除能获取接收信号的距离和相位信息外，还能获取信号的功率信息，因此可利用雷达信号功率信息，使用高斯滤波器对散射点的功率分布进行平滑处理，搜索功率分布图中的极大功率点，并可以基于k-NN和k-means算法原理对各行人目标的极大功率点进行识别和分类，最后可以利用学习模型(例如，领域模型)对包括极大功率点在内的所有散射点进行识别和分类处理。

进一步地，对各目标散射点进行识别、分离可以是基于k-means的目标散射点进行识别、分类，具体可以包括：

S301，根据目标散射点的功率分布，利用高斯滤波器对各目标散射点进行平滑处理，并搜索得到每个被追踪目标对应的极大功率点。每个极大功率点对应一个被追踪目标。有多少个极大功率点即对应监测区域内有多少被追踪目标。其中高斯滤波器可以由如下公式表示：

其中，P_n(x_n,y_n)表示散射点(x_n,y_n)处电磁波信号的功率，P(ζ,x,y)表示平滑处理后的功率分步，ζ表示平滑处理的序号，G(x,y)表示高斯滤波函数，σ_xy表示高斯函数的标准差。

S302，以每个被追踪目标对应的极大功率点作为集合质心。

S303，计算每个目标散射点与各个集合质心的距离，并将目标散射点分类到距该点最近集合质心所在的集合。

S304，对所有目标散射点分类完成后，重新计算各集合的质心。

S305，重复步骤S303～S304，直到相邻两次分类计算得到的质心移动小于预设阈值，停止分类。由于每个被追踪目标均对应该被追踪目标的目标散射点，因此，通过上述分类方法可以将每个被追踪目标与之匹配目标散射点对应，每个集合对应一个被追踪目标。根据各目标散射点在全时间轴上所有时刻的位置信息，得到每个被追踪目标的位置信息。设定的阈值可以是小于1cm。例如，可以是0.8cm。

进一步，对各目标散射点进行识别、分离可以是基于k-NN的目标散射点进行识别、分类，具体可以包括：

S3001，根据目标散射点的功率分布，利用高斯滤波器对各目标散射点进行平滑处理，并搜索得到每个被追踪目标对应的极大功率点。该步骤与上述S301的滤波方法相同。

S3002，以每个被追踪目标对应的极大功率点作为聚类中心。

S3003，在每个聚类中心附近搜索未分类的目标散射点，选取该目标散射点附近k个已分类目标散射点，统计k个已分类目标散射点分别在各个聚类中的个数，将该未分类目标散射点分类到含有k个已分类目标散射点最多的聚类。这里的k可以根据经验进行设定，例如，k可以设置为3或者5。

S3004，重复S3003直到所有未分类目标散射点分类完成，停止分类，每个被追踪目标对应相应一个聚类的目标散射点，根据各目标散射点在全时间轴上所有时刻的位置信息，得到每个被追踪目标的位置信息。

进一步地，对每个被追踪目标的位置信息进行校准优化可以利用以下方程计算：

f(u)＝ω^Tu+b (12)

ω＝[ω₁ω₂ω₃…ω_M]^T (13)

u＝[u₁u₂u₃…u_M]^T (14)

其中，f(u)表示优化后的位置信息函数，ω表示权重向量，u表示位置坐标，b表示偏置，T表示矩阵转置。u为输入向量，即上述步骤S03得到的被追踪目标的位置信息。在二维坐标下，被追踪目标的位置信息假设为(x,y)((x,y)为二维坐标下，被追踪目标的横坐标和纵坐标)，将x和y分别代入方程f(u)，得到校准优化后的被追踪目标位置信息(f(x),f(y))。对于三维坐标，同样适用。ω为权重向量。上述方程中的ω₁ω₂ω₃…ω_M分别表示权重系数，在长度为M时间序列上，每一处都有一个与之对应的ω；u₁u₂u₃…u_M分别表示输入，即位置坐标，在长度为M时间序列上，每一处都有一个与之对应的位置坐标。本发明的校准优化支持向量机，可以将追踪问题转化为回归问题。则目标函数输出值的预测问题也转化成了预测值与真实值之间的误差最小化问题，可通过以下的最小偏差法和最小二乘法进行定义：

其中，ω表示权重向量，b表示偏置，v_m,n表示计算得到的目标散射点位置信息，ε表示决策间距，ω_m表示M长度的时间序列中第m个对应的权重系数，即M长度的时间序列中第m个数据，u_m表示M长度的时间序列中第m个对应的位置坐标。

在本发明的支持向量机中引入了间隔的概念，即是并非预测值与真实值不相等时就考虑预测值的误差，而是考虑当预测值落在真实值附近一定范围内时，都将预测值视为满足准确预测真实值的条件，且不计入误差当中，于是，支持向量机的新损失函数为：

其中，ε为间隔系数，f(u_m)表示当u＝u_m时式(12)对应的值，v_m,n表示计算得到的目标散射点位置信息。

支持向量机原理示意图如图2所示。在图2中，ξ⁺以及ξ^-表示散射点与目标函数上下边界的间距，目标函数为f(u_m)＝ω^Tu_m+b。

支持向量机的误差最小化条件可以通过下式给出：

在式(20)中，ω与b可以通过KKT条件求得。将(18)求得的ω与b，然后将其带入式(12)～(14)即可得到更为精确的预测位置。

进一步地，对每个被追踪目标的位置信息进行校准优化包括卡尔曼滤波或α-β滤波进行校准优化。卡尔曼滤波的基本原理是：以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。

进一步地，获取监测区域内各目标散射点的距离信息还可以包括以下步骤：

A、在监测区域布设UWB雷达。根据雷达的角度、范围特征布设雷达。对于雷达的布置满足监测区内任意位置均有雷达覆盖即可。

B、对UWB雷达距离分辨能力校准并对UWB雷达各通道间相位偏置校正。可以利用反射器等工具完成距离分辨能力校准、各通道间相位偏置校正等工作。

C、测量无被追踪目标状态下的UWB雷达背景噪声。

D、对多个被追踪目标进行测量，减去步骤C中的UWB雷达背景噪声并通过中值滤波法提高信噪比，得到时间-距离域的雷达回波信号谱。

E、利用被追踪目标的多普勒效应，将时间-距离域的雷达回波信号谱通过短时傅里叶变换转换为多普勒频移(速度)-距离域信号谱。

F、根据多普勒频移-距离域信号谱计算各目标散射点的距离信息。

综上所述，通过本发明的多目标定位方法，能够实现在多目标同时存在时进行准备的识别、划分和定位，相比于传统的定法方法，例如卫星导航、WIFI、蓝牙等定位精度均在几十厘米左右，采用本方法对直线运动下的行人目标进行定位，精度可以达到10cm以下，定位精度高。

尽管上面已经通过结合示例性实施例描述了本发明，但是本领域技术人员应该清楚，在不脱离权利要求所限定的精神和范围的情况下，可对本发明的示例性实施例进行各种修改和改变。