基于改进TOA算法的飞艇定位优化研究

魏明辉 吴炜 陈吉瑞 杨昊霖 文伟

摘   要：本文针对飞艇定位系统中的优化算法进行了相关分析与研究。通过简要分析RFID定位算法，结合飞艇理论数据分析了算法的优缺点;选取精度较高的TOA算法的进行定位优化，在使用传统的TOA定位算法时，通过大量的数据观测点增加其实验中的监测效果;引入Kalman滤波算法进行飞艇状态点的修正和更新来达到提高定位精度的效果;融合Kalman滤波算法后，使用RMSE误差分析模型得出，改进后的定位算法定位精度远优于传统的TOA算法。

关键词：飞艇定位  RFID射频识别  TOA算法  Kalman滤波

中图分类号：TN929.53                            文献标识码：A                        文章编号：1674-098X（2019）08（c）-0084-02

飞艇作为一种航空飞行器，强大的置空时间是其优势。目前飞艇的定位方式主要通过GPS技术实现定位，可以实现全球大多数地方的实时定位，但由于卫星运行轨道、卫星时钟存在误差，大气对流层、电离层对信号的影响，会造成比较大的偏差。为了保证定位精度，需要一种辅助定位技术对GPS定位的位置进行修正，本文研究的TOA定位算法既可以对定位进行修正，从而保证定位精度。

1   无线定位

在一定范围的空间区域内，通过放置一定的RFID读写器即AP，对场景内的标签进行读取RSSI值即可实现对标签物体的定位。

TOA算法是目前常见的算法之一，其工作原理是通过测量信号传输时间来得到RFID标签和读写器之间的距离即发射机发射到RFID标签再返回发射机的所用时间来确定距离。TOA测距误差的大小主要取决于测距过程中传输信道的状态[1]。在室内应用中，严重的多径和非视距现象造成测距误差较大[2]。

为了在室内定位中克服这些误差，现行的TOA定位算法有：

（1）给予数值处理的定位算法，如最小二乘法;

（2）几何定位算法，传统的是三边定位算法;

（3）基于模型匹配的定位算法;

（4）基于信道状态判别的定位算法。

TDOA算法是TOA算法的一种变体，工作原理是根据目标发射信号的时间差来确定位置。在这种算法的改进下，主要是减少了TOA算法对于时间同步程度的过度依赖，使得算法可以有更多的应用场合。

2  算法设计

本研究中模型算法的信道模型依据实际实验中常用的IEEE802.15.4a作为信道。选择参考节点个数为3，在定位算法实现过程中选择以最小二乘法求解。采样频率为fs=20X109hz，采样间隔为ts=1/fs。

2.1 TOA定位

TOA定位算法流程为：

RFID射频识别读写器发送给标签一个数据包。同时记录当前的RFID标签的时间信息，记为T1;

RFID标签收到数据包后，向读写器反馈一个信号;

RFID读写器收到反馈信号，并记录当前读写器的时间信息，记为T2;

计算读写器收到信号的时间差Tr=T2-T1。

2.2 TDOA定位

TDOA定位算法流程为：

RFID射频识别标签以广播形式发出一个数据包;

两个射频识别读写器接受同一个数据包，假设第一个读写器接收到的时间为T1，第二个读写器接受到的时间为T2;

计算两个读写器收到数据包的时间差为Td=T2-T1。

2.3 飞艇定位

基于1100个移动中飞艇的定位节点的基站观测图，使用TOA的定位算法实现定位。如图1，可以看出在增加区域范围后，可以通过增加观测点即AP点达到对飞艇区域航迹的监测和追踪，但是在数据量较大的时候也会存在一定的定位误差。

3  Kalman修正算法

3.1 算法组成

第一步主要是将现有的系统状态进行分析，并且根据预测方程构建预测状态矩阵Xk=AXk-1+BUk-1，同时构建相应的误差矩阵Pk=APk-1AT+Q。第二步加入Kalman算法，计算Kalman增益Kk=PkHT（HPkHT+R）-1，得到新的增益矩阵后，更新预测状态矩阵Xk=Xk+Kk（Zk-HXk），同时更新误差矩阵Pk=（1-KkH）Pk。算法中的第一步骤实现的就是基于前一刻状态做的初步预测，第二部分主要是结合当前时刻的状态方程，对已有的矩阵进行修正，更新估计定位坐标，并且输出最终结果。

如图2，可以看出传统单一的TOA定位算法轨迹较kalman滤波算法后的轨迹存在更大的误差，这是由于传统的TOA算法缺少对状态点位置的修正，而引入kalman滤波算法可以增加对状态方程进行修正和更新，所以kalman滤波算法后的定位轨迹和真实轨迹更为贴合即定位误差更小。

4  结语

本文针对飞艇定位系统中的优化算法进行了相关分析与研究。在使用传统的TOA定位算法时，通过大量的数据观测点增加其实验中的监测效果;引入Kalman濾波算法进行飞艇状态点的修正和更新来达到提高定位精度的效果;融合Kalman滤波算法后，使用RMSE误差分析模型得出，改进后的定位算法定位精度远优于传统的TOA算法。

参考文献

[1] 邵成刚.基于RFID虚拟标签的室内定位算法研究[D].北京邮电大学，2013.

[2] 苑宝玉.超声波室内定位系统[D].长春理工大学，2010.

[3] 扈罗全.无线电波传播的随机建模与应用[M].北京：华中科技大学出版社，2011.

[4] 马柳州，梁森.基于的精密单点定位在航磁飞艇定位中的应用[J].山东工业技术，2015（9）：153-154.