TDoA/FDoA/AoA测量的三维运动目标跟踪

⃝⃝可在www.sciencedirect.com在线ScienceDirectICT Express 5（2019）115www.elsevier.com/locate/icteTDoA/FDoA/AoA测量融合的三维运动目标跟踪Hyeondeog Seoa，Hyowon Kima，Jeongwan Kanga，Incheol Jeongb，Woogeun Ahnc，SunwooKima，Hanyang University电子与计算机工程系，17 Haengdang-dong，Seoungdong-gu，Seoul，133-791，大韩民国b电子电信研究所，218 Gajeong-ro，Yuseong-gu，Daejeon，34129，Republic of KoreaBox 35，Yuseong-gu，Daejeon，34186，Republic of Korea接收日期：2018年4月30日;接受日期：2018年在线发售2018年摘要在本文中，我们研究的三维运动目标的跟踪时，多个测量提出了一种基于粒子滤波的三维目标跟踪算法，该算法结合了到达时间差（TDoA）、到达频率差（FDoA）和到达角我们分析了所提出的方案的性能，通过MATLAB仿真和显示的效率的粒子滤波器的三维运动目标跟踪与各种类型的测量。c2019 韩 国 通 信 与 信 息 科 学 研 究 所 （ KICS ） 。 Elsevier B. V. 的 出 版 服 务 。 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：三维运动跟踪; AoA; FDoA; TDoA;粒子滤波1. 介绍准确可靠的三维目标跟踪/定位对于当前和未来的工业应用是非常重要的。基于位置的服务（LBS）正在应用于各种领域，例如应急响应、跟踪系统、监控、移动营销、娱乐、游戏等[1]。通常认为最精确的无线定位系统是全球导航卫星系统（GNSS）（例如，GPS-美国、Galileo-Europe、GLONASS-俄罗斯和Beidu-中国），其实现了一种形式的三边测量，但是当在射频干扰或异常电离层条件下操作时，GNSS信号并不总是可用[2]。为了简单而准确地执行位置估计，已经开发并提出了许多没有GNSS的定位技术[3]。介绍了基于地理定位技术的定位方法[4]。到达时间差（TDoA）具有*通讯作者。电子邮件地址：pcboo@hanyang.ac.kr（H. Seo），khw870511@hanyang.ac.kr（H. Kim）、rkdwjddhks77@hanyang.ac.kr（J. Kang）、jic@etri.re.kr（I.Jeong），woognahn@gmail.com（W. Ahn），remero@hanyang.ac.kr（S. Kim）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2018.07.003该方法的优点是可以通过消除时钟偏差来解决时间同步问题，该时钟偏差导致到达时间（ToA）测量中的定位误差。到达角由接收信号的阵列矢量确定，这对于位置感知通信来说是一个非常好的测量[5]。运动目标的信号可以提供表示多普勒频率差的到达频率差（FDoA）测量已经开发了具有TDoA、FDoA的目标跟踪[6在状态或测量是非线性的情况下，扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF）可以用于跟踪目标。然而，扩展卡尔曼滤波在对非线性模型进行线性化时存在不可避免的误差.此外，EKF和UKF是针对高斯模型设计的，当滤波器应用于估计非高斯分布时会产生误差。本文提出了一种基于粒子滤波的三维目标跟踪算法，该算法具有TDoA、FDoA和AoA的测量协同。它可以用于实时跟踪移动的无人驾驶车辆的它还可以适用于跟踪无人驾驶车辆或遇险人员的问题，其中车辆或人员可以从卫星。我们展示了在2405-9595/c2019韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。116H. 徐，H.金，J.Kang等人/ICT Express 5（2019）115N∼x−xt，it˙∈˙ ∈˙ ¨ ¨¨联系我们N不不=不不不t−1不 不不不不不˙˙t t−1t其中位置参数在第2.3节中定义。vt（0，λt）是测量噪声向量，其中λt被假定为对角矩阵。2.3. 位置参数参考锚1和锚i之间的TDoA由下式给出：r1ir1−ri= （ t1−t0 ） c− （ ti−t0 ） c= （ t1−ti ） c ，（5）其中t0是时钟时间，ti是锚节点i和目标之间的到达时间（ToA），c是光速。两个接收信号之间的FDoA [8]，锚节点i表示为Ffc（（pstect−sstect，1）T（pt−st，1）−（pstect−sstect，i）T（pt−st，i））Fig. 1. TDoA/FDoA/AoA测量协作的3D目标跟踪场景。i1c⏐pt -st，1mm⏐pt -st， it、（六）与基于EKF的目标跟踪结果相比，所提出的算法的定位精度，没有AoA测量。2. 系统模型2.1. 移动模型其中pt，pt，iR3分别是目标的位置和速度，并且st， i，st， iR3是锚节点i在时刻t的位置和速度。从目标到锚节点i的AoA的方位角和仰角分别定义为：φi=arctanyt， i−yt，<$（x t，i-xt）2+（y t，i-yt）2。（七）我们考虑了用于定义目标的3D移动的移动模型[7运动目标的状态向量θi= Arccos⏐pt -st， it时刻t表示为xt=[xt， xstect，x？t，yt， ystect，y？t，zt， zstect，z？t]T，（1）其中xt，yt和zt是目标的位置，xt，yt，以及zt表示目标的速度，xt、yt和zt表示目标在三维中在x、y、z方向上的加速度。目标的运动可以描述为：3. 基于粒子滤波的量测协同目标跟踪与KF不同，KF不能保证最优解，我们使用PF进行目标跟踪，并在（3）[9]中给出测量协作。此外，我们采用基于马尔可夫链蒙特卡罗（MCMC）的估计方法来估计更准确的后验分布，xt=A（T，α）xt−1+Bu（T）ut+Bw（T）wt，（2）目标状态，[10，11]。n n n其中T是离散时间步长，α是机动时间常数的倒数，wt是机动性模型的噪声。移动性模型的更多细节在[7]中给出。2.2. 测量模型图1示出了本文中考虑的3D目标跟踪的场景。我们假设TDoA/FDoA/AoA测量在每个锚点处从3D的接收信号中可用给定样本xt，wtn1，粒子演化定义为：xn= A（T，α）xn+Bu（T）un+Bw（T）wt，其中<$n∈<$N，（8）其中<$N是N个粒子样本的集合.目标状态在时间t的后验分布近似为：p（xt|zt）<$∑wnδ（xt− xn），（9）n=1目标和其他锚节点。 在这种情况下，锚点，其中wn是第n个粒子权重，可以通过以下公式计算：节点1充当参考节点，并且TDoA/FDoA/AoA测量定义为wnwnp（z |xn）。（十）z=h（x）+v，（3）测量的似然函数p（zt|xn）由下式给出：其中函数h（xt）表示为p（zt|xn）1（[zt−h（xn）]T−1[zt−h（xn）]）−H. 徐，H.金，J.Kang等人/ICT Express 5（2019）115117h（xt）=[r12，r13，. . . 、r1 i、f21、f31、. . . ，fi1，θ1，. . . ，θi，θi] T，（四）exp（2 π）k|阿勒特|t t t2.（十一）118H. 徐，H.金，J.Kang等人/ICT Express 5（2019）115==表1模拟参数。参数值参数值MC100σT Do A10 [m]迭代400 [s]C PX， Y5、 15、 25、 30 [m/s2]Np两千五，五千C PZ3、 8、 21、 25 [m/s2]σ态0.1 [m/s2]α0.6σF Do A10 [Hz]不1σAo A1，3，5 []网络规模5000× 5000× 400 [m3]图二. 移动目标的轨迹。4. 仿真结果4.1. 仿真环境要进行跟踪，我们首先需要知道目标的存在。有很多种方法来检测目标，并且已经对该领域进行了大量研究[12，13]。在本文中，我们假设目标的检测是准确的。在我们的模拟中，我们将跟踪一个目标的位置通过使用测量，我们可以估计目标粒子。使用的锚节点的数量是4和8。图三. 当目标平均速度约为30 [m/s2]时，根据滤波器的定位误差的CDF。(For对本图图例中所指颜色的解释，读者可参考本文的网络版。）见图4。 当平均速度为不管Ne ff（阈值）恢复过程目标是大约40和50 [m/s2]。(For对本图图例中所指颜色的解释，读者可参考本文的网络版在每次迭代中执行。 我们总结了模拟表1中的参数。FDoA性能受目标速度的影响而不是噪声的影响，因此我们根据平均速度来分析FDoA并根据噪声水平分析了其AoA性能。根据锚节点的数量和排列方式分析了锚节点的性能。4.2. 性能分析图 2给出了移动目标的示例性轨迹的图示。网络中有8个锚点，目标基于移动模型进行移动。 图图3示出了使用具有FDoA的PF（红线）、不具有FDoA的PF（黑线）和EKF（蓝线）的定位误差的CDF，其中平均速度约为30[m/s 2]并且锚点的数量为8（4个锚点放置在地面上并且放置4个锚点节点在Z200上）。可以观察到，当目标的平均速度相对较慢时，使用FDoA测量无助于提高跟踪性能。但是，当目标的平均速度相对较快时，FDoA测量的使用可以有助于跟踪目标的位置图4示出了使用具有FDoA的PF（红线，绿线）和不具有FDoA的PF（黑线，蓝线）的定位误差的CDF，其中平均速度约为40 [m/s2]和约50 [m/s2]。图5显示了定位误差的CDF，其中4个锚点放置在地面上，4个锚点放置在z轴上。200.当考虑AoA测量时，考虑噪声误差5度（蓝线），性能低于未使用AoA测量时的值（红色H. 徐，H.金，J.Kang等人/ICT Express 5（2019）115119====图五. 根据AoA噪声的定位误差的CDF。(For对本图图例中所指颜色的解释，读者可参考本文的网络版。）line）。然而，当AoA测量噪声为1度（黑线）和3度（绿线）时，PF实现更高的性能。从结果可以推断，如果AoA测量具有小于3度的误差，则将AoA测量与TDoA/FDoA一起使用可以改善系统的性能。根据锚钉数量和排列的定位误差CDF如图6所示。当锚节点的数量为4并且所有四个锚节点都被放置在地面上（即，z0），具有AoA测量的PF（蓝线）显示最差的跟踪性能。如果锚节点的数量增加到8个，并且所有锚仍然放置在地面上（即，z0），由于锚点数量的增加，出现了一些性能改进（绿线）。另一方面，如果锚节点的数量是8（4个锚被放置在地面上，4个锚节点被放置在z200上），则与当所有8个锚被放置在地面上时相比，这是因为如果所有锚点都放置在地面上，则关于z坐标的位置估计性能降低。5. 结论在本文中，我们研究的三维运动目标的跟踪时，多个测量。结果表明，在非线性情况下，PF的性能优于EKF相似的测量模型使用。此外，我们确认FDoA和AoA测量跟踪性能的影响，根据目标的速度和噪声水平的AoA测量。从结果来看，当目标的平均速度相对较慢时，FDoA测量干扰跟踪性能。当目标的平均速度相对较快时，FDoA测量有助于跟踪。此外，当AoA测量误差大于4度时，不使用AoA测量对跟踪性能更有帮助只有当AoA的误差见图6。根据锚的数量和排列确定定位误差的CDF。(For对本图图例中所指颜色的解释，读者可参考本文的网络版。）当4个锚位于地面上而另外4个锚位于z上时，测量值小于3度有助于提高定位性能200.它结果表明，当所有锚杆都放置在地面上时，很难获得良好的定位性能。在我们未来的工作中，将研究最佳的锚节点的安排时，跟踪移动对象。此外，跟踪技术使用更少的锚节点，高性能的定位算法，使用少量的粒子，和新的方法，而不是粒子滤波将在我们未来的工作进行调查。确认这项工作得到了大韩民国国防采办计划管理局和国防开发署的国家GNSS研究中心计划的支持。利益冲突作者声明，本文中不存在利益冲突引用[1] A.D. Lahe，P. Kulkarni，使用半TTP服务器为LBS用户提供位置隐私保护，在：2017年第二届IEEE国际电子，信息通信技术最新趋势会议，RTEICT，2017年，pp. 605-610. http：//dx. 多岛或g/10。1109/RTEICT. 2017825668.[2] J. Lee，Y.T.J.Morton，J.Lee，H.Moon，J.Seo，基于GNSS的安全关键系统电离层异常的监测和缓解：最新信号处理技术的回顾，IEEE信号处理。Mag.34（5）（2017）96-110.http://dx.doi.org/10.1109/MSP.2017.2716406网站。[3] N. Patwari，J.N. Ash，S. Kyperountas，A.O.英雄，R.L. Moses，N.S.Correal ， Locating the nodes ： cooperative localization in wirelesssensornetworks，IEEE Signal Process. Mag.22（4）（2005）54-69.120H. 徐，H.金，J.Kang等人/ICT Express 5（2019）115[4] F.古斯塔夫松Gunnarsson，使用无线网络的移动定位：基于可用无线网络测量的可能性和基本限制，IEEE信号处理。麦格 22（4）（2005）41-53。[5] R. Di Taranto，S. 穆皮里塞蒂河 Raulefs，D. Slock，T. 斯文森，H. Wymeersch，5G网络的位置感知通信：位置信息如何提高5G的可扩展性，延迟和鲁棒性，IEEE信号处理。31（6）（2014）102-112。[6] G. Wang，S.蔡，Y.Li，N.Ansari，一种基于TDOA/FDOA的非线性WLS技术65（10）（2016）8603http://dx.doi.org/10.1109/TVT.2015.2508501网站。[7] Z. Yang，X.王文，基于序列蒙特卡罗滤波的蜂窝网络移动性跟踪与切换，IEEE Trans.Signal Process。51（1）（2003）269-281。[8] X. Zhong，W.P. Tay，M. Leng，S.G. Razul，C.M.S.参见，TDOA-FDOA based multiple target detection and tracking in the presence ofmeasurement errors and biases ， in ： 2016 IEEE 17th InternationalWorkshoponSignalProcessingAdvancesinWirelessCommunications，SPAWC，2016，pp.1-6，h t t p：/ / d x. 多岛或g/10。1109/SPAWC. 2016七五三六七八六.[9] A.作者：J.张文龙，单脉冲雷达通道信号对产卵目标的快速检测与跟 踪 ， 电 子 工 程 学 报 ， 2001 。 56 （ 3 ） （ 2008 ） 1302-1308 。http://dx.doi.org/10.1109/TSP的网站。2007.908982。[10] 下午Djuric，J.H.Kotecha，J.Zhang，Y.Huang，T.Ghirmai，M.F.布加洛，J. Miguez，粒子滤波，IEEE信号处理。Mag.20（5）（2003）19-38。http://dx.doi.org/10.1109/MSP.2003.1236770网站。[11] B. 里斯蒂奇，S。阿鲁兰帕拉姆河，西-地Gordon，Beyond theKalman filter：Particle filters for tracking applications，2004.[12] J.A. Bhatti，T. E. Humphreys，B.M.基于TDOA的GNSS干扰信号定位系统的开发和演示（Development and demonstration of a TDOA-based GNSS interference signal localization system ） ， 在 ： 2012IEEE/ION位置、定位和导航研讨会论文集（Proceedings of the455 -469，h t t p：/ / d x. 多岛或g/10。1109/PLANS. 2012. 6236915.[13] D. Egea-Roca，G. Seco-Granados，J. López-Salcedo，最快检测理论及其在GNSS威胁检测中的应用的综合概述，陀螺仪导航8（1）（2017）1-14。