买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆数字交通产业集团有限公司申请的专利基于超宽带信号的链式二维定位系统及其实现方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119199727B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411382269.0，技术领域涉及：G01S5/02；该发明授权基于超宽带信号的链式二维定位系统及其实现方法是由唐毅;李俊异;杨洁;代振;陈力云设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于超宽带信号的链式二维定位系统及其实现方法在说明书摘要公布了：本发明涉及一种基于超宽带信号的链式二维定位系统及其实现方法，属于无线定位技术领域。通过链式传递UWB信号，仅需一个终端节点即可在隧道环境中实现对多个链路节点的高精度二维定位。系统利用已知的终端节点位置、隧道几何形状及相邻节点间的距离测量数据，结合非线性最小二乘优化算法、约束优化与图优化技术，以及误差校正与滤波方法，克服了传统定位技术在复杂环境中的局限性，具有高精度、低成本和灵活部署的优点，适用于隧道监控、智能交通及工业自动化等多个应用领域。

本发明授权基于超宽带信号的链式二维定位系统及其实现方法在权利要求书中公布了：1.基于超宽带信号的链式二维定位系统，其特征在于：该系统包括： 主节点，安装于隧道入口处或关键位置，用于发送和接收超宽带信号； 子节点，安装于工人安全帽或其他移动设备上，用于接收主节点发送的超宽带信号，并与相邻子节点进行测距； 控制单元，连接主节点和子节点，用于接收测距数据并进行定位计算，输出节点位置信息； 所述控制单元采用非线性最小二乘优化算法进行定位计算； 所述控制单元采用图优化算法进行定位计算； 所述控制单元采用误差校正与滤波方法对定位结果进行优化； 所述子节点还包括惯性测量单元，用于提供节点运动状态信息； 基于所述链式二维定位系统的链式二维定位方法，包括以下步骤： 步骤1：初始化节点，包括主节点和子节点，主节点发送超宽带信号，子节点接收信号并与相邻子节点进行测距；设隧道入口处有一个固定的主节点O，与其他子节点，利用UWB的TWR技术互相测量距离，并以最短距离为参考距离；并使用统计方法剔除异常误差，设测距误差∈i,i+1服从高斯分布： 表示测量距离，di,i+1表示真实距离，σ2表示高斯分布的方差；是标准的高斯分布符号；利用RANSAC算法剔除异常测距数据，确保优化过程的准确性； 步骤2：初始位置估计；设已知隧道几何形状，即是直线或具有已知曲率的曲线；终端节点位置已知为x0,y0；第一个子节点的位置根据相邻节点间的距离测量d0,1估算，并为提高算法鲁棒性，增强优化效果引入随机小幅偏移角度θ1： 其中，的下标1表示第一个子节点，上标0表示迭代的初始值，第一次迭代上标则为1，以此类推；θ1为随机值，|θ1|≤5°，以确保节点位于隧道宽度范围内；对于第i个链路节点，i≥2，根据前一个节点的位置和测距值di-1,i估算其初始位置： 其中，θi为第i个节点相对于前一节点的随机偏移角度，|θi|≤5°，以确保节点位置在隧道宽度范围内；为确保所有链路节点的初始位置位于隧道宽度范围内，若某节点的横向偏移超出隧道边界，即其中w为隧道宽度，则将其调整至边界位置： 其中，为的符号函数； 步骤3：将非线性最小二乘优化NLS用于优化节点位置，使得测距误差最小化；优化目标函数定义为所有链路节点之间实际距离与测量距离之差的平方和： 其中，N为链路节点总数，xi,yi为第i个链路节点的二维坐标，di,i+1为第i和第i+1个节点之间的测距值；利用Levenberg-Marquardt算法进行非线性最小二乘优化；构建目标函数Jx,y相对于优化变量x和y的雅可比矩阵J，即每个测距误差对每个坐标变量的偏导数；对于每个测距误差项有： 雅可比矩阵的元素为： 步骤4：引入隧道地形约束与优化定位模型；设隧道中心线定义为已知函数y＝fx； 每个节点的横向偏移δi满足： yi＝fxi+δi 其中，w为隧道宽度；在非线性最小二乘目标函数中加入地形约束的惩罚项，形成综合优化模型： 其中，λ为权重因子，用于平衡测距误差与地形约束的重要性；在非线性最小二乘优化过程中，提出根据测距误差动态调整权重因子λ，具体方法如下： 其中，ν＞1为调整因子，用于控制权重因子的调整幅度； 在仿真中，根据目标函数的相对变化率判断：则认为是有效的；其中k表示第k次迭代；τ是经验值，设置为0.01； 优化迭代步骤如下： 1初始化：将初始位置估计值作为优化起点x0,y0； 2计算残差：计算目标函数J′x,y的当前残差值； 3计算雅可比矩阵：根据当前节点位置，计算雅可比矩阵J； 4更新参数：根据列文贝格-马夸尔特LM算法的迭代公式更新节点坐标： 其中，r为当前残差向量，μ为阻尼因子，I为单位矩阵； 5调整阻尼因子：根据优化步长的有效性动态调整μ，确保算法的收敛性和稳定性； 6终止条件：当残差变化量低于预设阈值或达到最大迭代次数时，停止优化； 步骤5：建立图优化模型；将链式定位问题转化为图优化问题，通过构建节点和边的图结构，实现全局一致的节点位置估计；节点定义为图中的每个节点代表一个链路节点的二维位置xi,yi；边定义为图中的每条边代表相邻节点间的测距关系di,i+1，并且引入地形约束边；然后利用CeresSolver进行图优化；误差模型定位为欧几里得距离模型，即定义边的测量误差为： ei,i+1＝||pi-pi+1||-di,i+1 其中，pi和pi+1分别为节点i和节点j的当前估计位置；损失函数为距离误差：计算所有边的误差平方和： 惩罚项用于约束节点的位置变化，表示为： 其中，为节点k在上次迭代中的位置；最终的优化目标为： minimizeLosstotal＝Lossdist+λ·Losspenalty 其中，λ为控制惩罚项权重的系数；然后进行迭代优化，具体过程为： 1初始解传入：使用LM算法的优化结果作为CeresSolver的初始解；将所有节点的初始位置传递给CeresSolver； 2构建问题：在CeresSolver中构建优化问题，将节点和边添加到优化器中； 3设置优化选项：包括迭代次数、收敛标准和求解器选项；设最大迭代次数为500，收敛标准为误差变化小于0.001； 4调用优化函数：执行优化过程，CeresSolver将通过迭代更新节点位置以最小化总损失； 5收敛判断：设定收敛标准，以决定优化是否结束；若达到收敛条件，则优化终止； 6输出结果：优化完成后，CeresSolver将返回每个节点的最终位置；输出结果包括：优化后的节点坐标，优化过程的统计信息：总迭代次数和最终损失值； 步骤6：动态监测与重定位实时监测节点间的测距数据，计算当前位置与前一位置的变化；设定阈值，当节点位置变化超过阈值时，判定为异常；当检测到节点位置异常，则触发重新定位算法，重新估算异常节点的二维坐标；结合当前测距数据和历史数据，进行全局优化，确保系统整体定位精度不受局部异常影响； 步骤7：多传感器数据融合；在重定位时，从惯性测量单元IMU读取加速度和角速度数据，并进行预处理，去除噪声和漂移；然后使用IMU数据进行状态预测；状态表示为节点的位置和朝向，更新公式为： θnew＝θold+ω·Δt 其中，p为位置，v为速度，a为加速度，θ为朝向，ω为角速度，Δt为时间间隔；将粒子滤波与IMU和图优化结果结合，具体步骤如下： 1粒子初始化：根据图优化结果生成一组粒子，粒子的初始位置和状态来自于步骤4的输出结果； 2预测：每个粒子根据IMU数据进行状态预测，更新位置和朝向，预测公式与IMU融合过程相同； 3更新：权重计算：根据当前粒子的位置与实际测量值计算每个粒子的权重；权重基于测量误差来确定： 其中，z为测量值，hpi为粒子状态下的预期测量，σ为测量噪声标准差； 4重采样：根据权重对粒子进行重采样，保留高权重粒子，剔除低权重粒子，以防止粒子退化； 5状态估计：通过加权平均计算粒子的最终状态，作为融合后的定位结果： 结合IMU数据和粒子滤波，提高定位的实时性和精度；IMU提供的动态信息帮助修正位置变化，粒子滤波增强对非线性和噪声的鲁棒性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆数字交通产业集团有限公司，其通讯地址为：401331 重庆市九龙坡区高新区含谷镇科翔路2号1幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。