本發(fā)明涉及同時定位與建圖(simultaneous?localization?and?mapping，slam)技術，特別是涉及一種基于svm的nlos實時識別方法和系統(tǒng)。

背景技術：

1、同時定位與建圖slam是一種復雜的技術，在室內(nèi)自主移動機器人和無人駕駛導航領域起著至關重要的作用，它要求系統(tǒng)在未知環(huán)境中能夠一邊構建地圖，一邊準確地確定自身的實時位置。目前激光雷達系統(tǒng)以及攝像頭視覺系統(tǒng)是用于slam的常見外部傳感器類型。然而，一方面，激光雷達和攝像頭光源所使用的頻率范圍接近于電磁波譜中的可見光頻率范圍。因此，在充滿煙霧或包含大量鏡子等具有挑戰(zhàn)性的場景中，這些光學測量設備的信噪比相對較低，這使得依賴此類設備的slam算法容易出現(xiàn)故障，顯著降低自主系統(tǒng)的功能性能。另一方面，激光雷達與攝像頭在實現(xiàn)相對定位時，均難以避免測量誤差隨時間逐漸積累的現(xiàn)象。即便是細微的初期測量偏差，也會隨操作時間延長而不斷放大，致使定位精確度下滑。因此，在持續(xù)運行較長時段后，這些傳感器所得的位置數(shù)據(jù)很可能出現(xiàn)較大程度的失準。

2、近年來，鑒于射頻(radio?frequency,rf)信號在惡劣和極端環(huán)境條件下的穩(wěn)定性，已有多種研究探索使用rf頻段代替?zhèn)鹘y(tǒng)專用傳感器進行slam。由于射頻信號的頻率特性優(yōu)勢以及基站標簽系統(tǒng)(anchor-tag?systems)的基于絕對位置定位穩(wěn)定的優(yōu)勢，基于超寬帶(ultra-wideband，uwb)系統(tǒng)的機器人定位得到了廣泛研究。然而，在環(huán)境復雜的室內(nèi)環(huán)境環(huán)境下，uwb信號會受到障礙的干擾，導致信號傳播路徑受阻，進而產(chǎn)生測距誤差，嚴重影響定位精度。因此如何實時準確地識別出非視距(non-line-of-sight,nlos)信號，對于在障礙的室內(nèi)環(huán)境中確保uwb絕對定位的準確性十分重要。

3、基于神經(jīng)網(wǎng)絡(nn)模型的nlos識別，該方法僅使用來自低成本uwb設備的數(shù)據(jù)，通過神經(jīng)網(wǎng)絡模型可以應用于不同的環(huán)境，以減輕nlos測距測量的影響。該模型根據(jù)從機器人攜帶的uwb標簽中提取并輸入神經(jīng)網(wǎng)絡模型的uwb數(shù)據(jù)，返回測距測量為los的概率。該方法的優(yōu)勢在于有較高的環(huán)境適應性，能夠根據(jù)不同場景的具體條件進行調(diào)整和優(yōu)化，從而在不同的環(huán)境中均能發(fā)揮效能，顯著減少nlos帶來的測距誤差。鑒于機器人系統(tǒng)通常傾向于輕量化設計，對算法的復雜性要求相對較低，卷積神經(jīng)網(wǎng)絡不利于于實時系統(tǒng)的搭建。

4、基于信道模型的nlos識別方法，該方法是利用信道沖激響應(cir)的度量標準區(qū)分非視距與視距狀態(tài)。cir是一種直接反映無線信道特性的關鍵指標，該方法聚焦于信道沖激響應(cir)的細致分析。通過對cir的多種度量標準，時延擴展、多徑分布特性和能量延遲分布進行深入探究，能夠人工提煉出區(qū)分nlos與los狀態(tài)的標志性特征。這些特征可能包括nlos環(huán)境下更為分散的多徑分布、較長的時延擴展以及更加復雜的能量分布模式，根據(jù)nlos的特征情況完成nlos的識別分類。該方法受限于信號處理信道模型先驗知識，存在時間延遲問題，難以確定合適的分布函數(shù)，還需要附加約束條件。

5、隨著室內(nèi)定位服務的生產(chǎn)生活需求不斷增加，當前對于非視距(nlos)定位技術的精度提升已達到相當高的水準。但是，一方面鑒于機器人系統(tǒng)通常傾向于輕量化設計，對算法的復雜性要求相對較低，因此需部署一套既能滿足實際需求，又能高效適配此類系統(tǒng)的輕量級算法方案，這套算法必須確保較高的識別精確度與高度的魯棒性；另一方面nlos識別只是復雜環(huán)境下uwb定位的第一步，要想充分利用nlos信息，需要考慮如何利用nlos識別結(jié)果對系統(tǒng)完成修正，具體應用在實際場景中。

6、因此，在復雜環(huán)境環(huán)境下nlos識別系統(tǒng)需要滿足：1、應用廣泛，針對于不同信道特征都能夠完成nlos識別任務。2、nlos識別精度足夠高，能夠有效輔助系統(tǒng)在多障礙環(huán)境下做出準確的修正。3、滿足輕量級設計，能夠部署到機器人或嵌入式設備中，達到實時性要求。4、系統(tǒng)能夠具體應用到nlos環(huán)境下uwb定位實際場景中。

7、需要說明的是，在上述背景技術部分公開的信息僅用于對本技術的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現(xiàn)有技術的信息。

技術實現(xiàn)思路

1、本發(fā)明的主要目的在于解決上述背景技術中存在的問題，提供一種基于svm的nlos實時識別方法和系統(tǒng)。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

3、在本發(fā)明的第一方面，一種基于svm的nlos實時識別方法，包括以下步驟：

4、s1.從uwb設備采集的信號數(shù)據(jù)中提取用于識別非視距傳播的關鍵特征；

5、s2.對提取的特征進行預處理；

6、s3.使用預處理后的數(shù)據(jù)進行svm分類器模型構建和訓練，包括：構建拉格朗日函數(shù)，通過優(yōu)化求解拉格朗日函數(shù)得到最優(yōu)劃分數(shù)據(jù)的超平面參數(shù)；使用高斯核函數(shù)將預處理后的數(shù)據(jù)映射到高維特征空間中，在高維得到線性可分離的超平面；使用確定的超平面參數(shù)和支持向量訓練svm分類器，根據(jù)訓練得到的權重和支持向量，確定用于分類的決策函數(shù)；

7、s4.使用訓練好的svm分類器模型對實時信號數(shù)據(jù)進行分類，判斷為視距l(xiāng)os或非視距nlos，從而得到nlos識別結(jié)果。

8、在本發(fā)明的第二方面，一種基于svm的nlos實時識別系統(tǒng)，包括：

9、uwb定位系統(tǒng)，包括多個uwb基站和至少一個搭載在移動載體上的uwb標簽，用于測量基站與標簽之間的距離，提供原始定位數(shù)據(jù)；

10、imu傳感器，搭載在所述移動載體上，用于收集移動載體的運動數(shù)據(jù)，輔助uwb定位；

11、移動載體，用于攜帶uwb標簽和imu傳感器在環(huán)境中移動；

12、處理模塊，與uwb基站和uwb標簽通信，用于執(zhí)行所述的基于svm的nlos實時識別方法。

13、在本發(fā)明的第三方面，一種計算機可讀存儲介質(zhì)，存儲有計算機程序，所述計算機程序由處理器執(zhí)行時實現(xiàn)所述的基于svm的nlos實時識別方法。

14、在本發(fā)明的第四方面，一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序由處理器執(zhí)行時實現(xiàn)所述的基于svm的nlos實時識別方法。

15、本發(fā)明具有如下有益效果：

16、本發(fā)明提供一種基于支持向量機(svm)的非視距(nlos)實時識別方法和系統(tǒng)，具備自主學習信號特征的能力，無需依賴額外的信道約束條件，使其能夠靈活適應多變的障礙物和信道環(huán)境，從而精準地完成nlos識別任務。系統(tǒng)采用針對性的數(shù)據(jù)預處理策略，從而在復雜環(huán)境下的穩(wěn)定運行，并能精確區(qū)分nlos信號狀態(tài)。此外，方案設計實現(xiàn)輕量化與低復雜度，使其便于集成至機器人平臺，并確保實時響應性能。通過將nlos識別信息整合入uwb定位系統(tǒng)中，本發(fā)明有效解決了障礙物導致的定位難題，提升了復雜環(huán)境下的定位精度與可靠性?？傮w而言，本發(fā)明通過創(chuàng)新的svm分類器和實時信號處理技術，為室內(nèi)定位服務提供了一種高精度、高魯棒性的解決方案，尤其適用于需要在障礙物較多的環(huán)境中進行穩(wěn)定和精確定位的應用場景。

17、本發(fā)明實施例中的其他有益效果將在下文中進一步述及。