目錄

• 一、背景
• 二、任務(wù)
• 三、任務(wù)分析
• 參考文獻(xiàn)

一、背景

UWB（Ultra-Wideband）技術(shù)也被稱之為“超寬帶”，又稱之為脈沖無(wú)線電技術(shù)。這是一種無(wú)需任何載波，通過(guò)發(fā)送納秒級(jí)脈沖而完成數(shù)據(jù)傳輸?shù)亩叹嚯x范圍內(nèi)無(wú)線通信技術(shù)，并且信號(hào)傳輸過(guò)程中的功耗僅僅有幾十μW。UWB因其獨(dú)有的特點(diǎn)，使其在軍事、物聯(lián)網(wǎng)等各個(gè)領(lǐng)域都有著廣闊的應(yīng)用。其中，基于UWB的定位技術(shù)具備實(shí)時(shí)的室內(nèi)外精確跟蹤能力，定位精度高，可達(dá)到厘米級(jí)甚至毫米級(jí)定位。UWB在室內(nèi)精確的定位將會(huì)對(duì)衛(wèi)星導(dǎo)航起到一個(gè)極好的補(bǔ)充作用，可在軍事及民用領(lǐng)域有廣泛應(yīng)用，比如：電力、醫(yī)療、化工行業(yè)、隧道施工、危險(xiǎn)區(qū)域管控等。
UWB的定位技術(shù)有多種方法，本文僅考慮基于飛行時(shí)間（Time of Flight, TOF）的測(cè)距原理，它是UWB定位法中最常見(jiàn)的定位方法之一。TOF測(cè)距技術(shù)屬于雙向測(cè)距技術(shù)，其通過(guò)計(jì)算信號(hào)在兩個(gè)模塊的飛行時(shí)間，再乘以光速求出兩個(gè)模塊之間的距離，這個(gè)距離肯定有不同程度這個(gè)距離肯定有不同程度的誤差，但其精度已經(jīng)比較高。
在室內(nèi)定位的應(yīng)用中，UWB技術(shù)可以實(shí)現(xiàn)厘米級(jí)的定位精度（一般指2維平面定位）,并具有良好的抗多徑干擾和衰弱的性能以及具有較強(qiáng)的穿透能力。但由于室內(nèi)環(huán)境復(fù)雜多變UWB 通信信號(hào)極易受到遮擋，雖然UWB技術(shù)具有穿透能力，但仍然會(huì)產(chǎn)生誤差，在較強(qiáng)干擾時(shí)，數(shù)據(jù)會(huì)發(fā)生異常波動(dòng)（通常是時(shí)間延時(shí)），基本無(wú)法完成室內(nèi)定位，甚至?xí)斐蓢?yán)重事故。因此，信號(hào)干擾下的超寬帶（UWB）精確定位問(wèn)題成為亟待解決的問(wèn)題。

二、任務(wù)

任務(wù)1：數(shù)據(jù)預(yù)處理（清洗）
無(wú)論是信號(hào)無(wú)干擾下采集數(shù)據(jù)，或信號(hào)干擾下采集數(shù)據(jù)，Tag在同一坐標(biāo)點(diǎn)上都采集多組數(shù)據(jù)（見(jiàn)附件1中648個(gè)數(shù)據(jù)文件），請(qǐng)用某種方法把每個(gè)數(shù)據(jù)文件相應(yīng)數(shù)值抓取出來(lái)，并轉(zhuǎn)換成二維表（矩陣）形式（txt、Excel或其他數(shù)據(jù)格式），每一行代表一組數(shù)據(jù)（即一個(gè)樣品），然后對(duì)這些數(shù)據(jù)文件進(jìn)行預(yù)處理（清洗），刪除掉一些“無(wú)用”（異常、缺失、相同或相似）的數(shù)據(jù)（樣品）。經(jīng)處理后，“正常數(shù)據(jù)”所有數(shù)據(jù)文件和“異常數(shù)據(jù)”所有數(shù)據(jù)文件最后各保留多少組（多少個(gè)樣品）數(shù)據(jù)，并重點(diǎn)列出以下4個(gè)數(shù)據(jù)文件，經(jīng)處理后保留的數(shù)據(jù)（矩陣形式）；
“正常數(shù)據(jù)”文件夾中： 24.正常.txt、 109.正常.txt
“異常數(shù)據(jù)”文件夾中： 1.異常.txt、 100.異常.txt

任務(wù)2: 定位模型
利用任務(wù)1處理后的數(shù)據(jù)，分別對(duì)“正常數(shù)據(jù)”和“異常數(shù)據(jù)”，設(shè)計(jì)合適的數(shù)學(xué)模型（或算法），估計(jì)（或預(yù)測(cè)）出Tag的精確位置，并說(shuō)明你所建立的定位模型（或算法）的有效性；同時(shí)請(qǐng)利用你的定位模型（或算法）分別對(duì)附件2中提供的前5組（信號(hào)無(wú)干擾）數(shù)據(jù)和后5組（信號(hào)有干擾）數(shù)據(jù)進(jìn)行精確定位（3維坐標(biāo)）；
注意：（1）定位模型必須體現(xiàn)實(shí)驗(yàn)場(chǎng)景信息；
（2）請(qǐng)同時(shí)給出定位模型的3維（x，y，z）精度、2維（x，y）精度以及1維的各自精度。

任務(wù)3：不同場(chǎng)景應(yīng)用
我們的訓(xùn)練數(shù)據(jù)僅采集于同一實(shí)驗(yàn)場(chǎng)景（實(shí)驗(yàn)場(chǎng)景1），但定位模型應(yīng)該能夠在不同實(shí)際場(chǎng)景上使用，我們希望你所建立的定位模型能夠應(yīng)用于不同場(chǎng)景。附件3中10組數(shù)據(jù)采集于下面實(shí)驗(yàn)場(chǎng)景2（前5組數(shù)據(jù)信號(hào)無(wú)干擾，后5組數(shù)據(jù)信號(hào)有干擾），請(qǐng)分別用上述建立的定位模型，對(duì)這10 組數(shù)據(jù)進(jìn)行精確定位（3維坐標(biāo)）；
實(shí)驗(yàn)場(chǎng)景2：
靶點(diǎn)（Tag）范圍：5000mm3000mm3000mm
錨點(diǎn)（anchor）位置（單位：mm）：
A0（0，0，1200）、 A1（5000，0，1600）、
A2（0，3000，1600），A3（5000，3000，1200）

任務(wù)4: 分類模型
上述定位模型是在已知信號(hào)有、無(wú)干擾的條件下建立的，但UWB在采集數(shù)據(jù)時(shí)并不知道信號(hào)有無(wú)干擾，所以判斷信號(hào)有無(wú)干擾是UWB精確定位問(wèn)題的重點(diǎn)和難點(diǎn)。利用任務(wù)1處理后的數(shù)據(jù)，建立數(shù)學(xué)模型(或算法)，以便區(qū)分哪些數(shù)據(jù)是在信號(hào)無(wú)干擾下采集的數(shù)據(jù)，哪些數(shù)據(jù)是在信號(hào)干擾下采集的數(shù)據(jù)？并說(shuō)明你所建立的分類模型(或算法)的有效性；同時(shí)請(qǐng)用你所建立的分類模型（或算法）判斷附件4中提供的10組數(shù)據(jù)（這10組數(shù)據(jù)同樣采集于實(shí)驗(yàn)場(chǎng)景1）是來(lái)自信號(hào)無(wú)干擾或信號(hào)干擾下采集的？

任務(wù)5: 運(yùn)動(dòng)軌跡定位
運(yùn)動(dòng)軌跡定位是UWB重要應(yīng)用之一，利用靜態(tài)點(diǎn)的定位模型，加上靶點(diǎn)自身運(yùn)動(dòng)規(guī)律，希望給出動(dòng)態(tài)靶點(diǎn)的運(yùn)動(dòng)軌跡。附件5是對(duì)動(dòng)態(tài)靶點(diǎn)采集的數(shù)據(jù)（一段時(shí)間內(nèi)連續(xù)采集的多組數(shù)據(jù)），請(qǐng)注意，在采集這些數(shù)據(jù)時(shí)，會(huì)隨機(jī)出現(xiàn)信號(hào)干擾，請(qǐng)對(duì)這個(gè)運(yùn)動(dòng)軌跡進(jìn)行精確定位，最終畫(huà)出這條運(yùn)動(dòng)軌跡圖（數(shù)據(jù)采集來(lái)自實(shí)驗(yàn)場(chǎng)景1）。

三、任務(wù)分析

任務(wù)一分析：
正常數(shù)據(jù)和異常數(shù)據(jù)均有324個(gè)文件，一共是648個(gè)文件，而每個(gè)文件的編號(hào)就是Tag的一個(gè)位置，由于Tag在同一位置會(huì)停留一會(huì)兒時(shí)間，而錨點(diǎn)與Tag之間每0.2—0.3秒之間就會(huì)發(fā)送、接收信號(hào)一次，所以在同一位置點(diǎn)，UWB會(huì)采集到多組數(shù)據(jù)（多組數(shù)據(jù)都代表同一位置的信息），組數(shù)的多少視Tag在同一位置的時(shí)間而定，停留的時(shí)間越長(zhǎng)，組數(shù)就越多。在每一個(gè)文件中，每4行(hang)為一組，表示UWB采集的一組完整數(shù)據(jù)（一組數(shù)據(jù)表示一個(gè)樣品），每一組數(shù)據(jù)中我們只需要得到錨點(diǎn)(A0，A1，A2，A3)到Tag的距離數(shù)據(jù)即可。
我們的目標(biāo)是獲取到每個(gè)文件中的錨點(diǎn)到Tag的距離數(shù)據(jù)，將一組距離數(shù)據(jù)放在一行，因而一個(gè)文件里的距離數(shù)據(jù)可以形成一個(gè)二維表（矩陣）。
第一步獲取數(shù)據(jù)，以正常數(shù)據(jù)中的文件 1.正常 為例，利用MATLAB程序讀取txt文件數(shù)據(jù)。

data = importdata("附件1：UWB數(shù)據(jù)集\正常數(shù)據(jù)\1.正常.txt");

1.正常文件里的數(shù)據(jù)存儲(chǔ)在data.data矩陣?yán)?#xff0c;有6列，第三列就是Tag到4個(gè)錨點(diǎn)的距離數(shù)據(jù)，每4行為一組數(shù)據(jù)。
將上述矩陣?yán)锏木嚯x數(shù)據(jù)轉(zhuǎn)換為二維矩陣的形式如下：

A = data.data(:,3); m = size(A,1); n = m/4; B = zeros(n,4); for i = 1:nB(i,:) = A(1:4); end

對(duì)正常數(shù)據(jù)和異常數(shù)據(jù)均做上述操作總共可得到648個(gè)二維矩陣。
下面的代碼運(yùn)行后可以得到正常數(shù)據(jù)的324個(gè)二維矩陣，對(duì)于異常數(shù)據(jù)，只需要將路徑替換為：path = ‘F:\數(shù)學(xué)建模\2021年中國(guó)研究生數(shù)學(xué)建模競(jìng)賽賽題\2021年E題\附件1：UWB數(shù)據(jù)集\異常數(shù)據(jù)’;

path = 'F:\數(shù)學(xué)建模\2021年中國(guó)研究生數(shù)學(xué)建模競(jìng)賽賽題\2021年E題\附件1：UWB數(shù)據(jù)集\正常數(shù)據(jù)'; % 設(shè)置數(shù)據(jù)存放的文件夾路徑 cd(path); % 將當(dāng)前工作目錄切換到指定的文件夾，否則importdata無(wú)法讀取文件 pathname = fullfile(path,'*.txt'); file = dir(pathname); % 顯示文件夾下所有符合后綴名為.txt文件的完整信息 filenames = {file.name}'; % 提取符合后綴名為.txt的所有文件的文件名，轉(zhuǎn)換為n行1列的cell數(shù)據(jù) k = size(filenames,1); % txt文件的數(shù)量C = cell(k,1); % 創(chuàng)建一個(gè)元胞數(shù)組 for i=1:kname = filenames{i}; % 讀取第i個(gè)變量名data = importdata(name); % 導(dǎo)入數(shù)據(jù)，importdata讀取當(dāng)前工作目錄下的文件A = data.data(:,3);m = size(A,1);n = m/4;B = zeros(n,4);for j = 1:nB(j,:) = A(1:4);endC{i,1} = B; % 將所有的二維矩陣存儲(chǔ)在元胞數(shù)組里 end

第二步，對(duì)獲取到的648個(gè)二維矩陣進(jìn)行預(yù)處理（清洗），刪除掉一些“無(wú)用”（異常、缺失、相同或相似）的數(shù)據(jù)（樣品）。我們將每一個(gè)二維矩陣進(jìn)行處理，可以降低矩陣的大小。

關(guān)鍵是數(shù)據(jù)的清洗，我覺(jué)得比較麻煩，暫時(shí)沒(méi)想到更好的方法，這將導(dǎo)致后續(xù)工作不便開(kāi)展，歡迎大家跟我一起解決這個(gè)問(wèn)題。
我認(rèn)為這里面有的二維矩陣是"無(wú)用數(shù)據(jù)"的原因是某些數(shù)據(jù)超出靶點(diǎn)的范圍，靶點(diǎn)（Tag）范圍：5000mm3000mm3000mm。

第三步，列出“正常數(shù)據(jù)”所有數(shù)據(jù)文件和“異常數(shù)據(jù)”所有數(shù)據(jù)文件最后各保留多少組（多少個(gè)樣品）數(shù)據(jù)，并重點(diǎn)列出任務(wù)中指定的4個(gè)數(shù)據(jù)文件，經(jīng)處理后保留的數(shù)據(jù)（矩陣形式）。

任務(wù)二分析：
利用機(jī)器學(xué)習(xí)算法將正常數(shù)據(jù)和異常數(shù)據(jù)分別建立定位模型，測(cè)試模型的定位精度可以用 附件1：UWB數(shù)據(jù)集中Tag坐標(biāo)信息.txt文件的數(shù)據(jù)來(lái)說(shuō)明定位模型的有效性，進(jìn)而借助定位模型對(duì)附件2中提供的前5組（信號(hào)無(wú)干擾）數(shù)據(jù)和后5組（信號(hào)有干擾）數(shù)據(jù)進(jìn)行精確定位（3維坐標(biāo)）。
以正常數(shù)據(jù)為例，首先將數(shù)據(jù)集按照3:1的比例劃分為訓(xùn)練集和測(cè)試集，訓(xùn)練集用于訓(xùn)練定位模型，測(cè)試集用于驗(yàn)證模型的準(zhǔn)確度。本文采用經(jīng)PSO改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)對(duì)Tag的定位，在訓(xùn)練階段，將錨點(diǎn)(A0，A1，A2，A3)到Tag的距離數(shù)據(jù)作為輸入，Tag的實(shí)際位置坐標(biāo)作為輸出，以此訓(xùn)練出一個(gè)定位模型；在測(cè)試階段，將測(cè)試集的距離數(shù)據(jù)輸入到模型，得到輸出的數(shù)據(jù)即為Tag的預(yù)測(cè)位置坐標(biāo)。將預(yù)測(cè)的位置坐標(biāo)與實(shí)際的位置坐標(biāo)進(jìn)行比較，可以得到模型的定位精度。

任務(wù)三分析：
任務(wù)三就是分別利用已經(jīng)建立的正常數(shù)據(jù)和異常數(shù)據(jù)的定位模型對(duì)實(shí)驗(yàn)場(chǎng)景2（前5組數(shù)據(jù)信號(hào)無(wú)干擾，后5組數(shù)據(jù)信號(hào)有干擾）的10組數(shù)據(jù)進(jìn)行精確定位。本質(zhì)就是測(cè)試模型的泛化性能。

任務(wù)四分析：
利用任務(wù)1處理后的數(shù)據(jù)建立分類模型，從而判斷數(shù)據(jù)是在信號(hào)無(wú)干擾或信號(hào)干擾下采集的。
經(jīng)過(guò)任務(wù)一的處理，每一個(gè)數(shù)據(jù)文件是一個(gè)二維矩陣，類似于一幅圖像，我們可以將此任務(wù)轉(zhuǎn)換為圖像識(shí)別問(wèn)題，利用正常數(shù)據(jù)和異常數(shù)據(jù)訓(xùn)練出一個(gè)二分類模型，并測(cè)試模型的分類準(zhǔn)確度，最后將該模型用于判斷UWB在采集數(shù)據(jù)時(shí)的信號(hào)有無(wú)干擾。

任務(wù)五分析

。。。。。。未完待續(xù)，后續(xù)會(huì)補(bǔ)充以上任務(wù)分析中涉及到的具體方法及其代碼。

參考文獻(xiàn)

[1] 繆希仁, 范建威, 江 灝, 等. 基站異常情況下基于改進(jìn)極限學(xué)習(xí)機(jī)的超寬帶室內(nèi)定位方法[J], 傳感技術(shù)學(xué)報(bào), 2020, 33(10):1457-1466.
[2] 梁 豐, 熊 凌. 基于GA-BP神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人UWB室內(nèi)定位[J]. 微電子學(xué)與計(jì)算機(jī), 2019, 36(4):33-42.

總結(jié)

以上是生活随笔為你收集整理的2021年华为杯数学建模竞赛E题——信号干扰下的超宽带（UWB）精确定位问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。