taylor_wls_tdoa.cpp 6.0 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252
  1. #include "stdafx.h"
  2. #include "taylor_wls_tdoa.h"
  3. using namespace HostServer;
  4. using namespace Eigen;
  5. /*
  6. * 求广义逆矩阵
  7. *
  8. * param
  9. * m 待求矩阵
  10. *
  11. * return
  12. * m的广义逆矩阵
  13. *
  14. */
  15. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>& Tdoa::TaylorWls::pinv(Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>& m)
  16. {
  17. auto svd = m.jacobiSvd(Eigen::ComputeFullU | Eigen::ComputeFullV);
  18. const auto & singular_values = svd.singularValues();
  19. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> singular_values_inv(m.cols(),m.rows());
  20. singular_values_inv.setZero();
  21. double pinvtoler = 1E-6;
  22. for (unsigned int i = 0;i < singular_values.size();++i)
  23. {
  24. if (singular_values(i) > pinvtoler)
  25. {
  26. singular_values_inv(i,i) = 1.0f/singular_values(i);
  27. }else{
  28. singular_values_inv(i,i) = 0.0f;
  29. }
  30. }
  31. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> pinvmat = svd.matrixV()*singular_values_inv*svd.matrixU().transpose();
  32. return std::move(pinvmat);
  33. }
  34. /**/
  35. double Tdoa::TaylorWls::gauss_rand(double mu, double sigma)
  36. {
  37. /*const double epsilon = std::numeric_limits<double>::min();
  38. const double two_pi = 2.0*3.14159265358979323846;
  39. static double z0, z1;
  40. static bool generate;
  41. generate = !generate;
  42. if (!generate)
  43. return z1 * sigma + mu;
  44. double u1, u2;
  45. do
  46. {
  47. u1 = rand() * (1.0 / RAND_MAX);
  48. u2 = rand() * (1.0 / RAND_MAX);
  49. } while (u1 <= epsilon);
  50. z0 = sqrt(-2.0 * log(u1)) * cos(two_pi * u2);
  51. z1 = sqrt(-2.0 * log(u1)) * sin(two_pi * u2);
  52. return z0 * sigma + mu;*/
  53. return 0;
  54. }
  55. /*
  56. * 生成服从正太分布的随机数
  57. *
  58. * param
  59. * 无
  60. *
  61. * return
  62. * 返回生成的随机数
  63. *
  64. */
  65. double Tdoa::TaylorWls::gauss_rand()
  66. {
  67. static double V1, V2, S;
  68. static int phase = 0;
  69. double X;
  70. if (phase == 0) {
  71. do {
  72. double U1 = (double)rand() / RAND_MAX;
  73. double U2 = (double)rand() / RAND_MAX;
  74. V1 = 2 * U1 - 1;
  75. V2 = 2 * U2 - 1;
  76. S = V1 * V1 + V2 * V2;
  77. } while (S >= 1 || S == 0);
  78. X = V1 * sqrt(-2 * log(S) / S);
  79. }
  80. else
  81. X = V2 * sqrt(-2 * log(S) / S);
  82. phase = 1 - phase;
  83. return X;
  84. }
  85. /*
  86. * 计算坐标
  87. *
  88. * param
  89. * pRdm 分站数据
  90. *
  91. * return
  92. * 定位坐标
  93. *
  94. */
  95. HostServer::Position& Tdoa::TaylorWls::calc_position(std::shared_ptr<algorithm::base::ReceiveDataUnorderedMap>& pRdm)
  96. {
  97. Position pos;
  98. int n = 0;
  99. n = pRdm->size();
  100. if (n == 0 && !is_initial)
  101. {
  102. pos.x = pos.y = pos.z = -1000.0;
  103. return std::move(pos);
  104. }
  105. init_params(pRdm);
  106. pos = taylor_wls(anchors,T,iter_pos,n);
  107. return std::move(pos);
  108. }
  109. /*
  110. * 泰勒+加权最小二乘算法
  111. *
  112. * param
  113. * anchors 分站坐标
  114. * T 分站的时间同步戳值
  115. * pos 迭代的初始坐标值
  116. * size 分站数据条数
  117. *
  118. * return
  119. * 定位坐标
  120. *
  121. */
  122. HostServer::Position& Tdoa::TaylorWls::taylor_wls(Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>& anchors,Matrix<unsigned long long,Eigen::Dynamic,1,Eigen::DontAlign>& T,const Position& pos,unsigned int size)
  123. {
  124. unsigned int iter_times = 0;
  125. double delta = 99999.9;
  126. //构造协方差矩阵
  127. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> Q;
  128. Q = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size-1,size-1);
  129. Q.setIdentity();
  130. Q *=1000.0;
  131. Position calc_pos;
  132. calc_pos = pos;
  133. while(delta > accuracy){
  134. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> d;
  135. d = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size,1);
  136. d.setZero();
  137. for (unsigned int i = 0;i<size;i++)
  138. {
  139. d(i,0) = sqrt(pow(calc_pos.x - anchors(i,0),2) + pow(calc_pos.y - anchors(i,1),2)) + gauss_rand();// + random()
  140. double ddd = 0.0;
  141. ddd = d(i,0);
  142. if (d(i,0) < 0.01)
  143. {
  144. d(i,0) = 0.01;
  145. }
  146. }
  147. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> a;
  148. a = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size-1,2);
  149. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> lambada;
  150. lambada = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size-1,1);
  151. for (unsigned int i = 0;i<size-1;i++)
  152. {
  153. a(i,0) = (calc_pos.x - anchors(i+1,0))/d(i,0) - (calc_pos.x - anchors(0,0))/d(0,0);
  154. a(i,1) = (calc_pos.y - anchors(i+1,1))/d(i,0) - (calc_pos.y - anchors(0,1))/d(0,0);
  155. lambada(i,0) = CFunctions::getDistance(T(i+1,0) - T(0,0),CFunctions::TDOA);
  156. }
  157. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> H;
  158. H = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size-1,1);
  159. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> tmp_d;
  160. tmp_d = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(size-1,1);
  161. for (unsigned int i = 0;i < size - 1;i++)
  162. {
  163. tmp_d(i,0) = d(i+1,0) - d(0,0);
  164. }
  165. H = lambada - tmp_d;
  166. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> p;
  167. p = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(2,2);
  168. p.setZero();
  169. //p = a.transpose()*pinv(Q)*a;
  170. p = a.transpose()*Q.inverse()*a;
  171. if(p.determinant() == 0){
  172. delta = 99999.9;
  173. break;
  174. }
  175. Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign> x_update;
  176. x_update = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(2,1);
  177. //x_update = pinv(p)*a.transpose()*Q.inverse()*H;
  178. x_update = p.inverse()*a.transpose()*Q.inverse()*H;
  179. delta = sqrt(pow(x_update(0,0),2) + pow(x_update(1,0),2));
  180. calc_pos.x += x_update(0,0);
  181. calc_pos.y += x_update(1,0);
  182. iter_times++;
  183. if (iter_times > iterator_times)
  184. {
  185. delta = 99999.9;
  186. break;
  187. }
  188. }
  189. return std::move(calc_pos);
  190. }
  191. /*
  192. * 初始化分站坐标和分站的时间同步戳值
  193. *
  194. * param
  195. * pRdm 分站数据
  196. *
  197. * return
  198. * 执行成功返回0
  199. *
  200. */
  201. int Tdoa::TaylorWls::init_params(std::shared_ptr<algorithm::base::ReceiveDataUnorderedMap> pRdm)
  202. {
  203. //需要检查anchors是不是每次都是动态的
  204. int i = 0;
  205. int n = 0;
  206. n = pRdm->size();
  207. anchors = Matrix<double,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(n,2);
  208. T = Matrix<unsigned long long,Eigen::Dynamic,Eigen::Dynamic,Eigen::DontAlign>::Random(n,1);
  209. for (algorithm::base::ReceiveDataUnorderedMap::iterator it = pRdm->begin(); it != pRdm->end();++it)
  210. {
  211. anchors(i,0) = it->second->x;
  212. anchors(i,1) = it->second->y;
  213. T(i,0) = it->second->rec_time_stamp;
  214. i++;
  215. }
  216. return 0;
  217. }