1.一种基于优化卡尔曼滤波的非视距室内定位方法，其特征是：包括如下步骤：（1）配置超声波定位系统：建议室内定位模型，采取超声波作为载体，被动式定位方式，在定位锚点BSi安放超声波发射装置，待定位节点P安放超声波接收装置；

（2）采用TDOA算法处理接收信号：采取TDOA算法 ，其中，BS1为TDOA基准锚点，假设BS1无故障，利用两次WLS迭代计算出TDOA值坐标；

（3）采用优化卡尔曼滤波器减小连续定位误差：根据步骤（2）所得定位数据和系统参数，建立卡尔曼滤波模型，利用时间更新过程和状态更新过程得到TDOA优化值，根据增益矩阵 对更新值正反馈， 的求解公式为；

（4）上传连续定位数据：将经过处理后的精确定位结果呈现出来。

2.根据权利要求1所述的基于优化卡尔曼滤波的非视距室内定位方法，其特征是：步骤（1）所述的超声波室内定位系统，是选取18-22kHz的超声波。

3.根据权利要求1所述的基于优化卡尔曼滤波的非视距室内定位方法，其特征是：步骤（2）所应用的TDOA算法是：若伪超声波在待定位节点P和各锚点BSi之间按直线传播，并且已经测得伪超声波从P到BSi的传播距离与P到基准锚点（设定为BS1）的传播距离差，则P应位于分别以BSi和BS1作为焦点的一组双曲线交点上，TDOA定位算法至少需要3个以上的定位锚点参与，并且要保障基准锚点无故障；

对于TDOA测量，采用Chan算法进行求解，该算法通过两次加权最小二乘迭代对定位预测估值达到最优，算法表达式如下：其中，待定位节点坐标 , 基准锚点 , 其余各锚点 ，

该表达式的最大似然估计为 ，其中，

, ， 为误差矢量；此结果

计算出未知节点的最大似然估计解，但其中 仍是未知量，再次对此式进行WLS计算，得到下式：根据上式得到，待定位节点坐标 为 。

4.根据权利要求1所述的基于优化卡尔曼滤波的非视距室内定位方法，其特征是：步骤（3）中所应用优化卡尔曼滤波器，是将步骤2所得结果结果进行有效滤波，当待定位节点和测量锚点处于非视距情况时，TDOA算法无法进行有效定位计算，而卡尔曼滤波器，将同频带的信号和噪声，在线性系统的状态空间基础上，利用输出和输入数据进行系统状态的最优估计，在室内定位的非视距条件下，标准卡尔曼滤波器可以通过TDOA计算值、系统噪声和预测值，来平滑滤除偏差过大的漂移坐标，卡尔曼滤波器的标准方程如下：上式为状态方程，为t时刻的状态值， 为l维TDOA系统控制向量，为系统过程激励噪声，为 阶的增益方阵，将t-1时刻的测量值和t时刻的测量值联系一起；为 阶的控制增益矩阵，无特殊情况下一般为零矩阵；

下式为观测方程， 为系统的观测噪声，一般为期望为零的白噪声向量，为状态变量对观测变量 的增益；

卡尔曼滤波器的后验估计值公式如下：

其中，卡尔曼增益矩阵为 ，为观察噪声 的协方差矩阵，一般

为常数， 为残差，即真实值和估计值的差值；当残差值为零时，后验结果和先验结果相同，此系统无误差；

经验阈值 表达式如下：

其中，为测距误差阈值，为超声波定位系统误差阈值，此二值在配置室内定位系统时应提前测量；当残差奇异值的最大值大于或等于经验阈值 ，代表累计误差已经影响了测量值的准确性，此时将增益矩阵 置零，其余操作不变，进行第t+1次自循环滤波。