1.一种基于多径辅助的室内目标定位方法，其特征在于：

a)利用多径与直达路径的飞行时间(Time of Flight,TOF)进行差分，构建关于散射体以及目标位置的差分TOF观测方程；

b)利用多径与直达路径的到达角(Angle of Arrival,AOA)、定位基站的位置构建直线方程，利用室内环境的尺寸大小确定散射体以及目标位置的范围；

c)利用粒子群优化(Particle Swarm Optimization,PSO)搜索散射体与目标的位置；

d)选取散射体以及定位基站的位置构建目标定位方程，求解目标位置；

e)利用聚类算法对利用散射体组合定位出的目标位置进行聚类，对聚类结果进行分析，确定是否要重行执行PSO。

2.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，其特征在于利用多径与直达路径TOF差值消除相位误差的影响，保留了路径之间真实的TOF差值。具体如下：如图2所示，为了直观表示在房间内建立平面直角坐标系。目标、第i散射体以及基站分别用P、Si以及R来标记，散射体以及目标的坐标为si＝[xi,yi]，i＝1,…,L+1，其中目标的位置为sL+1＝[xL+1,yL+1]，基站坐标表示为r＝[xR,yR]。第i条路径到达接收端的TOF为：其中， c为电磁波在

真空中的传播速度， 为CFO引起的公共误差，Δτ为符号定时偏移(Symbol Timing Offset,STO)以及包检测时延(Packet Detection Delay,PDD)引起的公共附加TOF，εi为估计误差。设直达路径的TOF为：其中， εL+1为估计误差。以直达路径为参考形成的差

分TOF有：

其中，εi/L+1为估计误差的差值。

构造理论上第i条反射路径与直达路径之间差分TOF为：

引入变量 表示为：

根据公式(3)和(4)，可以进一步表示为：

其中，ε＝[ε1/L+1，…，εL/L+1]为TOF估计误差向量，其协方差矩阵为Λ＝E{εεT}，t(S)表示为：其中，S＝[s1，…,sL+1]。式(6)利用加权最小二乘法有：为了求解目标以及散射体位置构造目标函数有：

对目标及散射体位置求解等式应该大于或等于未知数个数，考虑到L个散射体及目标的坐标，则总共有2(L+1)个未知数。式(6)中有L个等式，式(10)中以AOA建立的方程有L+1个，则总共有2L+1个。由于未知数大于等式数量且位置范围较大，因此问题(9)是个NP-hard问题。

3.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用多径、直达路径AOA以及定位基站位置构建直线方程，利用室内环境的尺寸大小确定散射体以及目标位置区域，其特征在于确定了目标以及散射体位置范围，减小搜索范围。具体地，对于第i个路径可以建立直线方程为：yi-yR＝tanθi(xi-xR),i＝1,…,L+1   (10)其中，θi为第i条路径的AOA。

同时，室内环境大小约束了目标以及散射体的范围，有利于位置的搜索。以图2环境为例，房间大小为L×Wm2，那么根据式(10)有以下几种情况：a)当tanθi＞0，求解式(10)与直线y＝W交点E(xe,ye)；当xe＜L时，有xi∈[0,xe]；当xe≥L时，有xi∈[0,L]。

b)当tanθi＜0，求解式(10)与直线y＝0交点E(xe,ye)，当xe＜L时，xi∈[0,xe]；当xe≥L时，xi∈[0,L]。

c)当tanθi＝0，有xi∈[0,L]。

4.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用PSO算法搜索散射体与目标的位置，其特征在于利用散射体以及目标位置范围能快速地搜索其位置。具体地，包括以下步骤：a)随机生成维度为L+1的初始种群粒子 初始种群数量为Q。其中，为第q个粒子的L个散射体的x分量， 为第q个粒子中目标x分量，随机生成的粒子x范围由权利要求3获得；设置每个粒子初始历史最佳位置，第q(q＝1,…,Q)个粒子的初始历史最佳位置为 初始速度 0L+1为长度L+1的零向量；设置种群历史最佳位置为 设置每个粒子的历史最佳适应度，第q个粒子的初始最佳适应度为fq＝Inf；设置种群的历史初始最佳适应度为fQ＝Inf，Inf是一个极大正数。

b)更新粒子历史最佳适应度值以及历史最佳位置。在第t次迭代中，计算种群中第q(q＝1,…,Q)个粒子的适应度 当 对粒子的历史最佳适应度进行更新有以及对粒子历史最佳位置进行更新有 适应度函数为：

其中，S中目标以及散射体位置y分量利用式(10)计算。

c)更新种群历史最佳适应度值以及历史最佳位置。选择Q个粒子中适应度最小值Q Qfitmin，当f≥fitmin，对种群的历史最佳适应度值进行更新有f＝fitmin，对种群历史最佳位置进行更新有 p(fitmin)为适应度最小的粒子位置。

d)对种群中每个粒子的速度值进行更新有：

其中，w为惯性权重，其在计算过程中从0.9到0.4之间线性变化，c1为自我学习因子从

2.5到0.5线性变化，c2为群体学习因子从0.5到2.5之间线性变化，rand为在[0,1]区间产生一个随机数。

e)对种群中粒子的位置进行更新有：

f)判断是否达到最大迭代次数I，如果t＜I，则重复步骤b-e；反之结束循环，将历史最佳位置fQ作为最终的搜索结果。

5.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，选取散射体以及定位基站的位置构建目标定位方程，然后求解目标位置，其特征在于能够利用搜索出的散射体位置以及对应的差分TOF对目标进行定位。具体地，将第i个散射体位置带入式(7)中：其中， 对(13)两边平方并进行线性化，

然后联合三个散射体有：

Gz＝h-e  (14)

其中，z＝[xL+1-xR,yL+1-yR,dL+1]T，dL+1为目标到定位基站之间的距离，e为测量误差矢量。矩阵G和h分布表示为：其中，i1≠i2≠i3且i1,i2,i3∈[1,L]。利用最小二乘法有：z＝(GTG)-1GTh  (17)。

6.根据权利要求1所述的一种基于多径辅助的室内目标定位方法，利用聚类算法对利用散射体定位出的所有可能的目标位置进行聚类，对聚类结果进行分析，确定是否要重行执行PSO算法，其特征在于能够有效地检测出散射体位置出现较大误差的情况。具体地，对(从L个不同元素中取出3个元素的组合数，且在室内环境下要求L∈[6,8])种散射体组合定位出的目标位置进行聚类。如果满足聚类准则，则将PSO的输出结果作为最终的目标位置；反之，则重复权利要求4、5和6中的步骤。其中，聚类准则如下：a)所有散射体组合定位都不存在离群点，即所有定位结果都在定位区域内；

b)所有散射体组合定位聚类的类数量不小于1。