1.基于UWB定位和ZigBee定位的机器学习融合方法，其特征在于，该方法具体包括以下步骤：步骤1，测出标签到两基站的到达时间差，利用基于ZigBee技术的TDOA算法计算距离，具体为：ZigBee定位系统由四个ZigBee模块组建而成，其中一个为协调器，作为标签，另外三个为终端设备，并作为主基站，网络拓扑结构为星形结构；

过程：

(1)测出两基站接收到的信号到达时间差；

(2)将时间差转换为距离，并代入双曲线方程，三组基站与标签形成双曲线方程组；

设两个基站为A和B，标签到两基站的距离之差为：d21＝d2-d1＝(t2-t0)C-(t1-t0)C＝(t2-t1)C式中，d1为标签到基站A的距离，d2为标签到基站B的距离，t1为达到基站A的时间，t2为达到基站B的时间，C为光速，xb和yb为B在所建坐标系的位置，xm和ym为标签MS的位置；

将代入可得

式中， 将式展开得，

同理，对于C基站有下式：

式中，d3为标签到基站C的距离，d31标签到A基站和C的距离之差，xb和yb为在C所建坐标系的位置， 再写成两个方程写出矩阵形式：H·x＝d1C+r

式中， 则可得

x＝d1H-1C+H-1r

这时候，考虑实际误差，如

ej(t)＝|xreal(t)-x(t)|，j＝0，1，2，…，iej(t)为误差值，xreal(t)为真实的距离，i为现在得到的值，考虑到人正常行走的速度，进行均值滤波，即：其中xout为最后的输出数据，xi为得到TODA值，得到三组TODA测量数据；TODA测量数据，发到主基站上；

步骤2，通过TOF算法计算标签到各基站的距离，具体为：UWB定位系统由四个基站及一个标签组成，通过标签给基站连续发送数据包，然后基站记录下数据包到达的时间，通过探测数据包的飞行时间来得到标签到基站的距离，过程：(1)节点A向节点B发出数据；

(2)节点B向节点A发出数据；

(3)通过数据包达到的时间以及本身的运算时间，计算出双边飞行的时间，从而计算距离；

设：TroundA为节点A发出POLL数据包到接收到Ack数据包用的时间；TreplyB为节点B收到POLL数据包到发出Ack包所用的时间；TroundB为节点B发出POLL数据包到接收到Ack数据包用的时间；TreplyA为节点A收到Poll数据包到发出Ack包所用的时间误差项：设节点A的频率偏差为FdA，节点B的频率偏差为FdB；

数据包在空中传递的实际时间为

加上误差后，数据包的传递时间为

其中c为光速，T为往返总时间，D为两者距离；

这时候，考虑实际误差，如

ej(t)＝|Dreal(t)-D(t)|，j＝0，1，2，…，iej(t)为误差值，Dreal(t)为真实的距离，D(t)为现在得到的值，j为迭代值，考虑到人正常行走的速度，进行均值滤波，即：其中Dout为最后的输出数据，Di为得到TOF值，得到TOF的四组测距数据；

步骤3，将TODA得到的四组数据和TOF-TWF得到四组数据分别一一融合，具体为：利用ZigBee系统和UWB系统协同工作，用数据融合实现对未知位置的精准定位，数据融合的方法源于机器学习中的回归，通过在工地环境下，事先进行特定实验训练模型，并且实现精确定位；

过程：

(1)在实际环境下，搭建一个实验平台，使得标签以一个固定速度运动；

(2)利用测出的值来训练模型；

这里以一组基站到标签的数据为例，设UWB定位的值为xu，ZigBee定位的值为xz，w0，w1，w2为融合系数，hw(xi)为融合输出，则有：hw(xi)＝w0+w1xu+w2xz写成矩阵为，

hw(xi)＝WTX

其中 整理下式得：

XW＝hw(xi)

假设有训练数据，

D＝{(Xz1，Xu1，y1)，((Xz2，Xu2，y2))，...，(Xzn，Xun，yn)}式中，Xz1...Xzn和Xu1...Xun为实验中步骤1和步骤2得到数据，y1...yn为实验过程中给出得训练值，n为有训练的总量；

均方误差是回归任务中最常用的性能度量，让均方误差J(W)最小化，可得损失函数，接下来用梯度下降法求解损失函数得最小值：(1)首先对W赋值，

(2)改变W的值，使得J(W)按梯度下降的方向进行减少；

对损失函数求偏导数得，

之后是更新的过程，也就是wi会向着梯度最小的方向进行减少；wi表示更新之前的值，α表示步长，再使用矩阵表示E＝X-y，

得到

最终得到模型的局部最优解，使用训练的模型来融合ZigBee和UWB的四对定位数据；

步骤4，Fang算法得到标签的坐标值，具体为：在三维直角坐标系中，设定定位目标的位置坐标为(x，y，z)，主传感器的位置坐标为(x1，y1，z1)，从传感器的位置坐标为(xi，yi，zi)，定位目标与从传感器和与主传感器的距离差为Ri，其中i＝1，2，3，4；由此得到：若其中的i＝1，得

可得，

式中：xi.1＝xi-x1，yi.1＝yi-y1，zi，1＝zi-z1；

如果把(x，y，z)作为未知数，那么式子则为线性方程；通过4个从传感器列4个方程，从而求解方程组得到目标位置(x，y，z)的值；设定主传感器的位置为(0，0，0)，从传感器的位置分别为(x1，0，0)，(x3，y3，0)，(x4，y4，z4)；此时可以得到解出x的值，再把x代入求得y，z的值；故只要知道主从传感器的位置(xi，yi，zi)以及相应的距离Ri，最终就得到工人的位置坐标；

步骤5.最终输出的定位坐标会因为各种原因导致数据跳动，所以必须对数据采用滑动平均滤波算法进行滤波，滤波公式如下：式中M为滑动窗长度，yi为第i组测量数据；k≥M，k为整数。