基于CNN和在线学习的UWB室内定位算法

为了减小非视距(NLOS) 误差对超宽带(UWB) 室内定位系统定位精度的影响,提出了一种基于卷积神经网络 (CNN)的超宽带室内定位算法。利用超宽带系统采集非视距环境下的室内定位数据,根据信号在非视距环境下传播时的误差特性建立CNN模型,将定位数据输入网络进行训练,以减小NLOS误差对定位精度的影响。然后用扩展卡尔曼滤波(EKF) 进行位置估计,当系统处于不同室内环境时,使用在线学习算法调整 CNN参数,提高系统的兼容性。实验结果表明,该算法可以在不同室内环境下有效减小NLOS误差的影响,保持厘米级的定位精度,具有一定的实用价值。     

一种抑制NLOS误差的UWB定位方法

针对超宽带设备在室内环境下受各种因素的干扰存在标准偏差的问题,对测距数据进行拟合,求解标准偏差,对设备进行标定;针对室内场景存在的非视距误差会降低定位精度的问题,提出了一种改进的扩展卡尔曼滤波算法,设定阈值判别视距数据与非视距数据,剔除非视距误差。实验结果表明:该方法可以有效抑制标准偏差和非视距误差对定位精度的不良影响:视距环境下,静态定位和动态定位精度均可达到厘米级;非视距环境下,静态定位精度达到厘米级,动态定位精度达到亚分米级。     

移动机器人超宽带与视觉惯性里程计组合的室内定位算法

对于移动机器人在室内环境的定位任务,新兴的基于视觉惯性里程计（VIO）的辅助定位技术受光线条件限制大,无法在黑暗环境中工作,且超宽带（UWB）定位易受非视距（NLOS）误差影响。针对以上问题,提出一种UWB与VIO组合的室内移动机器人定位算法。首先,采用立体视觉多状态约束下的Kalman滤波器（S-MSCKF）算法/双边双向测距（DS-TWR）算法和三边定位法,分别得到VIO输出的位置信息/UWB解算的定位信息;然后,建立位置测量系统的运动方程与观测方程;最后,通过误差状态扩展卡尔曼滤波（ES-EKF）算法来进行数据融合,得到机器人的最优位置估计。使用搭建的移动定位平台在不同的室内环境下对组合定位方算法进行验证。实验结果表明在有障碍物的室内环境下,与单一UWB定位方法相比,所提算法的总体定位的最大误差减小了约4.4%,均方误差减小了约6.3%;与VIO定位方法相比,所提算法的总体定位的最大误差减小了约31.5%,均方误差减小了约60.3%。可见所提算法可为室内环境下的移动机器人提供实时、精确且鲁棒的定位结果。     

基于UWB与IMU的多传感器融合室内定位技术研究

随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。     

基于UWB技术的无人机室内飞行测试平台设计

针对无人机在室内飞行时,因卫星信号差,不能实现室内自主导航飞行的问题,提出了一种利用导航接收机构造室内三维坐标地图,基于超宽带(UWB)技术的定位系统以获取无人机室内飞行位置信息,借助卫星导航模拟源实时地播发其获取的位置信息卫星信号,可实现无人机室内与室外自主导航飞行一致性。其中定位系统基站与标签设计均以STM32芯片作为控制器,DW1000作为无线收发芯片。为减小无线信号非视距(NLOS)传播影响,算法上先利用卡尔曼滤波模型对原始测距信息进行平滑滤波处理,再采用到达时间差(TDOA)进行定位计算。针对硬件时延,通过时延标校后,可实现基站与标签测距精度达到±10 cm范围,实现厘米定位,可应用于无人机室内飞行测试实验平台研究与搭建中。     

基于UWB的消防员室内协同定位算法

为了在复杂火场环境下获取消防员的精确位置,提出基于超宽带(ultra-wideband,UWB)的消防员室内协同定位算法,充分利用目标到UWB基站以及到其他目标的测距信息进行定位.采用线性拟合方式对测量距离中存在的标准偏差进行预处理;针对目标位置解算及非视距(non-line-of-sight,NLOS)误差缓解问题,...     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。     

面向NLOS变电站的改进泰勒容积卡尔曼滤波超宽带定位算法

为解决变电站非视距(non line of sight, NLOS)严重条件下超宽带定位精度低的问题，基于现有到达时间(Time of Arrival, TOA)测距方法，提出了一种融合Taylor级数及改进容积Kalman滤波的定位算法以提高定位估计精度。所提算法首先对泰勒算法初值进行优化，并通过对加权最小二乘法(Weighted Least Square, WLS)解算的位置估计值进行野值剔除及权重计算，在保证定位精度的同时降低算法复杂度；然后针对NLOS环境下标签坐标定位结果不稳定问题，运用改进容积卡尔曼滤波(CKF)算法进一步提升定位精度及稳定性。镇江银山11万伏变电站环境实验结果表明，所提方法在变电站环境中，NLOS严重条件下可实现定位精度10 cm以内，具备工程实用性及可行性。     

基于卡尔曼滤波和加权LM法的井下精确定位算法

针对基于UWB精确定位的井下近感检测装置定位结果易受非视距(NLOS)误差等噪声影响的问题,提出了一种基于卡尔曼滤波和加权LM法的井下精确定位算法。通过卡尔曼滤波预测过程得到标签卡坐标的先验估计值;利用几何关系计算估计坐标与各锚节点的距离,并将该距离与探测器直接测距值进行比较,根据差值分配各锚节点的测距权值;将权值矩阵和测距矩阵代入加权LM法中,得到标签卡坐标的中间结果;将中间结果作为测量值代入卡尔曼滤波更新过程中,得到标签卡的最终坐标。测试结果表明,与多边定位法相比,基于卡尔曼滤波和加权LM法的井下精确定位算法可在不影响定位速度的前提下,将定位精度提高一倍以上,有效降低了NLOS误差等噪声的干扰。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

修正的UKF滤波时差定位算法

为了降低到达时问差(TDOA)测距在非视距(NLOS)传播环境中的误差,提出了在强跟踪无迹卡尔曼滤波(UKF)基础上改进的算法.在状态发生突变时,给预测协方差矩阵加入次优渐消因子;对NLOS误差进行正负判断,利用整体偏移法修改滤波增益,但估计协方差矩阵不做改进,以免出现不收敛.实验结果表明:该算法不仅能有效地抑制突变带来的影响,也能高效地消除NLOS误差,提高了NLOS传播的到达时间差定位精度.     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

基于UWB的密集行人三维协同定位算法

针对复杂室内环境中密集行人定位精度低、超宽带(UWB)基站密度要求高的问题,提出一种基于UWB的密集行人三维协同定位算法。首先使用聚类算法抑制测距数据中较大非视距(NLOS)误差,并使用高斯均值混合滤波抑制标准测量误差;然后提出双层协同定位算法,建立协同定位数学模型,并结合迭代初始值获取策略进行初步定位,降低了基站数量要求,在筛选出NLOS误差较小的测距数据并修正后,进行二次定位;最后考虑行人高机动性,设计一种交互多模型卡尔曼滤波算法,缓解了定位结果跳变问题。实验结果表明,所提算法在弱NLOS环境和强NLOS环境下定位精度分别达到0.11 m、0.17 m,相比其他算法,具有较高定位精度,进一步降低了对UWB基站密度要求。     

基于误差预测的自适应UWB/PDR融合定位算法

为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题，以及由环境因素引起的UWB性能下降的问题，提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测，并以此为基础，为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数，以提高UWB/PDR的融合定位效果。实验结果表明，所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平，并通过自适应调整融合系数提高精度，使得较常规EKF算法在一般区域的定位误差降低了18.2%，在UWB精度较差的区域中的定位误差降低了48.7%，从而减小了环境对UWB性能的影响；在包含UWB的视距内(LOS)及NLOS的复杂场景中，通过融合定位算法，将定位每百米误差由米级降低至分米级，解决了NLOS场景中PDR 误差过大的问题。     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。