室内机器人TDOA异步无参测距定位方法研究

针对超宽带室内机器人定位系统中TDOA的时钟难以同步以及测量存在各种干扰问题,提出一种室内机器人TDOA异步无参测距的定位新方法。该方法将实际测量计算而来的时间作为校正因子,为主基站构建异步时钟下无参考节点的测距算法模型,由主、从基站的测量信息可直接计算出机器人到达距离差;提出关联权值滤波算法获得到达距离差状态矩阵,有效降低信号干扰。并从测量性能、测距及定位等方面进行误差分析。实验结果表明,测距精度98%维持在10 cm以内,且不会随着长时间运行发生测量偏移,具有较好的定位精度,可满足室内机器人的定位需求。     

一种改进的UWB空间定位方法研究

超宽带(ultra wide band,UWB)技术由于自身抗多径能力强等特点被广泛应用于定位,但采用UWB进行定位时存在定位结果不稳定的现象。对于实时性定位要求不高的应用场景,文中提出了一种改进的UWB空间定位方法。该方法仅需要3个基站便可进行空间定位,通过将优化后的UWB测距数据运用到空间测边交会法中求解待定点坐标。经实验分析得该方法简单易行,计算量小且测距精度及定位精度较高。同时该方法仅需3个基站便可测得待测点的三维坐标,一定程度上节省了硬件成本,对于电力部门仓库货品定位、电厂巡检人员定位等场景有一定的适用性。     

采用三次通信的TOF与TDOA联合定位算法

通常基于超宽带(UWB)的定位系统采用的主要技术是TOA和TDOA算法,但是TOA算法定位速度低,TDOA算法定位精度不稳定,这些情况均限制了它们在UWB定位系统中的应用。为了权衡这两种算法在定位速度和精度方面的不足,提出了一种新的TOF与TDOA联合定位算法(CTT)。该算法仅需要3次UWB通信便可测量TDOA算法所需的所有时间差信息和一个TOF距离值,并可以此计算出该定位区域内所有基站与单个标签的距离,定位速度比TOA算法提升至少50%。使用DW1000分别对TOA、TDOA与CTT算法进行定位精度对比,结果表明CTT算法在二维情况下的平均定位误差20 cm,标准差10 cm,接近于TOA的精度并解决了TDOA算法精度不稳定的问题。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

非视距条件下的测距信息融合定位方法研究

为了改善在非视距传播条件下的定位精度,研究和提出了一种测距信息融合定位方法。在NLOS指数分布模型下,利用锚节点传感器测量来自未知节点的接收信号强度、电波到达时间和电波达到角信息,首先将3种测距信息测量值构成一个测距信息集数据库,建立有效的多级联合判决机制,然后利用各自测量量获得相关的距离信息,并进一步利用获得的测距信息进行两两联合求解,剔除异常信息,最后进行加权融合处理得到未知节点坐标。计算机仿真结果表明,本文所提定位方法能有效地抑制NLOS误差,较传统定位方法提高了定位精度。     

基于复域超多维标度的混合TOA/AOA定位算法

针对全球卫星导航系统信号完全拒止环境下的定位问题，使用超宽带(UWB)技术获取测量信息，基于多维标度变换算法(MDS)提出一种复域下的混合测距信息(TOA)和测角信息(AOA)的超多维标度定位算法(TA-SMDS)，并进一步构建了复域内的核矩阵，提出复域下的超多维标度定位算法(TA-CDSMDS)。对比3种算法的定位结果，以及10°、15°、20°测角误差和不同测距误差下的定位误差，得TA-CDSMDS算法相较于TA-SMDS和MDS，有更小的定位误差，更贴近克拉美罗下界；分析不同节点下3种的计算时间，TA-CDSMDS算法在优化TA-SMDS的基础上减少28%~48%的时间，具有更好的定位性能。     

面向矿井动目标的 PSO-SVR 模型与 UWB Chan 优化距离指纹融合定位方法

针对目前井下人员、车辆、设备等移动目标位置精确管理存在的不足,本文对面向矿井动目标的定位算法与指纹定位模 型进行研究。 设计出一种基于改进粒子群优化 SVR 模型与 Chan 优化距离指纹匹配融合定位方法。 首先,构建一种基于 STM32 ARM 主控制器和 DWM1000 的超宽带(UWB)核心节点模型,通过双边双向测距和飞行时间法(TOF)对传输距离数据进 行计算。 在此基础上,通过依次在特定点采集距离指纹,基于改进的 PSO-SVR 模型进行移动目标路线拟合,预测目标的移动路 径。 再将其与 Chan 指纹进行结合,拓展出优化距离指纹融合定位方法。 实验结果表明,本文提出的指纹优化匹配融合定位方 法能够较好地预测出移动路径,最大误差不超过 20 cm,平均误差不超过 1 cm。 本文研究对矿井智能化建设及安全生产具有重 要意义。     

基于UWB的天线阵列单基站定位方法研究

Ultra-wideband (UWB)技术由于具有功耗低、抗多径效果好、安全性高、系统复杂度低、能提供精确定位精度等优点,所以被认为是最适合进行室内无线定位的技术.为了解决现有的多参考基站定位机制的局限与不足,提出了一种基于脉冲幅度比值的UWB天线阵列单参考基站的高精度UWB定位方法,来克服多参考基站系统在安装部署、时间同步等方面的不足;在IEEE802.15.4a的CM1信道中与传统的四基站TDOA定位方法进行了仿真对比发现在大部分情况下并未明显降低定位精度.但是该方法可以降低对系统时钟精度的要求,降低系统成本及复杂度,降低安装与部署的难度,因此具有较大的应用前景.     

电力作业场景中一种高效的UWB和IMU融合定位算法

在电力作业场景等复杂环境中,超宽带（UWB）定位存在非直达情况（NLOS）性能下降严重的问题,利用UWB与惯性测量单元（IMU）融合可以改善定位精度,但IMU的测量存在误差累积,需要精确的UWB测量校正。对NLOS条件进行准确的鉴别和利用有助于定位精度的提升。提出一种基于扩展卡尔曼滤波（EKF）的UWB/IMU融合算法,利用电力作业场合中UWB测量分布性质来判定NLOS条件,并进行误差的缓解,有效提升NLOS条件下的定位精度。由于该算法不需要对环境有先验知识,也不需要进行IMU校正等操作,可用性较好。理论和实验结果表明,该算法的性能优于其他基线系统。     

一种单目VIO定位精度与跟踪稳定性优化方法

为了提高视觉惯性同时定位与建图(visual-inertial simultaneous localization and mapping, VISLAM)系统的系统性能,提出了一种单目视觉惯性里程计(visual-inertial odometry, VIO)定位精度与跟踪稳定性优化方法。在相机位姿优化阶段,通过多残差项对相机位姿进行优化,提高系统的定位精度。在特征跟踪丢失时,通过惯性测量单元(inertial measurement unit, IMU)积分信息与特征点深度增强方法对系统进行重定位,提高系统的跟踪稳定性。针对所提方法,基于ORB-SLAM3代码框架进行改进,并在开源数据集与真实环境中验证方法的可行性。实验结果表明,所提方法能够有效提高视觉惯性里程计的定位精度与跟踪稳定性。     

多传感器融合的移动机器人室外激光 SLAM 算法优化与系统实现

针对移动机器人室外环境开阔场景大范围建图时,激光雷达里程计位姿计算不准确从而导致 SLAM 算法精度下降等问 题,设计了一种基于多传感器融合的 SLAM 优化算法。 算法上,通过前端里程计优化提升 SLAM 算法的可靠性,将适用于室外 的 GNSS 等传感器信息与激光里程计融合,在技术上实现了扩展卡尔曼滤波的轻量化并将其嵌入于 LOAM 算法架构中,在尽可 能不增加资源负担的情况下对前端里程计进行改进;在优化算法基础上,搭建了实际移动机器人平台并移植算法,实现了可供 参考的多传感器融合硬件方案与扩展卡尔曼滤波在实际工程中处理多传感器数据的方法。 真实场景下的实验结果表明,在增 加了里程计运算量后算法仍能稳定保持 10 Hz 的室外建图,在复杂开阔环境与低成本条件下具有可靠性与可行性。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

基于粒子群TOA室内定位的系统误差修正

到达时间（time of arrival,TOA）的测距易受多径干扰的影响而产生较大的系统误差,造成室内定位时精度变差。针对上述问题,首先分析了TOA定位中系统误差的产生及特点,而后提出一种基于粒子群优化的定位算法。算法利用测距值与所求解位置的空间约束关系建立求解域,而后应用粒子群算法求解,并通过建立关于系统误差的罚函数和适应度函数实现误差修正,并减小粒子搜索空间,加快算法收敛速度。实验表明,利用本文描述的定位算法,可以有效抑制室内定位中测距产生的系统误差,定位精度得到明显提高。     

基于IA-BP神经网络的UWB室内定位系统

复杂的室内环境给定位系统带来非视距误差和多径干扰,消除或降低误差成为超宽带(UWB)室内定位研究的热点。提出一种基于IA-BP神经网络的UWB室内定位方法,将BP神经网络训练的误差值作为免疫算法计算亲和度的抗原,通过免疫算法寻得BP神经网络的最优权值和阈值,避免BP神经网络收敛速度较慢和容易陷入局部最优值的问题,达到定位误差较小的目的。仿真实验结果表明,IA-BP神经网络训练100个样本输出的最大归一化误差不超过0.02,以3个锚点构成的定位场景中,待定位节点的仿真输出轨迹与实际运动轨迹基本吻合。     

移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设计并仿真了一种机器人-节点、节点-节点协作的节点定位方式,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对目标节点的预估位置实施预测修正。仿真结果表明,所提出的移动机器人与WSNs协作定位方法实现了对节点的定位估计,GM-CKF算法的融合有效提高了定位的精度和稳定性。     

基于CSS技术的室内导航系统设计与实现

设计并实现了一种基于Chirp信号往返飞行时间（round time of flight ,RTOF）的室内导航系统,用于在复杂建筑物内部多个目标点的定位及跟踪。系统采用时分算法允许多标签同时定位,移动标签与锚节点之间实现双边双向测距（symmetrical double‐sided two‐way ranging ,SDS‐TWR）算法,移动标签并把测距结果传送给定位基站,定位基站再将结果透传到计算中心处理。计算中心利用改进的卡尔曼滤波算法减弱NLOS误差影响,采用加权矫正三点定位算法计算出移动标签位置信息,并存储定位结果于定位服务器。客户端可访问定位服务器查看所需要标签的定位结果。实验结果表明,在特定复杂楼层内,系统定位精度能达到2m,满足室内导航精度需求。本系统实现了定位刷新时间与标签个数的最优化,也具有较好的规模伸缩度以及易部署性。     

3D Scan matching for mobile robot localization over rough terrain

In order to enable an autonomous mobile robot to travel over rough terrain, it necessitates the capability to detect self‐position accurately even when the odometry errors are increased in traveling. The conventional method can keep high speed and precise localization using iterative closest point algorithms or feature matching techniques. However, effects of steep changes of a mobile robot position are not considered when it travels over rough terrain. In this article, we propose the method for efficient real‐time 6D pose tracking using a rotating 2D laser scanner in traveling over rough terrain. For adaptation to steep changes of the position, weighted point clouds are generated based on the angular and the linear velocity measured by sensors mounted on the robot. And the position and posture of the robot are sequentially optimized by the scan matching in increments of 10 scans. In indoor experiments, we evaluated accuracy of our method when the robot passes on rugged floor. As a result, our method was performed with less than 0.078 m RMS positional error in real time.     

超宽带频率非平稳信道硬件实时模拟研究

利用信道模拟器在实验室复现电波传播环境是超宽带通信设备测试的重要手段。 本文针对超宽带信道的频率非平稳 特性,提出了一种基于频域平稳区间叠加的超宽带信道模型,并据此设计了基于软件无线电平台的硬件实时模拟系统。 该系统 使用多路数据并行处理架构实现对高速率数据的实时处理,并引入迭代算法和时分复用结构,既保证信道衰落生成的实时性也 降低了硬件资源消耗。 实测结果表明,本文模拟器可支持模拟 600 MHz 的超宽带信道衰落,信道衰落谱型与理论仿真结果吻 合,并且输出的信道冲激响应与实测结果基本一致。 该系统可为超宽带通信系统的优化、验证和评估提供一种有效的手段。     

一种多样本信息的局部放电源逐次逼近定位方法

时延估计是利用时间差方法对局部放电(PD)源准确定位的关键,然而在测量时延时不可避免地产生误差,从而导致因时延获取准确度不高而带来定位误差大的问题。因此,为了降低时间差定位法中对准确获取时延的依赖性,提出一种基于多样本寻优PD源的逐次逼近定位方法。采用逐次逼近式粒子群搜索原理,对传统定位方法得到的单样本初值与传感器阵列所建立的寻优目标函数进行递归逼近处理,最终确定最优PD源位置。通过对实验室实测PD信号逐次逼近寻优定位,表明提出的逐次逼近定位方法可有效地解决因时间差测量不准确而引起的定位结果较差的难题,结果较传统时间差定位方法具有更高的准确度,验证了所提方法的正确性与有效性。