基于UWB的智能跟随车导航定位算法研究

针对目前市场上现有智能跟随车定位精度不足,提出一种基于UWB信号的定位算法。在智能跟随车的上方安置两个固定基站,手持标签到两个基站的距离数据经过卡尔曼滤波算法的处理,利用三角函数进行计算,得出标签到两个基站中点的距离和偏移角度,将距离和角度数据传送给电机控制模块,通过PID控制算法调节PWM值,从而控制电机的转速和转向。实验表明,该方法能够实现标签定位的距离误差小于9 cm,角度误差小于10°,使智能跟随车的定位更为精准。     

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5G和UWB融合基站的井下系统应用分析

针对井下作业的安全保障问题,提出来一种基于5G+UWB融合基站的井下定位优化方法。通过结合基于Taylor加权最小二分法与卡尔曼滤波算法,优化基于TOA的井下定位方式,并通过5G+UWB融合基站的无线网络通信定位,实现井下定位系统的优化设计。仿真实验证明,引入卡尔曼滤波的定位算法得到的定位坐标,相较于没有没有引入卡尔曼滤波算法得到的定位坐标,与真实位置的距离更近,仿真定位误差和均方根误差相较于没有引入卡尔曼滤波的定位算法分别下降了23.55和6.44,下降幅度明显。最终,基于5G+UWB融合基站的井下定位优化系统,在真实的井下挖掘环境中,测试的总体定位误差为0.794,定位精度在1 m之内,符合井下工作对人员定位技术的工程要求。     

一种基于模糊推理的改进加权KNN定位算法

针对UWB定位性能易受障碍物遮挡、非视距干扰的问题,提出了一种新的UWB指纹匹配定位算法。该算法利用基站与各定位标签之间的距离信息建立指纹库,并在KNN定位算法的基础上,引入了模糊推理方法,通过模糊规则处理得到待定位节点与k个参考节点的匹配度,把该匹配度作为权值对KNN算法进行加权,获得初始定位,同时,创新性地提出了位置优化阈T,根据阈值T和初始定位结果与k参考节点的欧式距离大小,判断是否进行二次模糊加权处理。测试显示,该算法定位误差保持在10cm左右,并且和一次模糊推理的加权KNN算法比较,优化算法定位精度提高了17.8%,提高了UWB室内定位的精确度和稳健性     

基于UWB/AOA/TDOA的WSN节点三维定位算法研究

为了将二维定位算法AOA和TDOA拓展成三维定位算法,文中提出了一种基于AOA/TDOA和UWB传输技术的WSN节点三维定位算法。该算法采用二维的AOA测角算法测量未知节点与信标节点之间的角度,采用TDOA算法测量未知节点与信标节点之间的距离,在测角、测距的过程中采用UWB通信技术来传输探测信号,使得探测信号具有较高的时间分辨率,从而提高测角、测距精度,最后基于文中提出的待测节点三维坐标计算方法求解出待测节点的三维坐标。为了验证算法的有效性,在Matlab软件中进行了仿真实验。结果表明：新算法定位精度相比于AOA算法、TDOA算法都有大幅度提高。理论和实践皆表明：新算法具有较高的定位精度,能够满足未知节点在三维空间中的定位需求。     

NLOS环境下多传感器融合的室内定位方法

为提高超宽带(ultra-wideband, UWB)技术在非视距(non line of sight, NLOS)环境下的定位精度,提出一种基于粒子滤波融合视觉与UWB数据的定位方法。视觉模块通过识别与检测标签推算出绝对位姿;UWB模块鉴别由NLOS条件干扰的测距值,筛选最优测距值进行自适应权重的定位算法,提升覆盖区域的整体定位精度;基于粒子滤波将两者的实时定位信息进行数据融合。实验结果表明,融合定位方法具有实时性和鲁棒性,有效抑制了NLOS环境引起的误差,在NLOS环境下定位精度能够达到0.26 m。     

基站异常情况下基于改进极限学习机的超宽带室内定位方法

在超宽带(UWB)室内定位系统中,定位基站极易受到干扰,从而影响定位系统的准确性、稳定性和可靠性,干扰较强时,会造成基站数据异常波动,无法完成准确定位。为解决UWB室内定位系统基站异常情况的定位问题,本文提出了一种基于粒子群优化的极限学习机(PSO-ELM)定位模型,实现在定位基站发生异常情况下的高精度定位。该定位模型利用双边测 距(TW-TOF)采集标签和基站的距离,运用极限学习机(ELM)建立室内定位解算模型?引入粒子群算法(PSO)优化极限学习机的隐含层权值和阈值参数,以克服ELM算法存在的缺点。实验结果表明:在基站正常情况下,PSO-ELM定位模型平均定位精度可达0.03m。相比于传统TOA定位算法,精度了提高73%,同时在基站异常情况下,平均定位精度可达0.04m,有效解决了当定位系统基站发生异常情况时无法完成正常定位的问题     

基于UWB与激光测距的综采工作面定位系统

传统的无线定位技术精度低,UWB定位技术可实现厘米级高精度定位,满足综采工作面定位系统的精确度要求,但现有研究忽略了安装在液压支架上的基站位置变化对定位效果的影响。针对上述问题,将激光测距技术应用到矿山环境中,设计了一种基于UWB与激光测距的综采工作面定位系统。定位基站安装在液压支架上,液压支架位置变动,基站位置随之变动,采用矿用本安型激光测距传感器测量定位基站之间的距离。定位基站外接天线,发射固定功率的UWB无线信号,与佩戴在人员身上或安装在设备上的定位标志卡通信,通过飞行时间测距方法确定移动目标的位置信息。定位基站通过矿井环网将位置信息数据上传至地面数据中心。在高河煤矿E2308工作面进行了系统测试,结果表明:该系统定位精度达0.193m,定位精度较高,系统基站位置校准精度在0.011m左右,有效解决了基站位置校准问题。     

基于LabVIEW的超宽带仿真与实验系统

针对智慧城市建设对室内定位技术的需求,研究了基于传播时间的定位方法。基于LabVIEW与MATLAB开发平台,设计了超宽带(UWB)仿真与实验系统。系统可以仿真测量数据并实时显示仿真曲线和不同滤波算法处理结果;同时,可以处理实际测量数据,计算实际位置及定位误差。利用该系统对不同的基站部署进行了分析,实验结果表明:在该室内环境下,基站部署对定位精度有较大影响,合理的布置基站位置有利于减少定位误差。     

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 ...     

基于超宽带技术的室内定位系统应用开发

本文基于超宽带技术搭建了一套室内定位系统,通过分布于室内固定位置的基站测量与目标物体标签距离的方法,采用基于到达时间估计的检测方法以及三边测量法解算出目标物体的坐标位置,并基于Python语言编写的坐标显示软件实时可视化。通过测量在室内的一辆华夫派小车的位置进行了试验,结果表明,本文提出的方法可以实现室内精度较高的实时定位,且定位精度在10 cm以内。     

基于UWB的地铁隧道定位系统设计

超宽带技术因其具有定位精度高、抗多径干扰能力强、传输速率高等优势,成为了当前主流的室内定位技术。由于地铁隧道中环境恶劣,为了保证施工人员的安全,实现对地铁隧道中施工人员的实时定位,设计了基于UWB技术的地铁隧道定位系统。该系统采用对称双向双边测距(SDS-TWR,Symmetric Double-Sided Two-Way Ranging)算法以有效抑制移动标签和定位基站之间由于晶振漂移导致的测距误差,同时在基于到达时间(TOA,Time of Arrival)的定位方法上采用粒子群算法提高定位精度。实验结果表明基于UWB的地铁隧道定位系统在地铁隧道中能稳定工作且定位精度得到有效的提高,该系统具有功耗低、实现简单、定位精度高的特点,能够满足地铁隧道当中对于人员实时精确定位的需求。     

室内环境下UWB与LiDAR融合定位算法研究

当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带（Ultra-Wideband,UWB）与激光雷达（Light Detection and Ranging,LiDAR）的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。     

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,...     

基于最小二乘法的室内三维定位算法研究

现如今,室内位置服务成为国内外科研人员共同关注的焦点,人们对于位置服务的需求逐渐由最初的室外定位转变为室内定位,同时诸多的室内定位技术得以快速发展。通过以超宽带(UWB)的通信方式为依托,借助到达时间差值(TDOA)的定位模型,着重分析了最小二乘法在求解三维定位坐标时精度误差产生的主要原因。针对传统的最小二乘定位算法在求解三维定位坐标时,由于基站几何布局所引起的定位精度问题,提出基于最小二乘法的三维定位优化算法。通过对实验结果进行分析,比较定位算法在优化前后的两种场景下定位的不同表现效果,发现优化后的最小二乘定位算法的三维定位精度得以明显提高且定位效果稳定,同时也降低了三维定位精度对于基站几何布局的依赖性。     

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。     

基于单UWB融合里程计的多机器人相对定位方法

针对卫星信号受阻,无预设基础设施(定位基站、地标等)环境下多机器人间的相对定位问题,提出了一种基于单个超宽带(ultra-wideband, UWB)融合里程计的多机器人相对定位方法。该方法利用滑动窗口截取历史时刻的多组机器人间测距信息与里程计预测的机器人位姿,构建非线性最小二乘问题,实现机器人间的相对位姿估计;利用扩展卡尔曼滤波算法估计里程计协方差,并将其以加权的方式运用于非线性优化,抑制滑动窗口内里程计累积误差对定位结果的影响;最后,利用图优化算法融合里程计与非线性优化获得的相对位姿作进一步优化,抑制UWB测量误差影响,以获得稳定的相对定位结果。实验结果表明,在6 m×12 m的真实测试环境中,所提方法能够获得0.32 m的相对位置精度和4.16°的相对角度精度,相比于现有多机器人相对定位方案,该方法具有高精度、低成本、部署简单以及定位稳定的优点。     

基于粒子滤波的UWB+惯导融合定位算法研究

为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法。首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息。其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹。两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位。仿真结果表明,与单一UWB定位相比,基于粒子滤波的融合定位算法定位误差降低了66.41%。