基于脉冲响应消岐重构的 UWB 测距优化方法

UWB 测距技术因功耗低、安全性高等优势在工业领域应用日益广泛。 工业非视距场景下 UWB 脉冲信号由于穿透衰 减和多通道反射等因素,存在首径信号衰减和多径延迟的问题,将会降低系统的定位精度。 针对该问题,通过对 UWB 信号传 递及响应建模,提出一种基于 UWB 信道脉冲响应的消岐重构算法,将信道脉冲簇信号进行泊松过程解析,对代表直线传播距 离的首径信号进行特征增强,实现了复杂多径干扰下的首径信号提取与分离,提高了信号到达时间辨识精度,减少了 UWB 测 距误差。 进一步地,依据 IEEE802015. 4a 标准对 UWB 信道响应进行仿真,并实现了不同遮挡环境下的实验研究,仿真和实验结 果表明,本文提出的消岐重构算法能够显著提高多干扰环境下的定位精度,在存在多反射源和多遮挡物的工业非视距场景下, 可使定位误差相较于传统阈值法降低约 79. 1% 。     

UWB与里程计融合的室内移动机器人定位设计

为进一步提高UWB技术在室内移动机器人定位方面的定位精度与可靠性,设计了一种基于UWB与里程计融合的定位系统.针对UWB测距过程中产生的随机误差问题,采用卡尔曼滤波算法进行抑制.针对UWB非视距误差问题,引入NLOS误差鉴别方法鉴别现场环境,借助里程计航迹推演算法获得机器人定位数据进行补偿.针对里程计定位过程中由于长时间、长距离所产生的累积误差问题,采用UWB高精度的定位数据进行误差矫正.实验结果表明,融合UWB与里程计的定位系统有效地抑制了UWB定位的随机误差与非视距误差,尤其在UWB信号受到障碍物的严重遮挡时,移动机器人仍能获得精确可靠地定位数据.     

复杂坏境下基于SINS/UWB的容错组合定位技术研究

针对超宽带无线定位系统在复杂坏境中出现的定位数据丢失以及粗大误差等导致SINS/UWB组合系统定位精度下降的问题,提出了一种基于超宽带定位系统容错判断的组合定位方法。首先根据捷联惯导测量值进行基于中值滤波的运动载体静止状态检测,进而利用最小二乘法实现静止状态下捷联惯导量测偏差矫正;然后在建立SINS/UWB组合定位模型的基础上,引入决策树容错判断机制,对超宽带定位系统在复杂环境中由于信号干扰以及非视距导致的测量数据丢失以及粗大定位误差进行实时评估,进而应用卡尔曼滤波算法,实现容错组合定位系统的构建。在搭建的SINS/UWB组合定位实验平台中进行模型验证,结果表明容错组合定位系统能够有效检测出UWB定位系统出现的定位数据丢失以及粗大定位误差,并且在UWB粗大误差状态持续6 s的情况下,容错组合定位系统仍然能够保持较高的定位精度。     

基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下，移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带（UWB）测距定位是一种当前广泛应用于室内定位的高精度定位技术，最小二乘算法是精确定位的主流算法之一。受非视距（NLOS）、多径效应等因素影响，UWB定位在室内定位应用过程中存在定位数据抖动严重的问题，同时最小二乘法无法解算极值点定位数据，导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题，提出了基于扩展卡尔曼滤波（EKF）框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测，UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失，降低定位数据的抖动，提高定位系统的稳定性，在半结构环境下具有更好的工程优势。     

测距误差分级的室内TOA定位算法

在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大.如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战.首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging error model,RITEM),该模型根据测距过程的RSSI值大小,将测距误差划分为4个等级,且各个等级的误差区间和对应的RSSI值区间可以通过现场测试获得.将RITEM应用到定位算法中,提出一种基于误差分级的室内TOA定位算法(ranging error classification based indoor TOA localization algorithm,REC).算法根据TOA测距过程中的RSSI值和RITEM实时估计测距误差级别和误差范围,利用极大似然法求得定位区域中标签最大概率位置作为定位结果.仿真和实际测试结果显示,在实际室内环境中,REC定位算法具有较高的定位精度,且平均定位误差、定位误差均方差和90％定位误差、最大定位误差等性能明显好于Ls、CN-TOAG、Nano算法.     

基于改进增量卡尔曼滤波算法的UWB室内定位研究

为解决室内环境下的非视距(NLOS)、多径传播以及欠观测条件下的量测系统误差给测距定位带来较大误差的问题,提出了改进增量卡尔曼滤波以消除定位误差的算法。该算法运用增量卡尔曼滤波对由超宽带(UWB)室内定位系统得到的距离值进行去噪,避免了受环境、测量设备等因素影响或者难以自校准由量测方程带来的系统误差而导致较大的卡尔曼滤波误差问题;然后运用经典Chan定位算法对目标标签实现定位获得定位结果。实验和仿真表明,与传统的小波去噪和卡尔曼滤波相比,该定位算法数据稳定性好,误差减小,显著提高了定位精度。     

卫星拒止环境下基于因子图的智能车可靠定位方法

针对如室内停车场、隧道等卫星拒止环境下智能车的准确可靠定位需求,提出了一种基于因子图的低成本融合定位方 法。 首先,构建基于因子图的 UWB/ INS 动态融合定位框架;接着,充分利用 UWB 基站的静止特性,结合因子图输出的位置及 位置置信区间计算智能车与基站之间的最大理论距离,并与 UWB 实测距离比较从而检测非视距信号;最后,制定自适应融合 规则来指导不同情况下 UWB/ INS 的融合,输出最终的定位结果,实现卫星拒止环境下智能车的可靠定位。 实车试验表明,所提 出的融合定位方法可达到 0. 622 m 的精度,相较传统的最小二乘定位方法提升 1 倍以上,有效抑制了非视距误差的影响,具有 成本低、可靠性高、环境适应力强等优点,克服了传统方法的不足。     

双源信号下多元尺度融合室内位置测算方法

针对大型多接入点场景的指纹定位中存在的定位点区域归属误判、离群点干扰的问题,提出一种双源信号下多元尺度 融合室内位置测算方法。 指纹在线定位阶段,利用 PDR 信号的时空信息,将定位点归属分区内的参考点数量进行扩展,缓解邻 界区域误判带来的负效益;此外,利用多元距离与卡方距离代替传统欧氏距离,结合空间域物理距离尺度,实现多元尺度下的近 邻筛选,有效克服离群点干扰;引入 K 值动态适配,并基于此进行 Wi-Fi 与 PDR 预定位的动态链接式融合,进一步提高定位算 法的准确性。 实验结果表明,在引入双源信号的相同条件下,相比其他多元尺度与动态 K 值算法,所提方案综合性能较优,平均 定位精度优于其他算法 6. 6% ~ 23. 1% 。     

容忍多径效应的无线传感网络测距算法

在井下巷道环境中,基于RSSI的测距精度会受到多径效应和外部无线干扰的严重影响。针对这一问题,提出了一个新的基于RSSI的测距算法RRRME。该算法针对弯道弯曲面引起的额外衰减,从几何光学的角度来解决多径效应所带来的影响,分别分析了视距和非视距情况下无线信号传输所引起的路径衰减,重构了井下巷道环境中路径衰减和距离之间的函数关系,推导了多条传输路径所导致的测距误差。通过一系列的实测实验,对提出的算法进行验证,详细分析了井下环境中基于RSSI的测距性能,讨论了有重要影响的多径衰减因子和路径损耗因子对测距精度的影响。实验和仿真结果表明,和传统的RSSI测距方法相比,提出的RRRME算法具有更优的测距精度。     

基于因子图的 INS / UWB 室内行人紧组合定位技术

针对室内复杂应用场景下待定位行人接收到的超宽带(UWB)测距信息数量不确定问题,提出一种基于因子图的INS/UWB室内行人紧组合定位算法,实现对动态随遇接入与退出的UWB量测信息有效融合。首先,基于室内行人运动模型以及UWB量测模型构建INS/UWB紧组合因子图模型,由于对行人位置与速度同时进行建模估计,导致该因子图模型含有环结构。在此基础上,针对有环因子图模型基于和积算法(SPA)通过两次迭代推导因子图中各节点间消息传递算法,计算行人位置与速度的后验概率密度。进一步,针对特殊量测矢量条件下因子图算法定位误差跳变问题,提出一种基于坐标变换的因子图改进方法,从而有效提高行人位置与速度估计精度。仿真结果表明,本文提出的INS/UWB紧组合定位算法可以有效融合动态随遇接入与退出的UWB测距信息。在满足计算量与内存消耗需求的前提下,与变结构多模型扩展卡尔曼滤波(EKF)相比,本文提出算法的定位精度与速度估计精度可以分别提高14.94%与56.42%。     

融合 WiFi 与可穿戴惯导模块的室内定位方法

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR)定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。     

基于 UWB 系统的采煤工作面端头采煤机 自主定位方法研究

采煤机自主定位装置的长期定位精度是煤矿智能开采的关键。 针对当前采煤机定位精度难以满足自动开采的需求,提 出了采煤工作面端头自动校准惯性导航定位系统的方法,构建了基于 UWB 系统的井下局部定位系统,对采煤机位置进行修正 纠偏,能实现采煤机长期循环自主定位的策略。 考虑 UWB 系统在非视距(NLOS)环境下的定位精度较低,提出了基于不等式 约束的平方根无迹卡尔曼滤波(CSRUKF)定位算法;为了进一步消减 NLOS 误差的干扰,提出了基于考虑运动速度的抗差泰勒 级数(VRTS)算法对定位结果进行优化,提升最终的定位精度。 以 UWB 定位系统和移动平台为基础,开展了模拟端头定位的 实验。 实验结果表明,CSRUKF-VRTS 方法能够减小定位误差,提高 NLOS 环境下的定位精度,x 轴、y 轴和 z 轴的平均误差分别 由 0. 332、0. 404 和 0. 306 m 降低到 0. 266、0. 212 和 0. 159 m,对应的平均精度分别提升了 17. 4% 、47. 5% 和 48. 1% 。 所提的采煤 工作面端头循环定位策略为采煤机实现长期自主定位提供新的思路,为非视距环境下的定位提供参考。     

基于TL-LFL的UWB室内定位算法北大核心CSCD

针对三边定位算法定位精度不高以及传统指纹定位算法工作量大的问题,提出了一种基于TL-LFL的室内定位算法,主要分为2个阶段:离线阶段利用限幅-滑动滤波方法对原始测距信息进行预处理,然后利用克里金插值法建立指纹数据库;在线阶段首先利用三边定位算法确定粗定位坐标和动态区域S,然后采用K-Means算法对S区域内指纹点进行聚类,找出与在线实测距离信息最近的聚类中心,最后结合粗定位坐标根据离散程度加权进行实时定位。结果表明:该算法在减少数据采集工作量的同时有效提高了定位精度,平均定位误差为0.2 m。     

煤矿井下人员呼救报警系统测距法定位算法

介绍了煤矿井下人员TOA(Time Of Arrival)定位的视距LOS(Line Of Sight)环境和非视距NLOS(Non Line Of Sight)环境的两种数学模型。通过基站接收人载报警仪极化波到达的脉冲响应电平来区分视距信号和非视距信号,在非视距环境中的TOA测量值减去NLOS误差后,把非视距环境TOA定位数学模型转化为视距环境TOA定位数学模型求解。该定位算法结构简单,计算量小。经井下实际测试的分析,其结果与算法值相符且定位精度满足要求。     

设施农业环境下移动节点的测距算法研究

在设施农业移动节点采用几何法定位时,对节点间距离的正确测量是非常重要的。针对基于Zig Bee硬件平台进行RSSI测距时,存在多径干扰、非视距误差等影响因素,采用一阶滤波算法对RSSI信号进行滤波,并对一阶滤波算法进行了优化,得到可靠的RSSI值。在此基础上,建立了节点运动状态模型,采用卡尔曼滤波器做动态测距预估,实现了设施农业环境中移动节点的实时测距。     

基于多频点相位距离/角度联合估计的RFID室内定位算法

为了解决现有射频识别(RFID)定位方法定位精度差,定位耗时长的问题,提出了一种基于多频点相位距离/角度联合估计的RFID室内多目标定位算法。利用跳频技术获取RFID标签多频点相位信息,通过多频点相位解决整周模糊度问题,获取目标粗估计距离。进而使用粒子群优化算法完成多目标位置并行检索,同时融合多重信号分类算法思想抑制噪声和多径干扰,进一步优化定位结果。通过实测验证,所提算法可实现多目标并行定位,且定位的中位数误差达8.56 cm,定位耗时比传统双曲线定位算法减少了58.8%。     

不同惯导间距对采煤机定位精度的影响研究

为保证矿用采煤机快速准确定位,并精准地完成煤层的截割及其智能调高和调速等工作,采用多惯导冗余定位法,对比研究不同惯导间距对采煤机定位精度的影响.结果 表明,经多惯导冗余算法处理后,三套惯导得到的采煤机定位精度都有所提升,在惯导间距是0.2 m时,球概率误差最小,增加至0.3m后趋于稳定;且在惯导间距是0.2m时,估计三角形所在平面法向量平均偏移角度也最小,采煤机的定位精度最高.     

移动机器人室内外无缝切换定位方法研究

为了实现移动机器人在室内外环境下的无缝精准定位,针对实验室的巡检机器人,安装惯性测量单元(IMU)、GPS、UWB定位传感器模块,在通过容积卡尔曼滤波器实现室内和室外融合定位的基础上提出了基于阈值机制和多传感器定位精度的室内外无缝切换定位方法,并设计实验验证算法在定位精度上的优越性和室内外定位切换上的平稳性.     

基于UWB室内定位的迎宾机器人系统研究

针对室内复杂环境下移动机器人很难实现精确定位的问题,设计了一种基于UWB室内定位的迎宾机器人系统。通过架设4个UWB定位基站,以及安装于机器人上方位置的定位标签,对迎宾机器人进行实时定位。介绍了迎宾机器人的总体结构,对其机械系统和控制系统进行了详细说明;提出了一种融合PID和LQR的移动机器人混合路径跟踪算法。最后对迎宾机器人进行实验,验证整体方案的可行性和有效性。实验结果表明,自主研制的机器人系统软硬件运行稳定可靠,设计的UWB室内定位系统具有小于5 cm的室内定位精度,重复精度小于1 cm;所提出的混合路径跟踪算法具有较快的响应速度,跟踪精度小于5 cm。     

面向相对导航的UWB测距误差估计与补偿方法

基于无人飞行器和智能机器人等载体构成的智能集群是当前的研究热点,相邻或相近集群成员之间精确的相对距离是密集集群实现协同控制的关键信息。超宽带(UWB)无线传输技术能传输信息,同时具有厘米级的理论测距精度,在集群的协同导航与控制中具有广阔的应用前景。面向集群成员间相对导航的厘米级测距需求,阐述了UWB的测距方案,分析了实际环境中UWB天线的时钟偏移、节点之间有相对速度和非视距环境引起的测距误差的特性,研究了UWB距离测量的状态检测和误差补偿、估计的方法,采用DW1000超宽带模块构建了实验环境,对所研究的方法进行实验验证。结果表明,所研究的方法可显著提高UWB在实际应用中的测距精度,与传统的测距算法相比,在空旷环境(LOS)状态下误差降低了70%,在非视距环境(NLOS)状态下误差降低了50%。