基于CNN的超宽带/惯性导航室内定位算法

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UWB室内定位算法.利用UWB系统采集NLOS环境下的室内定位数据,根据信号在NLOS环境下传播时的误差特性建立CNN模型,将数据输入网络进行训练,以减小NLOS误差对系统定位的影响;结合惯性导航系统(IN...     

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。     

基于DL-LSTM的UWB/INS室内定位算法

为了提高超宽带(UWB)室内定位系统的定位精度,提出了一种基于双层长短期记忆神经网络(DL-LSTM)的UWB室内定位算法.利用UWB系统和惯性导航系统(INS)采集非视距(NLOS)环境下的定位数据,根据该数据在NLOS环境下传播时的深度特征建立DL-LSTM模型,然后将数据输入到网络中进行训练.第一层网络用于减小N...     

基于注意力机制的UWB室内定位算法

针对多径效应及非视距环境影响超宽带(Ultra Wide Band,UWB)室内定位精度的问题,提出基于注意力机制的UWB定位算法.由SENet注意力模块与卷积神经网络构建一个深度学习模型SE-CNN.SENet注意力模块降低受到动态干扰因素影响的定位数据权重,再利用卷积神经网络(CNN)来确定定位数据与目标位置的非线...     

融合UWB和IMU数据的新型室内定位算法

针对室内定位中的非视距(Non-Line-of-Sight,NLOS)现象,提出一个新型算法进行识别,同时有效缓解其影响.主要通过超宽带(Ultra-Wideband,UWB)定位系统与惯性导航系统(Inertial Navigation System,INS)的信息修正非视距误差,获得较高的定位精度.首先,在离线阶段...     

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UWB/PDR的组合室内定位算法

为了提升室内定位系统在复杂环境中的实用性,提出了带非视距检测的超宽带(UWB)/行人航迹推算(PDR)组合定位方法。该方法过滤了UWB测量由于非视距(NLOS)带来的有害数据,采用残差状态量的卡尔曼滤波将UWB和PDR的有效数据进行融合,避免了由于系统非线性带来的近似误差,提升了组合系统的定位精度和鲁棒性。仿真和实验结果表明,组合定位系统能够消除非视距的影响,始终比单个系统定位精度高,其定位误差90%在1 m以内,为基于室内定位的应用提供了可靠的基础数据。     

基于UWB室内定位系统应用与研究

通过分析当前常用室内定位技术和实施优缺点,引入UWB(Ultra Wide Band,超宽带)定位模块,分析了UWB室内定位系统的原理以及设备上的实现方案,从定位精度和定位动态性能两方面进行关键性技术研究,改进了基于单一方法的定位技术。针对定位精度问题,根据人体下肢运动过程中的对称性特点改进现有的行人航迹推算算法。针对定位动态性能问题,引入惯性导航定位模块,将改进的PDR算法与UWB定位方法进行融合,通过实验测量说明,使用TOA跟踪算法响应速度较快,设计的UWB室内定位系统具有小于5cm的室内定位精度,重复精度小于1cm。     

基于UWB和IMU的电力巡检机器人定位方法

为了满足日益增长的电力需求,我国建设了大量发电站和电能转换设施.长时间的负载运行使电力设备运行的不稳定性增加,一般需要通过人工巡检的方式进行检测和维护,但传统的人工巡检方法存在着较大的安全风险,在精度方面满足不了需求,维护效率也比较低.随着人工智能技术的发展,智能巡检机器人的出现给这一问题带来希望,它克服了传统人工巡检...     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

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,...     

基于超宽带室内定位联合算法的研究

针对超宽带室内定位系统中的测量误差较大问题,提出了一种基于双路飞行时间测距方法来减小时钟偏移误差的解决方案。本方案针对静态和动态的待测节点的运动特性,通过对待测节点的运动状态检测,提出了一种联合算法,其中,静态定位采用了最小二乘估算法来得出节点坐标,并通过MATLAB仿真显示该节点坐标位置;对于动态跟踪问题,由于物体遮挡和运动轨迹等因素导致最小二乘法无法准确估计节点位置,针对这一问题,利用扩展卡尔曼滤波算法跟踪预测待测节点位置,从而改善定位效果。仿真结果表明,静态定位误差可以控制在6%以内,对比静态定位采样,动态跟踪算法精度提高了20%。实验证明,该算法可靠有效,满足室内定位的基本需求。     

基于小波去噪的室内超宽带定位算法

针对室内复杂环境所引起的NLOS误差,提出了一种利用小波良好抑制噪声特性的室内定位优化算法,选定IEEE 802.15.4a模型为超宽带室内无线定位的普适模型,在室内传统定位算法基础上利用小波去噪消除NLOS误差,从而改进优化了到达时间差定位算法(TDOA)。仿真结果表明,该算法较Chan算法和LS算法定位精度高,具有可行性。     

基于超宽带系统的双卡尔曼滤波定位算法

针对室内复杂通信环境中对于移动目标的循迹需求,设计了一种削弱非视距误差的双卡尔曼滤波器,将经典卡尔曼滤波器与扩展卡尔曼滤波器进行级联,并引入一种根据残差分区调整卡尔曼滤波器协方差的区分误差方式,用于自适应调整经典卡尔曼滤波器的滤波增益,从而达到平滑观测值的作用,最终在扩展卡尔曼滤波后输出待测移动目标的位置信息,实现了移动目标的实时定位。在MATLAB上对该设计思路进行了仿真,在匀速运动模型下与现有的几种算法进行了精度的比较,所提出的双卡尔曼滤波器在仿真上能达到较高的循迹精度,均方根误差在视距情况下达到3 cm以内,非视距情况下达到10 cm以内。     

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.     

结合CNN和WiFi指纹库的室内定位算法

为了提高基于WiFi的室内定位的精度和降低计算时间,本文提出一种卷积神经网络(Convolutional Neural Networks, CNN)结合传统指纹库的室内定位算法.该算法基于接收信号强度指示(Received Signal Strength Indication, RSSI)数据,首先利用卷积神经网络模型,根据实时输入数据预判出待测点的初步位置.在保证了大范围预测的位置大概率正确的前提下,再结合传统指纹库中的指纹点,确定出精确度更高的最终预测位置.实验结果表明,在时效性达到要求的前提下,累计误差在1 m以内的定位精度约有65%,累计误差在1.5 m以内的定位精度约有85%,且误差较为稳定.     

改进TDOA算法的UWB室内定位系统设计

提出了一种基于UWB的无线传感器网络室内定位系统的设计方案.通过锚节点与标签节点信息交互,得到时间差,通过nRF24L01把时间差传送给上位机,上位机利用改进的TDOA算法和卡尔曼滤波算法,计算出目标物体的位置,并在上位机中显示出来.实验结果表明,该系统最终使得室内定位的达到了20 cm左右,并且抗多径能力强、稳定性高,为无线网络传感器定位提供了更多的参考.     

基于无迹卡尔曼滤波的室内定位系统

卡尔曼滤波抑制非视距(NLOS)所产生的误差效果不明显;而使用扩展卡尔曼滤波解决非视距(NLOS)时,需要解算复杂的雅可比矩阵,使计算量大为增加。文中首先对获取的TDOA数据进行无迹卡尔曼滤波并得到最优解;其次将滤波后的数据,通过CHAN算法进行位置解算。实验结果表明,文中所用无迹卡尔曼滤波算法对抑制误差产生了很好的效果,提高了定位精度,具有较大的实际应用价值。     

基于改进PDR与RSSI融合的定位算法

在室内定位系统中,基于接收信号强度指示(RSSI)测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化,行人航位推算(PDR)定位系统存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述问题,提出一种基于改进PDR与RDDI融合的定位算法,根据PDR定位的递归特性校正估计传感器的参数,同时进行左右脚坐标数据融合。在此基础上将扩展卡尔曼滤波器(EKF)作为RDDI和PDR定位的融合滤波器,以降低PDR累计误差,从而提高定位精度,获得系统的最优定位结果。实验结果表明,该融合定位算法有效地提高了定位精度。