基于捷联惯导系统补偿的UWB的室内定位方法研究

根据超宽带定位系统在室内定位应用,分析UWB信号丢失或被遮挡时类型,将基于捷联惯导系统的惯性器件IMU的加速度计在三个方向的增量信息作为UWB丢失信号的补偿,从而改善UWB在室内定位中的精度。通过仿真实验测得在UWB信号丢失10s时间,该设计可以将原来的位置误差缩小到2m以内。针对设计的定位模型,利用实验室设备搭建该原理样机,通过半物理仿真试验,证明基于捷联惯导系统的UWB室内定位系统在水平面X轴与Y轴误差基本保持在0.5m范围内。     

基于UWB和惯性导航融合的室内定位方法

针对室内环境日益复杂,单一的定位系统已经不能满足人们对定位准确度需求的问题,设计了一种利用超宽带(UWB)和惯性导航融合进行的室内定位方法:首先针对UWB测距结果容易受环境影响的问题,根据实验环境对UWB测距进行了标定;然后利用改进马氏距离的异常值检测方法对测距过程中的异常值进行了剔除;最后采用了紧耦合的卡尔曼滤波器,以UWB测距值作为扩展卡尔曼滤波观测量,以惯性导航解算的位姿作为扩展卡尔曼滤波器的预测量,通过UWB测距来不断校正惯性导航的位姿数据。最终为了验证所提方法的可行性和有效性,进行了UWB单独定位和UWB与惯性导航融合定位的小车搭载矩形运动轨迹实验,通过对两种方法实验数据的对比分析,在加入了外界干扰时的矩形轨迹定位实验中,利用UWB和惯性导航融合的定位结果,平均精度比单独利用UWB进行定位时提高了36.3%;误差结果对比表明,利用UWB和惯性导航融合定位的误差波动更小,具有更高的鲁棒性。表明了该融合定位算法与单独利用UWB技术进行定位的算法相比,能够有效地抑制定位过程中的干扰问题,并且可显著地提高在室内环境下定位系统的鲁棒性和定位精度。     

旋转光纤陀螺捷联式惯性导航系统

为了在现有惯性传感器水平的条件下提高捷联式惯性导航系统的性能,研制了旋转光纤陀螺捷联式惯性导航系统.该系统由惯性敏感单元、转动机构、高速导航计算机和I/O接口等组成,惯性敏感单元被安置在转动机构上,并作连续周期运动.对该旋转光纤陀螺捷联式惯性导航系统进行了室内转台和室外跑车试验,该系统俯仰角和横滚角误差小于0.1°,航向角误差小于0.4°,定位误差小于90 m/h.对惯性传感器作温度误差补偿工作,该导航系统的定位定向精度还将能进一步提高.     

一种改进的多源信息融合室内定位方法

针对超宽带（Ultra-wideband,UWB）定位系统受非视距（Non-line of Sight,NLOS）误差影响较大,以及惯性测量单元（Inertial Measurement Unit,IMU）定位系统受累积误差影响较大的问题,提出了一种基于多源信息的改进融合定位模型。首先,对UWB测量模型进行优化,通过差分气压计测高的方法对NLOS信号进行鉴别,并通过加权最小二乘法削弱NLOS信号对UWB定位结果的影响。然后对数据融合算法进行优化,引入IMU累积误差门限降低累积误差对IMU定位结果的影响,提高融合定位精度。最后,使用UWB、IMU系统在室内复杂环境中的实测数据进行Matlab仿真,验证了改进融合定位模型在定位精度上比基础融合定位模型提高了45.71%。     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

基于超宽带和惯导的室内组合定位方法研究

文章对一种采用超宽带UWB和惯导相结合的室内定位方法进行了研究。该方法的核心思想是利用安装在移动节点上的UWB模块产生位置的估计值,以校正惯导的航位推算法所得到的移动节点的位置坐标。这样既可以校正惯导中由于陀螺仪的漂移导致的累积定位误差,又能够减小UWB定位存在的非视距NLOS误差。相比于单一超宽带定位方法,该组合定位方法具有更高的室内定位精度。     

全自动驾驶车辆基地库内精确定位技术研究

针对全自动驾驶车辆基地库内工作人员的高精度定位需求，设计了基于RFID和超宽带(UWB)技术的适用于室内的高精度定位系统。RFID记录定位开始和结束时间，获取目标相关信息；UWB对目标位置进行实时准确地监控。两种技术相结合实现对检修人员位置的实时跟踪，获取作业时间数据以及作业人员的其他相关信息。当UWB定位出现误差，通过对RFID标签进行读取，实现人员位置重置。测试结果表明，该系统在全自动驾驶车辆基地停车列检库内具有精确的定位性能，既可以对库内目标进行追踪定位，又能为目标提供定位数据校正。     

基于地磁辅助的室内行人定位航向校正方法

在基于惯性传感器的室内人员自主定位系统中,由于陀螺仪存在随时间增长的漂移,需要依靠地磁场对航向校正。然而,室内场景中地磁场会受到比较严重的干扰,磁力计自身也存在一定误差,严重影响了地磁场辅助定位的航向校正效果。该文提出一种地磁辅助的室内定位航向校正方法,该方法首先结合人体运动模型对磁力计进行校准,获取相关校准系数,提高磁力计解算航向精度。在此基础上利用改进的磁场准静态检测方法提取可用的磁力计观测量,经校准系数校准后结合零速更新算法(Zero velocity UPdaTe, ZUPT)辅助的扩展卡尔曼滤波(Extended Kalman Filter, EKF),对陀螺仪航向进行滤波校正。实验结果显示在长约684 m的轨迹下航向误差仅为3.2定位误差小于0.5 m,定位精度优于0.2%,验证了该方法较传统的磁场辅助航向校正方法的优越性。     

基于超声波/INS信息融合的室内定位方法

室内定位方法中,低成本惯性导航系统(INS)的定位误差随着时间和距离的增加而积累,需要采用其他手段抑制误差发散。室内环境下GPS无法正常工作,从而失去对INS误差的抑制作用;因此,该文提出了基于超声波/INS信息融合的室内定位方法。以自主导引小车(AGV)为定位终端,根据超声波定位技术和非完整约束条件得到自主导引小车的位置和速度信息,并利用该信息辅助INS,通过卡尔曼滤波进行信息融合,从而抑制纯惯导情况下定位误差发散的问题。采用Matlab对所提出的室内定位方法进行仿真验证,结果表明,采用超声波/INS信息融合方法能将INS的误差抑制在一定范围内,该方法适用于室内移动物体的实时定位。     

基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带（UWB）的无人车定位波动大和定位误差大的问题,提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先,建立了一套UWB基站定位系统,用于采集无人车UWB定位数据信息;然后,利用加权递推平均滤波算法对UWB定位数据信息处理,提升定位结果的稳定性;最后,结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合,得到最终的定位结果。经过无人车静止和移动场景的多组定位测试,结果表明,静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%,稳定性得到了一定的提升;移动场景下,采用加权递推平均滤波和卡尔曼滤波融合算法处理后,直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%,定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性,具有一定的推广使用价值。     

室内外行人导航系统研究

采用微机电系统(MEMS)惯性传感器、MEMS磁传感器及小型全球定位系统(GPS)接收机为室内外行人导航数据源,基于Cortex-M4为内核,搭建了室内外行人导航系统硬件平台。重点研究了多传感器导航系统的结构、多源信息融合方法、多条件零速检测方法及零速修正等理论方法。并通过试验,采集实测数据进行分析、验证行人导航系统设计的性能。结果表明,在GPS信号良好情况下,定位误差在2.5m以内;无GPS信号期间,路线长度为110m时,定位误差在总路经的5%内。     

基于iOS平台的室内定位与路径引导系统设计

为便于人员在照明不良的封闭环境中对自身进行定位,并快速到达工作现场开展检修工作，文中使用惯性传感器加速度计和磁力计设计出一种室内引导系统，并基于iOS平台开发出相应的应用程序APP。经实验测试，此应用程序能够实现自主的室内引导，在使用加速度计时设定的阈值能有效降低时间累积误差。     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波...     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案.结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM)网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究.在此基础上,通过仿真和...     

Mesh自组网与惯导组合的班组协同定位算法研究

采用单一低精度惯性传感终端完成定位解算将导致定位精度发散,定位信息回传覆盖范围小,且传输易受干扰,因此,该文提出了一种Mesh自组网与惯导组合的班组协同定位方法.该方法建立的一种基于线性化卡尔曼滤波的班组协同定位算法模型,以高、低精度惯导组合的班组协同为基础,结合Mesh网络的通信传输功能,可抑制单一低精度惯性传感终端...     

Detection of UWB ranging measurement quality for collaborative indoor positioning

Wireless communication signals have become popular alternatives for indoor positioning and navigation due to lack of navigation satellite signals in such environments. The signal characteristics determine the method used for positioning as well as the positioning accuracy. Ultra-wideband (UWB) signals, with a typical bandwidth of over 1 GHz, overcome multipath problems in complicated environments. Hence, potentially achieves centimetre-level ranging accuracy in open areas. However, signals can be disrupted when placed in environments with obstructions and cause large ranging errors. This paper proposes a ranging measurement quality indicator (RQI) which detects the UWB measurement quality based on the received signal strength pattern. With a detection validity of more than 83%, the RQI is then implemented in a ranging-based collaborative positioning system. The relative constraint of the collaborative network is adjusted adaptively according to the detected RQI. The proposed detection and positioning algorithm improves positioning accuracy by 80% compared to non-adaptive collaborative positioning.     

基于步行者航位推算的井下人员辅助定位

针对目前井下人员定位系统存在的问题,提出一种基于步行者航位推算的辅助定位方法。利用低成本的惯性测量单元(IMU)和磁力计,设计稳定的姿态与航向参考系统(AHRS),利用惯性导航的相关理论,并通过分析人员步行姿态,进行零速修正(ZUPT),组成步行者航位推算系统,对井下人员进行实时航位推算。以实验室大楼走廊模拟井下矿道环境进行航位推算实验,实验结果表明,本方法对人员行走距离和方向做出良好的推算,能成为现有井下定位的有效补充,提高人员定位精确度。     

Pedestrian Navigation Based on Inertial Sensors, Indoor Map, and WLAN Signals

As satellite signals, e.g. GPS, are severely degraded indoors or not available at all, other methods are needed for indoor positioning. In this paper, we propose methods for combining information from inertial sensors, indoor map, and WLAN signals for pedestrian indoor navigation. We present results of field tests where complementary extended Kalman filter was used to fuse together WLAN signal strengths and signals of an inertial sensor unit including one gyro and three-axis accelerometer. A particle filter was used to combine the inertial data with map information. The results show that both the map information and WLAN signals can be used to improve the pedestrian dead reckoning estimate based on inertial sensors. The results with different combinations of the available sensor information are compared.     

基于微气压传感器的室内行人高度估计方法

针对当前气压传感器解算高度存在误差随时间累积的问题,提出了一种基于微气压传感器的室内行人高度估计新方法。该方法结合微气压传感器的输出高度值,对多个相邻时间内的高度值进行合理性判断,并结合室内行人运动状态对高度变化进行约束,使得解算的高度符合室内行人运动规律。通过电脑采集MS5611微气压传感器数据进行仿真验证,结果表明:该方法能够有效地对高度误差进行修正,相较于微气压传感器直接解算的高度,该算法解算的高度更贴合实际情况,解算轨迹也更接近真实轨迹,轨迹的平均闭环误差从1.9%D下降至0.07%D。该算法有效地提高了室内行人高度估计的定位精度,在室内行人三维定位领域具有一定的工程应用价值。