基于超宽带位置指纹与惯导融合的室内定位技术研究

在室内定位环境复杂多变的情况下,超宽带(UWB)信号易受多径干扰和非视距环境影响,导致定位精度不高。鉴于指纹定位和惯导定位不受多径干扰和非视距环境影响,以及UWB信号具有时间分辨率高和测距精确的特点,以由非对称双边双向测距算法获得的UWB测距值为指纹库匹配数据,建立了结合K中心聚类和加权K近邻的UWB指纹定位算法;提出了利用扩展卡尔曼滤波将UWB指纹定位与惯导定位进行融合的融合定位算法。定位实验结果显示,该融合定位算法能将平均定位误差降至0.248 m,对有效提高室内定位系统的可靠性和定位精度具有重要作用。     

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.     

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。     

面向掘进机的超宽带位姿检测系统精度分析

为实现悬臂式掘进机的无人化作业,提出了一种基于超宽带(UWB)测距技术的位姿检测方法;通过分析悬臂式掘进机工况环境及局域定位技术原理,设计了UWB位姿检测系统,该系统利用4个搭载UWB模块的移动基站机器人对机身节点进行测距,经过解算测距信息得到掘进机位姿参数;并开展了狭长封闭巷道中的UWB测距精度验证实验,仿真分析了基于直接解析法和基于Caffery算法的系统位姿精度。研究表明UWB模块在狭长封闭巷道中的测距精度可达2 cm,系统三轴定位精度在10~95 m的狭长封闭空间中从4 mm~3 cm呈线性增加,系统航向角、俯仰角、横滚角精度从0.2°~1.5°呈线性增加,满足悬臂式掘进机位姿检测精度要求,为掘进机自主巡航的实现提供了基础。     

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% 。     

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。     

月球基地车辆自校准导航定位方法

提出一种月球基地车辆自校准导航方法,包括基于到达时间(TOA)和到达时间差(TDOA)的车辆自校准导航方法以及基于接收信号强度指示(RSSI)的车辆自校准导航方法,能够实现月球基地车辆高精度导航。文中首先给出了惯性导航自校准方程,包括位置坐标、速度、加速度、角速度、角度等的自校准状态方程和自校准量测方程,能够有效地对陀螺仪和加速度计的漂移进行实时修正,并建立了超宽带(UWB)距离差量测方程。然后将惯性导航自校准方程与UWB距离差量测方程相结合,建立了基于TDOA的车辆自校准导航方法;而将惯性导航自校准方程与RSSI量测方程相结合,则建立了基于RSSI的车辆自校准导航方法。它们通过采用非线性系统双未知输入自校准滤波方法进行导航滤波,能够对其中的未知输入(如惯性导航漂移、非视距误差等)进行自动识别、估计和补偿,显著提高导航精度。此外,文中还给出了一种月球基地自校准定位方法。     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

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。     

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%。     

基于VBKF-CPA-TSA算法的UWB定位技术

设施内移动农业设备的精准定位是农业智能化、无人化发展的关键。针对设施内GPS拒止环境下农业设备的定位问题,提出利用超宽带(UWB)系统构建设施内移动农业设备的导航定位系统。为了提高移动农业设备的定位精度,提出利用变分卡尔曼滤波(VBKF)对UWB系统的4个测量距离进行平滑处理,提高测量距离的估计精度,采用全质心定位算法(CPA)求解目标节点的位置坐标;为了进一步提高定位精度,利用改进的泰勒级数优化算法(TSA)对VBKF-CPA方法的定位结果进行优化处理。以移动机器人为实验平台,利用UWB系统在室内开展了动静态模拟实验,验证所提方法的有效性。实验结果表明,VBKF-CPA-TSA算法能提升目标节点的定位精度,获得较稳定的定位结果,x轴、y轴、z轴的平均误差由0.085、0.071、0.064 m减小为0.034、0.032、0.028 m,平均估计精度分别提高了60%、54.9%、56.3%;VBKF-CPA-TSA算法的动态定位轨迹更逼近真实轨迹,表明所提定位算法能提高设施内UWB系统的定位精度,该方法为设施内GPS拒止环境中移动农业设备的定位提供新方法。     

High accuracy navigation information estimation for inertial system using the multi-model EKF fusing adams explicit formula applied to underwater gliders

The underwater navigation system, mainly consisting of MEMS inertial sensors, is a key technology for the wide application of underwater gliders and plays an important role in achieving high accuracy navigation and positioning for a long time of period. However, the navigation errors will accumulate over time because of the inherent errors of inertial sensors, especially for MEMS grade IMU (Inertial Measurement Unit) generally used in gliders. The dead reckoning module is added to compensate the errors. In the complicated underwater environment, the performance of MEMS sensors is degraded sharply and the errors will become much larger. It is difficult to establish the accurate and fixed error model for the inertial sensor. Therefore, it is very hard to improve the accuracy of navigation information calculated by sensors. In order to solve the problem mentioned, the more suitable filter which integrates the multi-model method with an EKF approach can be designed according to different error models to give the optimal estimation for the state. The key parameters of error models can be used to determine the corresponding filter. The Adams explicit formula which has an advantage of high precision prediction is simultaneously fused into the above filter to achieve the much more improvement in attitudes estimation accuracy. The proposed algorithm has been proved through theory analyses and has been tested by both vehicle experiments and lake trials. Results show that the proposed method has better accuracy and effectiveness in terms of attitudes estimation compared with other methods mentioned in the paper for inertial navigation applied to underwater gliders.     

超宽带穿墙SAR对目标运动参数的估计和位置矫正

利用超宽带穿墙雷达跟踪运动目标在军事和民用领域的应用日益广泛.目标运动参数估计和位置矫正是超宽带穿墙合成孔径雷达(UWB TW-SAR)对运动目标跟踪的两大关键部分.针对传统方法只能对匀速运动目标参数估计的不足,研究了一种基于乘积型高阶模糊度函数(PHAF)算法的加速运动目标参数估计新方法,并分析了墙体折射对运动目标聚焦位置的影响,对目标运动轨迹进行矫正.仿真结果证明了该方法能较准确地估计加速运动目标参数并实现目标的跟踪.