基于自适应修正UKF算法的网络多平台无源定位跟踪系统

针对传统网络多平台机载无源定位跟踪存在作战区域有限,精度低,易出现盲点等缺点,提出了在多平台时差算法的基础上引入一种自适应修正的无迹卡尔曼滤波算法进行机载无源定位跟踪。考虑不同的作战环境,对模型进行了推导和分析,采用不同的算法对模糊、无解问题中出现的奇异点进行了滤波结果比较。证实使用该自适应修正无迹卡尔曼滤波算法进行定位跟踪时,降低了奇异点给系统带来的影响,有效的提高了定位跟踪的精度与稳定性,扩大了机载多平台的协同作战的任务范围。     

基于FPGA的UWB隧道内人员定位系统设计与实现

针对现阶段国内隧道施工中采用的通信定位手段通信信号不佳，无法提供精准定位信号的现象，基于现场可编辑门阵列（FPGA）为主控硬件提出一种以超宽带（UWB）定位技术为原理的无线传输定位系统，UWB定位基本原理基于三边测量算法并在后端数据处理中引入自适应卡尔曼滤波进一步提高其定位精度。该系统硬件层面具有低功耗、高效率的优点；算法层面卡尔曼滤波可以使系统达到更高精度，静态测距精度可达到0.1 m以内，动态测距精度可达到0.2 m以内。该系统可对工作人员长时间进行高精度、高效率的定位。经实验验证，该系统能够在无网络的情况下及时进行高精度跟踪定位，具有极强的鲁棒性。     

联合TDOA改进算法和卡尔曼滤波的UWB室内定位研究

随着互联网+的提出以及物联网技术的不断发展,各行业对人员、货物等进行定位的场景在不断增多;与此同时,安防监控、航空航天、无人工业化操作、海域勘探、数字化旅游等新兴领域对室内定位系统的需求也在日益增强。针对不同需求,学术界和工业界开发了多种定位技术,它们在定位适用性、定位精度等方面存在较大的差异。相比其他定位方式,超宽带(UWB)定位技术在精确度、实时性能和数据可扩展方面具有独特的优势,通过改进基于到达时间差(TDOA)的算法,降低了时钟同步的难度,联合卡尔曼滤波进一步消除了传输过程中的误差干扰,最终使得室内定位更加精确。     

改进蛇优化算法在室内UWB定位的应用

现针对近年来室内定位的需求,为提高整体的定位精度,提出一种基于sine混沌映射与正余弦优化蛇优化(Snake Optimization, SO)算法的超宽带(Ultra-Wide Band, UWB)室内定位技术,并结合一种自适应的测距值调整策略将测距值作为SO算法适应度函数的参数。SO是一种元启发式,模仿蛇觅食加交配行为的新型智能优化算法。为提高优化方法寻优能力,在SO种群初始化阶段引入混沌映射,增加种群个体的多样性。在雄性个体和雌性个体位置更新之后,为协调算法的全局探索和局部探索的性能,再进行一次正弦余弦算法(Sine and Cosine Algorithm, SCA)。实验结果表明,对于室内环境,该方法能够有效提高定位精度且性能良好。对比传统的智能算法,其算法精度和收敛效率都得到了显著的提高。     

基于UWB无线网络的定位算法研究

UWB（超宽带）技术作为一种新型的短距无线通信系统，在室内定位技术中越来越受到重视．文中分析了TOA和TDOA等传统定位算法，介绍了一种新的基于RTT的简单异步算法和一种基于TTOA的定位算法，最后给出了各个算法优缺点的比较结果．     

基于朗伯模型参数估计的VLC室内定位优化算法

为实现高精度室内定位,本文设计了一种可见光 通信(VLC)室内定位系统,并通过 结合优化的朗伯模型、码分多址技术(CDMA)、三边定位算法而有效提升了定位精度和系统 扩展性。首先,每个发光二极管(LED)的ID信息经过直接序列调制后加载到LED驱动电路上 ,LED发出带有自身ID信息的灯光信号。在接收端通过光电探测器(PD)接收灯光信号,并 根据扩频码的正交性恢复出ID信息及接收信号强度(RSS),以此提高信道容量并增强系统 抗干扰能力。然后,根据朗伯光源模型,由三边定位算法得出待定位点的定位估计坐标。为 进一步提高精度,引入k最近邻(KNN)思想,采集适当的指纹点并由指纹点信息对每盏灯在 定位估计坐标处的朗伯光源模型参数进行估计,由优化后的朗伯模型计算出精度更高的定位 坐标。在1m×1m×1.35 m的空间区域中,进行本VLC室内定位系统 的实验测试。结果表明,提 出的高精度VLC室内定位系统的平均定位误差降低至2cm左右,其定位精度相比于传统三边 定 位算法提升了30%。此外,该系统方案所采用基于指纹点信息优化朗 伯模型参数的方法具备良好的实用扩展性,可实现广阔的应用场景。     

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。     

基于UKF的移动信标辅助节点定位算法

常用的节点定位方法通常要求较多的信标节点,因此容易造成资源浪费.提出一种基于目标跟踪的移动信标辅助节点定位算法,信标节点在移动过程中周期性地发布自身位置信息,未知节点首先获取自身位置的近似估计,然后再利用无迹卡尔曼滤波(UKF)方法对移动信标进行跟踪,并完成进一步位置求精.在该算法中,未知节点之间无需相互通信,降低了能...     

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。     

基于EEMD的全质心UWB室内定位算法

针对室内环境下的非视距(non-line-of-sight,NLOS)及多径(Multipath)传播给定位结果带来较大误差的问题,本文先将通过超宽带(ultra wideband,UWB)室内定位系统中的TOA模型测得的目标节点(携带定位终端的人或物体)分别到三个锚节点(下位机)的距离值进行集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)分析除噪,再运用三角形全质心定位算法求出目标节点在二维坐标系中的坐标值,最后从这一组定位结果中随机选一个坐标值作为目标节点最终的定位结果。结果表明:与传统的粒子滤波法、贝叶斯滤波法、BP神经网络法、泰勒级数法、小波滤波法等提高定位精度的算法相比,该算法提高了定位精度及鲁棒性等性能。     

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/PDR组合的室内行人定位

针对室内复杂场景下非视距导致UWB定位系统定位精度下降以及行人航迹推算算法累积误差过大的问题,文中提出了一种基于超宽带与行人航迹推算组合的室内定位算法。首先使用行人航迹推算算法预测行人步长及航向,然后利用UWB测距信息计算行人位置,最后使用卡尔曼滤波将两种定位方法的信息进行融合。实验结果表明,文中提出的组合定位系统可以有效解决UWB非视距影响导致的误差过大问题,提高定位精度和系统的鲁棒性,整体定位误差在12 cm以下。     

扩展卡尔曼滤波算法在UWB定位中的应用

随着无线通信技术的发展,新兴的无线网络技术得到了广泛的应用,基于无线网络的定位技术尤其是UWB（Ultra Wide Band）无线定位技术具有广阔的发展前景。考虑到UWB定位系统中存在的非线性问题,在RSSI（Received Signal Strength Indication）算法的基础上将扩展卡尔曼滤波算法应用于UWB定位技术中,并对RSSI算法和扩展卡尔曼滤波算法进行了性能仿真分析,通过仿真证实了扩展卡尔曼滤波算法能够有效减少定位误差,提高定位精度。     

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。     

基于TDOA算法的差分UWB室内定位系统研究

超宽带UWB定位技术在受到电磁干扰、NLOS等情况影响时,实际定位环境变得复杂,造成实际定位精度不高、定位稳定性差。通过借鉴差分GPS技术,以TDOA-UWB室内定位技术为基础,提出差分UWB定位算法。同时结合权重滑动平均法,研究并提出基于TDOA算法的差分UWB室内定位系统,以Hainan EVK 2.0系统作为实验平台进行相关的测试实验。实验结果表明,基于TDOA算法的差分UWB室内定位系统能有效提高定位精度和定位稳定性,在受到外界干扰的情况下,定位误差整体降低23%。     

DS-TWR算法室内定位批量测距系统的优化研究

针对现阶段基于双边双向测距(double sided two-way ranging,DS-TWR)算法的超宽带(ultra wide band,UWB)室内定位系统存在通信次数较多、多标签环境下冲突率较高的问题,提出了一种改进的算法。该方法通过Hash算法对标签和基站的通信内容进行哈希分布,使得基站在每次测距流程中,能够对多个标签进行有规则的统一回复,大大减少了基站发送RES(responds)数据的次数。结果表明,改进算法后,单个标签和基站的通信次数较传统DS-TWR算法减少了15%,增加了基站接收状态在测距中的时间占比,由此降低了基站在接收RNG(range)数据包的冲突率,测距成功率提高了43.6%。由于每个定位周期内所需要通信次数的减少且数据包之间冲突率的降低,将需要更小的信道容量,由此增加了定位系统的标签容纳量,具有较强的工程意义。     

一种基于卡尔曼滤波的UWB定位算法

文中提出了一种基于卡尔曼滤波的UWB(Ultra Wide Band)定位算法,先用卡尔曼滤波算法对信号的到达时间测量值进行处理,以消除TOA(Time Of Arrival)测量值中的NLOS(Non.Line of Sight)误差,再对经过处理的TOA测量值进行TOA定位,理论分析和计算机仿真实验都表明:该方法的定位误差性能优于单纯的TDOA定位方法,具有较强的实用价值.