非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

改进自适应抗差容积卡尔曼滤波多源室内定位

针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传 统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自 适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协 方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky 分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波 和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强 了定位系统在粗差干扰下的鲁棒性。     

改进的Chan-粒子滤波算法超宽带室内三维定位

针对超宽带室内定位时容易受到非视距误差的影响，导致定位精度大大下降，甚至无法准确定位的问题，提出了一种融合粒子滤波的改进Chan定位新方法。首先，在Chan定位方法中引入模拟退火算法，对到达时间差（TDOA）算法的测量值进行优化，获得初步定位的最优解；然后，采用粒子滤波对测量值进行再次优化，粒子重采样后得到的中心位置即为目标节点的精确位置。仿真和实验结果均表明，该算法能有效提高在非视距环境下超宽带室内定位的精度，较好地消除非视距误差的干扰。     

基于TOF的UWB可移动基站快速自定位算法

针对运动场中超宽带(UWB)可移动基站的位置获取需要人工测量、定位不方便的问题,提出了基于飞行时间(TOF)的UWB可移动基站快速自定位方法.首先根据基站布局情况确定局部坐标系,建立基于UWB基站间相互测距信息的各基站坐标方程,采用最小二乘法对各基站的坐标进行解算,进而分析其定位误差.最后通过实验验证了算法的可行性和稳定性.实验结果表明,可移动基站平均定位精度在0.05m以内.相对于传统的人工测量方式,基站自定位可有效节省基站布设时间,减少工作量.     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟,介绍了北斗定位解算与GPS解算的差异,针对扩展Kalman滤波(Extended Kalman Filter,EKF）算法在北斗解算过程中容易引入非线性误差,无迹Kalman滤波(Unscented Kalman Filter,UKF）算法受初值和系统噪声影响较大问题,提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter,AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵,消除量测噪声异常带来的影响,同时提高了滤波精度。实验表明,与EKF和UKF定位解算算法相比,AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高,是一种可靠稳定的北斗定位算法。     

基于带有事件触发机制的集员滤波的RSSI室内移动定位

在室内移动定位系统中,由于待定位节点易受统计特性未知的噪声干扰影响,采用Kalman滤波和粒子滤波等经典的噪声抑制方法,已无法有效满足室内定位精度不断提升的要求。针对这一问题,提出了一种基于事件触发的集员滤波室内移动定位算法。首先,针对基于接收信号强度指数(RSSI)测距误差导致传统三边定位算法无法获取可行解的问题,提出了一种椭圆三边定位算法;其次,考虑待定位节点的移动性,为了提高定位精度,提出了一种锚节点自主切换算法;最后,针对噪声统计特性未知的情形,考虑使用带有事件触发机制的集员滤波算法来估计待定位节点位置。通过仿真实验验证了所提方法的有效性。     

基于联邦UKF的多机协同无源定位

为提高多机协同无源定位的精度和速度,同时满足应用性强的要求,提出了基于UKF(Unscented Kalman Filter)联邦滤波算法的纯方位无源定位技术。核心思想是利用联邦滤波算法去解决各子滤波器滤波结果的全局最优融合问题;利用UKF算法去消除非线性状态方程或量测方程中的高斯噪声,从而实现多机协同对目标辐射源的高精度无源定位。仿真结果表明,该算法可行性强,定位精度高、速度快,具有很高的应用价值。     

密林环境空地协同GNSS/UWB快速高精度定位技术

针对密林中卫星信号遮挡难以实现快速高精度定位的问题,提出了一种密林环境空地协同全球卫星导航系统/超宽带(GNSS/UWB)高精度定位方法。该方法综合考虑无人机平台在空旷环境快速运动与超宽带的强穿透性测量等特征,通过无人机携带GNSS/UWB集成化载荷,以移动单基站模拟多基站,配合密林中UWB标签组网测距,完成密林中UWB标签定位。对基站布设方案展开研究,为密林环境下空地协同GNSS/UWB快速高精度定位技术应用提供基站布设指导和依据,并且利用密林环境下实测测距实验+仿真定位实验对提出的方法进行验证。结果表明,所述方法可有效实现密林环境下的快速高精度定位,精度达到分米级,并且通过优选基站布设网型、范围及高度可有效提高定位精度,为密林环境下快速高精度定位方法提供了理论支撑。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

基于最优传播路径的EMA/EKF定位算法研究CSCD

针对室内环境下蓝牙系统易受非视距影响,采用蓝牙到达角(AOA)解决室内行人定位存在较大偏差的问题,研究基站几何分布和定位算法对定位精度的影响。关于蓝牙信号在传播过程中易衰减及产生多径等因素影响定位性能,对基站安装位置与信号接收范围关系进行研究,建立基站分布优化模型,使用遗传算法(GA)求解基站布设最优位置。在此基础上,提出了基于改进指数移动平均(EMA)算法结合扩展卡尔曼滤波(EKF)算法进行误差补偿。实验结果表明,该方法的平均定位误差为0.89m,相较于EKF定位精度更高,证明了所提方法的有效性。