超宽带与惯性导航组合的室内导航定位

针对室内环境下缺少GNSS信号,且超宽带(UWB)定位精度受非视距误差影响明显的问题,该文提出了基于UWB/INS组合的室内导航定位方法。该方法利用惯性导航系统(INS)推算的位置和速度信息与UWB解算的位置和速度信息的差值作为量测信息,按先验阈值鉴别并剔除非视距误差,通过扩展卡尔曼滤波进行室内导航定位。实验结果表明,该方法能有效抑制非视距误差的影响,大幅提升导航定位精度,稳定性更高,可靠性更强,适用于较高精度的室内导航定位。     

测距误差改正的超宽带定位系统研究

针对超宽带定位系统存在的测距误差影响定位结果的问题,该文分析了超宽带定位系统测距误差变化规律,并给出了误差改正模型。在定位过程中,首先对测距信息进行误差模型改正,随后基于双向测距的TOA定位方法,利用chan算法和高斯-牛顿迭代算法解算出定位结果,并通过动静态实验对比测距误差改正前后定位结果。结果表明,利用误差改正后的测距信息进行定位解算,能够有效提高系统的测距和定位精度。     

基于智能手机的地磁与PDR定位算法

近年来室内定位技术成为国内外研究的热点,形成了多种室内定位技术共存的局面,其中WiFi、蓝牙、超宽带等无线网络定位技术应用较广,但是这些定位技术都依赖于基础设施,定位成本较高。此处使用室内地磁信号,无需部署任何基础设施即可定位,并利用手机端MEMS传感器实现行人不同运动模式下的步频探测与航向估计。针对地磁信号具有低辨识度的缺点以及PDR的误差累积问题,利用粒子滤波算法融合地磁与PDR定位结果,有效提高了系统的稳定性,保证了定位精度。实验表明,粒子融合定位方法能够消除PDR的漂移,并且平均定位精度达到1.38 m,定位误差在1.5 m内达到80%以上,具有较强的实用性。     

融合UWB+PDR的室内定位方法改进

近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点。行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失。因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势。试验结果表明,定位解算的终点误差最大为0.819 5 m,最小为0.144 3 m,平均误差为0.347 8 m,位置平均误差为0.475 0 m,有效提升了室内定位的精度。     

超宽带室内高精度定位技术研究

近年来,室内定位逐渐成为位置服务的新领域。其中以超宽带这种利用纳秒级非正弦波脉冲来传输数据的无线载波通信技术为室内定位技术注入了新的活力,超宽带定位技术具有时间和空间分辨率高、保密性好、穿透能力强、定位精度高等优点,为高精度室内定位提供了很好的解决方案。首先介绍超宽带技术概念和定位原理,针对超宽带室内定位精度展开试验,实验结果显示在室内环境下可以达到厘米级的精度,最后讨论超宽带定位技术的应用领域和前景。     

城市环境下基于降维Kalman滤波的室内导航算法

提出了一种适用于室内超宽带定位的降维Kalman滤波算法,结合LSE算法与降维Kalman滤波算法进行定位求解,以数值仿真试验及物理试验验证了其有效性。     

融合上下文感知的地标检测辅助WiFi-PDR室内定位

针对当前WiFi-PDR室内定位中存在的WiFi信号不稳定及行人航位推算（PDR）累积误差大的问题,本文提出了一种融合上下文感知的地标检测辅助WiFi-PDR室内定位方法。该方法利用智能手机所能监测到的上下文信息建立用户模型,采用基于卷积神经网络的用户行为感知和基于WiFi-PDR室内定位的粗粒度位置感知,发现隐藏的室内地标信息,并完成用户在地标位置的位置校正,提高定位准确度。该方法在一定程度上降低了WiFi-PDR室内定位的误差,提高了用户室内定位的精度。经试验验证,该室内定位方法的精度相比于传统的WiFi-PDR方法提高了43.62%。     

超宽带双向到达时间测距的室内动态定位方法

针对超宽带室内定位系统中的标准偏差和非视距误差问题,该文设计了一种基于改进卡尔曼滤波动态定位方法。该方法首先针对双向到达时间测距信息进行标定,利用线性拟合剔除测距信息中的标准偏差,针对超宽带平面定位系统中的非线性量测方程推导得到线性化的量测方程,将改正后的测距信息作为改进卡尔曼滤波量测信息,通过设定阈值调整卡尔曼滤波增益,从而剔除非视距误差。实验结果表明,该方法能有效抑制标准偏差和非视距误差的影响,视距环境下能达到厘米级精度,非视距环境下亚分米级精度,实现室内环境下的高精度动态定位。     

基于GNSS/UWB的室内外连续定位方法

全球卫星导航系统(GNSS)与超宽带(UWB)等定位系统在室内外复杂环境下作用范围有限,并且单一定位源均无法获得从室外到室内连续可靠的定位结果等问题,针对北斗卫星导航系统(BDS)+GPS/UWB松组合定位方法展开研究,设计了室内外动态定位实验与过渡区域静态定位实验,利用扩展卡尔曼滤波器(EKF)对定位误差状态进行最优估计,并对BDS+GPS组合、UWB以及BDS+GPS/UWB松组合三种定位模式进行分析评价. 实验结果表明:在室内外的过渡区域,BDS+GPS/UWB松组合改善了GNSS-实时动态定位(RTK)的定位精度,扩展了GNSS-RTK的作用范围;BDS+GPS/UWB松组合相比于各单一定位源在一定程度上提高了系统从室外到室内定位的连续性与定位结果的可用性.      

基于BP神经网络的厘米级超宽带测距误差改正模型设计与实验

在室内复杂环境下,超宽带(UWB)测距误差难以通过常规方法进行有效补偿,严重制约了其定位精度. 在分析室内环境下UWB测距误差分布特点的基础上,设计了两种不同结构的BP神经网络误差改正模型. 模型BP1输入单个标签与4个基站的测距值,输出对应的4个测距误差;模型BP2输入一对标签、基站的三维坐标,输出对应的一个测距误差. 以高精度全站仪测量结果作为参考值,对网络进行训练,并对模型改正前后的测距和定位精度进行了对比分析. 结果表明:两种模型均能有效改正测距误差,提升定位精度.其中BP1测距和定位精度分别提高83.0%、75.9%,BP2测距和定位精度平均提高91.7%、93.8%. BP2相比于BP1能够更加有效地提高测距和定位精度,使定位精度由dm级提升至cm级.      

Chan序贯平差组合算法的超宽带定位降噪

在室内环境中接收机与标签之间的距离会受到随机误差的影响,针对超宽带系统的定位特性,结合Chan算法和序贯平差算法的优势,本文提出了Chan序贯平差(Chan-SA)组合算法,以削弱测距随机误差的影响。首先,通过Chan算法两次加权最小二乘获得标签的三维坐标;然后,将此坐标作为初始值代入序贯平差算法中,利用序贯平差算法对后续数据进行迭代得出最优解。仿真数据和实地测量数据的解算结果表明：与Chan算法、粒子滤波算法和序贯平差算法比较,静态场景中Chan-SA算法定位精度分别提高50.14%、35.29%和41.91%,同时在动态场景内也证明了本文算法的适用性。因此,Chan-SA可以提高超宽带系统的定位精度和稳健性。     

基于运动捕捉系统的UWB室内定位精度标定方法

为了对UWB(Ultra Wide-Band)室内定位系统精度进行有效的评估,提出了一种基于运动捕捉系统的UWB室内定位精度标定方法。该方法的实现是基于两个实验完成的。其一是使用全站仪对运动捕捉系统进行精度验证,通过布尔莎七参数坐标转换模型对实验数据进行处理,表明了运动捕捉系统的精度满足要求,可以用于标定UWB室内定位系统的精度。其二是通过运动捕捉系统来标定UWB室内定位系统的精度,以运动捕捉系统采集的数据为真值,将UWB室内定位系统采集的数据与运动捕捉系统采集的数据进行比较,得出的标定结果符合实际情况,表明了标定方法是有效和可靠的。     

北斗/超宽带组合定位的室内外过渡区无缝链接方法

室内外无缝导航定位是万物互联之基石,具有广阔的市场前景和应用价值. 但目前对于室内外过渡区的无缝组合导航技术,仍存在诸多棘手问题亟待解决. 对此,从三个方面对BDS/UWB组合定位的室内外无缝链接方法进行了改进:一是提出了一种基于内引法和外引法的室内信标绝对定位方法,以解决室内外定位结果的坐标基准统一问题;二是提出了一种基于位置精度因子(PDOP)平稳变化的室内信标优化布局方案,以提高过渡区域的导航定位精度与信标可用性;三是提出引入自适应权重因子,来解决BDS/UWB组合定位的观测值合理定权问题. 通过具体实验验证:1) 利用基于内引法和外引法的室内信标绝对定位方法,可实现室内外坐标基准的统一,显著提高了用户使用的便捷性;2) 采用所提信标优化布局方案,可有效提高过渡区定位精度,相比无超宽带(UWB)信标,BDS/UWB组合定位的平均定位精度至少提高 355%;3) 自适应权重因子可实时调节不同时间、不同类型观测值的权比,增强了观测信息利用效率,相比北斗卫星导航系统(BDS)空旷区域,定位精度可至少提高22.5%.      

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

基于MCS-SCKF的超宽带室内定位算法

针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。     

线性化误差对于UWB系统定位精度影响分析

针对目前常用的超宽带算法,扩展卡尔曼滤波(EKF)在解算过程中产生的线性化误差,对定位结果产生影响,而无损卡尔曼滤波(UKF)算法可以不进行线性化过程进行解算,避免误差的产生。文中首先对UWB定位系统线性化误差进行分析,在此基础上提出UKF和TDOA相结合的定位模型,通过实验比较两种算法的定位精度。实验结果表明UKF算法定位结果相比于EKF算法在U方向上有明显提升,误差稳定在10 cm之内。同时,通过改变初始坐标偏差,来进一步比较两种算法的定位效果,结果表明,初始偏差设置为0.5 m时,UKF算法比EKF算法U方向精度提升15%;初始偏差设置为1 m时,UKF算法U方向精度提升60%以上;初始偏差设置为5 m和10 m时,UKF算法U方向精度提升可以达到90%。EKF算法会产生不可忽略的线性化误差且误差会随着初始偏差增大而增大,UKF算法则可以保持较好的定位精度和稳定性。     

非线性最小二乘超宽带TOA法在室内定位测量中的研究与实现

在现今信息化社会中,人们对于建筑物等室内定位服务的需求日益强烈,超宽带(Ultra Wideband,UWB)定位技术由于其抗多径干扰能力强、系统容量大、传输速率高等特点使之在短距离无线通信以及室内定位等方面受到了广泛的关注。本文利用非线性最小二乘最优估计对超宽带TOA算法进行分析,并通过两组对比实验分别探讨了锚节点的布设形式和目标节点不同位置对定位精度的定量影响。实验表明:最小二乘法能够克服移动中突然的跳点和剧烈的抖动对定位精度的影响,在宽度ω与高度ξ一样的情况下,有一最优间距δ*使得TN定位精度最高;在间距δ与高度ξ一定的情况下,在较为狭窄的室内环境下,ω值越大定位精度越高。