基于ISRUKF的UWB/INS组合室内定位方法研究

超宽带(UWB)定位技术是室内定位领域中极具竞争力的技术,但是在室内非视距(NLOS)环境下,UWB定位技术会出现精度低和稳定性差等问题,难以满足较高的室内定位精度需求.UWB定位技术和惯性导航系统(INS)结合,可以减轻NLOS环境对UWB定位的影响,因此提出了一种基于改进平方根无迹卡尔曼滤波(ISRUKF)的UWB...     

时间平均改进的UWB精确定位算法

超宽带(UWB)技术在无线定位的应用上具有很大的优势.针对UWB定位算法在短距离时精度不高的问题,提出了时间平均的改进算法.仿真结果表明,采用不同的时间平均次数,改进算法可使定位精度由传统算法的1.1 m提高到0.2～0.6 m.     

基于UWB的三维定位和优化滤波方法

为了提高室内定位的精度,研究适用于室内定位的基于超宽带(UWB)的三维定位和优化滤波方法,建立基于UWB的三维定位模型;分析三维定位数据利用卡尔曼滤波、平滑滤波、中值滤波、曲线拟合4种算法,在所需时间、环境需求、性价比和精度方面的特性.实验结果表明:相比于平滑滤波、中值滤波、曲线拟合算法,卡尔曼滤波更适合在室内环境的三...     

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.      

基于室内定位技术的人体姿态识别方法

独居老人摔倒等姿态检测是当今备受关注的问题.基于机器视觉的方法存在隐私侵入,成本高和实现过程复杂等问题,而基于加速度传感的方法对静止姿态识别存在困难.为此提出一种基于室内定位技术的老人姿态检测方案.首先在人体关键节点安装可穿戴接收标签,然后采用超宽带UWB测距方法,实现人体关键部位的定位和跟踪.在姿态估计算法中,分别采用最小二乘和改进的扩展卡尔曼滤波算法来抑制噪声,提高定位精度.仿真实验表明,改进的扩展卡尔曼滤波算法误差较小,可以较好地识别老人摔倒等姿态信息.     

基于TS-KNN的室内定位算法

室内定位是智慧城市的硬性需求,大量智慧城市相关应用都离不开位置服务。主要室内定位技术包括:蓝牙、RFID、UWB、地磁等,但由于成本、部署便捷性等问题,限制了其应用发展。笔者提出了一种基于指纹时序特征的KNN(k-nearest neighbor)定位算法(TS-KNN,timing sequence based KNN),该算法使用当前时刻的指纹进行基准坐标选择,并利用前几个时刻的定位结果对每个基准坐标进行权值修正。在重庆市某广场进行实验测试结果表明,提出的TS-KNN方法与KNN和WKNN等其他算法相比较,具有更高准确率,可有效提高室内定位精度,降低平均定位误差。     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

削减NLOS误差的UWB室内定位算法

为了解决非视距(non-line of sight, NLOS)环境下超宽带(ultra-wideband, UWB)室内定位精度低的问题,提出一种基于到达时间差(time difference of arrival, TDOA)的UWB室内定位算法来削减NLOS误差,提高定位精度。利用卡尔曼滤波算法,初次估计移动标签节点与各锚节点间的TDOA值;基于TDOA差值进行NLOS误差判别,依据判别结果对受NLOS误差影响的测量值进行视距(line of sight, LOS)重构,并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵;利用Chan-Taylor算法进行迭代计算,得到最终精确的定位结果。实验结果表明,在LOS环境下,提出的算法能达到分米级的定位精度;在受NLOS影响的环境下,该算法能有效提高定位精度,减小定位误差,具有更好的稳定性。     

基于UWB的无线传感网无线定位算法的仿真

Ultra-Wideband(UWB)技术被认为是最适合进行室内无线定位的技术。为了实现对基于UWB的物联网中节点的位置进行定位及对算法进行仿真,采用Matlab仿真了PPM-TH-UWB(Pulse Position Modulation Time Hopping UWB)信号在IEEE802.15.4a信道下的发射、延时、衰减、信道冲击响应、加噪声、相关接收、节点定位。该方法解决了在没有UWB信号发送、接收装置时对无线定位算法的仿真、测试和评估。     

基于超宽带的 TOA-DOA 联合定位方法

针对现有的大多数超宽带(ultra-wide band,UWB)定位方法至少需要3个基站,系统开销较大的问题,提出一种新颖的基于波达时间-波达方向(time of arrival-direction of arrival,TOA-DOA)联合估计的定位方法,仅需一个基站即可准确快速定位目标.利用酋矩阵束算法估计视距信号TOA和最小二乘估计准则估计视距信号DOA,得到目标的相对坐标.Matlab仿真实验证明,该方法的TOA和DOA估计精度较高,定位精度达到厘米级,而且复杂度降低为矩阵束算法的1/4,采样频率为亚奈奎斯特速率,易于实现,是一种简单有效的定位方法.     

雾霾天气车辆检测的改进YOLOv3算法

针对传统YOLOv3算法中存在检测框定位不精确的问题，提出了一种改进的YOLOv3算法用来重新估计检测框位置，提高智能汽车在雾霾交通环境下的定位精度。首先运用图像去雾算法对采集到的图片进行预处理，然后构造定位置信度替代分类置信度作为参考项来选择估计检测框位置，并改进非极大值抑制（NMS）算法，引入软化非极大值抑制（soft-NMS），最后使用加权平均的方式来更新坐标位置，以达到提高定位精度的目的。实验结果表明，先经过单尺度retinex去雾算法处理图片，再通过改进的YOLOv3算法进行车辆检测，与使用原始的YOLOv3算法进行检测相比平均精度均值mAP（mean average precision）提高了0.44%，在满足检测实时性的同时，能够检测到更多的目标，对检测车辆的定位也更加精确。     

基于惯性导航与UWB的联合定位算法

为提高无GPS情况下的3维定位精度,提出基于惯性导航与UWB(超宽带技术)的联合定位算法.该算法将线性最小二乘法的航迹计算与定位点拟合进行融合,使用加权平均对信赖度因子进行权衡.为验证算法的有效性,设计了1套UWB与9轴惯性导航模块结合的软硬件平台.仿真和实际测试结果表明:该算法可将3维定位误差控制在20cm以内.     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。     

矿井非视距环境下UWB人员定位算法

为建立实时、高精度定位系统,减少弯曲巷道对矿井人员定位产生的NLOS误差,基于超宽带UWB技术和井下复合衰落信道模型,提出一种矿井NLOS环境下的改进算法。利用面积形心算法,将未知节点的空间位置约束在一个较小的区域内,然后利用Taylor和Chan氏算法进行定位,从而提高UWB井下人员定位系统的精度。仿真结果表明：该算法在井下NLOS环境下具有较高的定位精度,综合性能优于Chan氏算法和Taylor算法。     

基于电磁辐射到达时差的电弧故障定位及精度

为了实现利用电磁辐射信号进行配网电弧故障定位,提出了一种基于到达时差(time difference of arrival, TDOA)方法的Chan-LM协同定位算法。该算法采用Chan算法快速获得的初始点,再经过LM(Levenberg-Marquart)算法迭代修正定位结果。仿真分析了TDOA定位算法、电磁辐射传感器配置对定位精度的影响,结果表明Chan-LM协同算法比Chan算法的定位误差减小40%,参考主站位于中心位置的Y形布站方式,传感器所在海拔高度相同时的监测区域整体定位准确度较高。利用实测电弧电磁辐射波形验证了Chan-LM协同算法能够有效改善定位精度,为基于电磁辐射TDOA的电弧定位策略应用提供参考依据。     

基于自适应Levy飞行改进的TDOA三维定位算法

针对已有的算法在基于到达时间差(time difference of arrival, TDOA)测量方案中存在的搜索能力不均衡，导致三维定位区域局部存在定位精度低甚至求解失败的问题，提出了一种基于改进探路者优化算法(pathfinder algorithm, PFA)的TDOA定位算法，通过将自适应Levy飞行和改进后的PFA算法进行融合，增强了个体对定位区域复杂环境的适应性，解决算法早熟、易陷入局部最优等问题，提升了算法综合性能.通过仿真和实验，结果表明：与Taylor算法、LM算法相比，本文提出的算法(Levy-pathfinder algorithm, LPFA)可以提高定位精度；与PSO算法、PFA算法相比，LPFA算法可以在提高运算速度的同时得到更准确的定位结果.