基于UWB二维信道状态信息的室内人员摔倒检测方法

针对现有摔倒检测方法存在的隐私保护度不够、准确率不高及可穿戴要求高等问题,提出一种基于超宽带(UWB)雷达和深度学习的摔倒检测方法。该方法使用一种商用UWB雷达信号采集板采集2D信道状态信息(CSI)数据。经小波去噪后,通过深度神经网络(DNN)模型进行人员摔倒检测。其中,2D CSI数据由快时间和慢时间2个维度构成,所构造的深度神经网络模型由卷积神经网络(CNN)、长短记忆(LSTM)网络及全连接神经网络(FCN)三部分组成。最后,在高校科研实验室环境下,开展了实测实验以验证方法性能。结果表明:使用UWB2D CSI数据对室内人员摔倒检测具有较好检测性能,检测准确率可达97%;通过实验探讨了2D CSI窗口步长和设备安装位置对方法性能的影响。

基于双流融合网络的非接触式IR-UWB人体动作识别方法

随着智能感知技术的飞速发展,人机交互(Human Computer Interaction, HCI)领域迎来了全新的发展态势。传统的人机交互方法主要依赖可穿戴设备或者摄像头采集用户的行为数据,虽然识别精准,却存在不小的局限性。具体而言,可穿戴设备会给用户带来额外的使用负担,而基于摄像头的方案不仅会受到环境光线的影响,还会涉及用户隐私的泄露,这些因素均限制了其在日常生活中的广泛应用。为了突破这些限制,实现精确的、非接触式人机交互应用,利用无线射频(Radio Frequency, RF)领域中脉冲超宽带(Impulse Radio Ultra-Wideband, IR-UWB)所具有的高灵敏度和精细空间分辨率等优势,提出了一种基于双流融合网络的非接触式人体动作识别方法。该方法捕获目标运动所导致的时域信号变化,并通过对时域特征进行多普勒频移变化,提取到对应的频域特征。在此基础上,构建了一个融合多维卷积神经网络(Convolutional Neural Networks, CNNs)和GoogLeNet模块的双流网络模型,以实现高精度的动作识别。通过广泛的实验测试,结果表明所提方法对8种常见人体动作的平均识别准确率达到94.89%,并且在不同的测试条件下均能保持超过90%的识别准确率,进一步验证了所提方法的鲁棒性。

UWB技术人员定位系统在煤矿中的应用

北辛窑煤矿对不同技术条件下人员定位系统的定位效果进行对比分析后,在UWB技术的基础上引入了SDS-TWR测距算法,建立了基于UWB技术的北辛窑煤矿井下人员定位系统,并通过现场试验对不同位置、不同巷道条件下人员定位系统精度进行测试,测试结果中最大静态误差均小于0.3 m。

大型封闭空间中UWB定位基站拓扑的通用设计方法

超宽带(ultra-wide band,UWB)技术是无人装备在巡检具有多障碍物的大型封闭空间时获取定位坐标的主要方法之一。目前主要依赖人工方式设计UWB定位基站拓扑的构型、位置和数量。这种方式存在设计效率低下,设计效果未知,性价比难以确定等问题。为此,本文提出了一套较为科学完善的定位基站拓扑评价体系,并提出了一种在大型封闭空间中自动设计定位基站拓扑的通用方法。该方法以仿真模拟为基础,通过遗传算法结合拓扑评价体系,自动生成贴合实际应用场景的最优拓扑方案,包括最优的基站布设数量以及布设位置信息。实验结果表明:1)经通用设计方法生成的拓扑相比使用基站数量最多的拓扑,综合性能提高了6.2%;相比使用基站数量最少的拓扑,综合性能提高了21.2%。2)经通用设计方法生成的拓扑相比人工设计的锯齿形拓扑,综合性能提高了11.4%,设计效率提高了92.9%。可见,针对具有多障碍物的大型封闭空间场景,本文的方法可以在较短的时间内设计出综合性能较优,性价比较高的定位基站拓扑,为无人装备在此类大型封闭空间中开展全自主定位和巡检奠定了基础。

农林环境下RTK-UWB多传感器融合定位方法

开发一种适用于农林环境的高精度多传感器融合定位方法,以解决全球导航卫星系统(global navigation satellite system,GNSS)在农林环境下定位中受到树木或地形遮挡等影响导致信号不稳定、对定位精度造成影响的问题。提出了一种基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的多传感器融合定位方法,该方法结合了实时运动动力学模型和来自不同传感器的数据,包括差分GNSS(real-time kinematic,RTK)、超宽带(ultra-wideband,UWB)、惯性测量单元(inertial measurement unit,IMU)和轮速计。通过使用无迹卡尔曼滤波进行状态估计,使用不同传感器组合的后验估计过程实现高精度的定位,并在RTK信号失效时保持稳定性。通过实地试验验证了该方法的性能,并与其他相关方法进行了对比分析。在RTK信号正常工作时,本研究方法的最大定位误差为3.0 cm。本研究提出的多传感器融合方法在RTK失效状态下能够保持稳定的定位性能,融合定位方差为1.0 cm,最大偏差小于4.0 cm,且未出现定位跳变或发散现象,相较于原始信号误差减少约96%,具有较好的稳定性,基本消除了RTK信号造成的影响。该方法具有广泛的应用前景,可在农业、林业等领域中应对GNSS信号不稳定带来的挑战,为定位技术的进一步发展提供支持。

基于UWB技术的高精度定位系统设计

为了解决传统定位技术的不足,设计了UWB高精度定位系统。定位系统主要包括了电子移动标签系统、UWB天线标签系统等通信接口电路系统的软硬件设计。硬件设计主要包括主控DWM-1000芯片、DWM-1000基站天线芯片和无线通信接口等电路,软件系统主要包括了基本软件逻辑和电子便签P坐标解析算法软件流程设计,系统实现了电磁波信号发送、接收、数据计算分析和精确定位。测试结果表明,系统定位误差范围均小于10 cm,降低了非视距误差和噪声干扰影响,满足了定位系统高精度、强稳定性和低功耗的要求。

基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

基于UWB的室内作物表型信息采集无人机系统设计

针对设施农业室内种植作物表型信息采集的需求,提出小型多旋翼无人机系统采集的方法,并进行了动力系统设计、飞行导航与图像采集模块的选型设计。设计的小型多旋翼无人机系统可搭载可见光图像采集模块,采用UWB定位技术进行室内飞行导航和采集航线规划,能实现室内精准定位和高质量的可见光图像采集。经过实验验证,设计的系统在稳定性、精确性、适应性等方面满足要求,可实现设施农业室内作物表型数据采集需求,为设施农业的高效管理和作物生长研究提供有力的技术支撑。

基于UWB偏差平均法和迭代算法吊物跟踪系统研究

吊运货物精准定位是智能仓储和安全管理的根本保障。本文采用UWB(超宽带)定位技术,按照车间构造合理布置信号基站,首先采用偏差平均平面定位算法,初步计算吊物坐标位置;然后用牛顿迭代法,将计算结构进行处理,提高货物定位精度;再利用MATLAB强大的运算能力,实现吊物路径跟踪,并采用数维图数据可视化工具(SovitChart)进行仓库管理平台的开发;最后,对综合算法进行试验验证,定位精度分析结果显示该方法合理有效。

基于UWB的室内物料搬运机器人设计

文章针对目前室内物料搬运机器人的定位精度低、在获取机器人的姿态信息时对IMU或其他导航器件的依赖性很大等问题,基于UWB设计了一种室内物料搬运机器人。文章从硬件与软件两个方面对机器人进行设计,该机器人导航不需要用到IMU等相关器件,即可获取机器人的实时姿态信息,并且能够使机器人完成物料运送等工作。设计采用TDOA定位算法实现机器人的定位,通过改进的K-C算法提升定位精度,基于UWB的机器人姿态解算算法获取得到机器人的机体姿态数据,经试验验证了该算法的有效性和机器人的可靠性。

一种复杂环境下UWB测距误差预测方法

针对复杂室内环境中,多径干扰和视距遮挡影响室内定位精度的问题,提出一种复杂环境下UWB测距误差的预测方法:根据超宽带(UWB)室内定位方法抗干扰能力强、定位精度高的特点,从理论上分析影响超宽带信号测距精度的因素;然后通过模型量化分析每种影响因素对测距误差的影响程度,改进以往通过信道脉冲响应特征分析单一的视距遮挡参数来提高定位精度的补偿算法;最后从数据挖掘和机器学习的角度出发,将多径效应、视距遮挡、标签与基站的距离、标签移动速度、标签与基站天线俯仰角以及气象因素(温度、湿度、压强)等对测距精度造成影响的重要因素作为特征进行分类和归类,并使用梯度提升决策树模型对数据集进行训练和预测。实验结果表明,该模型可以根据当前状态下的组合特征值估计出测距误差值,将当前预测的误差值补偿到测量值上,可以有效提高超宽带室内定位的精度。

基于STM32和UWB通信的智能搬运小车设计

针对复杂搬运场景固定导引式的智能小车运行的局限性,提出以自由路径导引式进行设计更好的满足搬运需求。利用UWB空间定位技术实现高精度目标跟随,以STM32F103VET6为主控模块,通过各种传感器模块获取信息控制左右电机,以差速驱动的方式控制小车向目标位置移动。通车安装在车身和目标体上的UWB标签模块获取的空间信息,利用定位算法能精确地获取小车相对于目标的空间位置,系统中的超声波传感器、RFID标签传感器、磁条传感器和防撞条等获取多种信息,保障小车能以自由路径导引模式向目标移动。经过测试智能小车在手动模式、跟随模式和循迹模式下,无论空载或负中都能在低中高速下保持良好运行状态,能适应多种复杂场景作业,对于工业自动化具有重要的意义。

基于UWB和RFID的装配式建筑堆场管理系统研究

针对装配式混凝土建筑构件种类繁杂、尺寸较大的特点,在大规模堆场中采用人工或二维码难以有效识别和定位构件,文章基于UWB(超宽带)和RFID(射频识别)技术构建了分为四个层级的堆场管理系统,进而将功能模块划分为识别模块、定位模块、监控模块、数据模块和应用模块,实现对堆场构件的快速识别、精准定位和实时监测,可有效提高堆场利用率、管理效率和质量安全保障程度,促进智能建造技术在装配式建筑实施过程中的应用。

基于TOF和自适应抗差卡尔曼滤波的UWB室内定位算法

为提高超宽带(UWB)定位系统在室内复杂环境下的定位精度,提出一种基于飞行时间(TOF)和自适应抗差卡尔曼滤波(ARKF)的改进定位算法。针对超低功耗宽带设备在复杂室内环境状态下易受周围干扰而存在标准时间偏差的问题,提出一种改进的TOF算法,同时进行测距标定,拟合数据;对室内存在非视距(NLOS)干扰的情形,提出一种ARKF算法,通过比较残差与3倍信息的方差来判断视距(LOS)与NLOS情形。实验结果显示:该算法可以在静态与动态定位实验中有效提高系统定位精度,降低定位误差,取得较好的定位效果。

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。

超宽带(UWB)技术及其应用

在无线通信技术的快速发展中,超宽带(UWB)技术以其独特的大带宽、低功耗和高精度定位能力等特性,成为无线通信领域的一项关键技术。本文探讨了UWB技术的基本原理、关键特性、应用领域以及面临的挑战,并对其未来发展趋势进行了展望。文章通过分析UWB技术在各领域的最新应用,旨在提供一个全面的UWB技术概览,并探讨其在现代通信系统中的潜在影响。

矩形矿井巷道内UWB路径损耗研究

为了探究UWB无线信号在煤矿巷道内的传输特性,结合电磁波信号的传输以及反射定律原理,分析了矩形矿井巷道中可能出现的不规则传输路径其过程中存在的粉尘浓度、空气湿度、四壁不同程度的粗糙面以及煤壁倾斜程度等因素引起的信号损耗。构建了不同条件下的损耗模型,并运用MATLAB软件对巷道内信号的损耗进行了仿真分析。仿真结果表明:粉尘浓度和空气湿度都会对电磁波造成衰减,增加粉尘浓度加速信号的损耗,其信号的衰减要远大于空气湿度引起的损耗;粗糙和倾斜加速了信号的衰减,但是粗糙和反射引起的损耗远远低于倾斜引起的损耗,倾斜损耗起主导作用。

基于UWB的矿用一体化智能车载终端的设计

设计了1种基于UWB精确定位技术,融合精确定位、4G/5G无线通信、视频监控、数据采集、语音通话等多种功能于一体的智能车载终端。智能车载终端采用安卓平台,以ARM RK3399为控制核心,以UWB通信收发芯片DW1000为精确定位核心,实现了井下车辆的精确定位、智能调度、信息采集、安全预警、语音通话、人机交互等功能。测试结果表明:车载终端最大动态定位误差不大于7.3 m,满足煤矿对智能辅助运输的各项功能需求.

基于UWB定位技术的作业风险管控智能终端设备研究

针对室内施工作业点多面广、作业环境复杂多样无法收到GPS信号从而不能对施工人员精准定位,容易引发现场工作人员误入危险点的情况,设计了作业风险管控终端设备,包括智能头盔和室内定位系统。将定位标签集成在智能头盔上,在需要作业的现场安装基站,基于UWB定位技术实现对室内作业人员的定位。同时,智能头盔还具备通讯、行为识别等功能,室内定位系统具备电子围栏与预警功能。当发现人员越界时,通过蜂鸣器或者其他音频设备进行预警,并同时将位置信息传送到平台,加强了安全管控,降低了作业风险。实现室内精准定位功能、电子围栏和安全预警功能。

复杂多径下IR-UWB自适应频偏估计算法研究

在脉冲超宽带定位系统中,时钟频率偏移是影响测距和测角精度的重要因素;针对复杂多径下频偏估计精度低的问题,设计了一种适应复杂多径环境的脉冲超宽带自适应频偏估计算法;首先,借助脉冲超宽带信号的抗多径优势,将实时估计的信道脉冲响应作为自适应匹配滤波模板,以保证复杂多径下相关峰的准确提取;利用相关峰辐角信息得到前导符号的相位序列;再使用贝叶斯估计算法提高频偏估计精度;在IEEE 802.15.4a标准CM1、CM2多径信道下进行仿真,仿真结果表明,低信噪比情况下,频偏估计精度保证在0.2 ppm以内;在巷道环境实验结果表明,50 m范围内频偏估计标准差在0.06 ppm以内;实现了复杂多径环境下高精度频偏估计,具有较强的实用性。