基于UWB的增强非对称双边双向测距算法研究

本文对IEEE 802.15.4协议下室内环境中超宽带信号的精确测距能力进行了研究。针对传统算法无法满足实际应用场景中低功耗、高实时性和高精度的测距定位系统需求的缺点和不足,提出了一种增强非对称双边双向测距优化算法,通过数学分析从理论上证明了该算法的有效性,同时对由于时频漂移和频率漂移引起的测距误差进行了研究分析。最后使用超宽带模块进行了基于改进算法的测距实验,对实验数据进行分析发现通过数据拟合标定算法可以进一步改善测距精度,实验结果表明系统整体测距精度提高了88%。

基于超宽带非对称双边双程测距的矿山井下定位跟踪算法研究

在地下矿山建立稳定、有效、高精度的人员定位系统和算法,对矿井事故灾害的灾时指导逃生和灾后救援等方面起着至关重要的作用。基于超宽带定位测距系统,进行了室内非对称双边双程测距试验,利用粒子群算法、Taylor级数迭代等智能算法完成对目标的定位,以期获得更精确的定位解析,相较于传统的Wi-Fi通信系统及射频识别人员定位管理方法,能够在保证实时性的同时,有效、准确地提供遇险人员的位置及周边地形状况,达到了厘米级定位精度,实现了井下精确定位,为井下救援工作提供技术支持。

基于改进双向双边测距的超宽带定位技术及应用研究

针对飞行时间(time of flight,TOF)定位速度慢的问题,提出一种改进双向双边测距方法,结合距离差测量,只需一次测距就可以实现移动节点到多个固定参考节点的测距,进而提高TOF定位速度。设计超宽带(ultrawideband,UWB)定位实验系统,完成改进双向双边测距实验验证与定位精度测试,经测试定位精度达到分米级。改进的双向双边测距方法可提高传统TOF定位的定位速度,同时将该方法应用于过山车测速并结合卡尔曼滤波进行数据处理,为精确测量提供一个新角度。结果表明,采用四基站时定位时间约为原定位时间的1/4,能够较好地测量高速运动物体的速度,具有很好的应用前景。

基于自适应Kalman滤波的DS-TWR测距方法研究

DS-TWR是基于UWB的室内定位技术的主流测距方式。现有方法使用改进卡尔曼滤波算法,利用先验信息和观测点调整观测协方差可以提高定位精度,但在直接提高DS-TWR实时测距值精度方面的研究较少。为了直接减小测距信息中的随机误差,采用经验模型降低DS-TWR存在的天线时延误差,并且提出一种改进的自适应卡尔曼滤波,对得到的实时测距信息进行去噪,从而进一步提高实时测距精度。在真实环境下对该算法做了经验模型和卡尔曼滤波算法两组对照实验,结果表明使用改进后的算法得到的测距估计值与真实距离信息最贴近,且经过经验模型改良和自适应卡尔曼滤波改进后与原标准DS-TWR的误差值明显变小,在厘米级标准上进一步提升了DS-TWR算法的实时测距精度。

基于MVO-SVR的室内指纹定位算法

针对室内定位过程中由非视距和环境干扰导致的定位精度不高的问题,提出一种基于多元宇宙优化支持向量回归的室内指纹定位算法。首先通过基于超宽带通信技术的双边双向测距算法计算得到测距信息;然后利用测距值作为指纹特征并建立指纹库,使用SVR算法构建定位坐标和测距值之间的映射关系;最后使用MVO优化算法寻优SVR算法的cost和γ参数,以提升定位精度。实验显示,选择径向基函数作为SVR模型的核函数能够有效提高定位精度,并将MVO-SVR的结果与三边定位、随机森林算法、极致梯度提升算法、SVR的结果进行对比和分析,X方向平均绝对误差分别降低了20.12%、54.43%、60.66%和16.21%,Y方向平均绝对误差分别降低了79.57%、54.18%、59.29%和38.17%,平均定位误差Ep分别降低了60.73%、54.38%、60.01%和22.84%,且MVO-SVR算法在X和Y方向平均绝对误差均达到了厘米级。结果证明:基于MVO-SVR的室内指纹定位算法明显提升了定位精度,在复杂室内环境中具有良好的应用前景。

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。

基于神经网络预测的室内测距算法研究

针对超宽带(UWB)技术在AGV室内定位方面数据传输受多径效应干扰大且非视距影响严重、传统测距算法测量得出的结果无法避免算法运行和硬件响应时间带来的误差等问题,提出一种基于神经网络预测的双边定位算法。首先在单边双向测距模型的基础上引入双边双向测距模型,其次采集非视距条件下的测距误差序列,并输入反向传输神经网络预测模型中,得到定位标签的误差改正值,最后引入回归方程系数和中位值滤波算法对改正值进行修正。通过对比实验可知,引入回归方程系数和中位值滤波算法后,视距测距可以将平均误差控制在5cm以内,非视距中基于神经网络预测方法得出的定位坐标的相对欧氏距离比基于多面函数拟合模型方法缩小了10cm左右,精度更高。

基于UWB的综采工作面推进度测量系统

针对目前综采工作面推进度的测量和计算方式存在费时费力、累计误差大、传感器损坏后无法重新计算等问题,提出了一种基于UWB测距技术的综采工作面推进度实时测量系统。该系统采用矿用本安型测距分站与测距标志卡组合的方式,通过无线通信实现对综采工作面巷道推进度的实时测量。在综采工作面端头液压支架布置测距分站,在回采巷道固定标志点悬挂测距标志卡,通过巷道内UWB无线信号测距,当即将开采到最近的测距标志卡位置时,撤掉该处测距标志卡,后续测距标志卡接替进行巷道推进度的测量与计算,依此循环往复,不断进行更替测量。结合采煤工艺,建立了依据采煤机位置和液压支架动作的限幅中值平均滤波模型,该模型将限幅滤波、中值滤波、算术平均滤波深度融合,以剔除海量数据中由于受到测量、遮挡等影响而造成的测量偏差较大的无效数据,同时消除有效数据中的最大和最小偏差数据,进一步保证了通过算术平均运算得到的测量值的准确性和有效性,实现了综采工作面推进度的连续测量。地面测试结果表明,测距分站1的最大误差为0.32 m,误差小于0.2 m的占比为84.62%;测距分站2的最大误差为0.48 m,误差小于0.2 m的占比为76.92%。井下工业性试验结果表明:该系统与矿方实测数据日平均推进度差值为0.13 m,证明了UWB测距技术在井下巷道条件下测距的可行性和基于采煤工艺的推进度测量模型的准确性。

基于UWB的厂区车辆防撞测距方法研究

针对厂区人员流动频繁、视线遮挡物多的复杂环境,导致车辆与人员之间事故发生率高的问题,提出一种基于超宽带技术的厂区车辆防撞测距方法。该方法基于双边双向测距算法进行测距,建立了车辆之间以及车辆和人员之间的测距预警模型,为降低误报率提高测距效率,提出一种测距频率自适应算法,将检测的灵敏度根据距离和速度进行动态的多级化分。最后分析了系统测距误差,通过线性拟合进行修正,并采用卡尔曼滤波优化测距结果。试验结果表明:在通信范围内,测距误差可控制在0.3m以内,预警延迟控制在2s以内,可以有效防止厂区因视线和人为操作不规范问题导致的碰撞安全事故。

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。

卡尔曼滤波提高UWB测距精度研究

超宽带(UWB)测距的室内定位在商场、住户、医院等地应用十分广泛,提高室内定位竞争力的是定位精度。为了实现实际测量过程中在各种干扰条件下较为准确的测距,采用了卡尔曼滤波算法,尽可能的减少外界干扰对测距的影响,以减少测量误差。针对UWB测距精度提高问题,设计了以卡尔曼滤波为处理算法的对比实验,结果为测距精度有较大提高,在实验环境下误差从5.8%减少到了2.44%,在精度提高最明显的距离通过绘图分析表明数据的可靠性提高,测距精度提高了58%。实验表明,卡尔曼滤波方法有效地提高了UWB的测距精度。

基于超宽带技术的三维空间人员定位系统设计

传统的定位系统能够实现二维平面的准确定位,但在高度上的误差较大,导致空间定位体系直接降级成为平面定位体系。为了提高三维空间定位精度,本系统设计了一种基于超宽带(UWB)技术的高精度室内人员定位系统,主要由定位基站、定位标签、无线通信系统及上位机等组成。系统采用三维四点定位算法、双边双向测距(DS-TWR)算法得到标签到基站的距离,利用扩展的卡尔曼滤波算法对标签的距离进行平滑处理。实验表明该定位系统平均定位误差10cm左右,能够满足高速度、高精度人员运动定位场合。

一种基于UWB的CTK-IDS联合定位算法

为提高超宽带(Ultra Wide Band,UWB)技术应用于室内运动环境的定位精度和抗干扰能力,提出一种改进的Chan-泰勒-卡尔曼双边双向(Chan-Taylor-Kalman-Improved Double-Sided,CTK-IDS)联合定位算法。该算法通过测距计算修正与预测拟合技术,以降低设备测距误差及提升测距精度,采用改进的双边双向测距(Improved Double-Sided Two-Way Ranging,IDS-TWR)算法计算信号传播时间。将Chan算法估计的位置坐标作为Taylor算法的初值点进行迭代,从而解算出运动员的位置坐标。最后,结合Kalman滤波进行坐标的二次估计,以减弱非视距、多径等环境因素的影响,实现运动员室内运动环境中的实时、精准定位。验证结果表明,在室内环境中使用该算法可以使移动标签位置的平均误差在4~5 cm以内,最大定位误差不超过13 cm。

基于DS-TWR的室外远距离定位算法优化

现阶段基于双边双向测距(DS-TWR)算法的超宽带(UWB)定位系统在多标签的环境下通信冲突率高,应用在长距离下会产生较大的测距误差,针对这2个问题,该文提出了改进算法。在通信方案方面,通过Hash算法对标签进行分布,以确定标签应该与哪个基站进行通信,再由基站统一回复,减少基站发送消息的次数。在测距方面,提出一种自适应卡尔曼滤波算法,以提高测距的精度。实验结果表明,通信的冲突率下降了36%,测距的精度与无滤波的情况下相比,误差减小了76%。

一种基于UWB的三边定位改进算法

针对现有基于UWB的井下定位算法存在算法复杂且求解值不是全局最优的问题,提出了一种基于UWB测距的三边定位改进算法。该算法基于DW1000芯片和三边定位算法,采用双边双向测距方法测距,以求解二元二次方程最优解为目标,设定优化目标函数,将坐标二维化处理,降低了算法的复杂度;筛除测量过程中产生的无效数据,确定有效搜索区域并在该区域内进行全局遍历,找到最优定位坐标,解决了求解值不是全局最优的问题。同时,为了进一步提高定位精度,采取了适当增加参考节点数量的措施。实验结果表明,该算法平均误差小于加权三边定位算法、泰勒算法,定位精度提升明显;该算法还具有较强的实用性,通过增加参考节点数量可有效提高测量精度。

面向矿井动目标的PSO-SVR模型与UWB Chan优化距离指纹融合定位方法

针对目前井下人员、车辆、设备等移动目标位置精确管理存在的不足,本文对面向矿井动目标的定位算法与指纹定位模型进行研究。设计出一种基于改进粒子群优化SVR模型与Chan优化距离指纹匹配融合定位方法。首先,构建一种基于STM32 ARM主控制器和DWM1000的超宽带(UWB)核心节点模型,通过双边双向测距和飞行时间法(TOF)对传输距离数据进行计算。在此基础上,通过依次在特定点采集距离指纹,基于改进的PSO-SVR模型进行移动目标路线拟合,预测目标的移动路径。再将其与Chan指纹进行结合,拓展出优化距离指纹融合定位方法。实验结果表明,本文提出的指纹优化匹配融合定位方法能够较好地预测出移动路径,最大误差不超过20 cm,平均误差不超过1 cm。本文研究对矿井智能化建设及安全生产具有重要意义。

基于区域判定的超宽带井下高精度定位

为满足煤矿井下对高精度定位日益增长的需求,应用高精度无线收发芯片DW1000,设计实现了一套基于超宽带(UWB)通信的井下定位基站与标签。为提高基站和标签之间的测距精度,采用非对称双边双向测距(ADSTWR)算法,抑制节点时钟偏移引起的测距误差;针对井下多基站定位中,标签的每一次定位都需广播请求帧而产生大量无效通信的问题,提出一种基于ADS-TWR的标签区域判定策略,使得标签只与所在区域基站通信便可完成定位,并引入标签的区域异常自检和区域校正机制,保证系统的高效稳定运行;在标签坐标解析阶段,采用三角形质心算法,在高精度测距基础上进一步提高定位精度,减少定位处理时间。实验结果表明:标签的定位精度在15 cm以内,满足井下高精度定位要求。

非视距环境下UWB节点的LS定位算法

针对非视距环境下的超宽带节点定位中问题,为提高超宽带(UWB)定位精度,对基于最小二乘法的超宽带节点定位算法进行了改进。首先对超宽带测距方法进行了分析,重点对选择的基于接收信号到达时间的双边双向测距方法进行了研究;在此基础上,对超宽带节点定位原理进行了介绍,对选定的最小二乘法定位算法进行分析;最后,通过Matlab对非视距环境下的定位进行仿真验证。仿真结果表明,与泰勒级数定位算法、三边质心定位算法相比,最小二乘法定位算法具有较高的定位精度和鲁棒性。

基于UWB的自主跟随机器人系统设计

针对传统自主跟随机器人采用摄像头图像识别的方法存在跟随对象容易丢失的问题,该文研究并设计了一种基于UWB的自主跟随机器人系统。自主跟随机器人采用双边双向测距(SDS-TWR)的算法计算出标签到基站之间的距离,再通过反余弦定理求出标签和基站之间形成的角度,并将角度和距离信息形成的融合信息通过串口发送给主控制器,通过主控制器对获取的融合信息进行处理,完成跟随目标对象的任务。实践证明,在利用角度大小跟随中,通过减少跟随边长误差,进而减小跟随角度误差,以提高自主跟随机器人的跟随精度,实现自主跟随机器人系统在人员移动密集的环境下对目标对象实时地、准确地跟随。

煤矿井下UWB人员定位系统研究

针对煤矿井下复杂环境中非视距(NLOS)干扰影响无线信号传输问题,设计了一种煤矿井下超宽带(UWB)人员定位系统。该系统采用带有回传帧机制的非对称双边双向测距算法进行测距,无需时钟同步,保证了测距精度;采用区域判定策略和区域校正策略划分定位区域,使得标签只与自身所在定位区域内基站通信实现定位,避免了定位过程中的大量无效帧问题,提高了定位效率;采用加权最小二乘法与无损卡尔曼滤波联合定位算法解算标签位置坐标,提高了定位精度;在基站中配置了备用电源,保证在断电情况下的应急供电;采用以太网与LoRa 2种通信方式,在以太网断线情况下以LoRa方式传输测距数据,保证了系统应急通信。测试结果表明:该系统具有较高的动静态定位精度,抗NLOS干扰能力较强;在基站断电或以太网断线情况下,系统能够实现一段时间内的应急通信。