基于GRU神经网络的UWB定位算法研究

针对复杂环境下的室内精确定位需求,采用基于双边双向测距的超宽带定位方案。为解决非视距情况下超宽带测距误差大而引起定位精度下降的问题,考虑到超宽带测距具备时间序列预测问题的特点,引入了循环门控单元(Gate Recurrent Unit,GRU)来搭建神经网络,并设计不同隐藏层数、结构来验证其有效性。实验结果表明,相比于LS(Least Square)、UKF(Unscented Kalman Filter)定位算法,该GRU神经网络定位算法的均方根误差指标平均降低了30.81%、21.51%,定位效果更好。

基于图优化和EKF的UWB组合定位算法

针对超宽带(UWB)技术受电气转换时间延迟,天线延迟以及基站间时间同步等因素的影响而导致UWB传感器的测量值存在误差的问题,本文提出一种基于图优化和EKF的UWB组合定位算法,首先使用EKF算法得到定位初值,接着构建包含UWB测距误差的目标函数,然后通过图优化算法求解使整个定位过程UWB总体测距误差最小的基站位置,然后将求解的基站位置代入EKF算法进行第二次计算,得到更为精确的定位结果,最后应用Mean-Shift算法对定位结果进行聚类分析。实验结果表明:本文提出算法相对于EKF算法和最小二乘法,水平定位精度平均提高了27%和38%,而且得到的目标运动轨迹平滑性远优于传统定位算法。