基于UWB和惯性导航融合的室内定位方法

针对室内环境日益复杂,单一的定位系统已经不能满足人们对定位准确度需求的问题,设计了一种利用超宽带(UWB)和惯性导航融合进行的室内定位方法:首先针对UWB测距结果容易受环境影响的问题,根据实验环境对UWB测距进行了标定;然后利用改进马氏距离的异常值检测方法对测距过程中的异常值进行了剔除;最后采用了紧耦合的卡尔曼滤波器,以UWB测距值作为扩展卡尔曼滤波观测量,以惯性导航解算的位姿作为扩展卡尔曼滤波器的预测量,通过UWB测距来不断校正惯性导航的位姿数据。最终为了验证所提方法的可行性和有效性,进行了UWB单独定位和UWB与惯性导航融合定位的小车搭载矩形运动轨迹实验,通过对两种方法实验数据的对比分析,在加入了外界干扰时的矩形轨迹定位实验中,利用UWB和惯性导航融合的定位结果,平均精度比单独利用UWB进行定位时提高了36.3%;误差结果对比表明,利用UWB和惯性导航融合定位的误差波动更小,具有更高的鲁棒性。表明了该融合定位算法与单独利用UWB技术进行定位的算法相比,能够有效地抑制定位过程中的干扰问题,并且可显著地提高在室内环境下定位系统的鲁棒性和定位精度。

基于最优基站选择的超宽带和惯导融合定位方法

为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法。首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展Kalman滤波观测量,以惯性导航的位姿信息作为扩展Kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定位方法。针对定位环境基站多功率消耗大且远距离基站观测数据非视距问题影响定位精度,提出了一种基于协方差矩阵迹作为度量信息的最优基站选择算法。采用传统轮询方法和最优基站选择方法对小车进行了矩形运动实验,实验结果表明:相比传统的轮询算法,采用最优基站选择方法的定位精度提高了15.3%,验证了本文方法的有效性。