超宽带NLOS测距误差改正模型

针对超宽带技术在非视距环境下存在较大测距误差的问题,文章基于时间到达法采集多组距离下的非视距测距值,与实际距离做差值统计,分析其测距误差的变化规律,提出了一种顾及超宽带穿墙信号入射角度的方法,将测距值拆分为两个分量,建立多项式曲面改正模型来降低测距误差。选取3个检核点验证该模型的适用性,结果表明:多项式曲面改正模型能使测距值趋近真实距离,与原始测距值相比,测距精度提高了80%左右,可以提升超宽带的定位精度。

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。

非视距误差改正的超宽带定位模型研究

针对超宽带系统在非视距环境下存在定位偏移的问题,该文采集多组距离下的非视距测距值,分析测距误差的变化规律,提出了一种顾及UWB脉冲信号入射角度的建模方法,其主要思想是将测距值假定为斜边,将其拆分成两个直角边,实现测距值由线状数据分析向面状结构的转换,可以较好地描述测距值与测距误差间的函数关系,建立多面函数拟合模型改正测距值实现定位解算。实验结果表明,该方法能够降低测距误差,提高超宽带系统的定位精度。

复杂环境下的超宽带高精度定位算法

针对相对于室外更为复杂的室内或者灾害环境中,全球导航定位系统(GNSS)信号受到严重影响导致定位精度下降甚至会无法定位的问题,该文充分利用了超宽带(UWB)极高的时间分辨率、优异的抗多径能力和非视距(NLOS)环境下较强的穿透力,从信号传播层面改进定位算法,通过经验值判断测量环境,在基准站与移动站之间不存在障碍物遮挡的情况下,通过UWB定位模型进行定位并通过卡尔曼距离滤波模型去除噪声;在基准站与移动站之间存在障碍物且在信号可以穿透障碍物的情况下,通过路径损耗模型实现对NLOS误差的粗略估计,在此基础上加入卡尔曼距离滤波模型做进一步估计,进而以此估计值对定位结果进行改正。基于室内环境下的实测实验结果表明:无论静态或者动态,在产生NLOS误差导致定位结果轨迹与实际参考轨迹差别较大的时候,该文定位算法会对定位结果有较好的改正,通过经验值判断的方法可实现复杂环境下较好的定位。