基于SST-SCKF的运动目标超宽带定位算法研究

使用超宽带(UWB)进行定位过程中,卡尔曼滤波是一种常见的降噪方法,但由于对非线性系统滤波性能差,且定位目标运动轨迹易超出基站布局区域以及受到异常噪声干扰,会影响定位系统的准确性和稳定性。针对这一问题,提出一种对称强跟踪(SST)平方根容积卡尔曼(SCKF)算法,通过引入对称时变渐消因子调节各协方差矩阵,实现改变误差协方差矩阵中多重衰落因子矩阵的工作方式,进而调整滤波增益,计算复杂度虽略有增加,但增强定位模型的适应性与鲁棒性。仿真验证表明,在异常噪声干扰下,改进后的算法(SST-SCKF)相较于SCKF/多重渐消因子的SCKF(ST-ASCKF)算法可有效提高定位准确度,且定位轨迹较于单渐消因子的SCKF算法(STSCKF)更为平滑;利用SST-SCKF算法设计基于UWB技术的定位方案,通过动态模拟实验表明,本文提出的SST-SCKF算法较之SCKF/STSCKF/ST-ASCKF滤波性能更优,为复杂环境噪声下人员UWB定位提供更好的降噪,使定位更为精准。

基于改进SCKF的电缆卷放车追踪电铲的精确定位算法研究

为了保证电铲可以长时间供电,提高工作效率及电缆工的安全保障,实现电缆卷放车跟随铲车移动,要对目标电铲进行实时跟踪定位。其定位系统采用基于到达时间差的超宽带(UWB)定位技术,为减小非线性及不确定因素的影响,利用改进的平方根容积卡尔曼算法(RSCKF)对目标电铲进行跟踪定位。通过Matlab对定位算法进行仿真实验,与容积卡尔曼(CKF)与平方根容积卡尔曼算法(SCKF)进行对比,仿真实验的定位误差保持在1m以下,且定位误差波动小,定位结果较稳定,为电缆卷放车提供良好的导航信息。