基于人工神经网络的UWB坐标误差一步改正模型

针对超宽带(UWB)定位存在的坐标误差难以利用常规手段进行改正的问题,本文提出了基于广义回归神经网络(GRNN)和反向传播神经网络(BPNN)的UWB坐标误差一步改正模型。改正模型以UWB原始定位坐标、与不同基站间距离为输入,以UWB相对高精度参考值误差为输出,分别以GNSS RTK点位坐标为动态试验参考值、全站仪点位坐标为静态试验参考值,对改正模型进行训练。将改正模型分别用于改正非建模样本点的UWB坐标,然后对改正前后的精度及不同改正模型的精度进行了比较分析。结果表明:利用人工神经网络直接建立UWB坐标一步改正模型的方法是可行的,该方法无须再次利用改正后的测距值解算坐标,更加简便、快捷;两种模型总体均能有效改善UWB的动态、静态定位坐标精度;且基于GRNN的改正模型相比基于BPNN的改正模型可以更有效地改善UWB坐标误差,改正后的UWB动态定位平面坐标精度可达厘米级,静态定位平面坐标精度高达毫米级。