基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

大型封闭空间中UWB定位基站拓扑的通用设计方法

超宽带(ultra-wide band,UWB)技术是无人装备在巡检具有多障碍物的大型封闭空间时获取定位坐标的主要方法之一。目前主要依赖人工方式设计UWB定位基站拓扑的构型、位置和数量。这种方式存在设计效率低下,设计效果未知,性价比难以确定等问题。为此,本文提出了一套较为科学完善的定位基站拓扑评价体系,并提出了一种在大型封闭空间中自动设计定位基站拓扑的通用方法。该方法以仿真模拟为基础,通过遗传算法结合拓扑评价体系,自动生成贴合实际应用场景的最优拓扑方案,包括最优的基站布设数量以及布设位置信息。实验结果表明:1)经通用设计方法生成的拓扑相比使用基站数量最多的拓扑,综合性能提高了6.2%;相比使用基站数量最少的拓扑,综合性能提高了21.2%。2)经通用设计方法生成的拓扑相比人工设计的锯齿形拓扑,综合性能提高了11.4%,设计效率提高了92.9%。可见,针对具有多障碍物的大型封闭空间场景,本文的方法可以在较短的时间内设计出综合性能较优,性价比较高的定位基站拓扑,为无人装备在此类大型封闭空间中开展全自主定位和巡检奠定了基础。

基于UWB技术的高精度定位系统设计

为了解决传统定位技术的不足,设计了UWB高精度定位系统。定位系统主要包括了电子移动标签系统、UWB天线标签系统等通信接口电路系统的软硬件设计。硬件设计主要包括主控DWM-1000芯片、DWM-1000基站天线芯片和无线通信接口等电路,软件系统主要包括了基本软件逻辑和电子便签P坐标解析算法软件流程设计,系统实现了电磁波信号发送、接收、数据计算分析和精确定位。测试结果表明,系统定位误差范围均小于10 cm,降低了非视距误差和噪声干扰影响,满足了定位系统高精度、强稳定性和低功耗的要求。

基于STM32和UWB通信的智能搬运小车设计

针对复杂搬运场景固定导引式的智能小车运行的局限性,提出以自由路径导引式进行设计更好的满足搬运需求。利用UWB空间定位技术实现高精度目标跟随,以STM32F103VET6为主控模块,通过各种传感器模块获取信息控制左右电机,以差速驱动的方式控制小车向目标位置移动。通车安装在车身和目标体上的UWB标签模块获取的空间信息,利用定位算法能精确地获取小车相对于目标的空间位置,系统中的超声波传感器、RFID标签传感器、磁条传感器和防撞条等获取多种信息,保障小车能以自由路径导引模式向目标移动。经过测试智能小车在手动模式、跟随模式和循迹模式下,无论空载或负中都能在低中高速下保持良好运行状态,能适应多种复杂场景作业,对于工业自动化具有重要的意义。

基于UWB和RFID的装配式建筑堆场管理系统研究

针对装配式混凝土建筑构件种类繁杂、尺寸较大的特点,在大规模堆场中采用人工或二维码难以有效识别和定位构件,文章基于UWB(超宽带)和RFID(射频识别)技术构建了分为四个层级的堆场管理系统,进而将功能模块划分为识别模块、定位模块、监控模块、数据模块和应用模块,实现对堆场构件的快速识别、精准定位和实时监测,可有效提高堆场利用率、管理效率和质量安全保障程度,促进智能建造技术在装配式建筑实施过程中的应用。

基于UWB定位技术的作业风险管控智能终端设备研究

针对室内施工作业点多面广、作业环境复杂多样无法收到GPS信号从而不能对施工人员精准定位,容易引发现场工作人员误入危险点的情况,设计了作业风险管控终端设备,包括智能头盔和室内定位系统。将定位标签集成在智能头盔上,在需要作业的现场安装基站,基于UWB定位技术实现对室内作业人员的定位。同时,智能头盔还具备通讯、行为识别等功能,室内定位系统具备电子围栏与预警功能。当发现人员越界时,通过蜂鸣器或者其他音频设备进行预警,并同时将位置信息传送到平台,加强了安全管控,降低了作业风险。实现室内精准定位功能、电子围栏和安全预警功能。

复杂多径下IR-UWB自适应频偏估计算法研究

在脉冲超宽带定位系统中,时钟频率偏移是影响测距和测角精度的重要因素;针对复杂多径下频偏估计精度低的问题,设计了一种适应复杂多径环境的脉冲超宽带自适应频偏估计算法;首先,借助脉冲超宽带信号的抗多径优势,将实时估计的信道脉冲响应作为自适应匹配滤波模板,以保证复杂多径下相关峰的准确提取;利用相关峰辐角信息得到前导符号的相位序列;再使用贝叶斯估计算法提高频偏估计精度;在IEEE 802.15.4a标准CM1、CM2多径信道下进行仿真,仿真结果表明,低信噪比情况下,频偏估计精度保证在0.2 ppm以内;在巷道环境实验结果表明,50 m范围内频偏估计标准差在0.06 ppm以内;实现了复杂多径环境下高精度频偏估计,具有较强的实用性。

基于5G+UWB和惯导技术的井下人员定位系统

针对煤矿井下人员定位系统在实际应用中存在因设备算力与存储资源不足导致无法使用复杂测距与定位算法,定位数据即时传输与响应性能不足,在系统部署方面人力物力损耗较大等问题,提出了一种基于5G+UWB和惯导技术的井下人员定位系统。在末端部署能耗低、抗干扰性强的UWB定位基站,定位基站与5G基站以级联的方式连接,定位基站采集UWB与惯导数据,利用5G网络回传至计算平台,在计算平台上完成定位信息的解算和存储。将基于惯导的人员位置估计作为预测值,将基于UWB的三边定位算法获取的人员位置估计作为观测值,利用卡尔曼滤波器将预测值和观测值进行融合,降低定位误差。在煤矿主体实验基地搭建测试系统,模拟真实煤矿井下环境并进行对比实验。结果表明:(1)在x轴和y轴,融合惯导的卡尔曼滤波算法得出的位置信息和真实位置信息的重合度最高,说明融合惯导的卡尔曼滤波算法得出的位置信息最接近真实位置,平均误差为22.192 cm。(2)5G+UWB和惯导技术组合的井下人员定位系统的位置信息和真实位置信息的重合度最高,误差为[15 cm,20 cm],x轴最大平均误差为26 cm,y轴最大平均误差为24 cm,超过目前大多数井下人员定位系统精度。

基于UWB的天然气站场室内三维定位系统研究

为解决天然气站场室内定位中因非视距(NLOS)现象导致人员和设备定位精度低的问题,设计了一种基于超宽带(UWB)与Three.js的天然气站场室内人员与设备三维定位系统。通过B/S三层架构,以Django框架和VUE框架为基础,利用Python、HTML5、CSS3和Three.js,实现定位信息在网页客户端的三维可视化。通过对UWB技术的研究,为保证定位精度,基于到达时间差(TDOA)测量值,采用卡尔曼滤波算法对其进行NLOS滤波,并结合Chan算法融合多基站数据,最终得到目标点的计算位置。通过搭建实验环境,对三维定位系统进行定位标签静态和动态定位实验。实验结果表明,对于NLOS现象严重的复杂室内环境,该系统定位精度高、运行平稳,能为天然气站场室内定位提供一种切实可行的技术。

引入时距信息的IR-UWB雷达多域特征融合呼吸模式识别方法

人体呼吸系统相关疾病常常伴随着呼吸深度和节律的异常,因此呼吸信号监测和呼吸模式识别在医疗健康领域中尤其是对于睡眠监测、疾病预断具有重要意义。其中,非接触式的脉冲式超宽带雷达(Impulse Radio Ultra-Wideband,IR-UWB)因具有良好的距离分辨率和穿透能力以及全天候全天时、安全无创的检测优势,正逐步成为睡眠健康监护领域中最关键的感知技术之一。然而受睡眠监测特定的室内场景影响,复杂的测量环境给呼吸模式特征的准确提取带来了限制和挑战,传统的雷达呼吸模式识别算法主要关注一维呼吸时、频域特征,而IR-UWB雷达目标回波信息分散在多个距离门内,使用一维特征识别准确率较低。为此,本文针对IR-UWB雷达中人体呼吸在时间上慢速起伏运动、在距离上是扩展目标的信号模型特点,提出了一种引入时距信息的IR-UWB雷达多域特征融合呼吸模式识别方法。算法在提取一维呼吸信号波形时、频域特征的基础上更进一步挖掘雷达二维时距图像中潜在的呼吸模式形态特征,通过多域特征融合实现呼吸模式的非接触式检测和识别。在图像处理上,针对图像受呼吸异常节律影响呈现局部粘连特性导致呼吸周期提取难的问题,提出一种通过相位矩阵图像处理来检测雷达图像中的呼吸时距条带从而获取图像特征的方法。实验结果表明,利用该算法提取的多域特征对六种呼吸模式进行机器学习的分类识别,可以实现96.3%的识别准确率。

基于FPGA的UWB隧道内人员定位系统设计与实现

针对现阶段国内隧道施工中采用的通信定位手段通信信号不佳,无法提供精准定位信号的现象,基于现场可编辑门阵列(FPGA)为主控硬件提出一种以超宽带(UWB)定位技术为原理的无线传输定位系统,UWB定位基本原理基于三边测量算法并在后端数据处理中引入自适应卡尔曼滤波进一步提高其定位精度。该系统硬件层面具有低功耗、高效率的优点;算法层面卡尔曼滤波可以使系统达到更高精度,静态测距精度可达到0.1 m以内,动态测距精度可达到0.2 m以内。该系统可对工作人员长时间进行高精度、高效率的定位。经实验验证,该系统能够在无网络的情况下及时进行高精度跟踪定位,具有极强的鲁棒性。

一种复杂环境下UWB测距误差预测方法

针对复杂室内环境中,多径干扰和视距遮挡影响室内定位精度的问题,提出一种复杂环境下UWB测距误差的预测方法:根据超宽带(UWB)室内定位方法抗干扰能力强、定位精度高的特点,从理论上分析影响超宽带信号测距精度的因素;然后通过模型量化分析每种影响因素对测距误差的影响程度,改进以往通过信道脉冲响应特征分析单一的视距遮挡参数来提高定位精度的补偿算法;最后从数据挖掘和机器学习的角度出发,将多径效应、视距遮挡、标签与基站的距离、标签移动速度、标签与基站天线俯仰角以及气象因素(温度、湿度、压强)等对测距精度造成影响的重要因素作为特征进行分类和归类,并使用梯度提升决策树模型对数据集进行训练和预测。实验结果表明,该模型可以根据当前状态下的组合特征值估计出测距误差值,将当前预测的误差值补偿到测量值上,可以有效提高超宽带室内定位的精度。

基于TOF和自适应抗差卡尔曼滤波的UWB室内定位算法

为提高超宽带(UWB)定位系统在室内复杂环境下的定位精度,提出一种基于飞行时间(TOF)和自适应抗差卡尔曼滤波(ARKF)的改进定位算法。针对超低功耗宽带设备在复杂室内环境状态下易受周围干扰而存在标准时间偏差的问题,提出一种改进的TOF算法,同时进行测距标定,拟合数据;对室内存在非视距(NLOS)干扰的情形,提出一种ARKF算法,通过比较残差与3倍信息的方差来判断视距(LOS)与NLOS情形。实验结果显示:该算法可以在静态与动态定位实验中有效提高系统定位精度,降低定位误差,取得较好的定位效果。

基于UWB-PDOA的少基站自适应定位系统研究

超宽带(Ultra-Wideband,UWB)技术在室内外定位中应用广泛,针对传统多基站定位方案的局限性,提出了一种基于超宽带信号到达相位差(Ultra-Wideband Phase Difference of Arrival,UWB-PDOA)的少基站自适应定位系统。该系统利用UWB-PDOA技术和基于ESP32信号强度的权重自适应定位技术,大幅降低了对环境部署的依赖性,提高了定位的精度和稳定性。结合环境先验信息和目标高度的先验知识,构建了先验知识库,采用自适应定位技术,利用多个传感器的信息来调整对不同定位基站的置信度权重,进一步提高了定位精度和鲁棒性。实验结果表明,所提出的系统在视距(Line of Sight,LOS)和非视距(Non Line of Sight,NLOS)环境下都具有较高的定位精度和稳定性,并且仅需要不超过3个基站便可以满足室内环境定位的需求。

基于UWB的离散制造车间人员定位应用研究

针对离散制造车间中移动智能设备和人员的频繁移动可能带来的安全隐患,提出向离散制造车间引入UWB定位系统,实现人员位置信息的实时采集和可视化。通过运用卡尔曼滤波算法优化定位数据,提高车间人员定位的精度,同时,采用MQTT协议传输数据,保证定位数据的有效性。以离散制造车间实验室为实验平台,利用UWB定位系统分别进行定点和动点测试。结果表明,在定点测试和动点测试中,该系统定位精度分别提高约10.1%和26.2%,定位结果更稳定可靠。

低功耗高速率IR-UWB发射机设计与实现

针对高速无线通信的应用场景,该文提出了一种低功耗高速率的脉冲超宽带发射机架构。发射机采用注入锁定环形振荡器产生射频载波,同时基带信号通过基于有限长单位冲激响应滤波器的模拟延迟线产生发射所需要的波形,不仅减少了发射机的功率损耗,而且更好地满足了FCC MASK的要求。该发射机电路采用40 nm CMOS工艺设计和仿真验证,仿真结果表明,所提出的脉冲超宽带发射机可实现OOK和BPSK调制,具有1.1 GHz和2.2 GHz两种发射带宽,最大数据传输速率可达499.2 Mb/s,其能量效率为11.8 pJ/bit。

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。

基于UWB的矿用一体化智能车载终端的设计

设计了1种基于UWB精确定位技术,融合精确定位、4G/5G无线通信、视频监控、数据采集、语音通话等多种功能于一体的智能车载终端。智能车载终端采用安卓平台,以ARM RK3399为控制核心,以UWB通信收发芯片DW1000为精确定位核心,实现了井下车辆的精确定位、智能调度、信息采集、安全预警、语音通话、人机交互等功能。测试结果表明:车载终端最大动态定位误差不大于7.3 m,满足煤矿对智能辅助运输的各项功能需求.

基于时频域特征融合的IR-UWB穿墙雷达人体行为识别方法

冲激脉冲(impulse radio,IR)超宽带(ultra-wideband,UWB)穿墙雷达因其良好的穿透性和距离分辨率在穿墙人体行为识别领域具有重要作用,但是常规识别方法仅采用单域特征对行为模式进行描述,识别准确率不高。针对这一问题,提出基于时频域特征融合的IR-UWB穿墙雷达人体行为识别算法。首先,通过杂波抑制及距离补偿方法获取高信噪比的人体行为距离像。其次,基于距离像提取目标时域特征,与频域特征进行融合,构建数据集。最后,基于支持向量机(support vector machine,SVM)算法对人体行为进行识别。实验结果表明,所提算法对于IR-UWB穿墙雷达人体行为识别能够达到95%的准确率。

基于UWB的智能巡检机器人定位系统研究

因城市地下管线综合管廊内环境恶劣,巡检距离长,固定式监测设备无法实现全覆盖监控,需要用智能巡检机器人代替传统管廊巡检方式,但是智能巡检机器人能够稳定、有序地运行,关键问题是实现智能巡检机器人的精准定位,即获得巡检机器人在管廊内的精确坐标。目前智能巡检机器人所采用的射频、WiFi、惯性里程计等定位技术易受管廊内环境干扰、累计误差干扰等,定位精度为5~50 m,难以满足管廊智能巡检机器人定位系统1 m以内的定位精度要求。为此,提出一种基于UWB的智能巡检机器人定位系统。采用分析UWB信号在管廊内的传输特性、构建巡检机器人在管廊内的运动模型、通过MATLAB建立巡检机器人定位跟踪仿真实验的手段,设计一种基于UWB管廊修正S-V信道模型的巡检机器人LS-PSO定位算法、一种基于巡检机器人运动模型的EKF跟踪算法,建立了巡检机器人LS-PSO/EKF融合定位跟踪模型。通过与KF算法进行MATLAB定位跟踪仿真对比验证,提出的巡检机器人LS-PSO/EKF融合定位跟踪模型在管廊复杂环境下能够有效去除管廊噪声干扰,定位精度相比KF算法明显提升。