基于Chan-PF的TDOA井下人员定位算法研究

煤矿井下的复杂情况,导致在NLOS环境下,人员定位精度大幅下降,甚至得到的数据无法使用。针对此问题,文章提出一种Chan-PF融合定位算法。首先,使用Chan算法对到达时间差(TDOA)得到的测量值进行处理,获得最优解;其次,采用粒子滤波对最优解再次进行处理,最终粒子重采样后的中心位置即为目标节点的精确位置。仿真结果表明,该算法能有效地抵抗煤矿井下NLOS环境中的干扰,提高定位精度,得到较为精确的定位坐标。

基于Taylor-Chan算法的改进UWB室内三维定位方法

[目的]针对室内三维空间环境复杂导致传统超宽带(ultra wide band,UWB)定位算法精度低、稳定性差的问题对UWB室内三维定位方法进行研究.[方法]在Chan和Taylor算法基础上,设计了一种基于距离误差筛选机制的Taylor-Chan定位算法.首先使用简化Taylor算法求解得到标签初定位结果,再结合初定位结果和测距信息根据所设计筛选函数剔除误差较大的基站数据,最后基于筛选得到的数据,使用Chan算法得到最终标签定位结果.[结果]在室内视距和非视距两种场景下进行仿真,Taylor-Chan算法相比于Chan和Taylor定位精度都有一定的提高,且测距误差越大的情况下,Taylor-Chan算法的定位效果越明显.[结论]仿真结果表明,对比现有方法,本文所提出的Taylor-Chan算法在室内三维空间的视距和非视距环境下都能有效改善定位精度.

Chan-Kalman算法在井下定位中的应用研究

针对井下环境存在的非视距误差而导致超宽带定位技术精度降低的问题,对可抑制定位误差的Chan-Kalman算法进行了研究。该算法基于TOA定位模型,通过Chan算法对标签位置坐标进行初步解算,再采用卡尔曼滤波算法对初步解算结果进行优化,最终得出较为精确的标签位置坐标。实验结果表明,该算法明显提高了超宽带定位系统的定位精度。

Chan序贯平差组合算法的超宽带定位降噪

在室内环境中接收机与标签之间的距离会受到随机误差的影响,针对超宽带系统的定位特性,结合Chan算法和序贯平差算法的优势,本文提出了Chan序贯平差(Chan-SA)组合算法,以削弱测距随机误差的影响。首先,通过Chan算法两次加权最小二乘获得标签的三维坐标;然后,将此坐标作为初始值代入序贯平差算法中,利用序贯平差算法对后续数据进行迭代得出最优解。仿真数据和实地测量数据的解算结果表明:与Chan算法、粒子滤波算法和序贯平差算法比较,静态场景中Chan-SA算法定位精度分别提高50.14%、35.29%和41.91%,同时在动态场景内也证明了本文算法的适用性。因此,Chan-SA可以提高超宽带系统的定位精度和稳健性。

基于Kalman-Chan算法的5G毫米波室内定位试验

卫星定位系统因其能够提供高精度、全天候的定位服务而深受人们的欢迎,但是在室内环境中,由于建筑物的遮挡,卫星定位系统无法在室内提供高精度定位服务。随着万物互联时代的到来,人们对室内定位技术展开了研究。近年来,室内定位技术层出不穷,例如蓝牙定位、UWB定位等。目前,随着5G技术的成熟以及5G基站的密集化部署,促进了基于5G技术的室内定位的发展。影响室内定位精度的难点之一就是非视距传播(NLOS)和多径效应引起的误差,而毫米波通信作为5G关键技术之一,因其具有高频带和高带宽的特性,有利于提高多径分辨率,可提高到达时间差(TDOA)测量的精度。为抑制NLOS和多径效应引起的误差,本文对基于5G室内定位的Kalman-Chan融合算法展开了研究,即先利用卡尔曼算法对观测量进行距离重构,再结合Chan算法对用户位置进行估算,经过大量试验验证证明,该融合算法可使二维平面上的定位精度达到0.31 m。

基于Chan-Taylor和优化BP神经网络的5G室内定位算法

为提高复杂环境下5G室内定位精度,针对不同应用场景设计了基于Chan-Taylor和优化BP神经网络的5G室内定位算法。当无样本可用时,提出了融合Chan-Taylor算法,使用Chan算法计算出定位值作为Taylor算法初始值进行迭代计算;当有小样本可用时,采用BP神经网络效果更佳;当有大样本可用时,使用遗传算法改进BP神经网络以提高定位精度。在不同场景下对三种算法进行了对比实验,实验结果表明:无样本可用时,Chan-Taylor算法具有更好的鲁棒性和适用性;在45个样本训练情况下,BP定位精度最高,为0.3649 m;在400个样本训练情况下,GA-BP定位精度最高。

Chan-IDW算法在信号干扰下的UWB精确定位研究

随着人们对室内定位需求不断增加,具有良好通信功能以及定位性能的超宽带(UWB)技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰,造成定位误差的问题,本文建立K-means算法对采集数据进行聚类分析,剔除有信号干扰时产生的错误测距数值,并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标,再通过均方差误差(RMSE)来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm,三维坐标平均误差为11.34 cm,误差均在厘米级别,表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论,Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。

IMMKF与Chan-Taylor算法的协同定位

TDOA(Time Difference of Arrival)测距方式是UWB(Ultra Wide Band)室内定位的常用方法,针对其不可避免的随机误差以及目标改变运动状态定位不准确的问题,文中提出了一种Chan-Taylor-IMMKF(Interacting Multiple Model Kalman Filter)定位算法。该算法由Chan-Taylor加权算法与加入自适应算法IMM卡尔曼滤波算法组成,通过Chan-Taylor加权算法初次取得目标估计坐标,将该坐标值作为自适应算法IMM的卡尔曼滤波器的测量值,对目标坐标进行多次滤波处理,最终加权得到目标的最终估计坐标。实验将该算法与未滤波的Chan-Taylor加权算法、使用传统的卡尔曼滤波算法进行对比,结果显示该算法有效减小了系统的随机误差,并克服了传统卡尔曼滤波器在目标忽然改变运动状态时不能及时跟踪从而产生较大误差的问题,将误差标准差均值控制在15 cm之内。

基于TDOA-Chan的UWB电缆隧道定位算法

针对电缆隧道狭窄长的空间特点,基于UWB定位技术,改进TDOA测距方案,提出基于双向双边TDOA测距的Chan算法与麻雀搜索算法融合的协同定位算法,降低多径环境信号干扰影响,优化初值,提高定位精度和计算效率。

一种基于TOA定位的CHAN改进算法

本文提出了一种基于TOA参数的CHAN改进定位算法.首先利用坐标平移的方法,消除定位方程中的未知参数,得到移动台位置的一次估计;其次通过对一次定位结果误差的分析表明基站的几何位置结构和到达距离对定位误差具有不同的"贡献"度,依据"贡献"度大小的不同,对大"贡献"度采用小权值而对小"贡献"度采用大权值的原则,提出了虚拟基站的方法来减小系统的总体误差,从而提高定位精度.仿真结果验证了本文算法的有效性.

基于Chan算法的掘进机超宽带位姿检测基站布局分析

针对综掘工作面的矿工面临一系列危险这一突出问题,结合工程实际与计算机仿真技术,提出了一种基于Chan算法的掘进机超宽带位姿检测方法。设计了5种基本的基站布局方式并进行定位精度仿真分析,最后选取环形布局方式分析了基站布局间距对定位精度的影响。

基于Chan的残差加权算法在锅炉四管泄漏定位中的应用

准确定位电站锅炉四管泄漏点的位置,对电站锅炉安全、稳定运行十分重要。目前,电站锅炉四管泄漏定位采用传统的Chan算法,该方法定位精度低,而且在某一传声器损坏条件下无法应用。因此,将基于Chan算法的残差加权法(Chan-RW算法)应用到电站锅炉炉膛三维空间泄漏定位中,采用MATLAB软件对其定位性能进行仿真分析,并与传统的Chan算法进行对比。结果表明,在不同声波到达时间差以及不同传声器数目的情况下,Chan-RW算法的定位绝对误差和相对误差均优于Chan算法,且具有良好的传声器容错性能,能很好满足实际工程需求。

CHAN算法在LOS和NLOS环境下的定位研究

在基于时间到达差(Time Difference Of Arrival,TDOA)的定位估计算法中,CHAN算法计算量小,能够在视距(Line Of Sight,LOS)传播环境下获得较高的定位精度,因而被广泛应用。但是在非视距传播环境(Non-Line Of Sight,NLOS)下,该算法的定位性能会明显下降。因为在非视距情况,尤其是密集城区,由于建筑物等障碍物的存在使得无线电信号无法直线传播,这就引入了NLOS误差;而CHAN算法中的加权矩阵只考虑了系统误差,无法消除NLOS误差。文中在基于视距环境下CHAN算法的研究基础上,对非视距引入的NLOS误差的统计特性进行分析,给出一种在NLOS情况下,通过优化非视距TDOA测量值误差的方法来改善非视距下的CHAN算法性能,并通过仿真分析了CHAN算法在不同环境模型下的定位性能。仿真结果表明,改善的CHAN算法在NLOS环境下能取得较好的定位性能。

基于TDOA的CHAN算法在UWB系统LOS和NLOS环境中的应用研究

提出了一种在NLOS情况下,把非视距误差分布转化成近似正态分布误差的改进CHAN算法,而且此算法并不需要知道误差分布及其参数。仿真结果表明,改进CHAN算法可以提高CHAN算法在NLOS情况下的定位性能。

基于Chan氏算法和文化算法的协同定位

提出一种到达时间差(TDOA)定位方法,利用Chan氏算法进行初始定位估计,将估计结果作为经验知识存储于信念空间中,采用文化算法求解定位估计中的最大似然函数,获得最佳估计坐标值,从而实现对移动台的最终定位估计。历史知识的引入能有效避免陷入局部最优值,并改善算法的定位精度。仿真实验结果表明,该方法性能稳定、定位精度高、收敛速度快。

Chan算法在海上声源定位测量中的应用

针对到达时间差(Time Difference of Arrival,TDOA)体制下海上声源定位测量问题,研究了Chan算法在定位测量中的应用。建立了基于TDOA体制的海上声源被动定位模型,推导了Chan算法求解TDOA定位方程的步骤,采用了蒙特卡洛数值方法对Chan算法与初始值选择真值的泰勒(Taylor)级数展开法在不同阵元数条件下的定位精度进行了比较,得出了Chan算法在海上声源定位测量中应用条件及基阵布设原则。仿真结果表明,在一定条件下,Chan算法可应用于海上声源定位测量且定位精度较高,研究结果可为海上声源测量系统定位算法设计及基站布设提供参考依据。

改进的Chan-粒子滤波算法超宽带室内三维定位

针对超宽带室内定位时容易受到非视距误差的影响,导致定位精度大大下降,甚至无法准确定位的问题,提出了一种融合粒子滤波的改进Chan定位新方法。首先,在Chan定位方法中引入模拟退火算法,对到达时间差(TDOA)算法的测量值进行优化,获得初步定位的最优解;然后,采用粒子滤波对测量值进行再次优化,粒子重采样后得到的中心位置即为目标节点的精确位置。仿真和实验结果均表明,该算法能有效提高在非视距环境下超宽带室内定位的精度,较好地消除非视距误差的干扰。

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。

Chan-Taylor协同定位算法在电站锅炉泄漏定位中的应用

为了能够较为准确地定位出电站锅炉"四管"泄漏的位置,对电站锅炉安全运行起到至关重要的作用,因此,将应用于蜂窝网络中的Chan算法和Taylor级数展开法的协同定位算法拓展到三维空间定位,并且通过计算机仿真电站锅炉的声学测点来分析比较该算法的性能:在不同的声波到达时间差(TDOA)估计误差、不同泄漏点位置以及不同声学测点布置个数的条件下分析对算法性能的影响,并且与Chan算法进行比较分析。仿真结果表明,Chan-Taylor协同算法在三维空间的定位性能要优于Chan算法,并且发现不同的声学测点布置情况对定位算法的误差存在一定的影响,因此,验证了Chan-Taylor协同算法推广到三维空间的可行性。

基于CHAN与粒子群算法的协同定位研究

针对利用CHAN算法进行TOA定位时,其定位的精度受环境条件的影响程度较大的问题,提出了一种利用粒子群与CHAN算法协同定位的方法。通过粒子群估算出移动终端的初始解,利用初始解构建残差方程,筛选出LOS环境下对应的基站,并用该基站结合CHAN定位模型对移动终端进行二次定位最终得到位置估计。由实验结果可知,基于融合算法的定位精度比单一算法的定位结果,其定位误差至少降低5 m。