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定位技术的煤矿机械装备防碰撞系统研究

随着煤矿机械装备的广泛应用,机械装备的防碰撞已经成为煤炭行业重要的研究课题。文章主要研究了基于超宽带(Ultra Wide Band,UWB)定位技术的煤矿机械装备防碰撞系统,通过开发定位算法、防碰撞算法、数据处理与分析等功能模块,实现系统的实时监控与报警功能。实验表明,该系统能够有效避免机械装备之间发生碰撞,进而提升煤矿生产的安全性。

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.

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。

改进抗差卡尔曼滤波的UWB定位模型

针对超宽带(UWB)技术已在室内定位、智能交通等领域广泛应用,但由于障碍物遮挡或其他原因,使得UWB测距值可能存在误差,从而大幅度降低UWB的定位精度和可靠性的问题,分析抗差卡尔曼滤波(RKF)在UWB定位中的特点,在此基础上,提出改进的RKF算法(RKF-SW)进行粗差检测,根据预测残差进行第一次样本异常值检验探测,采用1/4样本分位数进行第二次样本异常值探测。实验结果表明,与RKF算法相比,RKF-SW算法具有较强的异常值识别能力,能够提升UWB系统的定位精度,开阔场景下定位精度可提高约80.0%,遮挡物干扰情况下可提高约82.1%。

抗差Helmert方差分量估计在GPS/BDS/UWB融合定位中的应用

针对卫星信号受限环境下,全球定位系统(GPS)/北斗卫星导航系统(BDS)组合定位出现较大偏差的问题,引入超宽带(UWB)技术作为定位性能增强技术。GPS/BDS伪距测量值与UWB测距值作为原始观测值,提出了基于抗差赫尔默特(Helmert)方差分量估计的GPS/BDS/UWB融合定位方法,实现合理定权,抵御粗差影响。分别进行了静态实验和动态实验,结果表明:没有粗差情况下,GPS/BDS/UWB融合定位相对于GPS/BDS的定位精度在静态实验和动态实验中均有所提升;引入粗差后,定位结果可抵御粗差,精度提升较为明显。

PDR与UWB融合的森林消防员定位系统设计

针对森林消防员在林区环境下由于全球导航卫星系统(GNSS)定位拒止及惯性导航误差累积而难以精确定位的问题,设计了一种融合行人航位推算(PDR)和超宽带(UWB)测距的定位系统。首先,基于消防员个体装备的便携性要求,利用加速度计、磁强计、陀螺仪和气压计设计头戴式定位系统;其次,将指挥员作为基站,利用UWB测得消防员与基站之间的距离;接着,基于扩展卡尔曼滤波(EKF)设计了PDR与UWB融合的定位算法,将测距信息与消防员的运动状态进行融合解算,约束误差发散;最后,利用设计的软硬件定位系统进行了验证实验。结果表明:在真实林区实验中,与无约束PDR相比,采用PDR与UWB融合的定位方法将位置误差减小了60.04%,有效提升了系统的定位精度。

Performance of multi-band orthogonal frequency division multiplexing ultra wide-band system on IEEE UWB channels

Multiband orthogonal frequency division multiplexing (MB-OFDM) ultra wide-band (UWB) is a novel wireless communication technology. It has many advantages and is being actively researhed. In this study, we constructed and implemented a simulation model of UWB communication systems in Simulink. We found the MB-OFDM UWB system has the best performance in distance between 4 m to 10 m without the line-of-sight requirement.

基于WSN+UWB的室内人员定位系统设计

随着社会发展,家长对幼儿安全越来越重视,幼儿园环境安全与否直接关系到儿童的健康及生命。为保障园区内幼儿状况及安全,文章提出了一种室内人员定位系统设计,该系统在满足基本定位需求的同时,采用了超宽带(Ultra Wide Band,UWB)技术,具有穿透性强、抗干扰和功耗低等优势,其性能表现已超过蓝牙和Wi-Fi,并以UWB技术作为主要技术依据,将无线传感网络(Wireless Sensor Network,WSN)技术与UWB技术相结合,设计了一款智能化的人员看护及定位系统,测试结果证明了该系统设计可满足园区内人员监测及定位警报的需求。

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。

融合全局与局部特征的UWB雷达人体动作识别算法

为了消除雷达信号中杂波和噪声对人体动作识别的干扰,提高小样本数据下动作识别的精度,在去除杂波及噪声干扰的基础上,提出一种融合全局与局部特征的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。用动目标指示(moving target indication,MTI)结合自适应中值滤波对雷达原始回波信号进行预处理,再对人体动作的雷达二维特征图像利用主成分分析(principal component analysis,PCA)提取主要分量作为全局特征表征,并用二维离散小波变换(2D discrete wavelet transform,2D-DWT)结合奇异值分解(singular value decomposition,SVD)获取特征图像在不同方向与尺度划分下动作的局部特征表征,并将全局与局部特征进行串联融合;根据融合特征,在网格搜索算法(grid search,GS)优化的支持向量机(support vector machines,SVM)模型中实现人体动作的识别分类。实验结果表明,该算法能有效获取雷达信号中的人体动作信息,平均识别准确率为95.63%,具有良好的识别性能。

利用科赫分形解耦的四端口紧凑型QSC UWB MIMO天线

提出一种利用共面波导(Coplanar Waveguide,CPW)馈电的四端口紧凑型准自互补(Quasi-self-complementary,QSC)超宽带(Ultra-Wideband,UWB)多输入多输出(Multiple-input Multiple-output,MIMO)天线。此UWB MIMO天线的整体尺寸为40 mm×30 mm×0.8 mm,由4个六边形准自互补辐射单元对称排列而成,印刷在介质板的一侧。介质板另一侧印刷科赫分形解耦枝节和新型正六边形双开口谐振环(double-split ring resonator,DSRR)阵列,分别提升低频和高频处天线单元间的隔离度。实验与测试结果表明,此天线的工作带宽为3.1 GHz~15.5 GHz,在大部分工作频段内,隔离度达到20 dB以上。此外,天线在整个工作频带内具有良好的辐射特性和稳定的增益。包络相关系数小于0.04,表明该天线能够很好地满足极化分集特性,可用于便携式UWB MIMO无线通信系统。

基于自适应扩展卡尔曼滤波器的UWB-PDOA算法

提出了一种使用超宽带(Ultra Wide Band,UWB)信号且基于扩展卡尔曼滤波的接收信号相位差定位(Phase Difference of Arrival,PDOA)改进方法。在滤波器中引入了相位差变化率以及距离变化率,用来反映标签在运动过程中的速度大小以及方向的变化情况,通过它们信息熵的大小,即所含信息量的大小计算出权重比,根据标签的运动状态实时自适应改变卡尔曼滤波器的增益系数。实验表明,使用该方法可将误差控制在15 cm以内,较传统方法误差减少了11.2%。

抗差自适应容积卡尔曼滤波在UWB室内定位中的应用

针对超宽带(UWB)测距异常值、传统滤波方法中动力学模型不精准、状态向量误差协方差阵非正定等问题,提出一种基于奇异值分解的抗差自适应容积卡尔曼滤波算法,并将其应用于UWB室内定位中:以标准容积卡尔曼滤波(CKF)算法为基础,利用残差向量构造抗差因子消除观测异常值对定位解的影响;利用自适应因子对整体模型误差进行实时调整和修正以提高滤波精度;同时用奇异值分解代替乔莱斯基(Cholesky)分解以进一步提高滤波的稳定性。实验结果表明,所提算法相比传统的扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、CKF算法,能够进一步提高UWB系统的定位精度和抗干扰能力,定位最大误差由1.5 m降至0.3 m,均方根误差小于0.05 m。

基于UWB和低频唤醒技术的矿用车载读卡器设计

针对目前煤矿井下人员乘坐矿用车辆时,受车速和车厢金属结构等因素影响,造成车内外无线通信不畅从而导致的车厢内人员实时定位不准确、漏识别、轨迹丢失、无法统计乘车人数等问题,设计了一种基于UWB精确定位技术和低频唤醒技术的车载读卡器;车载读卡器以ARM STM32F413、UWB通信收发芯片DW1000和低频唤醒射频芯片EM4095为设计核心,通过低频唤醒触发UWB通信信道切换的方法,实现对矿用车辆车厢内人员的精确定位与数量统计。测试结果表明:车载读卡器能准确区分车内外人员,有效解决因车厢金属结构屏蔽造成的漏识别、定位不准等问题,最大动态定位误差不大于7.3 m,满足煤矿应用要求,对井下开展智慧约车、派车业务,提升煤矿井下智慧交通建设具有重要意义。

利用UWB校正LiDAR SLAM的室内组合定位方法

针对室内定位中激光雷达(LiDAR)即时定位与地图构建(SLAM)算法误差会随时间累积以及超宽带(UWB)定位的结果较为分散的问题,提出了一种利用UWB观测值来校正LiDAR SLAM的组合定位方法。首先,通过里程计预测模型得到先验的位置估计信息;之后,利用粒子滤波融合LiDAR的观测值进行修正得到局部定位结果;最后,通过高斯滤波利用UWB观测值进行校正得到全局定位结果。实验结果表明:组合定位系统有效消除了LiDAR SLAM的累积误差,并且轨迹相对于UWB定位更为平滑。

基于UWB的离散智能车间可视化监测平台的研究及应用

监测平台集成数据采集、数据分析以及监督提醒等功能,能够帮助决策者快速了解离散制造车间的生产状况,合理调配资源,提高车间的整体生产效率。但是,离散制造车间存在制造系统复杂、生产要素多、变化快以及资源调度难等问题,增加了管理难度,因此设计了基于超宽带(Ultra Wide-Band,UWB)的实时可视化监测客户端。客户端可实现状态查询、仿真追踪及数据统计3个功能。首先,使用3D Max软件建模渲染,建立车间内重要设备的模型,把模型文件转换为FBX(FilmBoX)格式导入Assets,通过Unity3D搭建离散制造车间的场景模型,实现车间场景的建模;其次,通过SQL Server软件存储处理UWB硬件设备采集的位置和时间数据,编译C#脚本代码调用数据,驱动人员、自动导引运输车(Automated Guided Vehicle,AGV)及天车模型运动,实现车间场景的实时可视化监测;最后,使用C#语言编译客户端,客户端实时监测平台,集实时位置显示、资源数据分析以及危险预警报警于一体,通过实时化、数字化及图形化的展示,对整个生产过程进行监测、调度和优化,实现车间现场的实时管理。设计的客户端界面具有简洁直观、反应迅速以及使用方便的优点。多功能集合方便管理者查看各类信息,能够快速分析出生产环节存在的问题,把多余资源分配给有需求的单位,极大地提高了整个车间的生产水平,给车间的现代化管理提供了实际可行的方案。

基于单锚点UWB的室内定位技术

传统UWB室内定位技术需要多锚点的配合才能对目标进行精准定位,设备成本高且安装冗杂。将多锚点测距改为单锚点测距,通过减少锚点来降低多锚UWB技术成本,并且使安装简单化。但是要实现系统精准定位,单锚点测距所提供的位置信息无法满足定位要求。为了克服这一问题,可以使用一个九轴惯性传感单元(inertial measurement units,IMU)获取目标运动状态信息,通过扩展卡尔曼滤波(extended Kalman filtering,EKF)将该信息与单锚点UWB所得位置信息进行数据融合,降低了IMU的累积误差又减少了UWB锚点数量,实现了精确定位。通过实验验证该方法下的定位系统具有良好的准确性和鲁棒性,精度可达到20 cm以下。

UWB定位中基于XGBoost的NLOS识别方法

NLOS场景下UWB室内定位精度下降,识别出NLOS有助于进一步提升定位精度。针对超宽带定位中非视距识别的问题,提出基于XGBoost的NLOS识别方法。基于XGBoost决策树算法,采用两个层面的数据源对UWB定位中NLOS进行识别:元数据层面,用真实定位场景中采集的UWB CIR数据作为数据源;统计数据层面,将CIR数据经过一定的加工,得到几个关键的信号特征参数作为数据源。两组实验结果表明,XGBoost算法在元数据和统计数据上识别精确度分别达到91%和92%。UWB定位中XGBoost算法能显著提高识别NLOS信号的准确度。