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。

基于UWB的室内作物表型信息采集无人机系统设计

针对设施农业室内种植作物表型信息采集的需求,提出小型多旋翼无人机系统采集的方法,并进行了动力系统设计、飞行导航与图像采集模块的选型设计。设计的小型多旋翼无人机系统可搭载可见光图像采集模块,采用UWB定位技术进行室内飞行导航和采集航线规划,能实现室内精准定位和高质量的可见光图像采集。经过实验验证,设计的系统在稳定性、精确性、适应性等方面满足要求,可实现设施农业室内作物表型数据采集需求,为设施农业的高效管理和作物生长研究提供有力的技术支撑。

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偏差平均法和迭代算法吊物跟踪系统研究

吊运货物精准定位是智能仓储和安全管理的根本保障。本文采用UWB(超宽带)定位技术,按照车间构造合理布置信号基站,首先采用偏差平均平面定位算法,初步计算吊物坐标位置;然后用牛顿迭代法,将计算结构进行处理,提高货物定位精度;再利用MATLAB强大的运算能力,实现吊物路径跟踪,并采用数维图数据可视化工具(SovitChart)进行仓库管理平台的开发;最后,对综合算法进行试验验证,定位精度分析结果显示该方法合理有效。

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UWB的室内物料搬运机器人设计

文章针对目前室内物料搬运机器人的定位精度低、在获取机器人的姿态信息时对IMU或其他导航器件的依赖性很大等问题,基于UWB设计了一种室内物料搬运机器人。文章从硬件与软件两个方面对机器人进行设计,该机器人导航不需要用到IMU等相关器件,即可获取机器人的实时姿态信息,并且能够使机器人完成物料运送等工作。设计采用TDOA定位算法实现机器人的定位,通过改进的K-C算法提升定位精度,基于UWB的机器人姿态解算算法获取得到机器人的机体姿态数据,经试验验证了该算法的有效性和机器人的可靠性。

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。

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5G+UWB的智能医疗监护系统的设计与实现

随着科技的快速发展,5G和UWB(Ultra-Wideband)技术已经成为了当今社会的热门话题。在医疗领域,智能监护系统的设计与实现也日益受到关注。本文将探讨如何基于5G和UWB技术构建一种智能医疗监护系统,以满足未来医疗健康领域的各种需求。首先,介绍5G和UWB技术的基本概念及其在医疗领域的应用背景;其次,详细阐述智能医疗监护系统的整体架构和关键技术;最后,通过实际案例分析,展示该系统在提高医疗服务质量、降低医疗成本等方面的优势。希望通过本文的研究,为智能医疗监护系统的设计与实现提供有益的参考。

顾及非视距与系统误差的UWB质量控制及其与GNSS/INS的组合定位

为提高GNSS拒止环境下定位系统的定位精度与稳定性,本文提出了顾及非视距与系统误差的UWB质量控制方法,并实现了其与GNSS/INS的组合定位。首先,综合考虑系统的稳定性与定位精度,以GNSS/INS松组合+UWB/INS紧组合的方式构建集中式卡尔曼滤波;在此基础上,针对UWB中存在的NLOS误差,设计了基于滑动窗口与滤波新息向量的两步NLOS误差识别方法;最后,采用基于滤波估计的方法实时补偿UWB中的系统误差。实验结果表明,本文提出的UWB质量控制方法能够有效减小NLOS与系统误差的影响,GNSS/UWB/INS组合算法水平定位误差在5cm以内。在UWB布局合理的情况下,该方法无需依赖过多基站也可实现较高的定位精度。

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。

矩形矿井巷道内UWB路径损耗研究

为了探究UWB无线信号在煤矿巷道内的传输特性,结合电磁波信号的传输以及反射定律原理,分析了矩形矿井巷道中可能出现的不规则传输路径其过程中存在的粉尘浓度、空气湿度、四壁不同程度的粗糙面以及煤壁倾斜程度等因素引起的信号损耗。构建了不同条件下的损耗模型,并运用MATLAB软件对巷道内信号的损耗进行了仿真分析。仿真结果表明:粉尘浓度和空气湿度都会对电磁波造成衰减,增加粉尘浓度加速信号的损耗,其信号的衰减要远大于空气湿度引起的损耗;粗糙和倾斜加速了信号的衰减,但是粗糙和反射引起的损耗远远低于倾斜引起的损耗,倾斜损耗起主导作用。

基于UWB与PDR的井下人员融合定位方法

现有超宽带(UWB)与行人航位推算(PDR)融合定位方法大多忽略了非视距(NLOS)环境下的定位误差校正,以简单的阈值划分作为NLOS环境判断依据,而阈值划分在很大程度上与定位场景及场地大小相关。针对上述问题,提出一种考虑NLOS环境的基于UWB与PDR的井下人员融合定位方法。首先,利用UWB技术进行井下人员位置解算,通过三边定位算法得到人员初步位置后,使用最小二乘法对位置进行优化,通过多项式拟合实现NLOS环境下基站和标签之间实际值和测量值之间的拟合,减小NLOS环境下的测距误差,提高定位精度。其次,采用PDR算法对步态进行识别和分析,PDR算法使用惯性导航传感器采集的步态数据,通过步态识别、步长估计和方向估计,实现目标位置的更新;然后,通过卷积神经网络(CNN)-长短期记忆(LSTM)网络分析信道脉冲响应(CIR)特征,实现视距(LOS)/NLOS识别,解决NLOS环境判断存在场景限制的问题;最后,根据LOS/NLOS识别结果确定融合系数,实现UWB和PDR定位结果融合。测试结果表明:多项式拟合后UWB平均测距误差降低0.59 m;LOS/NLOS识别的平均准确率为95.3%,召回率和F1分数均在90%以上,验证了CNNLSTM具有较好的识别效果;融合定位方法的平均误差为0.31 m,较UWB降低1.57 m,较PDR降低1.41 m。

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。

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.

超宽带(UWB)技术及其应用

在无线通信技术的快速发展中,超宽带(UWB)技术以其独特的大带宽、低功耗和高精度定位能力等特性,成为无线通信领域的一项关键技术。本文探讨了UWB技术的基本原理、关键特性、应用领域以及面临的挑战,并对其未来发展趋势进行了展望。文章通过分析UWB技术在各领域的最新应用,旨在提供一个全面的UWB技术概览,并探讨其在现代通信系统中的潜在影响。

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%。