信号干扰下的超宽带精确定位问题研究

针对在室内应用超宽带UWB(Ultra Wide Band)定位技术时,需要建立高效精确的三维坐标定位系统以克服信号干扰问题,应用机器学习方法对其进行了研究。首先使用多种统计分析模型清理无效或误差测量值;然后将TOF(Time Of Flight)算法的先验知识与神经网络、XGBoost(eXterme Gradient Boosting)算法相结合,提出了神经XGB(Exterme Gradient Boosting)三维定位系统,该系统可通过“正常数据”和“异常数据”(受干扰)以及4个锚点的坐标精准预测靶点的坐标值,能使误差在二维平面降至5.08 cm,在三维空间降至8.03 cm;同时建立了判断数据是否受干扰的神经网络分类模型,精确率为0.88;最后通过结合上述系统,得到了连续且规律的运动轨迹,证明了系统的有效性与鲁棒性。