共查询到20条相似文献，搜索用时 20 毫秒
1.
针对室内环境下UWB TW-TOA测距精度受标准时间偏差和NLOS误差影响明显的问题,采用4阶多项式拟合模型对标准时间偏差进行标定,设计了一种新的基于偏移卡尔曼滤波的NLOS误差鉴别与抑制方法。该方法将测距残差与卡尔曼滤波结合,鉴别出NLOS误差,并将残差值加入到卡尔曼滤波的迭代中,修正卡尔曼滤波的异常值,得到消除NLOS的测量值。利用实测试验对以上算法进行验证,结果表明经过标准时间偏差标定及NLOS误差的鉴别与抑制后,在LOS环境下,UWB TW-TOA测距精度可达到毫米级;在NLOS环境下,测距精度可由原来的0.5m缩小至0.2m,证明了本文方法的正确性和可行性。 相似文献
2.
在复杂多变的煤矿井下环境及时并准确地获取井下作业人员位置非常重要,井下通信环境高动态变化导致模型定位精度降低。本文将在线顺序极限学习机（OSELM）算法用于井下定位,与批量式定位算法GA-BP和ELM相比,OSELM算法能更有效地维持原模型定位精度。但OSELM算法存在病态矩阵求逆和平等对待所有新增数据的不足,导致该算法的稳定性和对动态环境的适应能力较差。本文在OSELM算法的基础上分别提出正则化OSELM算法、遗忘因子OSELM算法,以及融合正则化技术和遗忘因子机制的OSELM算法。试验表明,试验环境变化后,OSELM算法的定位精度比GA-BP和ELM算法的定位精度分别高1.428 2和1.162 2 m;在3 m误差距离范围内,所提正则化和遗忘因子的OSELM算法的定位精度均比OSELM算法高,融合两种机制的OSELM算法的定位准确率最高,比OSELM算法高5%左右。OSELM及其改进算法均能有效提高模型定位精度。 相似文献
3.
《测绘科学》2020,(6)
针对当前协同车辆定位精度低以及城市复杂环境下协同车辆定位精度不可靠等问题,该文提出一种在车车通信环境下利用BDS/UWB组合系统进行协同车辆定位的算法。该算法综合利用BDS在城市复杂环境下的定位优势、UWB具有可同时提供短程无线通信功能和高精度测距观测值特性,通过扩展卡尔曼滤波对BDS双差观测信息和UWB测距信息进行融合,从而实现高精度、高可靠性协同车辆定位。实验结果表明:BDS/UWB组合系统在较好观测环境下定位精度可达厘米级,在复杂环境下定位精度可达分米级;相比于BDS单系统,BDS/UWB组合系统在较好观测环境下定位精度提升并不明显,平均提升了1.49 cm,但在复杂环境下定位精度平均提升6.88 cm,定位可靠性较单BDS系统也有明显改善。 相似文献
4.
复杂环境下智能手机RTK+PDR融合定位 总被引：1，自引：0，他引：1
针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。 相似文献
5.
6.
由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。 相似文献
7.
针对室内定位过程中超宽带(UWB)信号容易受到非视距(NLOS)环境的影响从而降低定位的精度和稳定性的问题，该文提出了基于粒子群优化支持向量机(PSO-SVM)和自主完好性监测(RAIM)的误差识别算法，通过粒子群优化(PSO)算法对支持向量机(SVM)模型参数进行优化，将优化后的支持向量机模型用于UWB NLOS信号的识别，并利用自主完好性监测算法将异常的UWB测距值剔除。实验结果表明，该文算法能够对NLOS信号进行准确的识别，并有效提升了NLOS环境下UWB定位的精度及稳定性，平面定位误差可控制在0.26 m以内，东、北方向的均方根误差分别为0.09、0.11 m。 相似文献
8.
《测绘科学》2020,(1):4-10
针对相对于室外更为复杂的室内或者灾害环境中,全球导航定位系统(GNSS)信号受到严重影响导致定位精度下降甚至会无法定位的问题,该文充分利用了超宽带(UWB)极高的时间分辨率、优异的抗多径能力和非视距(NLOS)环境下较强的穿透力,从信号传播层面改进定位算法,通过经验值判断测量环境,在基准站与移动站之间不存在障碍物遮挡的情况下,通过UWB定位模型进行定位并通过卡尔曼距离滤波模型去除噪声;在基准站与移动站之间存在障碍物且在信号可以穿透障碍物的情况下,通过路径损耗模型实现对NLOS误差的粗略估计,在此基础上加入卡尔曼距离滤波模型做进一步估计,进而以此估计值对定位结果进行改正。基于室内环境下的实测实验结果表明:无论静态或者动态,在产生NLOS误差导致定位结果轨迹与实际参考轨迹差别较大的时候,该文定位算法会对定位结果有较好的改正,通过经验值判断的方法可实现复杂环境下较好的定位。 相似文献
9.
《测绘地理信息》2020,(3)
不同几何布局下Chan算法和Taylor算法的定位精度的对比及定位精度的克拉美罗下界(Cramér-Rao lower bound,CRLB)的接近程度尚未得到分析验证,本文仿真了三维场景下几何精度衰减因子(geometric dilution of precision,GDOP)对两种算法定位精度的影响,分析了影响差异的数值计算原因。推导表明,两种算法的理论定位精度受GDOP值的影响相同,可以达到CRLB。然而,仿真结果显示,Chan算法的实际定位精度容易在CRLB上方波动,Taylor算法的实际定位精度则稳定在CRLB附近;相同GDOP值下,Taylor算法的实际定位精度优于Chan算法,Chan算法的实际定位精度随着GDOP值的增大逐渐偏离CRLB。将Chan算法和Taylor算法结合,可以有效提高Chan算法的实际定位精度。 相似文献
10.
随着基于位置服务应用的普及,室内外无缝定位已成为下一代定位系统的核心,但是精确的室内定位至今仍是难点问题。众多学者提出过无线信号定位算法,然而无线信号具有不稳定性,且需要事先建立信号特征指纹数据库,这给定位带来了误差和繁琐性。通过对室内环境中超宽带信号测距结果分析以及对快速生成无线信号数据库方法的探讨,提出一种基于多用户测距约束的融合多传感器信息的协同室内定位算法。该算法利用粒子滤波集成了航向推算数据、WiFi数据、用户间测距以及室内地图等信息。测距约束能够剔除由于信号不稳定或数据库没有及时更新造成的误差。通过集成室内采集的数据,验证了该算法能够有效提高室内定位精度及稳定性。结果表明该算法比航向推算或WiFi定位结果提高了40%以上。 相似文献
11.
一种基于改进UKF滤波的GPS+PDR组合定位方法 总被引：1，自引：0，他引：1
针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。 相似文献
12.
在室内复杂环境下,超宽带(UWB)测距误差难以通过常规方法进行有效补偿,严重制约了其定位精度. 在分析室内环境下UWB测距误差分布特点的基础上,设计了两种不同结构的BP神经网络误差改正模型. 模型BP1输入单个标签与4个基站的测距值,输出对应的4个测距误差;模型BP2输入一对标签、基站的三维坐标,输出对应的一个测距误差. 以高精度全站仪测量结果作为参考值,对网络进行训练,并对模型改正前后的测距和定位精度进行了对比分析. 结果表明:两种模型均能有效改正测距误差,提升定位精度.其中BP1测距和定位精度分别提高83.0%、75.9%,BP2测距和定位精度平均提高91.7%、93.8%. BP2相比于BP1能够更加有效地提高测距和定位精度,使定位精度由dm级提升至cm级. 相似文献
13.
14.
针对超宽带(ultra wide band,UWB)定位中影响定位精度的非视距(non line of sight,NLoS)传播误差问题，提出了一种基于Kalman滤波的NLoS误差二次消除方法.该方法利用NLoS误差与测量误差之间的相互独立性，借助Kalman滤波将NLoS误差从总误差中单独分离出来，对其进行实时估计，并将该NLoS误差估计值作为NLoS误差辨别及测距值修正的依据.通过Kalman滤波对到达时间(time of arrival, TOA)测距值进行二次估计、鉴别及修正以提高TOA测距精度，从而实现室内复杂环境下的UWB精准实时定位.仿真实验结果表明：该方法不仅能够对NLoS误差实现良好的跟踪估计，对视距(line of sight, LoS)/NLoS环境转变也具有较强的灵敏感知能力，同时NLoS误差测距值在应用该方法后的定位性能逼近于LoS环境下的理想状态. 相似文献
15.
利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。 相似文献
16.
17.
针对超宽带测距误差大影响定位精度以及传统精度评定方案不能准确反映定位区域误差问题,该文基于RBF神经网络的UWB测距模型提高测距精度,针对室内狭长楼道环境特点,分析UWB基站组网优化方案下的四基站布设与五基站布设精度.分析表明,在相同定位区域,五基站布设方法有效抑制了四基站布设时中间区域最大PDOP值.在测距误差经过改正后,UWB基站组网优化方案更准确反映测区精度.相同精度要求下,采用基站优化布设方案基站覆盖范围更广,可用于应急场景快速定位.基于不等精度加权DOP值的UWB基站组网优化方案,在考虑测距误差后能够准确反映UWB基站布设区域定位精度. 相似文献
18.
目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题，本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值，实时调节PI调节器的误差补偿系数，对预处理后加速度计和磁力计数据解算的航向角进行补偿，并与陀螺仪数据互补滤波融合，得到融合后的航向角。试验基于低成本智能手机，分别在磁场强弱环境下采集手机传感器数据，对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明，在室内磁干扰较强的环境下，本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%，平均航向误差分别减小了3.4°和1.8°，验证了本文算法有较好的抗磁干扰性能，提高了行人航向角解算的可靠性。 相似文献
19.
利用误差理论对三星时差定位系统的定位误差进行了定性分析和定量推导。在此基础上,尝试将测量学中的差分方法应用在三星时差技术体制的无源定位系统中,以期提高定位精度。仿真试验和数据验证分析表明,该方法能一定程度上提高其定位精度。 相似文献