针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time differ-ence of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。...针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time differ-ence of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。展开更多
煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(t...煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(time difference of arrive,TDOA)测量值之间的映射关系,将遗传神经网络得到的定位结果代入Taylor算法,得到最终的定位结果。仿真分析表明,该算法相较于传统的室内定位算法,在非视距环境下具有更好的定位效果。展开更多
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)...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。展开更多
文摘针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time differ-ence of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。
文摘煤矿井下信号存在的非视距传播(Non-line of sight,NLOS),严重影响井下定位精度,提出一种基于遗传神经网络和Taylor算法相结合的煤矿井下定位算法。该算法通过训练遗传神经网络来拟合待测点坐标值,定位基站和参考基站之间的到达时间差(time difference of arrive,TDOA)测量值之间的映射关系,将遗传神经网络得到的定位结果代入Taylor算法,得到最终的定位结果。仿真分析表明,该算法相较于传统的室内定位算法,在非视距环境下具有更好的定位效果。
