论文部分内容阅读
超宽带(Ultra-Wide Band,UWB)技术和其他传统的无线通信技术相比,凭借着功耗低、成本低、数据传输率高、安全性强和抗多径效应强等优点成为目前室内定位首选的无线定位方案。但是在复杂的室内环境下,UWB信号由于室内障碍物的影响,会在测距时引入一个正偏差。不仅如此,在室内的墙体、地面、桌面等位置,UWB信号可能会产生反射、散射、衍射现象,从而导致定位误差增大。单一传感器的室内定位方法无法从根本上解决这一问题。基于惯性测量单元(Inertial measurement unit,IMU)的捷联式惯性导航系统可以在不依靠外界环境的情况下,通过加速度计和陀螺仪的数据独立运行,短期内精度高。但是随着时间的增大,误差逐渐累积。本文提出将超宽带定位和惯性定位相融合的方法,来提高室内定位精度。UWB信号受到障碍物的遮挡,使得移动待测节点和基站之间的测量距离中,会出现零值、连续不变值、突变值等异常值。这些异常值给后续得UWB定位解算带来很大得误差。针对这一问题,本文提出了一种改进的TWR测距算法,在原有的TWR算法的基础上,增加了对零值、连续不变值、突变值的处理。改进的TWR算法与原算法相比,定位误差较小,并在实验中验证了改算法的有效性。发现UWB定位得到的运动物体的轨迹在z轴方向上有很有“毛刺”。针对这个问题,本文提出了基于Kalman滤波的UWB定位结果优化算法。该算法将前一时刻的UWB定位结果估计值作为预测值,将当前时刻UWB定位的结果做观测值,带入Kalman算法中进行优化。实验结果表明,这种优化方法可以在很大的程度上平滑UWB定位结果,提高UWB定位精度。本文设计了室内定位系统的硬件平台和软件平台。基于扩展卡尔曼滤波和无迹卡尔曼滤波框架,将UWB的测距值和IMU的观测值融合在一起,通过matlab仿真,验证了基于上述两种信息融合框架下的UWB/IMU组合室内定位系统的定位精度都优于单一依赖UWB技术的定位系统。