CN110225458B - 一种基于混合滤波的uwb定位***与方法 - Google Patents
一种基于混合滤波的uwb定位***与方法 Download PDFInfo
- Publication number
- CN110225458B CN110225458B CN201910380579.1A CN201910380579A CN110225458B CN 110225458 B CN110225458 B CN 110225458B CN 201910380579 A CN201910380579 A CN 201910380579A CN 110225458 B CN110225458 B CN 110225458B
- Authority
- CN
- China
- Prior art keywords
- uwb
- signal
- intelligent equipment
- signals
- hybrid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于混合滤波的UWB定位***与方法,属于短距离定位技术领域。通过远端数据处理中心进行信号处理和运算,用户控制小型智能设备的运动并发射UWB信号,通过固定位置的定位基站上安装的不同位置的接收阵列天线接收信号,再对接收信号混合滤波,再根据信号的到达时间差来计算信号源的坐标,最后通过对测量结果进行N次时间平均来输出小型智能设备的精确位置。所述***中,小型智能设备仅作为信号源,运算任务由远端数据处理中心完成,因此不但可以减小小型智能设备负荷,还可通过体积和功率不受限的远端数据处理中心对大量数据进行综合处理,可减小误差,得到更高的测量精度。
Description
技术领域
本发明涉及一种基于混合滤波的UWB定位***与方法,属于室内定位技术领域。
背景技术
随着智能设备技术的快速发展,人们对于基于位置的服务需求日益增加。但由于GPS等传统定位技术无法满足精细定位的需求,比如室内或密集场所的精细定位。在高精度定位方面,蓝牙、WiFi、可见光以及超宽带(Ultra-Wide Band,UWB)定位技术日益发展成熟。UWB具有传输速度高、功耗低、抗多径效果好、安全性高和***复杂度低等特点,在无线定位领域有很大的优势。利用UWB定位,最大的优势是它的定位精度理论上可以达到厘米级,完全满足精确定位的需求。此外,超宽带技术由于功率的限制,可以重复利用已经分配的频段,不会对现存的各种无线***产生干扰;超宽带信号还具有极强的穿透能力,可在室内和地下进行精确定位,使定位***具备更广泛的应用场景。
随着无人机以及无人小车的日益普及和应用,与之相关的技术逐渐成熟。进一步的,随着小型设备的制造成本和研发门槛进一步降低,消费级无人机及无人小车的市场正在越来越活跃。典型地,小型无人机及无人小车已经在航拍摄影、电力巡检、新闻报道、保护野生动物、环境监测以及快递送货等方面大显身手。但室内或混合定位场景的定位精度以及维持稳定状态等问题尚有待进一步提高。
目前,UWB精确定位采用的算法主要有类似于GPS的多发单收定位算法,定位精度在1m以上,当基站数量增加,且基于扩展卡尔曼滤波算法辅助及定位协议可以进一步降低精度,理论上最高精度可达几厘米。但是定位精度提高了,计算量大大提高,导致在多发单收场景下小型智能设备或者小型智能设备的计算量增加,进而带来飞行器负载功率、载重以及硬件成本的陡增。对于小型物体定位或者误差要求很小的场合,这种精度的定位是不满足需求的。
本发明针对定位精度无法满足需求这一问题提出了一种基于混合滤波的UWB定位***与方法,具体采用混合滤波算法对各种信息数据进行融合及处理,实现组合定位的功能。实验表明,基于混合滤波的组合定位***能够有效减小传统定位***因信号抖动、地图限制、信号遮挡等问题引起的误差。整个***既可以应用于机器人、AGV以及行人导航为主的工业产品;也可以应用于无人小车设备巡检为主的消费级电子产品领域。
发明内容
本发明的目的是克服现有UWB定位算法***复杂且定位精度比较差的技术现状,提出了一种基于混合滤波的UWB定位***与方法。
所述混合滤波的UWB定位***与方法,核心思想为:基于混合滤波的UWB信号对智能设备进行精细定位,通过远端数据处理中心进行信号处理和运算,具体为:用户控制智能设备的运动;智能设备发射UWB信号,通过在定位基站上的不同空间位置安装接收阵列天线接收信号,再传输给远端数据处理中心对数据进行混合滤波,并根据信号的到达时间差来计算信号源的坐标,最后通过对测量结果进行N次时间平均来提高定位精度。
一种基于混合滤波的UWB定位***与方法包括一种基于混合滤波的UWB定位***以及一种基于混合滤波的UWB定位方法;
其中,所述UWB定位***主要包括小型智能设备、用户控制终端、定位基站以及远端数据处理中心;
其中,小型智能设备主要包括UWB信号发生器、信号发射装置、距离感应器、控制模块以及电源模块;
其中,距离感应器是重力传感器或压强传感器;
其中,用户控制终端主要包括遥控模块以及状态显示模块;
其中,定位基站主要包括接收阵元天线和传输单元;
优选的,接收阵元天线的数量为S,S的取值范围为大于等于5个;
优选的,传输单元主要包括与接收阵元天线个数相等的等长传输线以及转换模块;
其中,远端数据处理中心包括数据收发单元、中央控制处理器以及混合滤波模块;
小型智能设备与远端数据处理中心通过局域网/城域网/蓝牙/电台/自主网的方式与用户控制终端相连接;
电源模块分别给UWB信号发生器、信号发射装置、距离感应器以及控制模块、用户控制终端以及远端数据处理中心供电;
所述小型智能设备定位***中各模块及单元的连接关系为:
小型智能设备与用户控制终端相连;小型智能设备与定位基站相连,定位基站与远端数据中心相连;远端数据中心与用户控制终端相连;
小型智能设备中的UWB信号发生器与信号发射装置相连,控制模块与UWB发生器相连;距离感应器与信号发射装置相连,信号发射装置与接收阵元天线相连;接收阵元天线与传输单元相连,传输单元与数据收发单元相连;数据收发单元与中央控制处理器相连,中央控制处理器与混合滤波模块相连;数据收发单元与用户控制终端的遥控模块相连;遥控模块与状态显示模块相连;用户控制终端中的遥控模块与小型智能设备的控制模块相连。
所述小型智能设备定位***中各模块及单元的功能如下:
小型智能设备的功能是测量高度信息并将测得信息传输给信号发射装置,在用户控制终端的控制下运动并发送UWB信号;
用户控制终端的功能是遥控智能设备运动,并显示智能设备的位置信息;
定位基站的功能是接收UWB信号并将信号传递给远端数据处理中心;
远端数据处理中心的功能是接收来自定位基站的信号,再进行混合滤波并对数据进行结算与时间平均,得到智能设备的空间坐标信息,并将结果发送给用户控制终端;
一种基于混合滤波的UWB定位方法,包括如下步骤:
步骤1:用户操作用户控制终端,控制小型智能设备的运动,测量小型智能设备在运动过程中的高度,并通过UWB信号发生器产生UWB信号,经信号发射装置不断把高度信息及UWB信号发送出去;
步骤2:安装在定位基站上的接收天线阵元接收信号装置发来的UWB信号并将该信号经传输单元传输给远端数据处理中心;
步骤3:远端数据处理中心中的中央控制处理器对数据收发单元接收到的信号在混合滤波模块中进行混合滤波;
其中,混合滤波模式包括但不限于基于扩展卡尔曼滤波的混合滤波以及基于无迹卡尔曼滤波的混合滤波;
步骤4:滤波后的全部UWB信号传输给中央控制处理器,中央控制处理器对数据收发单元接收到的信号按每4个一组进行组合,产生K组信号组合,分别对每组信号组合进行直接计算,选取所有组合中与真实值方差最小的值作为估计结果;
步骤5:对所有的K次结果进行K次平均,将该平均值作为小型智能设备坐标的测量值,并将该值发送给用户控制终端;
优选的,N的取值范围为大于等于5,小于等于10000;
至此,从步骤1到步骤5,完成了一种基于混合滤波的UWB定位方法。
有益效果
本发明提出的一种基于混合滤波的UWB定位***及方法,与现有定位***及方法相比,具有如下有益效果:
1.本发明所提***中,智能设备仅作为信号源,运算任务由远端数据处理中心完成,因此不但可以减小智能设备负荷,还可通过体积和功率相对不受限制的远端数据处理中心对大量数据进行综合处理;
2.本发明使用5个以上阵天线阵元,因此在计算过程中可以进行N选4的操作,这样可以减小随机误差对测量结果的影响;
3.本发明采用混合滤波的方式,滤波结果相对拓展卡尔曼滤波EKF、无迹卡尔曼滤波UKF、基本粒子滤波PF以及改进粒子滤波EPF相比,滤波结果更加接近真实状态,误差更小;
4.本发明通过对计算结果进行N次时间平均,由于到达时间误差服从均值为0的正态分布,所以取N次时间平均的方法可以减小误差,得到更高的测量精度。
附图说明
图1是本发明一种基于混合滤波的UWB定位***的组成框图;
图2为本发明一种基于混合滤波的UWB定位方法在实施例2中混合滤波器估计值与真实值的仿真图;
图3为本发明一种基于混合滤波的UWB定位方法在实施例2中混合滤波器的偏差仿真图;
图4为本发明一种基于混合滤波的UWB定位方法在实施例2中混合滤波器的时延仿真图。
具体实施方式
下面根据附图及实施例对本发明进行详细说明,但本发明的具体实施形式并不局限于此。
实施例1
本实施例具体阐述了本发明“一种基于混合滤波的UWB定位***及方法”中定位***的组成及连接关系,如图1所示。
从图1中可以看出,所述UWB定位***主要包括小型智能设备、用户控制终端、定位基站以及远端数据处理中心;
其中,小型智能设备为小型无人机或小型无人小车;
其中,小型智能设备包括UWB信号发生器、信号发射装置、距离感应器、控制模块以及电源模块;
其中,用户控制终端主要包括遥控模块以及状态显示模块;
其中,定位基站主要包括接收阵元天线和传输单元;
具体实施时,距离感应器是重力传感器、压强传感器以及激光测距传感器中的一种。
具体实施时,当采用激光测距传感器时,具体实施时可以采用LDM41或者LDM301为主的激光测距传感器实时测量小型智能设备的高度;
接收阵元天线的数量为5,也可以为8、10、12、16以及20,甚至20以上;
接收阵元天线的排布方式为水平及立体两种;当接收阵元天线的数量为5个时,为水平等边5角形中的5个顶点排布;
当接收阵元为8个及8个以上时,采用空间两层或多层分布;每层中的每个阵元位于等边N边形的每一个顶点;
优选的,传输单元主要包括与接收阵元天线个数相等的等长传输线以及转换模块;
具体实施时,等长传输线可以为等长光纤且等长光纤的传输长度为1km以上,500km以内,且忽略传输距离范围内光纤信道中的非线性及延迟,同时,也忽略各个阵元相连的各通道间的传输延迟。
远端数据处理中心包括数据收发单元、中央控制处理器以及混合滤波模块;
小型智能设备与远端数据处理中心通过局域网/城域网/蓝牙/电台/自主网的方式与用户控制终端相连接;
具体实施时,小型智能设备与远端数据处理中心通过北斗、4G或5G与用户控制终端相连接;
电源模块分别给UWB信号发生器、信号发射装置以及控制模块、用户控制终端以及远端数据处理中心供电;
所述UWB定位***中各模块及单元的连接关系为:
小型智能设备与用户控制终端相连;小型智能设备与定位基站相连,定位基站与远端数据中心相连;远端数据中心与用户控制终端相连;
小型智能设备中的UWB信号发生器与信号发射装置相连,距离传感器与信号发射装置相连,控制模块与UWB发生器相连;信号发射装置与接收阵元天线相连;接收阵元天线与传输单元相连,传输单元与数据收发单元相连;数据收发单元与中央控制处理器相连,中央控制处理器与混合滤波模块相连;数据收发单元与用户控制终端的遥控模块相连;遥控模块与状态显示模块相连;用户控制终端中的遥控模块与小型智能设备的控制模块相连。
所述UWB定位***中的小型智能设备的距离感应器用于测量该小型智能设备的高度,在用户控制终端的控制下运动并发送UWB信号;用户控制终端用于遥控智能设备运动,并显示智能设备的位置与高度信息;定位基站用于接收UWB信号并将信号传递给远端数据处理中心;远端数据处理中心用于接收来自定位基站的信号,再进行混合滤波并对数据进行结算与时间平均,得到小型智能设备的空间坐标信息,并将结果发送给用户控制终端;
所述基于混合滤波的UWB定位方法,具体实施时,步骤如下:
步骤A:用户操作用户控制终端,控制小型智能设备的运动,小型智能设备在运动过程中通过其UWB信号发生器产生UWB信号,并经信号发射装置不断发送UWB信号;
具体实施时,每间隔R秒发送一次UWB信号;R的取值范围为0.1秒到2秒;
步骤B:安装在定位基站上的接收天线阵元接收信号装置发来的UWB信号并将该信号经传输单元传输给远端数据处理中心;
其中,具体实施时,接收天线阵元为5个,接收天线阵元的排布为正方形的4个顶点及中心;正方形边长范围为大于等于2倍的UWB信号的波长。
接收天线阵元的排布也可以是等边J边形排布;J=5时,等边五边形排布;J=6时,为等边六边形排布;J=8时,为等边八边形排布;边长的取值范围为大于等于2倍的UWB信号波长。
步骤C:远端数据处理中心中的中央控制处理器对数据收发单元接收到的信号在混合滤波模块中进行混合滤波;
其中,混合滤波模式包括但不限于基于扩展卡尔曼滤波的混合滤波以及基于无迹卡尔曼滤波的混合滤波;
步骤C中当采用基于扩展卡尔曼滤波的混合滤波时,又包括如下子步骤:
步骤C1:初始化t=0,令i=1:M,从先验分布p(X0)中抽取M个初始化状态X0 i;
步骤C2:对于t=1:T,为混合粒子滤波器采样与选择阶段,具体如下子步骤:
步骤C2.1:混合粒子滤波器采样,具体为:
步骤C2.1A令i=1:M,计算与i对应的状态转移矩阵的雅克比矩阵、噪声驱动矩阵、观测矩阵以及观测噪声驱动矩阵;
步骤C2.1B基于步骤C2.1A计算出的与i对应的状态转移矩阵的雅克比矩阵、噪声驱动矩阵、观测矩阵以及观测噪声驱动矩阵,采用扩展卡尔曼滤波器算法更新粒子集合,得到与i对应的样本均值和协方差;
步骤C2.1C基于步骤C2.1B计算出的与i对应的样本均值和协方差,为每个粒子重新计算权重;
步骤C2.1D基于步骤C2.1C输出的每一个与i对应的重新计算的权重,进行归一化;
步骤C2.2:混合粒子滤波器的选择阶段,具体为:
步骤C2.2A基于重采样算法,根据步骤C2.1D输出的归一化权值的大小,对步骤C2.1B更新的粒子集合进行复制和淘汰;
步骤C2.2B重新设置与i对应的权重为1/M;
步骤C计算步骤C2.2A产生的粒子集,并输出;
步骤C中当采用基于无迹卡尔曼滤波的混合滤波,具体实施时,包括如下子步骤:
步骤Ca:初始化k=0,令i=1:M,从先验分布p(X0)中抽取M个初始化状态X0 i,并计算均值及协方差;
步骤Cb:对于t=1:T,为混合粒子滤波器采样与选择阶段,具体如下子步骤:
步骤Cb.1:采用无迹卡尔曼滤波器计算均值和方差,具体为:
步骤Cb.1A计算Sigma点集集合;
步骤Cb.1B对Sigma点集进行一步预测;
步骤Cb.1C融入新的预测,并更新;
步骤Cb.1D计算采样并更新粒子;
步骤Cb.1E为每个粒子重新计算权重;
步骤Cb.2:混合粒子滤波器的选择阶段,具体为:
步骤Cb.2A基于重采样算法,根据步骤Cb.1D输出的归一化权值的大小,对步骤Cb.1D更新的粒子集合进行复制和淘汰;
步骤Cb.2B重新设置与i对应的权重为1/M;
步骤Cc:计算步骤Cb.1D产生粒子集合的均值,并输出;
图2为本发明一种基于混合滤波的小型智能设备定位方法在实施例2中混合滤波器估计值与真实值的仿真图;从图2中可看出,基于混合滤波的是三角曲线和方形曲线,其中三角曲线是无迹卡尔曼混合滤波的估计值,方形曲线是扩展卡尔曼混合滤波的估计值,从图中可以看出,无迹卡尔曼混合滤波的估计值与真实值十分接近。而其他非混合型滤波器估计值与真实值差距较大。
进一步的,还可以从其他仿真图上得出类似结论。图3为本发明一种基于混合滤波的小型智能设备定位方法在实施例3中混合滤波器估计值与真实值的偏差仿真图;从图2中可看出,基于混合滤波的是三角曲线和方形曲线,其中三角曲线是无迹卡尔曼混合滤波的估计值,方形曲线是扩展卡尔曼混合滤波的估计值,从图3中可以看出,无迹卡尔曼混合滤波的偏差值最小,几乎没有偏差;且混合型的扩展卡尔曼滤波器偏差其次,而其他非混合型滤波器的偏差值与真实值偏差更大。
进一步的,仿真了一种基于混合滤波的小型智能设备定位方法的时延,如图4所示,并与现有定位算法相比较。得出结论是:从图4中可以看出,无迹卡尔曼混合滤波的时间延迟以及基于扩展卡尔曼混合滤波的时间延迟最大。而单独的扩展卡尔曼滤波器等偏差其次。
需要说明的是,本说明书所述的只是本发明的较佳具体实施例,以上实施例仅用于说明本发明的技术方案而非对本发明的限制。凡本领域技术人员依本发明的构思通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在本发明的范围之内。
Claims (4)
1.一种基于混合滤波的UWB定位方法,其特征在于:基于混合滤波的UWB信号对智能设备进行精细定位,通过远端数据处理中心进行信号处理和运算,具体为:用户控制智能设备的运动;智能设备发射UWB信号,通过在定位基站上的不同空间位置安装接收阵列天线接收信号,再传输给远端数据处理中心对数据进行混合滤波,并根据信号的到达时间差来计算信号源的坐标,最后通过对测量结果进行N次时间平均来提高定位精度,具体包括如下步骤:
步骤1:用户操作用户控制终端,控制小型智能设备的运动,小型智能设备在运动过程中通过UWB信号发生器产生UWB信号,并经信号发射装置不断发送UWB信号;
步骤2:安装在定位基站上的接收天线阵元接收信号装置发来的UWB信号并将该信号经传输单元传输给远端数据处理中心;
其中,接收阵元天线的排布方式为水平及立体两种;
其中,传输单元包括与接收阵元天线个数相等的等长传输线以及转换模块;步骤3:远端数据处理中心中的中央控制处理器对数据收发单元接收到的信号在混合滤波模块中进行混合滤波,具体包括如下子步骤:
步骤Ca:初始化k=0,令i=1:M,从先验分布p(X0)中抽取M个初始化状态X0 i,并计算均值及协方差;
步骤Cb:对于t=1:T,为混合粒子滤波器采样与选择阶段,具体如下子步骤:
步骤Cb.1:采用无迹卡尔曼滤波器计算均值和方差,具体为:
步骤Cb.1A计算Sigma点集集合;
步骤Cb.1B对Sigma点集进行一步预测;
步骤Cb.1C融入新的预测,并更新;
步骤Cb.1D计算采样并更新粒子;
步骤Cb.1E为每个粒子重新计算权重;
步骤Cb.2:混合粒子滤波器的选择阶段,具体为:
步骤Cb.2A基于重采样算法,根据步骤Cb.1D输出的归一化权值的大小,对步骤Cb.1D更新的粒子集合进行复制和淘汰;
步骤Cb.2B重新设置与i对应的权重为1/M;
步骤Cc:计算步骤Cb.1D产生粒子集合的均值,并输出;
步骤4:滤波后的全部UWB信号传输给中央控制处理器,中央控制处理器对数据收发单元接收到的信号按每4个一组进行组合,产生K组信号组合,分别对每组信号组合进行直接计算,选取所有组合中与真实值方差最小的值作为估计结果;
步骤5:对所有的K次结果进行N次平均,将该平均值作为小型智能设备坐标的测量值,并将该值发送给用户控制终端。
2.根据权利要求1所述的一种基于混合滤波的UWB定位方法,其特征在于:步骤1中,每间隔R秒发送一次UWB信号;R的取值范围为0.1秒到2秒。
3.根据权利要求1所述的一种基于混合滤波的UWB定位方法,其特征在于:步骤2中,接收天线阵元为5个、8、10、12、16以及20,甚至20以上中的一种;
当接收阵元天线的数量为5个时,为水平等边5角形中的5个顶点排布;
当接收阵元为8个及8个以上时,采用空间两层或多层分布;每层中的每个阵元位于等边N边形的每一个顶点。
4.根据权利要求1所述的一种基于混合滤波的UWB定位方法,其特征在于:步骤5中N的取值范围为大于等于5,小于等于10000。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019100314567 | 2019-01-14 | ||
CN201910031456 | 2019-01-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110225458A CN110225458A (zh) | 2019-09-10 |
CN110225458B true CN110225458B (zh) | 2020-10-09 |
Family
ID=67820596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910380579.1A Expired - Fee Related CN110225458B (zh) | 2019-01-14 | 2019-05-08 | 一种基于混合滤波的uwb定位***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110225458B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114339993B (zh) * | 2022-03-16 | 2022-06-28 | 北京瑞迪时空信息技术有限公司 | 基于天线距离约束的陆基定位方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106019221A (zh) * | 2016-05-17 | 2016-10-12 | 上海酷哇机器人有限公司 | 基于AoA的UWB定位*** |
CN106908762A (zh) * | 2017-01-12 | 2017-06-30 | 浙江工业大学 | 一种针对uhf‑rfid***的多假设ukf目标跟踪方法 |
CN107192387A (zh) * | 2017-05-23 | 2017-09-22 | 北京理工大学 | 一种基于无迹卡尔曼滤波的组合定位方法 |
CN107328406A (zh) * | 2017-06-28 | 2017-11-07 | 中国矿业大学(北京) | 一种基于多源传感器的矿井移动目标定位方法与*** |
CN107708204A (zh) * | 2017-10-24 | 2018-02-16 | 常州工学院 | 基于卡尔曼滤波的uwb定位***基站自标定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10317421B2 (en) * | 2014-03-31 | 2019-06-11 | Stmicroelectronics S.R.L | Positioning apparatus comprising an inertial sensor and inertial sensor temperature compensation method |
-
2019
- 2019-05-08 CN CN201910380579.1A patent/CN110225458B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106019221A (zh) * | 2016-05-17 | 2016-10-12 | 上海酷哇机器人有限公司 | 基于AoA的UWB定位*** |
CN106908762A (zh) * | 2017-01-12 | 2017-06-30 | 浙江工业大学 | 一种针对uhf‑rfid***的多假设ukf目标跟踪方法 |
CN107192387A (zh) * | 2017-05-23 | 2017-09-22 | 北京理工大学 | 一种基于无迹卡尔曼滤波的组合定位方法 |
CN107328406A (zh) * | 2017-06-28 | 2017-11-07 | 中国矿业大学(北京) | 一种基于多源传感器的矿井移动目标定位方法与*** |
CN107708204A (zh) * | 2017-10-24 | 2018-02-16 | 常州工学院 | 基于卡尔曼滤波的uwb定位***基站自标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110225458A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108521670B (zh) | 面向多机紧密编队飞行基于uwb通信与定位方法及一体化*** | |
US11036237B2 (en) | Radar-based system and method for real-time simultaneous localization and mapping | |
CN112106126B (zh) | 车辆与行人碰撞避免的方法和*** | |
CN110488234B (zh) | 车载毫米波雷达的外参标定方法、装置、设备及介质 | |
JP2021516401A (ja) | データ融合方法及び関連装置 | |
CN111413970A (zh) | 超宽带与视觉融合的室内机器人定位与自主导航方法 | |
CN110044371A (zh) | 一种车辆定位的方法以及车辆定位装置 | |
CN110926484B (zh) | 车辆位置的获取方法、装置以及智能车辆 | |
CN111007455B (zh) | 定位***及方法、数据库、神经网络模型训练方法 | |
CN112382131B (zh) | 一种机场场面安全避撞预警***和方法 | |
CN116931602A (zh) | 高安全性的变电站巡检无人机***和方法 | |
CN108520640B (zh) | 基于超宽带的无人机导航方法、导航设备、无人机 | |
CN112533163A (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
CN113923596B (zh) | 室内定位方法、装置、设备及介质 | |
EP4148385A1 (en) | Vehicle navigation positioning method and apparatus, and base station, system and readable storage medium | |
US20220049961A1 (en) | Method and system for radar-based odometry | |
CN105897334A (zh) | 一种基于弹簧模型的室内协助式可见光定位方法和*** | |
CN111198567B (zh) | 一种多agv协同动态追踪方法及装置 | |
CN110225458B (zh) | 一种基于混合滤波的uwb定位***与方法 | |
CN117647993A (zh) | 一种基于电力巡检场景下的无人机巡检方法 | |
CN113923776B (zh) | 一种屏蔽目标位置确认及无人机自适应干扰***和方法 | |
KR102169512B1 (ko) | Uav 및 rfid를 이용한 위치정보 추정 시스템 및 방법 | |
CN113758482A (zh) | 车辆导航定位方法、装置、基站、***及可读存储介质 | |
CN114993299B (zh) | 一种基于超宽带的无人机辅助定位方法及*** | |
AU2022453597A1 (en) | Positioning method, apparatus, electronic device and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201009 Termination date: 20210508 |
|
CF01 | Termination of patent right due to non-payment of annual fee |