由于非视距(Non-Line of Sight,NLOS)信号的存在,基于卡尔曼滤波(Kalman Filter,KF)的超宽带室内定位方法会出现定位精度下降的问题,提出一种自适应NLOS信号抑制联合KF的UWB定位算法。对UWB接收信号进行建模,并估计得到NLOS信号的协方...由于非视距(Non-Line of Sight,NLOS)信号的存在,基于卡尔曼滤波(Kalman Filter,KF)的超宽带室内定位方法会出现定位精度下降的问题,提出一种自适应NLOS信号抑制联合KF的UWB定位算法。对UWB接收信号进行建模,并估计得到NLOS信号的协方差矩阵;利用该协方差矩阵对接收信号进行“白化”抑制;利用KF进行室内定位,同时针对KF滤波发散、误差较大的问题,利用RBF神经网络对误差进行在线修正,提升滤波性能。实验结果表明,该方法在NLOS环境下能够获得亚米级的定位精度,并具有较强的环境适应性。展开更多
文摘由于非视距(Non-Line of Sight,NLOS)信号的存在,基于卡尔曼滤波(Kalman Filter,KF)的超宽带室内定位方法会出现定位精度下降的问题,提出一种自适应NLOS信号抑制联合KF的UWB定位算法。对UWB接收信号进行建模,并估计得到NLOS信号的协方差矩阵;利用该协方差矩阵对接收信号进行“白化”抑制;利用KF进行室内定位,同时针对KF滤波发散、误差较大的问题,利用RBF神经网络对误差进行在线修正,提升滤波性能。实验结果表明,该方法在NLOS环境下能够获得亚米级的定位精度,并具有较强的环境适应性。