针对最小二乘法(Least Squares Method,LSM)对于超宽带(Ultra Wide Band,UWB)中飞行时间(Time of Flight,TOF)法在非视距(Non Line of Sight,NLoS)下定位精度低下的问题,提出了基于扩展灰狼算法(Extended Gray Wolf Algorithm,EGWO)优...针对最小二乘法(Least Squares Method,LSM)对于超宽带(Ultra Wide Band,UWB)中飞行时间(Time of Flight,TOF)法在非视距(Non Line of Sight,NLoS)下定位精度低下的问题,提出了基于扩展灰狼算法(Extended Gray Wolf Algorithm,EGWO)优化后的长短期记忆(Long Short-Term Memory,LSTM)网络改进LSM定位算法(EGWO-LSTM-LSM)。采用LSTM及改进的EGWO建立最优测距误差预测模型,根据预测结果构造权重矩阵,在LSM上加权计算,并添加测距误差校正项,以改进LSM实现静态定位,并结合卡尔曼滤波器(Kalman Filter,KF)实现动态定位追踪。仿真结果表明,EGWO-LSTM预测准确率达98.857%,EGWO-LSTM-LSM将二维和三维位置误差分别稳定控制在10~25 mm,进一步提升了TOF定位精度。展开更多
文摘针对最小二乘法(Least Squares Method,LSM)对于超宽带(Ultra Wide Band,UWB)中飞行时间(Time of Flight,TOF)法在非视距(Non Line of Sight,NLoS)下定位精度低下的问题,提出了基于扩展灰狼算法(Extended Gray Wolf Algorithm,EGWO)优化后的长短期记忆(Long Short-Term Memory,LSTM)网络改进LSM定位算法(EGWO-LSTM-LSM)。采用LSTM及改进的EGWO建立最优测距误差预测模型,根据预测结果构造权重矩阵,在LSM上加权计算,并添加测距误差校正项,以改进LSM实现静态定位,并结合卡尔曼滤波器(Kalman Filter,KF)实现动态定位追踪。仿真结果表明,EGWO-LSTM预测准确率达98.857%,EGWO-LSTM-LSM将二维和三维位置误差分别稳定控制在10~25 mm,进一步提升了TOF定位精度。
