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
为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan Taylor Kalman组合定位算法。该算法在Chan Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明:相...为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan Taylor Kalman组合定位算法。该算法在Chan Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明:相比Chan Taylor协同定位算法,Chan Taylor Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。展开更多
文摘为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan Taylor Kalman组合定位算法。该算法在Chan Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明:相比Chan Taylor协同定位算法,Chan Taylor Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。
