针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处...针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处理的TWR测距优化,主要以外推拟合的方式减少TWR测距的异常值,并利用粒子滤波对TWR测距系统的有色噪声进行处理。通过试验与传统的均值滤波和卡尔曼滤波进行对比发现:相较于均值滤波,本文方法的最大误差、误差均值、误差标准差分别降低了69.3%、73.8%、72.1%。基于差分定位的UWB优化方法,通过在常规三边定位的基础上引入位置已知的修正标签,将修正标签在UWB坐标系下到达各个固定基站的测量值与真实值的偏差作为修正值,利用固定基站将修正信息传送给待测标签,并对待测标签位置信息进行误差修正。试验结果表明:本文方法能在一定程度上提高UWB在温室场景下的定位精度。修正后,静态定位下的最大误差、平均绝对误差和均方根误差分别降低了11.56%、12.23%、11.57%,动态定位下的偏差均值、方差和标准差分别降低了9.06%、15.04%和7.84%。展开更多
文摘针对基于双向测距(Two Way Ranging,TWR)的超宽带(Ultra Wide Band,UWB)定位技术在温室场景下定位精度较低的问题,提出了一种基于多维处理的TWR测距优化方法,并在此基础上采用差分定位对UWB在温室场景下的定位误差进行修正。基于多维处理的TWR测距优化,主要以外推拟合的方式减少TWR测距的异常值,并利用粒子滤波对TWR测距系统的有色噪声进行处理。通过试验与传统的均值滤波和卡尔曼滤波进行对比发现:相较于均值滤波,本文方法的最大误差、误差均值、误差标准差分别降低了69.3%、73.8%、72.1%。基于差分定位的UWB优化方法,通过在常规三边定位的基础上引入位置已知的修正标签,将修正标签在UWB坐标系下到达各个固定基站的测量值与真实值的偏差作为修正值,利用固定基站将修正信息传送给待测标签,并对待测标签位置信息进行误差修正。试验结果表明:本文方法能在一定程度上提高UWB在温室场景下的定位精度。修正后,静态定位下的最大误差、平均绝对误差和均方根误差分别降低了11.56%、12.23%、11.57%,动态定位下的偏差均值、方差和标准差分别降低了9.06%、15.04%和7.84%。
