一种UWB定位精度提升办法制造技术

本发明专利技术公开了一种UWB定位精度提升办法，包括构建UWB测距判别模型、构建随机森林算法、构建UWB/IMU的联合定位算法、构建基于IMU的PDR定位算法、通过卡尔曼滤波融合IUB和UWB系统的定位结果、重新计算更新后的NLOS误差值对距离更新、再次获得最小二乘的估计位置更新偏航角，本发明专利技术采用机器学习算法建立模型，同时使用IMU的PDR定位算法和卡尔曼滤波实现IMU与UWB的联合精准定位，充分利用两个系统的优点，在不同NLOS误差和复杂工况下都可以实现良好的定位精度。的定位精度。的定位精度。

【技术实现步骤摘要】
一种UWB定位精度提升办法


[0001]本专利技术涉及定位方法领域，具体涉及UWB/IMU的联合定位算法，依靠UWB系统测距值对IMU统定位值进行修正。

技术介绍

[0002]随着近距离通信技术及无线定位技术的发展，人们期待移动设备可以感知位置从而提供导航定位服务。而室内定位技术弥补了GPS因信号受建筑物遮挡而无法用于室内环境定位的不足，将定位服务从城市室外空间扩展至建筑物内部空间，目前出现了各式各样的室内定位技术，比如红外线定位、超声波定位、Wi
‑
Fi定位、蓝牙定位、UWB定位、IMU定位等。这些定位技术各有优缺点，应对的场景也各不相同，在较为复杂的环境下UWB的测距精度达不到要求，利用联合定位算法，可以大大提高精度，而IMU不需要锚点辅助，还可以提供加速度、方位角，将测距信息和方位信息充分融合。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供的技术方案为：一种UWB定位精度提升办法，包括以下步骤：
[0004]S1、构建UWB测距判别模型，获得锚点数和移动目标的距离；
[0005]S2、构建随机森林算法，预测S1所建立判别模型的性能好坏与精度要求；
[0006]S3、构建UWB/IMU的联合定位算法，通过IMU进行机器人轨迹推算；
[0007]S4、构建基于IMU的PDR定位算法，融合S3中IMU推算的机器人轨迹信息；IUB推测得到预测距离，根据距离公式计算预测位置与锚节点之间的距离，将UWB距离测量值与IUB的计算公式所获得的距离测量值做差来获得误差估计值；
[0008]S5、通过卡尔曼滤波融合IUB和UWB系统的定位结果；
[0009]S6、获得S5的定位结果后，重新计算更新后的NLOS误差值对距离更新，再次获得最小二乘的估计位置更新偏航角，卡尔曼滤波融合两个系统的结果，反复执行如上结果便可以获得好的定位结果。
[0010]优选地，步骤S1机器人实时测距判别模型中接收端和发送端的时间同步，通过获取信号获得的时间间接获得锚点数和移动目标的距离。
[0011]优选地，步骤S3中机器人轨迹推算包括移动检测、速度估计、方向估计，其中，速度估计包括加速度、角速度，方向估计包括方位角信息。
[0012]优选地，步骤S3中基于UWB/IMU的联合定位算法，包括以下步骤：
[0013](1)设k时刻行人与UWB的第i(i＝1,2,...,N)个基站间距离的真实距离为：
[0014][0015]上式中，(x
i
,y
i
)为第i个基站坐标，i＝1，2，
…
，N；(p
k,x
,p
k,y
)为k时刻行人位置理论值；
[0016](2)k时刻通过IMU解算得到的定位值为(p
k,x
,x,IMU,p
k,y
,IMU)，利用该结果即可计算得到行人与第i个基站的距离：进行一节泰勒展开：
[0017][0018]上式中，k时刻行人与第i个基站间距离的真实距离，是使用精度较高的UWB测距值作为参考，它们的关系如下所示：
[0019]d
i,k,UWB
＝d
i,k
+ε
ꢀꢀꢀ
(3)
[0020]上式中，ε为测量噪声；
[0021](3)IMU的定位误差可表示为：
[0022][0023]融合公式(3)、公式(4)，可以得到：
[0024][0025]上式即为基于第i个基站的观测向量，进而可以得到紧组合观测向量的完整表达式：
[0026][0027]其中，nK为系统的测量噪声矩阵，h(Xk)的第i项hi(Xk)的值为：
[0028][0029]将观测方程线性化之后，可以得到观测矩阵，如下式所示：
[0030][0031]优选地，步骤S4中基于IMU的PDR定位算法，包括以下步骤：
[0032](1)基于UWB定位初始坐标；
[0033](2)步长估计：
[0034]采用Weinberg非线性估计模型，公式如下：
[0035][0036]上式中，L2为步长，K1为常数，a
max
和a
min
分别表示行走过程中的最大加速度值和最小加速度值；
[0037]步长与平均加速度的关系，公式如下：
[0038][0039]上式中，L3表示步长，K3为系数，ai为第i个采样点的三轴加速度幅值，N为采样数。
[0040]优选地，步骤S5中卡尔曼滤波融合IUB和UWB系统的定位结果，包括以下步骤：
[0041]设状态变量n维，k时刻的状态为Xk；k时刻的m维测量量Zk，则：
[0042]状态方程为：x
k
＝φ
k
‑1x
k
‑1+Γ
k
‑1w
k
‑1ꢀꢀꢀ
(11)
[0043]测量方程为：z
k
＝H
k
x
k
+V
k
ꢀꢀꢀ
(12)
[0044]其中，φ
k
‑1为状态转移矩阵；Γ
k
‑1为状态噪声系数矩阵；w
k
‑1为状态噪声；H
k
测量矩阵；V
k
为测量噪声，一般为零期望白噪声；
[0045]根据匀加速运动模型有：
[0046][0047][0048]上式中，s(k)为移动目标的一维位置信息，为移动目标的速度，根据卡尔曼滤波远离可得如下方程组：
[0049][0050]由于系统采样频率较高，在一个采样周期内可以近似认为移动目标做匀速运动,因此上述公式可改写为：
[0051][0052]考虑到二维情形下的状态模型包含水平方向和垂直方向的位置和速度，因此可以将状态方程定义为：
[0053][0054]上式中，x(k)、分别为x方向的位置和速度，y(k)、分别为y方向的位置和速度；
[0055]则系统方程可以表示为：
[0056][0057]相应的测量误差方程和状态方程分别为：
[0058][0059][0060]上式中，V
k
和V
x
分别为观测量L
k
和状态预测量X
k
的残差向量。
[0061]采用以上方案后，本专利技术具有如下优点：本专利技术采用机器学习算法建立模型，同时使用IMU的PDR定位算法和卡尔曼滤波实现IMU与UWB的联合精准定位，充分利用两个系统的优点，在不同NLOS误差和复杂工况下都可以实现良好的定位精度。
附图说明
[0062]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解的是，以下附图仅示出了本专利技术的某些实施例，因此不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种UWB定位精度提升办法，其特征在于，包括以下步骤：S1、构建UWB测距判别模型，获得锚点数和移动目标的距离；S2、构建随机森林算法，预测S1所建立判别模型的性能好坏与精度要求；S3、构建UWB/IMU的联合定位算法，通过IMU进行机器人轨迹推算；S4、构建基于IMU的PDR定位算法，融合S3中IMU推算的机器人轨迹信息；IUB推测得到预测距离，根据距离公式计算预测位置与锚节点之间的距离，将UWB距离测量值与IUB的计算公式所获得的距离测量值做差来获得误差估计值；S5、通过卡尔曼滤波融合IUB和UWB系统的定位结果；S6、获得S5的定位结果后，重新计算更新后的NLOS误差值对距离更新，再次获得最小二乘的估计位置更新偏航角，卡尔曼滤波融合两个系统的结果，反复执行如上结果便可以获得好的定位结果。2.根据权利要求1所述的一种UWB定位精度提升办法，其特征在于，步骤S1机器人实时测距判别模型中接收端和发送端的时间同步，通过获取信号获得的时间间接获得锚点数和移动目标的距离。3.根据权利要求1所述的一种UWB定位精度提升办法，其特征在于，步骤S3中机器人轨迹推算包括移动检测、速度估计、方向估计，其中，速度估计包括加速度、角速度，方向估计包括方位角信息。4.根据权利要求1所述的一种UWB定位精度提升办法，其特征在于，步骤S3中基于UWB/IMU的联合定位算法，包括以下步骤：(1)设k时刻行人与UWB的第i(i＝1,2,...,N)个基站间距离的真实距离为：上式中，(x
i
,y
i
)为第i个基站坐标，i＝1，2，
…
，N；(p
k,x
,p
k,y
)为k时刻行人位置理论值；(2)k时刻通过IMU解算得到的定位值为(p
k,x
,x,IMU,p
k,y
,IMU)，利用该结果即可计算得到行人与第i个基站的距离：进行一节泰勒展开：上式中，k时刻行人与第i个基站间距离的真实距离，是使用精度较高的UWB测距值作为参考，它们的关系如下所示：d
i,k,UWB
＝d
i,k
+ε
ꢀꢀꢀꢀ
(3)上式中，ε为测量噪声；(3)IMU的定位误差可表示为：融合公式(3)、公式(4)，可以得到：上式即为基于第i个基站的观测向量，进而可以得到紧组合观测向量的完整表...

【专利技术属性】
技术研发人员：吴明，
申请(专利权)人：高斯机器人深圳有限公司，
类型：发明
国别省市：