一种基于UWB的高精度抗干扰测距方法技术

本发明专利技术公开一种基于UWB的高精度抗干扰测距方法，属于测距技术领域，用于抗干扰测距，包括使用双边双向测距方法得到标签与基站之间的距离观测值，读取超宽带测距中的信道脉冲响应信号，使用粒子群优化得到最佳变分模态分解参数，重构分解重构本征模态函数，通过格拉姆角和场GASF升维；计算CIR的统计参数序列，结合GASF输入改进MobileNetV3中，得到非视距噪声因子，进行改进的卡尔曼滤波得到测距结果。本发明专利技术平均池化保留了特征的平均信息，勾勒出整体轮廓；最大池化凸显了突出特征，捕捉关键细节；识别率达78.0%，计算出的距离均方根误差RMSE在7cm以内，满足实际应用的精度要求。

【技术实现步骤摘要】

本专利技术公开一种基于uwb的高精度抗干扰测距方法，属于测距。

技术介绍

1、超宽带（uwb）无线通信是一项利用纳秒级短脉冲进行无线通信的技术，利用飞行时间（tof）算法计算基站与标签之间的距离，可以实现高精度、低时延的定位。相较于卫星定位，超宽带多应用于室内定位领域，如大型城市综合体室内定位与导航、智慧工厂人员定位、uwb防丢器等。多径效应和非视距（nlos）传播是影响测距精度的主要因素。现有技术中有采用卡尔曼滤波及其变种解决多径效应和非视距传播误差的，但测量数据的噪声不属于高斯噪声，尽管经过卡尔曼滤波后可以降低数据的方差，由于非视距传播，数据仍存在一个均值为正数的误差，其值与环境有关。现有技术中还有使用神经网络先识别非视距环境，再进行误差消除。如何提高神经网络识别的准确度，同时降低参数量以保证实时性也是本领域的难题。除此之外，还存在由于nlos识别和测距算法的时间分辨率不同导致的nlos误差修正不及时问题。

技术实现思路

1、本专利技术的目的在于提供一种基于uwb的高精度抗干扰测距方法，以解决现有技术中，本文档来自技高网...

【技术保护点】

1.一种基于UWB的高精度抗干扰测距方法，其特征在于，包括使用双边双向测距方法DS-TWR得到标签与基站之间的距离观测值，读取超宽带UWB测距中的信道脉冲响应信号CIR，使用粒子群优化得到最佳变分模态分解VMD参数，重构分解重构本征模态函数DR-IMFs，通过格拉姆角和场GASF升维；计算CIR的统计参数序列，结合GASF输入改进MobileNetV3中，得到非视距NLOS噪声因子，进行改进的卡尔曼滤波得到测距结果。

2.根据权利要求1所述的一种基于UWB的高精度抗干扰测距方法，其特征在于，所述用粒子群优化得到最佳变分模态分解VMD参数包括初始化粒子群、计算个体适应度、获得群...

【技术特征摘要】

1.一种基于uwb的高精度抗干扰测距方法，其特征在于，包括使用双边双向测距方法ds-twr得到标签与基站之间的距离观测值，读取超宽带uwb测距中的信道脉冲响应信号cir，使用粒子群优化得到最佳变分模态分解vmd参数，重构分解重构本征模态函数dr-imfs，通过格拉姆角和场gasf升维；计算cir的统计参数序列，结合gasf输入改进mobilenetv3中，得到非视距nlos噪声因子，进行改进的卡尔曼滤波得到测距结果。

2.根据权利要求1所述的一种基于uwb的高精度抗干扰测距方法，其特征在于，所述用粒子群优化得到最佳变分模态分解vmd参数包括初始化粒子群、计算个体适应度、获得群体最优值、判断排列熵是否最小，若否则更新粒子并重新计算个体适应度，若是则获得最佳变分模态分解vmd参数，最佳变分模态分解vmd参数包括惩罚因子和模态分解数k。

3.根据权利要求2所述的一种基于uwb的高精度抗干扰测距方法，其特征在于，重构分解重构本征模态函数dr-imfs包括判断k的值，若k不大于3，则令k=3，得到格拉姆角和场gasf，若k大于3，进行排列熵和中心频率聚类，进行本征模态函数imfs序列k-均值聚类，保留动态时间规整dtw之和小的聚类方式。

4.根据权利要求3所述的一种基于uwb的高精度抗干扰测距方法，其特征在于，进行改进的卡尔曼滤波包括，初始化时刻状态、时刻协方差矩阵、噪声方差和、nlos环境噪声误差，结合nlos噪声因子预测先验nlos噪声误差估计，预测时刻先验状态估计和时刻先验误差协方矩阵，计算卡尔曼因子和衰减因数，更新后验nlos噪声误差估计，得到，结合标签与基站之间的距离观测值，更新后验状态估计，得到更新后的时刻和时刻后验协方差矩阵，更新残差平均值，输出作为测距结果。

5.根据...

【专利技术属性】
技术研发人员：张博新，张晨腾，司雅飞，黄禹博，王武礼，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：