科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着现代技术的发展，人们对室内定位技术的需求与日俱增。传统室内定位算法精度不高，使用BP神经网络的室内定位精度有所提升，但网络收敛速度较慢。针对以上问题，提出了一种基于Ada-Transformer的UWB/IMU融合室内定位算法。Transformer网络模型收敛速度较快，采用Adaboost子网络与Transformer网络模型进行组合，以获取时域的依赖性。同时采用MPU9250作为惯性测量单元获取定位物体的运动信息，弥补UWB测距信息单一的缺陷，提高定位精度。在真实环境下对该融合算法进行位置估计与融合UWB/IMU位置估计的两组实验，验证表明使用改进后的算法得到的定位估计值与真实轨迹最贴近，且组合惯性测量单元后的算法比输入只有测距信息的算法误差平均绝对误差明显变小，在厘米级标准上进一步提升了定位精度。
-
单位通信与信息工程学院; 上海大学
