基于MCS-SCKF的超宽带室内定位算法

作者：张梅; 吕乐^*; 陈万利; 冯涛

来源：测绘通报, 2022, (12): 91-96.

DOI：10.13474/j.cnki.11-2246.2022.0362

• UWB
• 室内定位
• 容积卡尔曼滤波
• 当前统计模型
• 奇异值分解

针对传统超宽带(UWB)室内定位中非线性跟踪问题，基于当前统计(CS)模型和容积卡尔曼滤波(CKF),本文提出了一种新的定位算法。即采用奇异值分解(SVD)代替标准CKF算法中的Cholesky分解，提高了算法的稳定性，构造了奇异值分解容积卡尔曼滤波器(SCKF)。首先在CS模型的基础上改进了先验参数的函数形式，得到改进的CS模型(MCS),实现模型参数的自适应调整；然后将MCS模型引入SCKF滤波器，实现滤波算法的自适应调整；最后利用MCS-SCKF算法对UWB定位系统模型进行解算，从而得到移动目标位置。仿真和试验结果表明，该算法优于CS模型-卡尔曼滤波算法(CS-KF)和CS模型-SCKF算法(CS-SCKF),提高了UWB室内定位的定位精度。

• 单位
  安徽理工大学