基于CNN和在线学习的UWB室内定位算法

作者：张宝军^*; 田奇; 王珩; 陈曦

来源：传感技术学报, 2020, 33(04): 511-516.

• 超宽带室内定位
• 卷积神经网络
• 在线学习算法
• 非视距误差
• 扩展卡尔曼滤波

为了减小非视距(NLOS)误差对超宽带(UWB)室内定位系统定位精度的影响,提出了一种基于卷积神经网络(CNN)的超宽带室内定位算法。利用超宽带系统采集非视距环境下的室内定位数据,根据信号在非视距环境下传播时的误差特性建立CNN模型,将定位数据输入网络进行训练,以减小NLOS误差对定位精度的影响,然后用扩展卡尔曼滤波(EKF)进行位置估计;当系统处于不同室内环境时,使用在线学习算法调整CNN参数,提高系统的兼容性。实验结果表明,该算法可以在不同室内环境下有效减小NLOS误差的影响,保持厘米级的定位精度,具有一定的实用价值。

• 单位
  西安邮电大学; 电子工程学院