基于误差预测的自适应UWB/PDR融合定位算法

作者：**铭; 施元昊; 徐正蓺^*; 魏建明

来源：计算机应用, 2020, 40(06): 1755-1762.

• 室内定位
• 支持向量机
• 扩展卡尔曼滤波
• 自适应
• 融合定位

为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题,以及由环境因素引起的UWB性能下降的问题,提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测,并以此为基础,为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数,以提高UWB/PDR的融合定位效果。实验结果表明,所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平,并通过自适应调整融合系数提高精度,使得较常规EKF算法在一般区域的定位误差降低了18. 2%,在UWB精度较差的区域中的定位误差降低了48. 7%,从而减小了环境对UWB性能的影响;在包含UWB的视距内(LOS)及NLOS的复杂场景中,通过融合定位算法,将定位每百米误差由米级降低至分米级,解决了NLOS场景中PDR误差过大的问题。

• 单位
  中国科学院大学; 通信与信息工程学院; 上海大学; 中国科学院上海高等研究院