自适应抗差卡尔曼滤波对井下定位NLOS时延抑制方法的研究

发布时间：2022-01-25 06:02

　　针对矿井巷道NLOS（Non Line Of Sight）时延影响矿井TOA（Time Of Arrival）定位精度的问题,通过分析巷道NLOS时延形成方式,将巷道NLOS时延分为随机和固定两类,结合两类巷道NLSO时延的特性,提出了一种基于自适应抗差卡尔曼滤波的巷道NLOS时延抑制方法。对于巷道随机NLOS时延,通过在经典卡尔曼滤波算法的基础上引入了自适应抗差概念,使系统在线性滤波的基础上增加了对随机脉冲误差的抑制能力;对于巷道固定NLOS时延,通过在巷道NLOS误差模型的基础上,构建巷道中信号传播距离与传播环境间的函数模型,并结合几何定位算法完成系统对固有误差的有效抑制。实验结果显示,包含有巷道NLOS时延的原始定位数据,误差在2. 1～8. 1 m之间,平均误差为3. 7 m;原始数据经自适应抗差卡尔曼滤波算法处理后,误差在1. 9～3. 6 m之间,平均误差为2. 5 m,定位曲线与实际移动曲线基本保持平行;再经参数拟合和几何算法处理,误差在0～1. 0 m之间波动,误差平均值为0. 27 m,且所提方法较原始定位数据,平均定位误差减小了3. 43 m.从而表明,所提方法对巷... 

【文章来源】：西安科技大学学报. 2020,40(01)北大核心

【文章页数】：8 页

【部分图文】：

图1 双基站定位示意图

3)服务器通过识别卡编号读取基站检测的时间值，并通过自适应抗差卡尔曼滤波算法对时间值进行处理，之后根据式(1)将时间转化为距离值。4)服务器根据基站编号，匹配相应的巷道参数，进而运用参数拟合和几何定位算法对距离值进行处理，得到人员定位卡与该基站的距离估计值。

从表1和图3，图4可以看出，采用SDS-TWR方法直接测的原始数据误差范围为2.1～8.1 m，平均误差为3.7 m，包含有巷道随机NLOS时延误差和巷道固定NLOS时延误差;数据经过自适应抗差卡尔曼滤波算法处理后误差在1.9～3.6 m之间，平均误差为2.5 m，即基本上消除了巷道随机NLOS时延误差，但还存在巷道固定NLOS时延误差;经过参数拟合和几何算法处理后的数据误差范围为0～1 m，平均误差降为0.27 m，表明巷道NLOS时延误差基本消除。不同方法的误差比较曲线如图5所示。图4 文中所提方法的误差曲线

【参考文献】：
期刊论文
[1]一种抑制NLOS误差的UWB定位方法[J]. 鲍小雨,王庆,阳媛,程向红.  传感器与微系统. 2019(09)
[2]基于AOA的矿井人员精确定位技术[J]. 刘世森.  煤矿安全. 2019(07)
[3]基于改进卡尔曼滤波和参数拟合的矿井TOA定位方法[J]. 邵小强,李康乐,陈熙,吕植超,马宪民,王征.  煤炭学报. 2019(05)
[4]A Single-Site Positioning Method Based on TOA and DOA Estimation Using Virtual Stations in NLOS Environment[J]. Rui Zhang,Weiwei Xia,Feng Yan,Lianfeng Shen.  中国通信. 2019(02)
[5]室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法[J]. 周牧,耿小龙,谢良波,聂伟,田增山.  电子学报. 2019(01)
[6]基于卡尔曼平滑的AWKNN室内定位方法[J]. 孙伟,段顺利,闫慧芳,丁伟.  电子科技大学学报. 2018(06)
[7]矿井NLOS环境下改进UKF超宽带定位算法[J]. 李旭虹,张同丽,张育芝.  西安科技大学学报. 2018(05)
[8]基于TOA压缩感知的矿井分布式目标定位方法[J]. 刘真真,田子建,王文清,徐志明,刘婷,黄蕾,张向阳.  煤炭科学技术. 2018(09)
[9]智慧矿山物联网技术发展现状研究[J]. 申雪,刘驰,孔宁,陈敏.  中国矿业. 2018(07)
[10]基于非视距鉴别的超宽带室内定位算法[J]. 曾玲,彭程,刘恒.  计算机应用. 2018(S1)



本文编号：3608019